coze工作流中提示词优化节点有吗？

在工作流中调用插件的方式如下： 1. 触发器触发： 为 Bot 设置触发器，可选择定时触发或事件触发。 触发时执行任务的方式包括 Bot 提示词、调用插件、调用工作流。 调用插件时，需为触发器添加一个插件，触发后 Bot 会调用该插件获取返回结果并发送给用户。 一个 Bot 内的触发器最多可添加 10 个，且仅当 Bot 发布飞书时生效。 2. 在 Bot 内使用插件： 在 Bots 页面，选择指定 Bot 并进入 Bot 编排页面。 在 Bot 编排页面的插件区域，单击加号图标添加插件，或者单击自动添加图标，让大语言模型自动添加适用的插件。使用大语言模型自动添加插件后，需检查被添加的插件是否可以正常使用。 在添加插件页面，展开目标插件查看工具，然后单击添加。单击我的工具，可查看当前团队下可用的插件。 在 Bot 的人设与回复逻辑区域，定义何时使用插件，然后在预览与调试区域测试插件功能是否符合预期。 3. 在工作流中使用插件节点： 在页面顶部进入工作流页面，然后创建工作流或选择一个已创建的工作流。 在页面左侧，单击插件页签。 搜索并选择插件，然后单击加号图标。 在工作流的画布内，连接插件节点，并配置插件的输入和输出。 需要注意的是，即使是官方插件也可能存在不稳定的情况，需要自己去尝试，找到适合当前场景的插件。

在 Coze 工作流中利用下一个代码节点合并前两个代码节点的输出并以正确格式传入飞书多维表格插件节点的步骤如下： 1. 搭建整理入库工作流： 3.4 大模型节点：提取稍后读元数据。根据对稍后读阅读清单的元数据期望设置大模型节点，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000 以完整解析长内容网页，用户提示词需相应设置。 3.5 日期转时间戳。后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳，需使用「日期转时间戳time_stamp_13」插件进行格式转化，具体设置明确。 3.6 大模型节点：把稍后读元数据转换为飞书多维表格插件可用的格式。飞书多维表格插件目前（2024 年 08 月）只支持带有转义符的 string，以 Array<Object>格式输入，所以要将之前得到的元数据数组进行格式转换，大模型节点配置及用户提示词需相应设置。 3.7 插件节点：将元数据写入飞书表格。添加「飞书多维表格add_records」插件，设置{{app_token}}与{{records}}参数。 3.8 结束节点：返回入库结果。「飞书多维表格add_records」插件会返回入库结果，直接引用该信息用于通知外层 bot 工作流的入库是否成功。 2. 搭建选择内容推荐流： 4.1 开始节点：输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令开始流程，无需额外配置。 4.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，添加变量节点并设置。 4.3 插件节点：从飞书多维表格查询收藏记录。添加「飞书多维表格search_records」插件，设置{{app_token}}参数，并在{{app_token}}引用变量节点的{{app_token}}，输出结果的{{items}}里会返回需要的查询结果，也可在这一步定向检索未读状态的收藏记录。 4.4 大模型节点：匹配相关内容。为处理稳定采用批处理，对检索出来的收藏记录逐个进行相关性匹配，用户提示词可优化以提升匹配精准度。 搭到这里，别忘了对整个工作流进行测试。

在 Coze 工作流中，数据库的应用如下： 工作流由多个节点构成，节点是基本单元。Coze 平台支持的节点类型包括数据库节点。 数据库节点的输入：用户可以定义多个输入参数。 数据库节点的输出：如果数据库是查询作用，则输出会包含查询出来的内容。通过 SQL 语句告诉数据库要执行的动作，这里的 SQL 语句可以让 AI 自动生成并进行适当改动。 注意事项：Coze 平台的逻辑是数据库与 bot 绑定，使用数据库功能时，需要在 bot 中设置相同名称和数据结构的数据库进行绑定。 测试工作流：编辑完成的工作流无法直接提交，需要进行测试。点击右上角的“test run”，设定测试参数，查看测试结果，完成后发布。 相关参考文档和示例： 海外参考文档：https://www.coze.com/docs/zh_cn/use_workflow.html 国内参考文档：https://www.coze.cn/docs/guides/use_workflow 国内版本示例： 搜索新闻：https://www.coze.cn/docs/guides/workflow_search_news 使用 LLM 处理问题：https://www.coze.cn/docs/guides/workflow_use_llm 生成随机数：https://www.coze.cn/docs/guides/workflow_use_code 搜索并获取第一个链接的内容：https://www.coze.cn/docs/guides/workflow_get_content 识别用户意图：https://www.coze.cn/docs/guides/workflow_user_intent 在【拔刀刘】自动总结公众号内容，定时推送到微信的案例中，循环体内部的数据库节点用来在数据库中查询是否已经推送过该篇文章，输入项为上一步中的 url 和开始节点的 key（重命名为 suid）。查询数据库需要文章 url 和用户的 suid 两个值来判断这名用户的这篇文章是否推送过。记得设置输出项“combined_output”。同时，Coze 平台中使用数据库功能需要在 bot 中设置相同名称和数据结构的数据库进行绑定，具体设置方法参见“相关资源”。

