Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

如何用Coze智能体自动提前飞书知识库内容

Answer

要使用 Coze 智能体自动提取飞书知识库内容，您可以参考以下步骤：

  1. 创建智能体：
    • 手动清洗数据：上节课程是自动清洗数据，自动清洗可能出现数据不准的情况，本节尝试手动清洗以提高准确性。例如创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以###分割，可点击编辑修改和删除，然后添加 Bot 并在调试区测试效果。
    • 本地文档：对于本地 word 文件，注意拆分内容以提高训练数据准确度，例如将画小二课程按章节进行人工标注和处理，然后创建自定义清洗数据的知识库。
    • 发布应用：点击发布，确保在 Bot 商店中能搜到。
  2. 创建机器人：
    • 访问 Coze 官网（网址：Coze.cn）创建。
    • 人设与回复逻辑设置。
    • 创建知识库：
      • 飞书知识库：在飞书中选择对应文件夹，一次最多选择 20 个文件（文件多可多建几个知识库），可选择自动进行数据清洗，图片资料会保留，测试对话，目前 Coze 存在不稳定版本，需调试完善。
      • Excel 知识库：可增加其他形式的知识库，上传表格的知识库不要过于复杂，不要有合并表格情况，系统不认不同的 Sheet，数据处理完成会显示 100%进度，加工出来的数据点击添加 Bot 增加到知识库中，然后测试发布和返回。
      • 网页知识库：有自动采集和手动采集两种方式，手动采集需安装插件，可选择批量添加，写入网址，将全站数据解析并保存到知识库，按照默认自动清洗数据。

此外，在前期准备中，梳理 AI 智能体的功能需求时，要注意在稍后读的知识管理场景中，简化“收集”环节，自动化“整理”环节，根据待阅读内容列表的主题和当前阅读兴趣智能“选择”相关内容、推荐个人阅读计划。

Content generated by AI large model, please carefully verify (powered by aily)

References

【智能体】让Coze智能体机器人连上微信和微信群详细配置文档

本次创建知识库使用手动清洗数据，上节课程是自动清洗数据：[【智能体】用Coze在微信里搭建一个机器人，还能挖掘销售线索](https://a1i1hjmvcf0.feishu.cn/docx/JSdDd8ybLo7OHqxmePwcHlbLn3b?from=from_copylink),自动清洗数据会出现目前数据不准的情况，本节视频就尝试使用手动清洗数据，提高数据的准确性。[heading3]3.1在线知识库[content]点击创建知识库，创建一个画小二课程的FAQ知识库知识库的飞书在线文档，其中每个问题和答案以###分割，暂时不要问为什么。选择飞书文档选择自定义的自定义输入###然后他就将飞书的文档内容以###区分开来，这里可以点击编辑修改和删除。点击添加Bot添加好可以在调试区测试效果[heading3]3.2本地文档[content]本地word文件，这里要注意了~~~如何拆分内容，提高训练数据准确度，将海报的内容训练的知识库里面画小二这个课程80节课程，分为了11个章节，那训练数据能不能一股脑全部放进去训练呢。答案是~~不能滴~~~正确的方法，首先将11章的大的章节名称内容放进来，如下图所示。章节内详细内容格式如下如所示，如果你再分节的内容，依次类推细化下去。每个章节都按照这种固定的方式进行人工标注和处理然后选择创建知识库自定义清洗数据，这里不再赘述。[heading3]3.3发布应用[content]点击发布确保在Bot商店中能够搜到，如图所示可以搜索到画小二智能小助手，这个很重要，没有通过发布的获取不到API的。

【智能体】用Coze在微信里搭建一个机器人，还能挖掘销售线索

网址：Coze.cn2、创建[heading2]2、人设与回复逻辑设置[heading2]3、创建知识库[content]选择文本创建知识库选择飞书，因为我的很多资料都在飞书里面存着[heading3]3.1飞书知识库[content]在飞书里面选择对应的文件夹，一次做多智能选择20个文件（如果文件大于20个可以多建几个知识库）可以选择自动进行数据清洗，数据清洗不是要不数据清楚，而是把数据进行类结构化整理数据清洗进度内容中的图片资料也会保留测试对话，基本反馈正常，目前coze存在不稳定版本，需要不断调试完善。[heading3]3.2 Excel知识库[content]同时也可以增加其他形式的知识库上传表格的知识库不要过于复杂，不要有合并表格情况，同时系统不认不同的Sheet数据处理完成就显示100%进度加工出来的数据，点击添加Bot，就增加到知识库中测试发布测试返回[heading3]3.3网页知识库[content]选择有自动采集和手动采集两种方式，手动采集需要安装插件，操作稍微有点小复杂，等下节课程我们专门分享。这里我们选择批量添加，写入画小二官网的地址https://www.huaxiaoer.com.cn/这里你可以根据需求添加自己的网站然后就将网站所有的页面都扫描出来，点击确认。将全站数据解析并保存到知识库里面按照默认自动清洗数据数据清洗进度将网站所有数据清洗出来将网站添加到知识库里面

