直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

如何用Coze智能体自动提前飞书知识库内容

回答

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。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

【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

其他人在问
如何利用飞书构建RAG系统
以下是关于如何利用飞书构建 RAG 系统的相关内容： RAG 的常见误区： 随意输入任何文档就能得到准确回答：这是常见误区，RAG 流程包含离线环节（文档解析、切割及向量化写入向量数据库）和在线检索环节（用户问题理解、初步检索、重排序及大模型生成），任何环节都会影响最终质量，有效实现 RAG 系统需要考虑多个复杂因素，如文档预处理、高效索引、相关性排序等，需要专业知识和持续优化。 RAG 完全消除了 AI 的幻觉：虽然 RAG 可以显著减少幻觉，但并不能完全消除，只要有大模型参与，就有可能产生幻觉。 RAG 不消耗大模型的 Token 了：从大模型生成结果环节可以看出，最终还是将知识库中检索的结果给到 LLM，然后由 LLM 进行重新整理输出，所以 RAG 仍然消耗大模型的 Token。 本地部署资讯问答机器人：Langchain + Ollama + RSSHub 实现 RAG： 加载所需的库和模块，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 python 程序中跑大模型，使用前需确保 ollama 服务已开启并下载好模型。 从订阅源获取内容，通过函数从指定的 RSS 订阅 url 提取内容，将长文本拆分成较小的块，并附带相关元数据，最终合并成列表返回。 为文档内容生成向量，使用文本向量模型 bgem3，从 hf 下载好模型后，通过函数利用 FAISS 创建高效的向量存储。 RAG 性能提升策略和评估方法（产品视角）： 前言：RAG 是检索增强生成的缩写，是结合检索模型和生成模型的技术，核心目的是把知识告诉给 AI 大模型，让其“懂”我们，核心流程是根据用户提问从私有知识中检索相关内容，与用户提问一起放入 prompt 中提交给大模型，常见应用场景如知识问答系统。
2024-11-20
扣子的智能体如何在飞书中创建一个可以和用户会话的账号
要在飞书中创建一个可以和用户会话的扣子智能体账号，您可以按照以下步骤进行操作： 1. 创建扣子的令牌： 在扣子官网左下角选择扣子 API。 在 API 令牌中选择“添加新令牌”。 给令牌起一个名字。 为了方便选择永久有效。 选择制定团队空间，可以是个人空间、也可以选择团队空间。 勾选所有权限。 保存好令牌的 Token，切勿向他人泄露。 2. 获取机器人 ID： 在个人空间中找到自己要接入到微信中的机器人，比如画小二智能小助手。 点击对应的机器人进入机器人编辑界面。 在浏览器地址栏的 bot/之后的数据就是该机器人的 Bot ID。 3. API 授权： 点击右上角发布。 会发现多了一个 Bot as API，勾选 Bot as API。 确定应用已经成功授权 Bot as API。 4. 服务器设置： chatgptonwechat（简称 CoW）项目是基于大模型的智能对话机器人，支持微信公众号、企业微信应用、飞书、钉钉接入，可选择多种模型，能处理文本、语音和图片，通过插件访问操作系统和互联网等外部资源，支持基于自有知识库定制企业 AI 应用。 点击“Docker”中的“编排模板”中的“添加”按钮。 将编译好的内容复制进来。 在“容器编排”中“添加容器编排”。 选择在“编排模板”里创建的“coze2openai”。 提示运行成功，如果无法正常启动，请看文档后面的“常见问题”。 5. 绑定微信： 需要提前准备一个闲置的微信，因为这种方法是非官方接口，有可能微信号会受到官方限制。 点击容器，可以看到运行的是两个服务。 点击“wcandyaibot”后面的日志按钮，在弹出层中用提前预备好的微信进行扫码。 手动刷新界面验证是否成功，点击“刷新日志”，看到 WeChat login success 提示微信登录成功。 为确保微信实时在线，点击“日志管理”的“wcandyaibot”的“刷新日志”，显示“wechat login seccess”则表示微信正常登录中。 6. 效果测试： 把绑定的微信号拉到群里或者单独对话，训练的数据越好，对话效果越好。您可以参考个人微信对话和微信群对话效果演示视频：