在 ComfyUI 中，关于 Tile 平铺预处理器的使用方法如下： 1. 平铺和切片都是用于处理大尺寸视频的技术，可以帮助在有限的 GPU 内存下处理高分辨率视频。 tile_sample_min_height:96，最小平铺高度。 tile_sample_min_width:96，最小平铺宽度。这两个参数定义了在使用平铺时的最小尺寸。 tile_overlap_factor_height:0.083，高度方向的重叠因子。 tile_overlap_factor_width:0.083，宽度方向的重叠因子。这些因子决定了平铺时各个块之间的重叠程度。 enable_vae_tiling:设置为 false，表示不启用 VAE（变分自编码器）的图像平铺。 enable_vae_slicing:设置为 false，表示不启用 VAE 切片。如果启用了平铺（tiling），它会将大图像分割成小块进行处理，然后再组合起来，这有助于处理大分辨率的视频。VAE 切片（如果启用）可以通过分割输入张量来分步计算解码，这有助于节省内存。 2. 将您的 ComfyUI 更新到最新。 3. 将 clip_l 和 t5xxl_fp16 模型下载到 models/clip 文件夹。确保您的 ComfyUI/models/clip/目录中，有 t5xxl_fp16.safetensors 和 clip_l.safetensors，您可以改用 t5xxl_fp8_e4m3fn.safetensors 来降低内存使用量，但如果您的 RAM 超过 32GB，建议使用 fp16。跑过 flux 就有这些模型，没有的话翻之前文章有下载。 4. 在您的 ComfyUI/models/vae/文件夹中，有 ae.safetensors。 5. 将最开始下载的 flux1filldev.safetensors 放于 ComfyUI/models/unet/文件夹中。 6. 使用 flux_inpainting_example 或者 flux_outpainting_example 工作流。

以下是 AI 在平面设计工作流中提高效率的具体步骤和相关信息： 1. 工具选择 主要工具：Midjourney 和 Stabel Diffusion。 辅助工具：RUNWAY 和 PS beta 等。 2. 工作流效果 创意多样：设计解决方案更为多样和创新，项目中不同创意概念的提出数量增加了 150%。 执行加速：AI 生成的设计灵感和概念显著缩短了创意阶段所需时间，设计师在创意生成阶段的时间缩短了平均 60%。 整体提效：在整体项目的设计时间减少了 18%。 3. 提升能力的方法 建立针对性的 AI 工作流：使用 lora 模型训练的方式，生成特定的形象及 KV 风格，建立包含品牌形象、风格视觉 DNA 的模型，并根据实用场景进行分类。 实用的模型训练：在营销活动期间，根据市场环境和消费者偏好的变化迅速调整 lora 模型。 AI 设计资产储备：建立和管理 AI 设计资产，沉淀相关知识、技能、工具，促进团队内部的知识积累和提升。 此外，对于建筑设计师审核规划平面图，以下是一些可用的 AI 工具： HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster。 Maket.ai：面向住宅行业，在户型和室内软装设计方面有探索，能根据输入需求自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期可引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，实现数据的汇总与管理。 但每个工具都有其特定应用场景和功能，建议根据具体需求选择合适的工具。

在 Coze 工作流中，代码的使用方法如下： 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。 在编辑视图中，左侧「选择节点」模块中，代码节点支持编写简单的 Python、JS 脚本，对数据进行处理。 按照流程图，在编辑面板中拖入对应的代码节点。 例如在艾木的介绍中，利用“Code”组块插入一段 Python 代码，将 Google 搜索返回结果格式化成两个字符串，一个是由搜索结果相关信息拼接而成，另一个是由搜索出来的网页链接拼接而成。这段代码起到了粘合剂的作用，逻辑不复杂，理论上也可以让 AI 帮助生成。