一泽 Eze：Coze+飞书多维表格，打造专属 AI 智能体，享受 10 倍知识管理效率

在稍后读的知识管理场景中，一般流程如下：1.发现内容：在浏览网页、社交媒体时发现感兴趣但当前不方便阅读的文章或内容。2.收集内容：通过浏览器插件、分享到App或复制链接等方式将内容保存到稍后读服务。3.整理入库：通过内容标题、内容主题、来源平台分类等方式对阅读清单进行整理标记（一般多为人工）。4.选择内容：根据收藏时间排序、个人兴趣，在阅读清单中，自行选择下一步阅读内容。5.阅读内容：根据筛选结果，阅读内容，逐步清空阅读清单。仔细观察这5个步骤，我们会发现真正与用户稍后读需求直接相关的只有"发现"、"收集"和"阅读"。虽然"整理"和"选择"环节只是稍后读管理的衍生步骤，却往往占用了大量知识管理时间。特别是当阅读清单积累大量记录时，根据当前兴趣挑选内容变得更加耗时。这直接导致许多人虽然收藏了大量待阅读的内容，但由于整理不到位、选择内容不方便，最终陷入"藏而不读"的困境。另外，"收集"环节的便利性也至关重要。由于"收集"本身并不能直接带来阅读收益，自然是操作路径越短、越简单越好。这也是大家都喜欢用微信文件传输助手临时收藏内容的原因。基于以上分析，我们可以得出对AI稍后读的功能需求：1.尽可能简化“收集”环节2.自动化“整理”环节3.根据待阅读内容列表的主题和当前阅读兴趣，智能"选择"相关内容、推荐个人阅读计划

Others are asking
飞书ai的提示词
以下是关于飞书 AI 提示词的相关内容： 提示词模板和资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru： 在星流一站式 AI 设计工具中的提示词： 提示词用于描绘您想生成的画面。 输入语言方面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），支持中英文输入。 提示词优化方面，启用提示词优化后，可帮助扩展提示词，更生动地描述画面内容。 写好提示词的要点包括：内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等，如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量；调整负面提示词，点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可帮助 AI 理解不想生成的内容；利用“加权重”功能，让 AI 明白重点内容，可在功能框增加提示词，并进行加权重调节，权重数值越大越优先。此外，还有预设词组供小白用户选择，以及辅助功能，如翻译功能可一键将提示词翻译成英文，删除所有提示词可清空提示词框，会员加速可提升图像生图速度。 在 AI 商用级问答场景中的提示词： 提示词是告诉全知全能的大语言模型，它是一个什么样的角色、要专注于哪些技能，使其能够按照您的想法变成所需的“员工”。例如设定角色为“美嘉”，按照其人设、背景和对话风格做设定。
2025-02-18
兼职督学岗位，通过飞书平台为高中生服务，包括：1）解答学习方法等疑问；2）发送测试卷；3）提交测试卷后通知后端制作学习计划；4）发送学习计划链接；5）定期推送知识点和打卡提醒；6）查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式，制作出产品赋能督学在这一岗位的工作效率，并希望在这一过程中，锻炼我的ai能力，再想办法让上司或者老板为我这个产品支付报酬，请问我可以从哪些角度开发产品？
以下是一些您可以从以下角度开发产品来赋能兼职督学岗位的工作效率，并锻炼您的 AI 能力，以争取上司或老板为产品支付报酬： 1. 利用 Coze 的多语言模型支持，为解答高中生学习方法等疑问提供更准确和全面的回答。 2. 借助插件系统，集成与学习相关的插件，如学习资料查询、学习工具推荐等，丰富服务内容。 3. 运用知识库功能，上传各类学科知识点、优秀学习案例等，方便在服务中快速调用和推送。 4. 利用数据库和记忆能力，记住每个高中生的学习情况和需求，提供个性化服务。 5. 设计工作流，例如自动发送测试卷、自动通知后端制作学习计划、自动推送学习计划链接等流程，提高工作效率。 6. 采用多代理模式，针对不同学科或学习阶段设置专门的代理，提供更精准的服务。 7. 利用 Coze 易于发布和分享的特点，将服务产品推广给更多需要的高中生和督学人员。