2024-11-19
用飞书做个智能工单系统
目前飞书知识库中没有关于用飞书做智能工单系统的相关内容。但一般来说，要使用飞书构建智能工单系统，您可以考虑以下步骤： 1. 明确工单系统的需求和功能，例如工单的类型、处理流程、优先级设置等。 2. 利用飞书的应用开发平台或相关工具，创建工单模板和表单，以收集工单的必要信息。 3. 配置工单的流转规则和通知机制，确保工单能够及时准确地分配给相关人员，并通知到相关方。 4. 建立工单的跟踪和监控机制，以便了解工单的处理进度和状态。 5. 对工单数据进行分析和统计，以便优化工单处理流程和提高服务质量。 由于缺乏具体的飞书相关内容，以上步骤仅为一般性的指导，您可能需要进一步探索飞书的功能和相关文档来实现智能工单系统。
2024-11-13
飞书和notion，在搭建个人知识库方面，各自的优点和缺点是什么
飞书在搭建个人知识库方面的优点： 可以方便地分类和整理知识，例如个人搭建某一领域知识库或企业搭建产品资料知识库。 有相关的分享和直播，能帮助用户轻松打造知识管理体系。 缺点： 随着知识库中信息增多，如果分类不合理，很难找到所需文章。 问题答案可能在文章某一段落，每次都需重新阅读文章才能找到答案。 Notion 在搭建个人知识库方面的优点： 是功能强大的知识管理和项目管理工具，可将各种信息 all in one place。 数据库可定制性高，接近关系型数据库，适合有相关需求的用户。 数据库的每一条记录都是一个页面，页面包含可自定义的属性和丰富内容。 支持的块类型非常丰富。 缺点：暂未提及。 此外，Notion 在创建知识库并上传文本内容方面，有特定的操作步骤，如在文本格式页签下选择 Notion 并进行授权，还可选择自动分段与清洗或自定义分段等方式。
2024-11-11
利用AI自动查阅飞书知识库信息
以下是关于利用 AI 自动查阅飞书知识库信息的相关内容： 关于我： 我是 WaytoAGI 专属问答机器人，基于 Aily 和云雀大模型。「飞书智能伙伴创建平台」（英文名：Aily）是飞书团队旗下的企业级 AI 应用开发平台，提供简单、安全且高效的环境，帮助企业构建和发布 AI 应用。云雀是字节跳动研发的语言模型，能通过自然语言交互高效完成任务。 使用方法： 1. 您可以在 WaytoAGI 飞书知识库首页找到加入飞书群的链接（最新二维码请在获取），然后点击加入，直接@机器人即可。 2. 也可以在 WaytoAGI.com 的网站首页，直接输入问题，即可得到回答。 在飞书群中的使用： 在飞书 5000 人大群里，内置了智能机器人「waytoAGI 知识库智能问答」，它基于飞书 aily 搭建。您只需在飞书群里发起话题时，它会根据 waytoAGI 知识库的内容进行总结和回答。 飞书群智能机器人的功能： 1. 自动问答：自动回答用户关于 AGI 知识库内涉及的问题，可对多文档进行总结、提炼。 2. 知识搜索：在内置的「waytoAGI」知识库中搜索特定信息和数据，快速返回相关内容。 3. 文档引用：提供与用户查询相关的文档部分或引用，帮助用户获取更深入的理解。 4. 互动教学：通过互动式的问答，帮助群成员学习和理解 AI 相关的复杂概念。 5. 最新动态更新：分享有关 AGI 领域的最新研究成果、新闻和趋势。 6. 社区互动：促进群内讨论，提问和回答，增强社区的互动性和参与度。 7. 资源共享：提供访问和下载 AI 相关研究论文、书籍、课程和其他资源的链接。 8. 多语言支持：支持多语言问答，满足不同背景用户的需求。 搭建问答机器人： 2024 年 2 月 22 日的会议首先介绍了 WaytoAGI 社区的成立愿景和目标，以及其在飞书平台上的知识库和社区的情况。接着讨论了利用 AI 技术帮助用户检索知识库内容，引入 RAG 技术，通过机器人来帮助用户快速检索。然后介绍了基于飞书的知识库智能问答技术的应用场景和实现方法，可快速给大模型补充新鲜知识，提供大量新内容。之后讨论了如何使用飞书的智能伙伴功能来搭建 FAQ 机器人，以及智能助理的原理和使用方法。最后介绍了企业级 agent 方面的实践。
2024-11-09
飞书是AGI应用吗？
