智能送餐机器人大数据分析

目前国内关于 Excel 到数据分析的 AI 工具主要有以下几种： 1. Excel Labs：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，可在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件，用户通过聊天形式告知需求，Copilot 自动完成任务，包括数据分析和格式创建等。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术的不断发展，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。但请注意，以上内容由 AI 大模型生成，请仔细甄别。 另外，在 ShowMeAI 周刊 No.10 中也提到了一些相关话题，如“把大模型输出的数据搞成 Excel 表格，一共有几种方法？”等。

以下是关于 Excel 到数据分析 AI 的相关内容： 目前有多种工具和插件可以增强 Excel 的数据分析能力： 1. Excel Labs：这是一个 Excel 插件，基于 OpenAI 技术，新增了生成式 AI 功能，可在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了多种办公软件，用户通过聊天形式告知需求，Copilot 自动完成任务，包括 Excel 中的数据分析和格式创建等。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户能通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 在使用 AI 撰写专业区域经济报告时： 1. 信息收集：利用 AI 搜索与权威网站结合获取关键数据，AI 可辅助提取结构化表格数据或编写抓取程序。 2. 内容拆分：针对报告需求将内容拆分，避免 AI 单次处理任务过长。 3. 数据处理：借助传统工具如 Excel，结合 AI 指导高效操作数据筛选与图表生成。 4. 分析与撰写：通过整理数据，利用 AI 辅助分析后撰写报告初稿，可指定风格并校验数据与结论准确性。但要注意 AI 仅作辅助，最终内容需人工主导校验，避免误导性结论。 在数据收集、报告拆分、分析与写作等方面，要把 AI 作为辅助，优化信息处理和写作效率，注重人工与 AI 配合，确保数据准确性和结论可靠性。

以下是为您推荐的学习用 AI 做数据分析的工具、课程和相关资源： 了解 AI 基本概念：建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。同时，浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅：在「」中，您可以找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程按照自己的节奏学习，并有机会获得证书。 书籍推荐：在 Python 方面，推荐《Python 学习手册》《Python 编程》；在 AI 方面，推荐《人类简史》《深度学习实战》。 课程&资源推荐：对于 Python 入门，推荐 B 站 up 主「PAPAYA 电脑教室」的 Python 入门课（https://space.bilibili.com/402780815/channel/seriesdetail?sid=2762019）；对于大模型的讲解，推荐 Andrej Karpathy 的课程，油管地址：https://www.youtube.com/watch?v=zjkBMFhNj_g，B 站地址：https://www.bilibili.com/video/BV1AU421o7ob。对于资料库，推荐 AJ 和众多小伙伴们共创的「🌈通往 AGI 之路」（https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e）。 体验 AI 产品：与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 实际案例与技巧：您可以参考《ChatGPT 助力数据分析：实际案例与技巧》（原文地址：https://mp.weixin.qq.com/s/Fld25MxyoFEnUbnDmGJNXg），文中介绍了两种 AI 数据分析方式，包括 SQL 分析和个性化分析，并展示了分析完成后的结果数据图表和分析结论。

以下是为您生成的以数据分析师为职业目标，且希望在计算机行业公司工作的职业规划建议： 首先，鉴于您在社交和处理数据方面的优势，您可以积极利用这两点。在社交方面，主动参与行业相关的社交活动、线上论坛或社群，扩大人脉资源，这有助于您获取更多的行业信息和潜在的工作机会。在处理数据方面，不断提升自己的专业技能，例如学习更高级的数据处理工具和技术，以提高工作效率和质量。 对于您在创新方面的弱势，建议您多关注行业内的创新案例和趋势，通过学习和模仿来逐渐培养创新思维。可以参加一些创新思维的培训课程或者阅读相关的书籍。 在求职过程中，有针对性地投递计算机行业中对数据分析师有需求的公司。准备一份精心制作的简历，突出您在社交和数据处理方面的优势，并诚实地提及您在创新方面的不足以及您为改进所做的努力。 进入公司后，持续学习和提升自己，与团队成员保持良好的沟通和合作，不断积累项目经验，逐步提升自己在数据分析领域的专业能力和影响力。