2025-02-18
兼职督学岗位，通过飞书平台为高中生服务，包括：1）解答学习方法等疑问；2）发送测试卷；3）提交测试卷后通知后端制作学习计划；4）发送学习计划链接；5）定期推送知识点和打卡提醒；6）查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式，制作出产品赋能督学在这一岗位的工作效率，并希望在这一过程中，锻炼我的ai能力，再想办法让上司或者老板为我这个产品支付报酬，请问我可以从哪些角度开发产品？又该如何将它推销给上司？
以下是关于您利用 Coze 和 DeepSeek 等 AI 接入飞书来赋能兼职督学岗位工作效率的一些建议： 开发产品的角度： 1. 智能答疑系统：利用 AI 技术，对高中生常见的学习方法疑问进行自动分析和回答，提高答疑效率和准确性。 2. 个性化测试卷生成：根据学生的学习情况和需求，通过 AI 生成个性化的测试卷。 3. 学习计划优化：基于学生提交的测试卷结果，利用 AI 更精准地制定学习计划。 4. 知识点精准推送：运用 AI 分析学生的学习进度和薄弱环节，定期推送更具针对性的知识点。 5. 打卡提醒优化：通过 AI 实现更灵活、个性化的打卡提醒方式。 推销给上司的方法： 1. 展示效率提升：详细说明产品如何大幅提高兼职督学的工作效率，节省人力和时间成本。 2. 个性化服务优势：强调产品能够为高中生提供更个性化、精准的服务，提升学习效果。 3. 数据支持：提供相关的数据和案例，证明 AI 赋能后的积极效果。 4. 成本效益分析：说明开发和使用该产品的成本相对较低，而带来的收益显著。 5. 未来发展潜力：阐述产品在不断优化和拓展功能方面的潜力，适应更多的教育需求。 另外，Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计。它具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式、免费使用、易于发布和分享等特点。这些特点可以为您的产品开发提供有力支持。
2025-02-18
将deepseek接入飞书
以下是关于将 DeepSeek 接入飞书的相关信息： 学而思表示将接入 DeepSeek“深度思考模式”，预计将在 2 月内陆续于相关机型上线，全面升级用户的 AI 学习体验。 钉钉已经全面接入 DeepSeek 系列模型。 扣子现已支持满血版 Deepseek 全家桶，R1 模型现支持所有用户免费体验，每个用户每日限 20 条对话。 接入方法和途径： 2 月 14 日 8 点有关于在 Coze 搭建满血版 R1 bot 的直播，直播结束后可看回放，地址为： 。 学习文档： 。 创建账号：如果是普通账号，请自行升级或注册专业号后使用。 创建智能体：点击创建，先完成一个智能体的创建。如果在最上面的教程里已经创建好自己的推理点了，那么直接在 Bot 编排里就可以直接看到和选择创建好的推理模型。 在飞书多维表格上调用 DeepSeek 的自定义 AI（DeepSeek 版）地址为：https://bytedance.larkoffice.com/base/extension/replit_3f6c0f185eac23fb ，支持 DeepSeek R1、V3 模型，支持 DeepSeek 官方、火山方舟、硅基流动三个服务商。 如有任何问题请联系后台，电子邮箱：alolg@163.com 。 注意事项：如果发布到公共空间，其他人用的是您的 API，要注意 Token 消耗（也可以设置成仅自己使用）。
2025-02-17
飞书接入deepseek 多维表格处理案例
以下是关于飞书接入 DeepSeek 多维表格处理的相关案例和信息： 自定义 AI（DeepSeek 版）：https://bytedance.larkoffice.com/base/extension/replit_3f6c0f185eac23fb ，支持 DeepSeek R1、V3 模型，以及 DeepSeek 官方、火山方舟、硅基流动三个服务商。 有案例如“笨笨 v 泡泡”的 deepseekr1:7b 模型行测试题分析过程及结果，可参考：https://mp.weixin.qq.com/s/kjYiRS9RE25vywm0EsP6A?token=8615663&lang=zh_CN 。 相关文章和教程： 《突破 DeepSeek R1 能力天花板，火山引擎扣子+飞书一站式企业解决方案》：https://waytoagi.feishu.cn/wiki/RZE9wP94tiEO6bkU5cTcyecHnnb 。 《羊毛快薅|字节火山上线了 DeepSeek 系列模型并悄悄更改了模型服务价格...》：https://waytoagi.feishu.cn/wiki/HzHSwEwtCiBmWrkRm6fc0J0Qneh 。 《喂饭级教程：飞书多维表格+DeepSeek=10 倍速用 AI》：https://mp.weixin.qq.com/s/aIi4tIy0CCINyQE_3AfF_Q ，介绍了如何结合实现批量处理信息、提升工作效率等。 飞书多维表格的接入方法在整理列上这两天直播教程中的所有模板中有提及。 2 月 10 日的社区动态中有 DeepSeek R1 赏析分享会等相关内容。 2 月 14 日的社区动态中有关于另外一款推理模型 zero 的推理过程等相关内容。