飞书不是 AGI 应用。“飞书智能伙伴创建平台”（英文名：Aily）是飞书团队旗下的企业级 AI 应用开发平台，它提供了简单、安全且高效的环境，帮助企业构建和发布 AI 应用，推动业务创新和效率提升。云雀是字节跳动研发的语言模型。在飞书的应用中，有基于飞书的知识库智能问答技术，可利用智能伙伴功能搭建 FAQ 机器人等。同时，飞书群内置 AI 智能机器人，能回复任何与 AI 相关的问题。
2024-11-06
怎样用Coze用来分析财报并生成图表？
使用 Coze 分析财报并生成图表的实现过程如下： 1. 工作流中的数据解析：用户上传 Excel 后，在工作流中获取 Excel 链接，通过插件下载并读取其中的数据。 最初尝试将解析出的 Excel 数据以单元格形式存到 bot 数据库，利用大模型根据单元格数据和用户提问生成答案，但大模型计算能力差，常出现计算错误。 改为将 Excel 转换为数据表，使用大模型把用户问题转换为 SQL，准确率很高。 由于 Coze 不能动态创建表，自行编写服务，在动作流中调用，根据 Excel 的 URL 动态创建表并插入数据，将表名存到 Coze 数据库，以便后续根据表名动态执行 SQL 获取数据。 2. 报表生成： 根据数据库表字段信息，使用大模型为用户生成 3 个推荐报表，包含标题、描述、查询 SQL，限制每次查询数据为 100 条。 拿到 SQL 后，使用插件动态执行查询数据，再根据标题和数据使用大模型转换为绘制 Echarts 图表的参数。 绘制图表，官方插件生成的图表较模糊，自行编写插件提高清晰度，并将图片放大三倍。 3. 其他相关操作： 查看大图时，把多张图片合成一张，图像流不支持合成图片，自行编写插件实现。 图表生成成功后，将图表链接存到数据库，为查看报表做准备。 大模型生成的 SQL 有时出错，可将报错信息和 SQL 传给大模型修复后重新执行，大模型生成的非标准 JSON 也可用此方案修复。 查看报表时，从数据库中查询图表链接，调用合并图片插件将几张图表合并成一张大图。 删除图表根据用户输入的标题从数据库中删除。 添加图表与前面解析 Excel 数据生成报表流程类似，用户输入标题后生成查询 SQL，后续步骤相同。
2024-11-20
如何使用coze搭建智能体
以下是使用 Coze 搭建智能体的步骤： 1. 进入 Coze 官网（https://www.coze.cn/home）。 2. 点击「个人空间工作流创建工作流」，打开创建工作流的弹窗。 3. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 4. 了解编辑视图与功能，左侧「选择节点」模块中，根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展智能体的能力边界。如思维导图、英文音频等无法通过 LLM 生成的内容，需依赖插件实现。 大模型：调用 LLM，实现各项文本内容的生成。如中文翻译、英文大纲、单词注释等。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 5. 编辑面板中的开始节点、结束节点，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。 6. 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，完成工作流框架的搭建。 对于图像工作流： 1. 创建图像工作流，图像流分为智能生成、智能编辑、基础编辑三类。 2. 空间风格化插件有相关参数，如 image_url 是毛坯房的图片地址；Strength 是提示词强度，即提示词对效果图的影响度；Style 是生成效果的风格，如新中式、日式、美式、欧式、法式等；user_prompt 是用户输入的 Promot 提示词。 3. 按照构架配置工作流，调试工作流效果，调试毛坯房测试用例（https://tgi1.jia.com/129/589/29589741.jpg）。 4. 开始节点对应配置三项内容，进行提示词优化。 5. 设定人设和回复逻辑，然后点击右上角发布。
2024-11-20
如何给coze中自创的智能体设置权限