以下是关于表格数据分析的相关内容： ChatGPT 助力数据分析： 第一个用户提示：限定 SELECT SQL，要求不要用 SELECT 查询全部列，仅回复一条 SELECT SQL 语句，至少查询两列（数据项、数据值），不能直接查询长类型字段，可用 count/substring 等函数处理。 系统提示是表结构信息，对难以理解的字段可告知 GPT 其意义，若有多个表可分开描述。 需校验 GPT 生成的 SQL，不通过直接返回提示“抱歉，不支持此类请求”，通过再执行 SQL 查询数据。 数据分析的用户提示：提示数据分析，限定返回的 JSON 格式（conclusion、keyMap、title），keyMap 用于数据 key 的映射以渲染图表，根据结果数据的维度选择不同的 prompt 传递给 GPT，且结果数据 tableData 已通过 SQL 查询，不能让 GPT 再次生成，以免耗时。 生成式 AI 季度数据报告 2024 月 1 3 月： 数据来源：Similarweb、Visit，单位：万，变化公式：3 月/2 月 1 100%。 包括数据分析（446 万）、天花板潜力（1000 亿美元）、对标公司（oracle）、总体趋势（快速增长，88.19%）、月平均增速（70 万 PV/月）、原生产品占比（高）、竞争情况（Top1、Top3 占比，马太效应、网络效应强弱，大厂是否入局及占比，技术门槛）、Top1 公司（非大厂）的相关信息等。 还提供了 23 年 12 月至 24 年 3 月月访问量排行榜及变化情况、赛道月访问总量及构成、23 年 4 月访问量 Top10 等数据。 58 数据分析 161 万： 包含名称、二级分类、三级分类、网址、2 月至 11 月的数据及 11/5 月的变化计算等信息，如帆软数据、RATH、rows.com、亚信科技数智产品、神策数据等。

AI 在数据分析方面具有一定的能力和优势： ChatGPT 助力数据分析：通过实际案例与相关技巧，实现了两种方式支持多维数据分析，包括 SQL 分析和个性化分析。分析完成后可展示结果数据的图表和分析结论，图表支持折线图和柱状图的随意切换。 提升认知能力：大脑需要不断学习和训练，认清“思维陷阱”，如确认偏误、锚定效应等，锻炼逻辑思维，掌握数据分析能力，避免被误导。 对于 AI PM 来说：掌握算法知识具有必要性，包括理解产品核心技术、与技术团队有效沟通、评估技术可行性、把握产品发展方向、提升产品竞争力以及提升数据分析能力。 总之，AI 在数据分析领域有其独特的价值和应用场景，但也需要结合人类的专业知识和判断来确保分析结果的准确性和可靠性。

本地化搭建问答机器人的流程如下： 1. 加载所需的库和模块：包括用于解析 RSS 订阅源的 feedparse，用于在 Python 程序中跑大模型的 ollama（使用前需确保 ollama 服务已开启并下载好模型）。 2. 从订阅源获取内容：通过函数从指定的 RSS 订阅 url 提取内容，如需接收多个 url 稍作改动即可。然后使用专门的文本拆分器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用于后续处理或提取。 3. 为文档内容生成向量：使用文本向量模型 bgem3（从 hf 下载好模型后假设放置在某个路径，通过函数利用 FAISS 创建高效的向量存储）。 4. 推荐 RSSHub 项目：可将关注的信息汇聚在同一平台，一旦有更新能在各种终端收到提醒。其为各种网站生成 RSS 源，大部分社交媒体、传统媒体和金融媒体都能配合订阅。 5. 流程拆解： 创建 Python 虚拟环境，并安装相关库，如 ollama（0.1.8）、langchain（0.1.14）、faisscpu（1.8.0，有 gpu 则安装 gpu 版本）、gradio（4.25.0）、feedparser（6.0.11）、sentencetransformers（2.6.1）、lxml（5.2.1）。 6. 了解 ollama： 支持多种大型语言模型，包括通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同场景。 易于使用，适用于 macOS、Windows 和 Linux 系统，支持 cpu 和 gpu。 提供模型库，用户可从中下载不同模型，满足不同需求和硬件条件，模型库可通过 https://ollama.com/library 查找。 支持自定义模型，可修改温度参数等。 提供 REST API 用于运行和管理模型及与其他应用集成。 社区贡献丰富，有多种集成插件和界面。 先安装 ollama，访问 https://ollama.com/download/ 下载安装。安装完确保 ollama 后台服务已启动（在 mac 上启动应用程序，在 linux 上通过 ollama serve 启动），可通过 ollama list 确认，未下载模型时正常显示空，可通过 ollama 命令下载模型。