目前市面上有一些可以去除视频马赛克的 AI 工具，以下为您推荐： 1. AVAide Watermark Remover：这是一个在线工具，使用 AI 技术从图片中去除水印。它支持多种图片格式，如 JPG、JPEG、PNG、GIF 等。操作简单，只需上传图片，选择水印区域，然后保存并下载处理后的图片即可。这个工具还提供了其他功能，如去除文本、对象、人物、日期和贴纸等。 2. Vmake：这个工具同样提供 AI 去除图片水印的功能。用户可以上传最多 10 张图片，AI 会自动检测并移除图片上的水印。处理完成后，用户可以选择保存生成的文件。这个工具适合需要快速去除水印的用户，尤其是那些需要在社交媒体上分享图片的用户。 3. AI 改图神器：这个工具提供 AI 智能图片修复去水印的功能，可以一键去除图片中的多余物体、人物或水印，不留任何痕迹。支持直接粘贴图像或上传手机图像，操作简单方便。 需要注意的是，这些工具各有特点，可以根据您的具体需求选择最适合您的去水印工具。内容由 AI 大模型生成，请仔细甄别。

以下是一些可以将静态图生成动态图的工具： 1. Comfyui LivePortrait： 可以精确控制眼睛和嘴唇的动作，无缝拼接多个肖像，将不同人物特征合并成一个视频，确保过渡自然流畅。 使用了不同于主流扩散方法的隐式关键点框架，在计算效率和可控性之间取得有效平衡。 生成的动画质量优于现有的非扩散和扩散模型方法，在 RTX 4090 GPU 上，生成速度为每帧 12.8 毫秒。 支持各种风格的图片，常见的动物面部迁移，并可以微调面部运动幅度。 工作流与模型地址： https://pan.baidu.com/s/1FkGTXLmM0Ofynz04NfCaQ?pwd=cycy https://pan.quark.cn/s/8dfd7ace4f05 内容依技术发展更新，请以文档为准 https://xiaobot.net/post/74238a84d2734b2ca195ed2858b24ffe 2. 视频工具 VIGGLE： Mix（让视频的动作映射到图片人物身上）：先上传一个视频和一张角色图像，Viggle 会自动将视频的动态赋予给这个角色，形成一段新视频。能模拟出角色的 3D 状态，准确还原处理原视频中身体旋转、四肢交叠等动作。（也可以利用现有的模版视频作为动作获取来源） Multi（多人模式）：通过视频的动作，将上传的多个角色进行识别并赋予给这个角色，形成一段新视频。 Move（将视频的动作直接映射在图片人物身上）：不同于 Mix 的图片元素替换原视频内容，Move 主要是通过将动作映射在图像里面的人物身上，实现“让静态图动起来”。 案例： 评价： ：https://x.com/imxiaohu/status/1771173928591093940 兄弟们，又出来个牛 P 玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小 case...最牛 P 的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换...其核心技术基于 JST1 模型。JST1 是首个具有实际物理理解能力的视频3D 基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle 将根据这些指示生成视频。 基于物理的动画：JST1 模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3D 角色和场景创建：Viggle 不仅限于传统的 2D 视频制作，它还能够创建 3D 角色和场景。

以下为您提供关于 RAG 的教程： 首先，有一篇题为“胎教级教程：万字长文带你理解 RAG 全流程”的文章。作者大圣指出这是面向普通人的 RAG 科普，而非技术向文章。文章强调 RAG 技术在当前 AI 发展中的重要性，其衍生产品能为企业和个人带来效率提升，但也存在局限性。作者希望通过阐述 RAG 完整流程，让读者全面认知该技术，管理好预期，在使用相关产品时能充分发挥其潜力。适合包括 AI 爱好者、企业老板、AI 产品经理等人群。 其次，“【AI+知识库】商业化问答场景，让 AI 回复更准确，一篇专为所有‘小白’讲透 RAG 的实例教程（上篇）”中提到，通过一个简单的问答示例展示了有时回答不准确的情况，从而引出 RAG 这一优化回答的专业术语。接着介绍了基础概念，RAG 即检索增强生成，由检索器和生成器组成，适合处理需要广泛知识的任务。 最后，在“胎教级教程：万字长文带你理解 RAG 全流程”中还提到了 RAG 全貌概览。RAG 流程分为离线数据处理和在线检索两个过程，离线数据处理构建知识库，在线检索则是利用知识库和大模型进行查询。以构建智能问答客服为例来了解 RAG 流程中的 What 与 Why 。

以下是为您找到的小红书视频生成工具相关信息： 生成式 AI 视频挑战赛中，视频工具建议使用 Dreamina、HeyGen 等 Talking Photo/LipSync 工具。 小红书加微引导图生成器，针对小红书的封锁问题，生成乱码微信号图片绕过平台屏蔽，是解决小红书导流难题的实用工具。传送门：