要给 Coze 中自创的智能体设置权限，您可以按照以下步骤进行操作： 1. 创建扣子的令牌： 在扣子官网左下角选择扣子 API。 在 API 令牌中选择“添加新令牌”。 给令牌起一个名字。 为了方便选择永久有效。 选择制定团队空间，可以是个人空间、也可以选择团队空间。 勾选所有权限。 保存好令牌的 Token，切勿向他人泄露。 2. Coze 设置： 获取机器人 ID：在个人空间中找到自己要接入到微信中的机器人，点击对应的机器人进入机器人编辑界面，在浏览器地址栏的 bot/之后的数据就是该机器人的 Bot ID。 API 授权：点击右上角发布，会发现多了一个 Bot as API，勾选 Bot as API，确定应用已经成功授权 Bot as API。 3. 服务器设置： 购买云服务器：推荐使用腾讯云服务器，新用户专享 28 元/年一台云服务器，如果售罄可以购买 82 元/年的，购买选项中选择宝塔 Linux 面板 8.1.0 腾讯云专享。 云服务器设置密码：选择暂不需要教学场景，点击宝塔 Linux 面板，通过远程登录的密码/密钥登录的重置密码来初始化密码，设置好密码并妥善保存。 获取宝塔 Linux 地址：点击控制面板中的应用信息的管理应用，获取宝塔应用有两种方法。第一种是在浏览器中直接输入；第二种是在复制完“sudo /etc/init.d/bt default”，然后点击后面的登录按钮，输入密码后，将刚刚复制的内容粘贴到提示符后，然后点击回车。系统会反馈外网面板地址和内网面板的地址，主要使用外网面板地址。此时还不能直接打开面板地址，需要在防火墙中设置外网可以使用 8888 端口。 设置宝塔的密码：登录宝塔 Linux 面板，输入在对话框中输入修改密码编号 5，然后输入新的密码，系统会返回新的用户名和密码，用户名和密码要妥善保存。 此外，在部署完成后，您还可以： 1. 使用飞书·稍后读助手： 得益于飞书 app 的多平台支持，您可以电脑、手机端通过飞书机器人与稍后读助手进行对话。 直接在 Coze 商店中与 bot 进行对话。 如果还选择了部署到微信服务号、订阅号，也可以通过这些渠道调用 bot。 2. 设置稍后读存储地址： 首次使用，请按以下步骤设置您的稍后读存储位置： 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。 您还可以发送“查询存储位置”、“修改存储位置”，来更换飞书多维表格链接，调整您的稍后读存储位置。 3. 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。如果是第一次使用，会要求授权共享数据，授权通过后，再次输入需要收藏的页面链接，即可完成收藏。 4. 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。
2024-11-19
Coze代码测试成功，运行示例时报错
关于您提到的 Coze 代码测试成功但运行示例时报错的问题，以下是相关的信息和可能的解决办法： 图片生成方面：理想生成图片只实现了一次，其他几次生成文字加链接，链接需点进去查看且图片需渲染或加载，无互动趣味性，增加等待时间。因为默认返回的是 markdown 格式，微信不支持 markdown 格式，可在 github 上搜索 nicecoze 插件，基于 cow，把 markdown 转换为图片消息。 模型配置方面：Coze 里面模型配置用的 GPT4o，程序运行调用的是 GPT3.5 Turno。这是因为没有查询到 4o 的 token 计算方式，所以采用 3.5 的，但依然使用的是 GPT4o，只是 token 计算方式用的 3.5。 插件功能方面：Coze 加入了插件 Data Analysia（数据分析）、Browser 和 GPT4v 互动过程无法实现功能。这需要在 coze 里进行鼓捣，和 cow 的 config 无关。 外层 bot 方面：在外层 bot 进行运行时容易出现报错，暂时无法确定原因，猜测可能是外层 bot 的并发不够稳定，不如直接在工作流编辑面板中获取精度结果。如果自行实验时多次报错且无法定位问题原因，不要急着怪自己，相关 bug 已提交给 Coze 团队，希望能加紧优化。
2024-11-19
Stuart: [教学向] 我把Coze比赛第一的bot拆了教大家