2025-02-17
通过飞书机器人与 Coze 搭建的智能体进行对话
通过飞书机器人与 Coze 搭建智能体进行对话，实现跨平台的稍后读收集与智能阅读计划推荐，具体步骤如下： 1. 前期准备： 设计 AI 稍后读助手的方案思路，包括简化“收集”（实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作，输入 URL 完成收集，借鉴微信文件传输助手通过聊天窗口输入）、自动化“整理入库”（自动整理每条内容的关键信息，支持跨平台查看）、智能“选择”推荐（根据收藏记录和阅读兴趣生成阅读计划）。 2. 逐步搭建 AI 智能体： 经过配置得到两个可用工作流（整理入库、选择内容），将其编排为完整智能体。 配置过程包括创建 Bot、填写 Bot 介绍、切换模型为“通义千问”、把工作流添加到 Bot 中、新增变量{{app_token}}、添加外层 bot 提示词，完成后可在「预览与调试」窗口与智能体对话并使用全部功能。
2025-02-16
使用COZE搭建智能体的步骤
使用 COZE 搭建智能体的步骤如下： 1. 梳理手捏 AI Agent 的思路： 在上篇文章中提到过 Prompt 工程的必备能力，即通过逻辑思考，从知识经验中抽象表达出关键方法与要求，这一理念同样适用于在 Coze 中创建 AI Agent。 搭建工作流驱动的 Agent 简单情况可分为 3 个步骤： 规划：制定任务的关键方法，包括总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：分步构建和测试 Agent 功能。 完善：全面评估并优化 Agent 效果。 2. 分步构建和测试 Agent 功能： 首先进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 根据弹窗要求，自定义工作流信息。 点击确认后完成工作流的新建，可以看到整个编辑视图与功能。 其中，左侧「选择节点」模块中，根据子任务需要，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。本案例涉及的思维导图、英文音频，因为无法通过 LLM 生成，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 而编辑面板中的开始节点、结束节点，则分别对应分解子任务流程图中的原文输入和结果输出环节。 接下来，按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 3. 全面评估并优化 Agent 效果： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。
2025-02-17
使用飞书机器人（如Coze智能体）自动抓取外部链接（如网页、公众号文章），通过多维表格存储为“稍后读”清单，并自动提取关键信息（标题、摘要、标签）
以下是使用飞书机器人（如 Coze 智能体）自动抓取外部链接（如网页、公众号文章），通过多维表格存储为“稍后读”清单，并自动提取关键信息（标题、摘要、标签）的相关内容： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口输入更符合用户习惯。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用步骤： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，然后复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。 目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出，由 Coze 调用大模型、插件完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据，理论上无需开发任何插件、APP，就能实现跨平台的稍后读收集与智能阅读计划的推荐。部署完成后，您可以在电脑、手机端通过飞书机器人与稍后读助手进行对话，也可以直接在 Coze 商店中与 bot 进行对话，如果部署到微信服务号、订阅号，还可以通过这些渠道调用 bot。
2025-02-16
coze教程