以下为您提供两种关于视频爬取工作流的信息： 1. Stable Video Diffusion 模型的 ComfyUI 部署实战： 完成准备工作后运行 ComfyUI。 安装 ComfyUI Manager 插件。 下载工作流，使用 ComfyUI 菜单的 load 功能加载。 点击菜单栏「Queue Prompt」开始视频生成，可通过工作流上的绿色框查看运行进度。 生成的视频可在 ComfyUI 目录下的 output 文件夹查看。若出现显存溢出问题，请另行处理。工作流可关注公众号「魔方 AI 空间」，回复【SVD】获取。 2. 来来的 AI 视频短片工作流： 完整文档： 工作流概述： 概念设定：MJ 剧本+分镜：ChatGPT AI 出图：MJ,SD,D3 AI 视频：Runway，pika，PixVerse，Morph Studio 对白+旁白：11labs，睿声 音效+音乐：SUNO,UDIO,AUDIOGEN 视频高清化：Topaz Video 字幕+剪辑：CapCut，剪映 直播回放：

以下是一些可以将文字唱出来的 AI 工具： 1. Udio：由前 Google DeepMind 工程师开发，通过文本提示快速生成符合用户音乐风格喜好的高质量音乐作品。网址：https://www.udio.com/ 2. Suno AI：是一款革命性的人工智能音乐生成工具。 网址：https://suno.com/create 优点：回答问题更准确、上下文的衔接更好。 限制：需要翻墙，需要邮箱注册。 时间：10 分钟。 价格：每日有免费额度 10 首歌。 Custom Mode：开启为自己有歌词，关闭则给你随机生成歌词，只要填描述。 Lyrics：直接填歌词即可，可以用熟悉的、喜欢的歌曲原词先感受一下产品功能，会有对比性。 Instrumental：不要歌词、直接出纯音乐的曲子。 Style of Music：写 Prompt 的地方，1 句简短的自然语言描述即可，注意最多 100 字符。 内容由 AI 大模型生成，请仔细甄别。

使用 Coze IDE 创建插件的操作步骤如下： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入插件页面，或者在某一 Bot 的编排页面，找到插件区域并单击“+”图标。 4. 单击“创建插件”。 5. 在新建插件对话框，根据以下信息完成配置并单击“确认”： 插件图标：（可选）单击默认图标后，您可以上传本地图片文件作为新的图标。 插件名称：自定义插件名称，用于标识当前插件。建议输入清晰易理解的名称，便于大语言模型搜索与使用插件。 插件描述：插件的描述信息，一般用于记录当前插件的用途。 插件工具创建方式：选择在 Coze IDE 中创建。 IDE 运行时：选择 Node.js 或者 Python3。 6. 在插件详情页，单击“在 IDE 中创建工具”。 7. 在弹出的创建工具对话框，设置工具名称和介绍，以明确工具的用途，并单击“确定”。工具名称和介绍越清晰，大语言模型就越能理解并使用它。创建后，您将跳转到 Coze IDE 页面进行编码。 8. （可选）在 IDE 左上角工具列表区域，单击“+”图标，向插件添加更多工具。您还可以通过单击列表内某一工具的设置图标，来编辑、删除或重置代码。 9. （可选）在 IDE 左下角依赖包区域，管理依赖包，所有工具共用该依赖列表。 以下是一个网页搜索工具的元数据配置说明： |配置项|描述| ||| |名称|工具名称。建议输入清晰易理解的名称，便于后续大语言模型搜索与使用工具。| |描述|工具的描述信息，一般用于记录当前工具的用途。| |启用|是否启用当前工具。使用说明：<br>如果工具未开发测试完成，建议先禁用该工具，只启用并发布已通过测试的工具。<br>如果需要下线某一工具，可将该工具设置为禁用，并再次发布插件。<br>如果插件中只有一个工具，则不支持禁用该工具。如需下线该工具，您可以选择直接删除该插件，或者创建另一个工具并完成开发测试后，再禁用该工具，最后发布插件。| |输入参数|当前工具对应接口的输入参数信息。准确、清晰易理解的参数名称、描述等信息，可以让大语言模型更准确的使用工具。| |输出参数|当前工具对应接口的输出参数信息。准确、清晰易理解的参数名称、描述等信息，可以让大语言模型更准确的使用工具。| 在页面右侧单击测试代码图标并输入所需的参数，然后单击“Run”测试工具。如果您在元数据设置了输入参数，可单击自动生成图标，由 IDE 生成模拟数据，您只需要调整参数值即可进行测试。您可以在控制台区域查看运行日志、在输出区域查看运行结果，单击更新输出参数，IDE 会自动把输出结果中的参数，更新到元数据的输出参数中。 Coze 提供了丰富的插件，涵盖了从搜索引擎、文本分析以及图像识别等各种领域。这些插件的能力如果我们个人接入都是要收费的，但是在 Coze 平台则是免费使用的，例如： Coze 国内版本：https://www.coze.cn/store/plugin 必应搜索 LinkReader：读取文档 知乎热榜 而且国内版本还提供了很多便民的服务，例如： 新闻资讯 头条新闻：持续更新，了解最新的头条新闻和新闻文章。 天气预报 墨迹天气：提供省、市、区县的未来 40 天的天气情况，包括温度、湿度、日夜风向等。 出行必备 飞常准：通过 VariFlight 覆盖的全球商业客运航班，您的终端用户可以轻松获得他们的航班状态、办理登机手续柜台、预计出发时间、登机口、登机状态、行李转盘等信息，并能在整个航程中随时掌握。 猫途鹰：查询实时酒店搜索，航班价格，餐厅，吸引人的旅游地点等信息以创建一个旅行网站。 生活便利 快递查询助手、国内快递查询：查询快递单号，快递公司，快递进度等信息。 食物大师：Food Master 提供食物搜索功能。 懂车帝：如果你想要查询汽车信息，包括二手车、新车、某些车型的信息时可以使用此插件进行查询。 幸福里：提供二手房、新房、租房信息的插件，想要查询某个城市、区域、户型的房产信息时，可以使用此插件。 猎聘：帮助用户根据工作经验、教育经历、地理位置、薪水、职位名称、工作性质等条件搜索猎聘上提供的招聘信息。