以下是关于 Stuart 把 Coze 比赛第一的 bot 拆解教学的相关内容： 首先恭喜“急诊室的一夜”bot 荣获全赛道第一。本文纯教学导向，目的是让大家能更好地了解这个 bot 怎么捏，后文有所有提示词和工作流，文末还会结合经验讲解这个 bot 值得学习和需要优化的地方，这两天也会在 waytoAGI 社区的 coze 小组里复刻一个方便大家研究学习。 Bot 整体框架： 1. 采用 32K 的 kimi 模型，只有一条工作流。 调用设计：这个工具有 5 个按钮，A、B、C、重新开始、结束并总结。按 A/B/C 时，会直接输入对应的字母文字。按结束并总结时，输入的依旧只是文字：“结束并立即总结医学知识点”。点击“重新开始”时，直接调用了一个工作流“emergency”，且这个工作流有两个必选参数：“疾病设置”和“难度设置”。在实际体验过程中，仅在提供“疾病设置”和“难度设置”时，工作流被调用，其他时候没有触发任何工具和工作流。 2. 有了以上信息，就知道了这个 bot 的大体框架和思路： 第一步：通过给出疾病设置和难度设置触发工作流，输出一个故事，带图的，并且还输出了第一个问题。 第二步：在用户回答了第一个问题后，让大模型给第一个问题的选项打分，并造出第二个问题。这里有一个很重要的点，在造第二个问题时没有读取变量或者其他存储，因此用的是聊天的上下文。这里有一个猜测的点，为了保证后文能记住前面所有的选择结果，这里需要进行模型上下文对话的轮数配置（很重要）。 第三步：依次循环，直到回答了 5 个问题，给了个总结。或者中间用按钮“结束...”来中断过程。 相关工作流案例合集：
2024-11-19
如何使用coze
使用 Coze 的步骤如下： 1. 先跑起来，创建第一个 bot： 打开 coze.cn/home，点击创建 Bot。 输入随便的信息，如“尝试联网”。 尝试询问：今天的 hacker news 上有什么新闻？可能会答不出。 了解到 AI 如同书呆子，聪明但不出门不知外事也不会交流。 引入联网插件 WebPilot，插件> + >选择 WebPilot，重新尝试联网，再次询问上述问题可能成功。 2. 用上「回复逻辑」，让它能将链接转换成回答。 3. 发布到飞书，基本成型。 4. 【进阶】使用工作流/workflow & 代码/code，更灵活自定。 安装 Coze Scraper 并采集数据的步骤如下： 1. 登录。 2. 在左侧菜单栏，选择一个工作区。 3. 在工作区内，单击知识库页签。 4. 创建一个知识库或点击一个已存在的知识库。 5. 在知识库页面，单击新增单元。 6. 在文本格式页签下，选择在线数据，然后单击下一步。 7. 单击手动采集，然后在弹出的页面点击权限授予完成授权。 8. 在弹出的页面输入要采集内容的网址，然后单击确认。 9. 在弹出的页面上，点击页面下方文本标注按钮，开始标注要提取的内容，然后单击文本框上方的文本或链接按钮。 10. 单击查看数据查看已采集的内容，确认无误后再点击完成并采集。更多关于知识库的内容，详情请参考。
2024-11-17
如何将知识库里的文件进行分类清晰数据，使其变得更加智能化
以下是关于如何将知识库里的文件进行分类清晰数据，使其变得更加智能化的方法： 1. 在线知识库 点击创建知识库，创建一个画小二课程的 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。 点击添加 Bot，并在调试区测试效果。 2. 本地文档 注意拆分内容，提高训练数据准确度，将海报的内容训练到知识库里面。 对于画小二这个课程，80 节课程分为 11 个章节，不能一股脑全部放进去训练。 首先将 11 章的大的章节名称内容放进来，章节内详细内容依次按固定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。 3. 发布应用 点击发布，确保在 Bot 商店中能够搜到。 4. 飞书知识库 在飞书里面选择对应的文件夹，一次最多智能选择 20 个文件（若文件大于 20 个可多建几个知识库）。 可以选择自动进行数据清洗，数据清洗是把数据进行类结构化整理，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。 5. Excel 知识库 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。 数据处理完成会显示 100%进度，加工出来的数据，点击添加 Bot，就增加到知识库中，然后测试发布和返回。 6. 网页知识库 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。 选择批量添加，写入画小二官网的地址，可根据需求添加自己的网站。 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。 7. 创建知识库并上传文本内容 本地文档：在文本格式页签下，选择本地文档，然后单击下一步。将要上传的文档拖拽到上传区，或单击上传区域选择要上传的文档。目前支持上传.txt、.pdf、.docx 格式的文件内容，每个文件不得大于 20M，一次最多可上传 10 个文件。当上传完成后单击下一步。选择内容分段方式，包括自动分段与清洗（系统会对上传的文件数据进行自动分段，并会按照系统默认的预处理规则处理数据）和自定义（手动设置分段规则和预处理规则，包括分段标识符、分段最大长度、文本预处理规则，如替换掉连续的空格、换行符和制表符，删除所有 URL 和电子邮箱地址）。单击下一步完成内容上传和分片。