以下是关于 Coze 教程的相关内容： 可能是全网最好的 Coze 教程之一，能一次性带您入门 Coze 工作流。即使是非技术出身的爱好者也能上手跟学，一站式学会 AI Agent 从设计到落地的全流程方法论。 阅读指南： 长文预警，请视情况收藏保存。 核心看点： 通过实际案例逐步演示，用 Coze 工作流构建一个能够稳定按照模板要求，生成结构化内容的 AI Agent。 开源 AI Agent 的设计到落地的全过程思路。 10+项常用的 Coze 工作流的配置细节、常见问题与解决方法。 适合人群： 任何玩过 AI 对话产品的一般用户（如果没用过，可以先找个国内大模型耍耍）。 希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者。 注：本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。 此外，还有以下关于 Coze 的介绍： Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可以在 Coze 平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单的问答到处理复杂逻辑的对话。并且，可以将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。 个人认为：Coze 是字节针对 AI Agent 这一领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。字节针对 Coze 这个产品部署了两个站点，分别是国内版和海外版。 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用的是字节自研的云雀大模型，国内网络即可正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（可以在这里白嫖 ChatGPT4，具体参考文档：），访问需要突破网络限制的工具。 参考文档：https://www.coze.com/docs/zh_cn/welcome.html AI Agent 的开发流程： Bot 的开发和调试页面布局主要分为如下几个区块：提示词和人设的区块、Bot 的技能组件、插件、工作流、Bot 的记忆组件、知识库、变量、数据库、长记忆、文件盒子、一些先进的配置、触发器（例如定时发送早报）、开场白（用户和 Bot 初次对话时，Bot 的招呼话语）、自动建议（每当和 Bot 一轮对话完成后，Bot 给出的问题建议）、声音（和 Bot 对话时，Bot 读对话内容的音色）。下面会逐一讲解每个组件的能力以及使用方式。
2025-02-16
知识库框架
以下是关于知识库框架的相关内容： 智能体的目标和框架： 智能体的交互能力：包括大模型本身的交互能力、多 Agent 的灵活性、workflow 的妙用（如引导用户输入车辆信息便于大模型理解和分析）以及上下文说明。 智能体的知识体量：涵盖豆包大模型本身的行业数据和语料库、知识库（包括结构化数据与非结构化数据），以及创建知识库的步骤和参赛用知识库，还涉及大模型 RAG 检索、大模型的选择和参数设定以及新模型的调用方法。 智能体的记忆能力：包含变量、数据库和信息记录。 知识： 外置知识是由外部数据库提供，能动态更新和调整。涉及多种数据存储和组织方式，如向量数据库（常用于处理和索引非结构化数据）、关系型数据库（适用于事务性数据存储）、知识图谱（适合复杂语义分析和知识推理）。在实际应用中，外置知识的集成和管理常采用 RAG 架构，能结合检索和生成，增强模型生成能力，实时检索和整合最新外部信息。 陈财猫团队的提示词相关知识库文章索引：
2025-02-18
对作为知识库的数据进行预处理，用哪个软件比较哈
以下是一些可用于对作为知识库的数据进行预处理的软件和方法： 1. LangchainchatGLM：对于知识库内容的组织要求较高，无需微调训练，适合有结构、界限分明的数据。可使用langchain库比对字典的关键词keys部分，找到相似度最高的相关keys对应的内容文本，送进提示词模板（prompt_template），然后送到LLM进行后处理。 2. 在检索原理方面，可通过嵌入模型（如Word2Vec、GloVe、BERT）将问题文本转化为向量，用于后续检索。例如，在商业化问答场景中，会对接收的问题进行预处理和向量化。 3. 在创建知识库并上传表格数据时，可通过API获取在线API的JSON数据上传，或手动自定义创建数据表结构和数据。需注意指定语义匹配字段，在响应用户查询时，将用户查询内容与该字段内容进行比较，根据相似度进行匹配。
2025-02-17
我手里有一个文件知识库，想锻炼一个ai，按照这个文件知识库的习惯帮我改写新的文件