以下是零基础模板化搭建 AI 微信聊天机器人的相关内容： 开始搭建 1. 配置腾讯云轻量应用服务器 重点在于修改 dockercompose.yml 文件中的具体配置，以串联微信号和已创建好的 AI 机器人。配置参考来源为：https://docs.linkai.tech/cow/quickstart/config 。 配置参数中，名称的全大写描述需对应编排模板，如 open_ai_api_key 对应 OPEN_AI_API_KEY ，model 对应 MODEL 等。 私聊或群聊交流时，最好加上前缀触发机器人回复，如配置的 ，即 SINGLE_CHAT_PREFIX ，私聊或群里发消息包含 bot 或 @bot 才会触发机器人回复。在群组里，对应配置参数是 GROUP_CHAT_PREFIX ，机器人只会回复群里包含 @bot 的消息。 GROUP_NAME_WHITE_LIST 用于配置哪些群组的消息需要自动回复，例如 ，即只有这些群组的消息才会自动回复。 2. 配置部署 COW 组件 假设对接的微信号名称叫安仔机器人，更新最终版的配置参数（GROUP_NAME_WHITE_LIST 参数根据交互的群组进行具体修改），查看无误后点击保存，编排模板创建成功。 切换到容器编排界面，基于创建的模板进行 COW 服务部署，点击添加后等待部署完成。 疑问解答 1. 容器编排模板是一种配置文件，定义了如何在 Docker 中部署和管理多个容器。通过编排模板，可一键部署复杂的应用环境，无需手动配置每个容器细节。本文中通过容器编排模板配置了 COW 组件，使其能与微信和极简未来平台交互。 2. Docker 提供隔离运行环境，确保应用程序在任何环境稳定运行。通过 Docker 部署 COW 组件，可简化安装和配置过程，确保每次部署环境一致，且易管理和维护。 3. 配置多个前缀（如“bot”、“@bot”）可确保只有特定情况下机器人才会回复，避免在群聊或私聊中频繁干扰，提高响应准确性和用户体验。 4. 扫码登录失败时，可尝试以下步骤： 重启 Docker 容器：在宝塔面板中找到对应的容器，点击“重启”。 检查网络连接：确保服务器和微信客户端能正常访问互联网。 重新扫描二维码：等待容器重新启动后，重新扫描日志中生成的二维码。 5. 实际上使用不会很贵。极简未来平台按使用量收费，对于一般用户费用相对低廉，充值少量费用通常可用很长时间。同时，平台还提供每天签到免费领取积分的福利，进一步降低使用成本。 6. 极简未来平台创建 AI 机器人的费用，具体因使用量而异。