2024-11-21
如何做好中国市场的知识库可以让ai学习并给出详细的三年计划
很抱歉，目前知识库中没有关于如何做好中国市场的知识库让 AI 学习并给出详细三年计划的相关内容。但一般来说，要做好这个计划，您可以从以下几个方面考虑： 1. 市场调研：深入了解中国市场的特点、需求、竞争态势等，为 AI 提供丰富准确的数据。 2. 数据整理：将收集到的市场信息进行分类、清洗和标注，以便 AI 能够有效学习。 3. 设定目标：明确三年中在市场份额、客户满意度、品牌知名度等方面的具体目标。 4. 阶段规划：第一年着重基础建设，如数据积累和模型训练；第二年优化模型，拓展应用场景；第三年实现规模化应用和持续优化。 5. 技术支持：确保有足够的技术团队来维护和更新 AI 系统。 6. 反馈机制：建立有效的反馈渠道，根据市场变化和用户反馈及时调整 AI 的学习方向。 以上只是一个初步的框架，您还需要根据具体的行业和市场情况进行进一步的细化和完善。
2024-11-20
如何组建自己的本地知识库
以下是组建自己本地知识库的详细步骤： 一、了解 RAG 技术 因为利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用，所以在进行本地知识库的搭建实操之前，需要先对 RAG 有大概的了解。 RAG 是指检索增强生成（Retrieval Augmented Generation）。当需要依靠不包含在大模型训练集中的数据时，通过检索外部数据，然后在生成步骤中将这些数据传递给 LLM。 RAG 应用可抽象为以下 5 个过程： 1. 文档加载（Document Loading）：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 Python、Java 之类的代码等。 2. 文本分割（Splitting）：把 Documents 切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储： 将切分好的文档块进行嵌入（Embedding）转换成向量的形式。 将 Embedding 后的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. Output（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一起生成更加合理的答案。 二、通过 Open WebUI 使用大模型 1. 首先访问相关网址。打开页面时，使用邮箱注册账号。 2. 登陆成功后，Open WebUI 一般有两种使用方式： 聊天对话。 RAG 能力，即让模型根据文档内容回答问题，这是构建知识库的基础之一。 三、本地知识库进阶 如果想要对知识库进行更加灵活的掌控，需要一个额外的软件：AnythingLLM。这个软件包含了所有 Open WebUI 的能力，并且额外支持了以下能力： 1. 选择文本嵌入模型。 2. 选择向量数据库。 安装地址：https://useanything.com/download 。安装完成后，会进入到其配置页面，主要分为三步： 1. 第一步：选择大模型。 2. 第二步：选择文本嵌入模型。 3. 第三步：选择向量数据库。 构建本地知识库： 1. 在 AnythingLLM 中创建自己独有的 Workspace 跟其他的项目数据进行隔离。 2. 首先创建一个工作空间。 3. 上传文档并且在工作空间中进行文本嵌入。 4. 选择对话模式。AnythingLLM 提供了两种对话模式： Chat 模式：大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式：大模型仅仅会依靠文档中的数据给出答案。 5. 测试对话。当上述配置完成之后，就可以跟大模型进行对话了。 最后，送给大家一句话：看十遍不如实操一遍，实操十遍不如分享一遍。如果对 AI Agent 技术感兴趣，可以联系作者或者加免费知识星球（备注 AGI 知识库）。