以下是为您整理的内容： 南瓜博士：平生第一次写小说获奖，是 AI 帮我的！ 三、丰富细化 接下来要让 AI 一段一段进行细节描写。为确保文章前后一致，先让 AI 帮助写故事概要和角色背景介绍，并按自己的审美略做修改。使用了一个重要技巧，让 AI 以表格形式输出细节描述，这样有三个好处： 1. 打破 AI 原本的叙事习惯，避免出现陈词滥调。 2. 按编号做局部调整容易，指哪改哪，其他内容能稳定不变。 3. 确保内容都是具体细节，避免整段输出时因缩减而丢光细节只剩笼统介绍。 四、串联成文 把上一步生成的五个表格依次复制粘贴，AI 就照着写文章了，偶尔需要帮忙给点建议。 五、失败的局部修改 小说大赛要求最后的作品必须是 AI 直接吐出来的，不能有任何改动且不能超过 2000 字，而自己的小说 2300+字，只好让 GPT4 做修改，一开始它表现不错，但很快暴露出记性不好的缺点。还没来得及高兴，就发现它失忆得很彻底。眼看截止时间快到了，只能求助 Claude，把文章和 GPT 生成的修改意见都给它，让它生成作品，匆匆截图提交。没想到，Claude 把关键情节改没了，如马克偷偷看艾拉、无名猫受伤的原因等。 熊猫 Jay：AI 编程 Cursor 来了，你没理由说不会写代码了 四、初体验:Cursor 的安装和使用 三、新增/修改代码、文字 选中代码，使用 Command+K 打开窗口，并输入修改要求。不选中代码打开窗口，可要求 AI 实现新功能，比如让 AI 增加一个广告位。当然，除了代码，也可选中文字进行修改，如改写、翻译等。 四、自动补全代码、注释、文字 输入代码或注释，Cursor 会自动补全代码，按 Tab 生效。除补全代码外，还能补全文字，可尝试。 五、对话窗口 Mac 使用 Shift+Command+L 打开聊天窗口，输入优化页面的需求，AI 能提供不同方案。比如倾向于使用好看的配色方案，点击 Apply，再点击 Accept 生效。要记得保存文件，Mac 的快捷键是 Command+S。这不是成品，若要做完整功能，需不停和 Cursor 对话，在案例部分会介绍完整制作过程。 六、全局搜索 还可把它当作简易的 AI 搜索工具，让它根据现有文件夹下的内容回答问题，比如问到基于文件内容，温度值设置的误区在哪里，回答准确度很高，甚至能定位到具体文件的行。
2025-02-17
给我flux的提示词结构的知识库我以他作为知识库
以下是关于 Flux 提示词结构的相关知识： 大语言模型就像一个学过无数知识、拥有无穷智慧的人，但在工作场景中，需要通过提示词来设定其角色和专注的技能，使其成为满足需求的“员工”。知识库则相当于给“员工”发放的工作手册，提供特定的信息。 提示词可以设定 Bot 的身份及其目标和技能，例如产品问答助手、新闻播报员、翻译助理等，决定 Bot 与用户的互动方式。详情可参考。 学习提示词可以分为五个维度，从高到低依次是思维框架、方法论、语句、工具和场景。但舒适的学习顺序应反过来，先从场景切入，直接了解在不同场景下提示词的使用及效果对比；然后使用提示词工具，如 Meta Prompt、Al 角色定制等；接着学习有效的提示语句，包括经典论文中的相关语句；再学习有效的方法论，将有效语句及其背后的原理整合成稳定可控的方法；最后掌握思维框架。 此外，还可以通过插件、工作流、记忆库等功能定制 AI Bot。插件可通过 API 连接集成各种平台和服务扩展 Bot 能力，详情参考。
2025-02-16
知识库RAG方案
RAG（检索增强生成）是一种在 AI 领域中用于处理知识库的方案。 大模型的训练数据有截止日期，当需要依靠不包含在大模型训练集中的数据时，RAG 是主要方法之一。 RAG 的应用可以抽象为以下 5 个过程： 1. 文档加载：从多种不同来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及代码等。 2. 文本分割：把文档切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储：包括将切分好的文档块进行嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过某种检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示生成更合理的答案。 基于 Coze 的知识库问答是典型的 RAG 方案，其重要一环是文档切片。但 RAG 方案存在一些缺点，如跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等。 相关的海外官方文档：https://www.coze.com/docs/zh_cn/knowledge.html ，国内官方文档：https://www.coze.cn/docs/guides/use_knowledge 。 在实际操作中，如使用外贸大师产品的帮助文档创建知识库时，要注意文档的分片策略会严重影响查询结果。
2025-02-16
你的知识库架构是怎样的，普通人如何迅速找到目标靶向，比如我想学ai绘画