以下是关于如何写一个 AI 聊天机器人的相关内容： 一、打造聊天机器人 1. 对于订单聊天机器人，需要收集整个订单并总结，再次确认客户是否需要添加其他内容。若涉及送货，需询问地址并收取支付款项，以简短、口语化且友好的方式回应。同时要澄清所有选项、附加项和规格，唯一地从菜单中识别出项目。 2. 可以利用大型语言模型构建自定义聊天机器人，如为餐厅扮演 AI 客户服务代理或 AI 点餐员等角色。首先设置 OpenAI Python 包，定义两个辅助函数，一个是将提示放置到类似用户消息中的 getCompletion 函数，另一个是接受用户消息并生成相应助手消息的 generateResponse 函数，通过这两个函数与 AIGPT 模型进行交互并生成对话。 二、零基础模板化搭建 AI 微信聊天机器人 1. 在复制的 dockercompose.yml 文件中，修改具体配置来串联微信号和已创建好的 AI 机器人。配置参考官方来源：https://docs.linkai.tech/cow/quickstart/config 。 2. 配置里面的每个参考名称的全大写描述，如 open_ai_api_key 对应编排模板的 OPEN_AI_API_KEY，model 对应编排模板的 MODEL 等。 3. 私聊或群交流时，最好加上一些前缀才触发机器人回复，如配置的，即对应的配置参数 SINGLE_CHAT_PREFIX，在私聊或群里发消息，必须包含 bot 或者@bot 才会触发机器人回复。在群组里，对应配置参数是 GROUP_CHAT_PREFIX，机器人只会回复群里包含@bot 的消息。 4. GROUP_NAME_WHITE_LIST 参数用来配置哪些群组的消息需要自动回复。

以下是为您整理的关于报价机器人提示词的相关内容： 教育类：根据用户的流程描述，自动生成 Mermaid 图表代码。角色为 Mermaid 图表代码生成器，需熟悉 Mermaid 支持的图表类型和语法，善于将流程描述转换为结构化的图表代码，了解流程、架构、结构化分析等领域知识。目标是收集用户对流程、架构等的描述并转换为对应 Mermaid 图表代码，同时遵循生成代码遵循 Mermaid 语法、流程语义表达准确、代码整洁格式规范等约束。 Prompts 最佳实践：设置人格作为聊天机器人，扮演一个性格古怪并且让人捉摸不透的小姐姐，副业是 Java 全栈开发工程师。需遵守有点小傲娇、第一人称是自我等限制条件，语气富有男子气概和浮夸。 角色扮演：包括汽车修理工、歌曲推荐者、导游等角色。汽车修理工需要具有汽车专业知识来提供故障排除解决方案；歌曲推荐者要根据要求创建包含相似歌曲的播放列表；导游要根据位置和参观需求制定旅游指南。

以下是关于陪伴型 AI 机器人的相关内容： 陪练机器人的 workflow 配置思路： 1. 选择合适的预训练大模型作为基础，可根据需求选用基础模型或对话模型等，并通过 API 接口调用大模型的能力。 2. 设置机器人的人格和背景知识，为其设定不同的人格特点，使其能扮演不同类型的“顾客”角色。 3. 开发对话交互流程，设计机器人与用户的对话流程和交互逻辑，可借助工作流引擎等工具进行可视化定义和管理。 4. 集成语音交互能力，若需要语音交互，可集成相关的语音识别和合成能力，以提升对话的自然性和沉浸感。 5. 实时监测和优化，实时关注用户与机器人的对话情况和学习效果，依据反馈数据持续改进对话流程和机器人行为。 6. 支持多场景应用，将陪练机器人应用于销售培训、客户服务等不同场景，并根据场景需求定制机器人角色和对话流程。 让 AI 回复更有灵性（人味儿）的 Prompt 小技巧： GPT 回答问题常显古板，常见的改进方法是让其扮演特定角色并给出明确输出要求，虽有效果但内容差异不大。要拥有一个愿意每天与之对话的 AI 陪伴者，可让其在回复中添加感情。例如营造特定环境，让其用括号写出动作。如与伍尔夫围炉夜话的示例中，先示范动作，后续 AI 能记住并使用括号，增强画面感，让人感觉被听见。