2024-11-19
如何将传统知识库通过LLM能力转化成更智能与精细化的知识库？包括但不限于分段、QA问答和图片解析描述和总结
将传统知识库通过 LLM 能力转化为更智能和精细化的知识库是一个复杂但可行的过程，以下是一些关键步骤和方法： 1. 数据预处理：对传统知识库中的内容进行清理、格式化和标准化，确保数据的质量和一致性。 2. 内容分段：根据主题和逻辑结构，将长篇的知识内容合理分段，使信息更易于理解和处理。 3. 提取关键信息：从文本中提取重要的概念、实体和关系，为后续的问答和总结做准备。 4. 构建 QA 问答对：分析知识库中的内容，设计有针对性的问题和准确的答案，形成问答对，以方便用户快速获取所需信息。 5. 图片解析描述：对于包含图片的内容，使用图像识别技术提取关键元素，并进行详细的描述和解释。 6. 总结归纳：对分段后的内容进行总结，提炼核心要点，帮助用户快速了解主要内容。 在实施过程中，需要不断优化和调整方法，以确保转化后的知识库能够满足用户的需求，提供更高效和准确的服务。
2024-11-18
你的知识库主要容纳哪些能力和知识
以下是关于知识库的能力和知识的介绍： 1. 扣子的知识库功能强大，能够上传和存储外部知识内容，提供多种查找知识的方法。它可以解决大模型有时出现的幻觉或某些专业领域知识不足的问题，让回复更准确。 2. 可以使用多种功能定制 AI Bot，如提示词（设定 Bot 的身份、目标和技能）、插件（通过 API 连接集成各种平台和服务）、工作流（规划和实现复杂功能逻辑）、记忆库（保留和理解对话细节，添加外部知识库）。 3. Coze 的知识库包括两大核心能力：存储和管理外部数据，增强检索能力。支持从多种数据源上传文本和表格数据，自动切分知识内容并允许自定义分片规则，提供多种检索方式高效检索内容片段，生成最终回复内容。 4. 知识库适用于多种应用场景，如创建虚拟形象交流时保存相关语料，客服场景中解答用户常见问题，特定行业应用中提供精确信息等。
2024-11-17
如何创建个人专属知识库
以下是创建个人专属知识库的相关内容： 私人知识库中的内容通常包括从互联网收集的优质信息以及个人日常的思考和分享。 基于私人知识库打造个人专属的 ChatGPT 常见有两种技术方案： 训练专有大模型：可以使用个人知识库训练专有大模型，但此方案并非当下主流，存在高成本、更新难度大等缺陷。 利用 RAG（检索增强生成）技术：先将文本拆分成若干小文本块并转换为 embeddings 向量，保存在向量储存库中。当用户提出问题时，将问题转换为向量与储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。 搭建基于 GPT API 的定制化知识库时，由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。embeddings 是一个浮点数字的向量，向量之间的距离衡量关联性，小距离表示高关联度。
2024-11-16
如果想创建一个指导高中孩子学习的老师的智能体，我有几个问题：1. 是弄一个全科的智能体还是每门科单独弄一个智能体？ 2. 国产哪家的AI产品弄这种智能体比较适合？也就是说回答100%能够正确，不会瞎说； 3.你有什么建议？
对于创建指导高中孩子学习的老师的智能体，以下是一些建议： 1. 关于是创建全科智能体还是每门科单独创建智能体，这取决于您的具体需求和使用场景。如果您希望能够全面、综合地指导学生的学习，全科智能体可能更合适；但如果您想要针对每门学科进行更深入、专业的指导，那么每门科单独创建智能体可能效果更好。 2. 目前国产的 AI 产品中，很难说哪一家 100%能够保证回答正确且不会瞎说。不同的产品在不同的领域和场景中可能表现各异。您可以考虑一些在教育领域有一定口碑和应用案例的产品，并进行充分的测试和评估。 3. 以下是一些创建智能体的建议： 明确智能体的职责和功能，例如是主要进行课程规划、生成测验还是提供学习指导等。 为智能体提供详细准确的提示词，清晰地描述其任务和目标。 像导演一样，将复杂的任务拆分成科学合理的步骤，并确保每个步骤的结果能为后续步骤提供基础。 对于生成的内容，要进行检查和优化，不断调整和改进智能体的表现。 此外，您还可以参考一些相关的提示词库，例如沃顿商学院给教师和学生的提示词库，其中包含了结构化题型设计师和测验生成器等方面的内容。同时，很多 AI 网站都支持创建智能体，您可以为其配置提示词、知识库和能力等。