以下是关于您想学习 AI 绘画的相关内容： 1. 知识库提到明天银海老师将详细讲解 AI agent，同时表示知识库内容丰富，您可挑选感兴趣的部分学习，比如较轻松的 AI 绘画等。 2. 强调 AI 绘画是视觉基础，还介绍了针对 AI 绘画学社做的关键词词库精选活动。 3. 讲述了 AI 绘画中的 stable diffusion 扩散模型的运作方式，是通过加噪和去噪，随机生成种子来形成最终图像，还提到生成式 AI 做高清放大可增加细节的原理。 您可以根据以上信息，逐步深入了解 AI 绘画的相关知识。
2025-02-15
如果通过deepseek构建智能客服
要通过 DeepSeek 构建智能客服，可以参考以下步骤： 1. 效果对比：用 Coze 做小测试进行对比。 2. 如何使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后，正式开始对话。 3. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（有难度）和 Markdown（运行不稳定）。 4. 特别鸣谢：李继刚的【思考的七把武器】在前期提供了很多思考方向；Thinking Claude 是最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。 另外，实现联网版的 DeepSeek R1 大模型的核心路径如下： 1. 拥有扣子专业版账号：如果还是普通账号，请自行升级或注册专业号后使用。 2. 开通 DeepSeek R1 大模型：访问地址 https://console.volcengine.com/cozepro/overview?scenario=coze ，打开火山方舟，找到开通管理，找到 DeepSeek R1 模型，点击开通服务，添加在线推理模型，添加后在扣子开发平台才能使用。 3. 创建智能体：点击创建，先完成一个智能体的创建。 同时，GPT1 到 Deepseek R1 所有公开论文中关于智能代理的部分提到：Anthropic 的《构建有效的代理》是一篇关于 2024 年的精彩回顾，重点关注连锁、路由、并行化、协调、评估和优化的重要性。还可以在加州大学伯克利分校 LLM 代理的慕课中找到更多资料。
2025-02-18
我怎样用低代码工具去构建我的AI智能体？LLM应用？
以下是关于如何用低代码工具构建 AI 智能体和 LLM 应用的一些建议： 在构建基于 LLM 的应用时，Anthropic 建议先寻找最简单的解决方案，只在必要时增加复杂度。智能系统通常会以延迟和成本为代价来换取更好的任务表现，开发者需要考虑这种权衡是否合理。当需要更复杂的解决方案时，工作流适合需要可预测性和一致性的明确任务，而智能体则更适合需要灵活性和模型驱动决策的大规模场景。不过，对于许多应用来说，优化单个 LLM 调用（配合检索和上下文示例）通常就足够了。 目前有许多框架可以简化智能系统的实现，例如： 1. LangChain 的 LangGraph。 2. 亚马逊 Bedrock 的 AI Agent 框架。 3. Rivet（一个拖放式 GUI 的 LLM 工作流构建器）。 4. Vellum（另一个用于构建和测试复杂工作流的 GUI 工具）。 这些框架通过简化标准的底层任务（如调用 LLM、定义和解析工具、链接调用等）使入门变得容易，但它们往往会创建额外的抽象层，可能会使底层提示词和响应变得难以调试，也可能诱使开发者在简单设置就足够的情况下增加不必要的复杂性。建议开发者先直接使用 LLM API，许多模式只需要几行代码就能实现。如果确实要使用框架，请确保理解底层代码。 此外，还有以下相关工具和应用： 1. VectorShift：能在几分钟内构建和部署生成式人工智能应用程序，利用大型语言模型（例如 ChatGPT）构建聊天机器人、文档搜索引擎和文档创建工作流程，无需编码。 2. Unriddle：帮助更快阅读、写作和学习的工具，能简化复杂的主题，找到信息，提问并立即获得答案。 工具使用或函数调用通常被视为从 RAG 到主动行为的第一个半步，为现代人工智能栈增加了一个新的层。一些流行的原语如网页浏览（Browserbase、Tiny Fish）、代码解释（E2B）和授权+认证（Anon）已经出现，它们使 LLM 能够导航网络、与外部软件（如 CRM、ERP）交互并运行自定义代码。Omni 的计算 AI 功能体现了这种方法，它利用 LLM 直接输出适当的 Excel 函数到电子表格中，然后执行计算并自动生成复杂查询供用户使用。 详细示例请参考：https://github.com/anthropics/anthropiccookbook/tree/main/patterns/agents
2025-02-17
即梦ai里，关于智能画布中的参考图的具体作用