Coze 的工作流主要具有以下特点和使用方法： 工作流是其核心，在创建相关 Bot 前需梳理清楚。例如对于类似秘塔搜索的 Bot，要明确其主要能力，如使用搜索引擎进行搜索、对搜索内容整理成答案、给出答案中的引用等，从而形成创建思路。 工作流是一种可视化的方式，允许用户组合各种功能模块，如插件、大语言模型、代码块等，实现复杂和稳定的业务流程编排。 由多个节点组成，包括 Start 节点和 End 节点，用户可在节点间添加各种功能模块构建业务流程。 支持丰富的功能模块，包括调用大语言模型进行文本生成、调用插件进行数据处理等，用户可灵活组合。 创建和编辑通过可视化拖拽界面完成，无需编写代码，降低搭建门槛。 创建好的工作流可直接集成到 Coze 的聊天机器人中使用，实现复杂业务逻辑。 具体操作步骤：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，点击确认完成新建。在左侧「选择节点」模块中，根据子任务需要，实际用上的有插件、大模型、代码等。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。 总的来说，Coze 的工作流为用户提供了一种可视化、低代码的方式，来快速搭建满足业务需求的 AI 应用和服务，极大地降低了开发门槛，让更多人可以利用 AI 技术来提升工作效率。但请注意，内容由 AI 大模型生成，请仔细甄别。

以下是关于如何将 Coze 中的工作流使用到 Bot 中的相关内容： 首先，将工作流看作一个函数，其输入参数通常只有用户的提问（query），这是一个字符串。 在工作流中，会按以下步骤进行操作： 1. 设置输入参数。 2. 调用 Google 搜索插件搜索互联网上的信息，可通过设置 `num` 参数控制返回搜索结果的数量，一般设置为 7 以平衡响应速度和信息量。 3. 格式化搜索结果，利用“Code”组块插入 Python 代码，将 Google 搜索返回结果格式化成两个字符串，一个是相关信息拼接而成的字符串（retrieved_contexts），另一个是网页链接拼接而成的字符串。前者用于插入 LLM 的提示词，后者用于 Workflow 的最终输出结果。 4. 获取用户的语言偏好，使用“Variable”组块获取 Bot 内设置的变量值（如 user_language）。 对于创建 Bot 并封装工作流，步骤如下： 1. 创建 Bot。 2. 填写 Bot 介绍。 3. 切换 Bot 模式为“单 Agent（工作流模式）”，若只需每次输入英文文章时返回精读结果，可直接调用工作流。 4. 将配置好的工作流添加到 Bot 中。 5. 填写开场白引导用户使用。 6. 关闭开场白预置问题。 完成封装后，可在「预览与调试」区进行最终体验与调试。但需注意，外层 bot 可能存在一定未知 bug，同一段 USER_INPUT 在工作流编辑面板中试运行正常，但在外层 bot 运行时可能报错，原因可能是外层 bot 的并发不够稳定。