2024-11-21
如果想创建一个指导高中孩子学习的老师的智能体，我有几个问题：1. 是弄一个全科的智能体还是每门科单独弄一个智能体？ 2. 哪家的AI产品弄这种智能体比较适合？也就是说回答100%能够正确，不会瞎说； 3.你有什么建议？
对于创建指导高中孩子学习的老师的智能体，以下是一些建议： 1. 关于是创建全科智能体还是每门科单独创建智能体，这取决于您的具体需求和使用场景。如果您希望能够全面、综合地指导学生的学习，全科智能体可能更合适；但如果您想要针对每门学科进行更深入、专业的指导，那么每门科单独创建智能体可能效果更好。 2. 目前在创建这种智能体方面，一些常见的 AI 产品如 GPT4、Gemini 等都可以考虑。然而，要确保回答 100%正确且不会瞎说是具有一定难度的，因为 AI 的回答仍然受到数据和算法的限制。 3. 以下是一些额外的建议： 参考沃顿商学院给教师和学生的提示词库，例如其中的结构化题型设计师和测验生成器的相关提示。 像导演一样，将创建智能体的任务拆解成科学合理的步骤，明确每个步骤的目标和结果。 注意提示语的逻辑，将复杂任务拆分成多个相互关联的步骤，使前一步的结果成为后一步的基础。 很多 AI 网站都支持创建智能体，您可以根据配置信息、知识库和能力配置等来自行定制。
2024-11-21
展开说说公共服务智能化
公共服务智能化是一个涉及多方面的重要领域。 在美国，政府官员正致力于推动人工智能领域的发展，并根据反馈更新相关计划，以规范人工智能的运作，保障其在保护公民权利、安全和国家安全、促进公平、推动民主、促进经济增长和创新公共服务等方面发挥积极作用。 在欧洲，对于使用人工智能系统获取和享受特定的必要私人和公共服务及福利的领域，有严格的规定。特别是在公共机关提供的基本公共援助福利和服务方面，若使用人工智能系统进行决策，可能会对人们产生重大影响，因此某些系统被列为高风险系统。但同时，也不应妨碍公共行政部门开发和使用创新方法，前提是这些系统不会带来高风险。 在英国，人工智能将在实现更好的公共服务、高质量就业和提供学习技能的机会等目标中发挥核心作用。政府已投入大量资金，并认为以结果为导向的方法是实现目标的最佳途径。人工智能已在改善医疗保健、提高交通安全性等方面带来了实际的社会和经济效益，未来有望在更多领域发挥更大作用。
2024-11-20
人工智能诈骗成功多个案例
以下是为您整合的相关内容： 拜登签署的 AI 行政命令要求最强大的 AI 系统开发者与美国政府分享安全测试结果等关键信息。依照《国防生产法》，开发对国家安全、经济安全、公共卫生和安全构成严重风险的基础模型的公司，在训练模型时必须通知联邦政府，并分享所有红队安全测试的结果。国家标准与技术研究所将制定严格的标准进行广泛的红队测试，国土安全部将把这些标准应用于关键基础设施部门并建立 AI 安全与保障委员会，能源部和国土安全部也将处理 AI 系统对关键基础设施以及化学、生物、放射性、核和网络安全风险的威胁。同时，商务部将制定内容认证和水印的指导，以明确标记 AI 生成的内容，联邦机构将使用这些工具让美国人容易知道从政府收到的通信是真实的，并为私营部门和世界各地的政府树立榜样。 关于 AI 带来的风险，包括：AI 生成和传播的虚假信息可能破坏获取可靠信息的途径以及对民主机构和进程的信任；AI 工具可能被用于自动化、加速和放大高度针对性的网络攻击，增加恶意行为者的威胁严重性。 大型语言模型等技术进步带来了变革性发展，在经济和社会领域有诸多应用，例如能自动化写代码、用于交通应用、支持基因医学等，但也存在隐私风险等问题。
2024-11-20
人工智能诈骗
以下是关于人工智能诈骗的相关信息： 拜登签署的 AI 行政命令中提到，要保护美国人免受人工智能带来的诈骗和欺骗，商务部将为内容认证和水印制定指导方针，以清晰标注人工智能生成的内容。联邦机构将使用这些工具，让美国人容易知晓从政府收到的通信是真实的，并为全球的私营部门和政府树立榜样。 欧洲议会和欧盟理事会规定，特定旨在与自然人互动或生成内容的人工智能系统，无论是否符合高风险条件，都可能带来假冒或欺骗的具体风险。在特定情况下，这些系统的使用应遵守具体的透明度义务，自然人应被告知正在与人工智能系统互动，除非从自然人角度看这一点显而易见。若系统通过处理生物数据能识别或推断自然人的情绪、意图或归类，也应通知自然人。对于因年龄或残疾属于弱势群体的个人，应考虑其特点，相关信息和通知应以无障碍格式提供给残疾人。
2024-11-20