在即梦 AI 中，智能画布中的参考图具有以下重要作用： 1. 实现多种商业创意设计：只需上传一张参考图，就能快速生成多种创意设计，例如模特图的变装、换发型、换脸、换发色和调整人物姿势；产品图的材质和背景改变；电商海报的背景、元素更改等。 2. 提升设计的灵活性和可塑性：在奶茶宣传图的制作中，参考图在制作步骤中发挥了关键作用，如在第 1 步找参考图，为后续的生成和融合等操作提供基础。 基础操作包括： 1. 打开即梦官网 https://jimeng.jianying.com/ 。 2. 选择图片生成。 3. 选择导入参考图（上传一张参考图，点击智能参考）。 相关案例： 1. 模特图自由定制：通过智能参考，轻松实现模特图的多种变化。 2. 产品图随心变化：可以改变产品材质和画面背景。 3. 电商海报一键搞定：支持随意更改背景、元素，适应不同营销主题。 原文链接：https://mp.weixin.qq.com/s/sD0RFMqnFZ6Bj9ZcyFuZNA
2025-02-17
即梦ai里，关于智能画布中的参考图的具体作用
在即梦 AI 中，智能画布中的参考图具有以下重要作用： 1. 实现多种商业创意设计：只需上传一张参考图，就能快速生成多种创意设计，例如模特图的变装、换发型、换脸、换发色和调整人物姿势；产品图的材质和背景改变；电商海报的背景、元素更改等。 2. 提升设计的灵活性和可塑性：在奶茶宣传图的制作中，参考图在制作步骤中发挥了关键作用，如在第 1 步找参考图，为后续的生成和融合等操作提供基础。 基础操作包括： 1. 打开即梦官网 https://jimeng.jianying.com/ 。 2. 选择图片生成。 3. 选择导入参考图（上传一张参考图，点击智能参考）。 相关案例： 1. 模特图自由定制：通过智能参考，轻松实现模特图的多种变化。 2. 产品图随心变化：可以改变产品材质和画面背景。 3. 电商海报一键搞定：支持随意更改背景、元素，适应不同营销主题。 原文链接：https://mp.weixin.qq.com/s/sD0RFMqnFZ6Bj9ZcyFuZNA
2025-02-17
人工智能简史
人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但因从专家提取知识并以计算机可读形式表现及保持知识库准确的复杂性和高成本，20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源便宜、数据增多，神经网络方法在计算机视觉、语音理解等领域展现卓越性能，过去十年中“人工智能”常被视为“神经网络”的同义词。 在国际象棋对弈程序方面，早期以搜索为基础，发展出阿尔法贝塔剪枝搜索算法，后来采用基于案例的推理，如今能战胜人类棋手的程序基于神经网络和强化学习。 在创建“会说话的程序”方面，早期如 Eliza 基于简单语法规则，现代助手如 Cortana、Siri 或谷歌助手是混合系统，未来有望出现完整基于神经网络的模型处理对话，如 GPT 和 TuringNLG 系列神经网络已取得巨大成功。 最初，查尔斯·巴贝奇发明计算机用于按明确程序运算，现代计算机仍遵循相同理念。但有些任务如根据照片判断人的年龄无法明确编程，这正是人工智能感兴趣的。 译者：Miranda，原文见 https://microsoft.github.io/AIForBeginners/lessons/1Intro/README.md
2025-02-17
数据分析产品的智能体有哪些
以下是一些常见的数据分析产品的智能体类型： 1. 简单反应型智能体：根据当前的感知输入直接采取行动，不维护内部状态和考虑历史信息。例如温控器，根据温度传感器的输入直接控制加热器。 2. 基于模型的智能体：维护内部状态，对当前和历史感知输入进行建模，能推理未来的状态变化并据此行动。比如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境的模型。 3. 目标导向型智能体：具有明确的目标，能根据目标评估不同的行动方案并选择最优行动。像机器人导航系统，有明确目的地并规划路线以避开障碍。 4. 效用型智能体：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动的优劣并权衡利弊。例如金融交易智能体，根据市场条件选择最优交易策略。 5. 学习型智能体：能够通过与环境的交互不断改进其性能，学习模型、行为策略以及目标函数。比如强化学习智能体，通过与环境互动不断学习最优策略。 此外，还有一些具体的数据分析产品智能体，如颖子团队的“市场分析报告”生成智能体，它能根据输入的行业/类目关键词自动检索关联信息并生成报告，数据化呈现且附带信息来源网址便于校正，适用于企业管理层、投资者、创业者、营销人员等，可减少信息收集时间，聚焦决策判断。 在智谱 BigModel 开放平台工作流搭建中，也有相关的智能体节点，如具有自主规划任务、使用工具、记忆的 Agent 节点。
2025-02-17