在 Coze 的智能体中加入使用 Markdown 编写的代码的 prompt 可以参考以下方法： 首先，了解相关的任务和目标，比如像实现输入任意文章链接后，AI 自动生成适合微信分享的文章推荐卡片。为达到这一效果，大模型对话产品通常需要完成网页爬取、内容总结、二维码生成、卡片样式生成等关键步骤。 在编写 prompt 时，可以发现新的词生卡 Prompt 组织方法，把设计要求拆分为“设计规范”和“内容结构”，再细分为“布局与尺寸”“字体规范”“颜色规范”的独立模块，并结合“内容结构”进行要求提示。这种提示词组织方式具有模型通用性、提示简易性和生成稳定性等显著优势。 对于刚入门的朋友，首推 LangGPT 结构化提示词，直观易懂，可以快速上手。对于想要进阶的用户，一方面可以继续选择 LangGPT，另一方面如有额外精力和好奇心，不妨尝试刚哥推崇的 Lisp 伪代码格式，有助于精炼提示词和提升对措辞理解、概念认知的能力。但需要注意的是，真正重要的不是提示词的外在形式，而是内容是否与 AI 的“理解机制”相契合。同时，在实际应用中，还需要经过多次调试，并根据测试 bug 微调提示词，直至稳定运行。

以下是关于 Coze 的使用教程： Coze 概述： 字节的官方解释：Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都能在该平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单问答到处理复杂逻辑对话，并可将 Bot 发布到各类社交平台和通讯软件上与用户互动。 个人观点：Coze 是字节针对 AI Agent 领域的初代产品，在 Coze 中称 AI Agent 为 Bot。 部署站点： 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：使用字节自研的云雀大模型，国内网络可正常访问。 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（可参考文档白嫖 ChatGPT4），访问需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以下几个区块： 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 搭建教学： 基础框架：本 bot 基于三部分构成，包括提示词（使用结构化提示词框架，通过提示要求大模型根据不同行为调用不同工作流）、数据库（能够记录不同用户历史记账记录的关键，工作流里会用到）、工作流（增加记账调用 add_accounting_record 工作流；查询账户余额调用 query_accounting_balance 工作流；删除所有记账记录调用 init_accounting_records）。 数据库：数据库是 Coze 用来长久存放用户自己生成的数据的功能，可通过 mysql 语句写入数据到数据库中，也可从数据库中读取已存储数据用于加工或显示。本次记账功能定义了三个字段：item（记账的事项，字段类型 string）、occurrence_time（记账发生时间，字段类型 string）、account_change（变得的金额，即收入或花费的金额数，字段类型 integer，单位是分，例如 1.23 元，记录进入数据库是 123，注意一定要用 integer 类型，不能使用 number，不然当金额有小数时计算会不准）。

以下是一些关于如何做 Agent 以及相关的 Coze 视频教程： 基础教程： 大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库 （https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb） 大聪明：保姆级教程：Coze 打工你躺平 （https://waytoagi.feishu.cn/wiki/PQoUwXwpvi2ex7kJOrIcnQTCnYb） 安仔：Coze 全方位入门剖析 免费打造自己的 AI Agent （https://waytoagi.feishu.cn/wiki/SaCFwcw9xi2qcrkmSxscxTxLnxb） 基础教程：Coze“图像流”抢先体验 （https://waytoagi.feishu.cn/wiki/AHs2whOS2izNJakGA1NcD5BEnuf） YoYo：Coze 图像流小技巧：探索视觉艺术的隐藏宝藏 （https://waytoagi.feishu.cn/wiki/CTajwJnyZizxlJk8a4AcJYywnfe） 【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 （https://waytoagi.feishu.cn/wiki/ExHMwCDZ7i6NA7knCWucFvFvnvJ） 历史活动教程： 5 月 7 号（）：大聪明分享｜主题：Agent 的前世今生，每个分享人分享最初是怎么接触 Coze 的，以及现在用 Coze 做什么 5 月 8 号（）：大圣分享｜主题：我眼中的 AI Agent 以及通过搭建知识库实例入门 Coze 5 月 9 号（）：艾木分享｜主题：Agent 系统的核心构成：Workflow 和 Multiagent Flow（以“Dr.Know”和“卧底”为例，线上答疑 5 月 10 号（）：罗文分享｜主题：一个方法解锁 COEZ 所有插件的用法+如何自动化解锁每天抓取 X 内容+改写+发布到飞书 5 月 11 号（）：Itao 分享｜主题：和 AI 成为搭子，线上答疑

在 ComfyUI 中可以接入以下类型的节点： 1. 输入节点： 文本提示节点：用于输入生成图像的文本描述。 图像输入节点：用于输入基础图像进行二次生成。 噪声节点：用于输入初始噪声图像。 2. 处理节点： 采样器节点：选择图像生成所使用的采样器。 调度器节点：选择图像生成所使用的调度器。 CFG Scale 节点：调整引导式采样的强度。 步数节点：设置图像生成的迭代步数。 3. 输出节点： 图像输出节点：显示生成的最终图像。 4. 辅助节点： 批处理节点：支持批量生成多个图像。 图像变换节点：提供图像旋转、翻转等功能。 图像融合节点：可以将多个图像合并成一个。 此外，还有一些特定的节点插件，如： 1. PuLID 节点插件： model：使用预训练的基础文本到图像扩散模型，如 Stable Diffusion。 pulid：加载的 PuLID 模型权重，定义 ID 信息如何插入基础模型。 eva_clip：用于从 ID 参考图像中编码面部特征的 EvaCLIP 模型。 face_analysis：使用 InsightFace 模型识别和裁剪 ID 参考图像中的面部。 image：提供的参考图像用于插入特定 ID。 method：选择 ID 插入方法，如“fidelity”（优先保真度）、“style”（保留生成风格）和“neutral”（平衡两者）。 weight：控制 ID 插入强度，范围为 0 到 5。 start_at 和 end_at：控制在去噪步骤的哪个阶段开始和停止应用 PuLID ID 插入。 attn_mask：此选项用于提供灰度掩码图像，以控制 ID 自定义的应用位置，但并不是必需输入，而是可选输入。 Advanced Node：提供了高级节点，可以通过调整 fidelity 滑块和 projection 选项进行更精细的生成调优。 2. 中文提示词输入相关节点： 安装完成后，在【新建节点】【Alek 节点】下，有【预览文本】、【绘画】、【姿态】、【clip 文本编码器】和【翻译文本】这五个节点。 【clip 文本编码器（翻译）】可代替自带的【clip 文本编码器】，直接输入中文。但引用负向 embedding 时，文件夹路径不能有中文。 【翻译文本】节点可代替【元节点】，在 sdxl 流程中，当需要将文本信息单独列出来时使用。 【预览文本】节点可连接到【翻译文本】检查翻译是否正确。 如果翻译失效，可双击“embedded_instail”进行安装，然后用记事本打开 BaiduTranslate.py，填入在百度翻译开发平台申请的 ID 和密码，即可正常翻译。

要将 tripo 的节点接入 ComfyUI，您可以参考以下步骤： 1. 确保后面有一个空格。然后将 requirements_win.txt 文件拖到命令提示符中（如果您在 Windows 上；否则，选择另一个文件 requirements.txt）。拖动文件将在命令提示符中复制其路径。 2. 按 Enter 键，这将安装所有所需的依赖项，使其与 ComfyUI 兼容。请注意，如果为 Comfy 使用了虚拟环境，必须首先激活它。 3. 在使用自定义节点之前，有一些要注意的事项： 您的图像必须放在一个以命名的文件夹中。那个数字很重要：LoRA 脚本使用它来创建一些步骤（称为优化步骤…但别问我是什么^^’）。它应该很小，比如 5。然后，下划线是必须的。 对于 data_path，您必须写入包含数据库文件夹的文件夹路径。例如：C:\\database\\5_myimages ，您必须写 C:\\database 。 Python 在这里需要斜杠，但节点会自动将所有反斜杠转换为斜杠。文件夹名称中的空格也不是问题。 4. 参数方面： 在第一行，您可以从 checkpoint 文件夹中选择任何模型。然而，据说您必须选择一个基本模型进行 LoRA 训练。 您选择一个名字为您的 LoRA，如果默认值对您不好，就更改这些值（epochs 数应该接近 40），然后启动工作流程！ 5. 一旦您点击 Queue Prompt，所有事情都会在命令提示符中发生。 6. 建议与字幕自定义节点和 WD14 标签一起使用。但请注意，在制作字幕时禁用 LoRA 训练节点。因为 Comfy 可能会在制作字幕之前启动训练。 7. 关于 Tensorboard：训练会在 log 文件夹中创建一个日志文件，该文件夹会在 Comfy 的根文件夹中创建。该日志可能是一个可以在 Tensorboard UI 中加载的文件。 ComfyUI 的核心是其节点式界面，节点类型包括输入节点（如文本提示节点、图像输入节点、噪声节点）、处理节点（如采样器节点、调度器节点、CFG Scale 节点、步数节点）、输出节点（如图像输出节点）、辅助节点（如批处理节点、图像变换节点、图像融合节点）。用户可以通过拖放和连接各种节点来创建自定义的图像生成工作流，还可以创建自定义节点来扩展功能，自定义节点安装目录为 D:\\ComfyUI\\custom_nodes 。ComfyUI 还提供了丰富的节点管理功能，包括保存/加载节点图、复制/粘贴节点、批量编辑等。

以下是关于代码节点的详细介绍： 代码节点支持通过 IDE 编写 Python 或 JavaScript 脚本，用于处理输入参数并返回输出值。代码节点支持 JavaScript 和 Python 运行时。在节点内的代码区域，可以单击“在 IDE 中编辑”来进行代码的编辑和调试。 在使用代码节点时，尽量使用 JavaScript，并且尽量让 AI 去写。原则上能不写就不写，如果不熟悉，容易增加不必要的麻烦。 在一些工作流中，如制作卡片的工作流，会利用代码节点改变 HTML 展示的信息变量。同时，代码节点中的变量用{{}}来包裹，这里的变量就是前面输入的内容，如果变量名正确，会显示成蓝色。 工作流由多个节点构成，代码节点是其中的一种基本单元。扣子为您提供了多种基础节点，包括大语言模型节点、知识库节点、ifelse 逻辑节点等。不同节点可能需要不同的输入参数，输入参数分为引用和输入两类。引用是指引用前面节点的参数值，输入则是支持设定自定义的参数值。工作流默认包含 Start 节点和 End 节点，Start 节点是起始节点，可包含用户输入信息，End 节点是末尾节点，用于返回工作流的运行结果。

以下是关于 Coze 合并代码节点的相关内容： 在 Coze 上搭建工作流框架时，设定每个节点的逻辑关系很重要。对于「分段」、「拼合」代码节点设计，实际测试表明由于 LLM 的上下文长度有限，通常一次性输入输出的文本越长，生成时间越长，结果稳定性越低，特别是对生成结果格式要求较高时问题更突出。考虑到对照精读环节本身是逐段生成的，适合批处理形式，所以需要用「分段输入正文」，分割正文后用 LLM 节点批处理每一段的对照精读，最终「拼合精读结果」以输出完整文本。如果觉得编写代码脚本繁琐且仅进行文本处理，也可使用 LLM 节点配合适当 prompt 临时验证整个工作流。 在插件中心确定需要的插件时，先用关键词尝试性搜索，根据插件名称、介绍页、描述、参数、示例判断是否可能满足需求。有多个插件可选时，一般优选官方/高收藏/高成功率的插件以提升使用效果。若实际试用效果不行，则换用其他插件或自己编写上架插件。例如 TTS 文字转语音插件可通过搜索“语音”“文字转语音”“TTS”等相关关键词找到“英文文本转语音”插件；思维导图插件可通过搜索“脑图”“树图”“导图”“mindmap”等关键词找到“TreeMind 树图”插件。 Coze 工作流节点还包括大模型节点、代码节点和选择器节点。大模型节点可利用大语言模型生成文本内容，能选择所用大语言模型、设置生成内容随机度并编写提示词，提示词中支持使用{{variable}}引用输入参数。代码节点通过 IDE 编写 Python 或 JavaScript 脚本处理输入参数并返回输出值，支持 JavaScript 和 Python 运行时，尽量使用 JavaScript，尽量让 AI 去写，不熟悉时易增加麻烦。选择器节点是一个 ifelse 节点，用于设计工作流内的分支流程，每增加一个条件右边会多出一个点，点中拖到对应的下一级节点，输入参数时节点会判断是否符合“如果”区域条件，符合则执行对应分支，否则执行“否则”分支。

以下是 Coze 工作流节点中的一些代码示例： 把段落按换行符（/n）拆分成数组的代码示例。 在大模型节点通过提示词和示例，让大模型直接输出数组。 使用文本处理（文本分隔）。 在 Coze 工作流中搭建框架时，首先进入 Coze，点击「个人空间工作流创建工作流」打开弹窗，根据弹窗要求自定义工作流信息，点击确认完成新建。左侧「选择节点」模块中，根据子任务需要，实际用到的有插件（提供能力工具）、大模型（实现文本内容生成）、代码（支持编写简单脚本处理数据）。按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点即可完成框架搭建。