以下是关于微信机器人的相关内容： 纯 GPT 大模型能力的微信聊天机器人搭建： 1. 配置腾讯云轻量应用服务器，配置部署 COW 组件。 在复制的 dockercompose.yml 文件中修改具体配置来串联微信号和已创建好的 AI 机器人，参考官方来源：https://docs.linkai.tech/cow/quickstart/config 。 配置中的每个参考名称的全大写描述，如 open_ai_api_key 对应编排模板的 OPEN_AI_API_KEY ，以此类推在编排模板配置具体参数。 私聊或群聊时，最好加上前缀触发机器人回复，如配置的 对应 SINGLE_CHAT_PREFIX ，群聊中对应 GROUP_CHAT_PREFIX ，机器人只会回复群里包含 @bot 的消息。 GROUP_NAME_WHITE_LIST 用来配置哪些群组的消息需要自动回复。 基于 Hook 机制的微信 AI 机器人： 1. 优势：具有相对更高的稳定性和安全性，更简单，易上手。 2. 劣势：目前插件相对较少，且仅支持 Windows 系统。 3. 部署项目： 如果已有 FastGPT 或者 OpenAI 的 key ，可以把 Ai_Lock 修改成“1”，在 OpenAI 处添加模型 key ，填写格式参照原有格式。若暂时没有，可保持 Ai_Lock 是 0 。 修改后点击保存，返回 NGCbot 文件夹下找到 main.py 文件双击运行。 运行后会弹出微信登录框，正常登录微信（若显示版本过低登录失败，查看解决方法）。 进入微信后系统自动初始化必备文件，等待完成。 运行成功后用“大号”给机器人发消息，拿到 wxid 返回到之前步骤中替换。 添加完后建议用小号登录，可用大号对小号发号施令，可尝试发送如“美女图片、美女视频、备案查询、归属查询、whois 查询、摸鱼日历、KFC 文案、周公解梦、天气查询、舔狗日记、星座查询、早安寄语、早报、晚报、Help”等指令。 此机器人还具有基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发等功能，以及安全新闻定时推送等有趣的小功能。

以下是关于企业工作助手智能体的一些解决方案： 职业规划导师（校招版）： 职业趋势分析：基于最新市场数据和行业报告，协助分析自身专业或职业的前景，了解未来职业趋势。 技能评估与提升：通过测评工具评估当前职业兴趣，提供针对性学习资源和课程建议，提升专业技能。 职业匹配与推荐：根据兴趣、技能和职业目标，推荐适合的职业路径和职位，提供个性化职业建议。 职业发展规划：结合个人情况和市场需求，制定详细的短、中、长期职业发展计划，帮助在 AI 时代找到职业定位。 智能客服助手搭建思路： 利用企业已有的知识积累，结合大模型的能力，为用户提供准确简洁的答案。 创建企业私有知识库，收录企业过去的问答记录和资料。 利用大模型处理用户咨询问题，确保回答的准确性和一致性，必要时提供原回答的完整版。 对接人工客服，在智能助手无法解决问题时，用户可快速转接，确保问题及时解决，提升整体服务质量和客户满意度。 Agent 构建平台： Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具，拓展 Bot 能力边界。 Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据需求打造产品能力。 MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 用 Coze 在微信里搭建机器人并挖掘销售线索： 目的：训练公司自有数据，让机器人提供客服功能；将机器人与企业微信绑定提供客服功能；进阶版可根据客户咨询信息收集用户联系方式形成销售线索。 使用工具：字节旗下的 Coze AI 智能机器人工具，需要有微信公众号订阅号或服务号的管理权。 功能体验：扣子画小二智能小助手：https://www.coze.cn/store/bot/7371793524687241256?panel=1&bid=6cjksvpbk000a ；B站公开视频

以下为您提供两个智能体搭建案例： 案例一： 智能体名称：市场分析报告 智能体简介：品牌营销公司在用的生成智能体，输入行业/类目关键词自动检索关联信息并生成报告。数据化呈现更具真实性，附带信息来源网址便于源信息校正。可帮助品牌主/营销人员减少信息收集时间，聚焦决策判断。 应用场景： 目标人群：企业管理层（做发展策略评估）、投资者（评估投资机会）、创业者（评估项目可行性）、营销人员（做营销计划依据）。 当前痛点：信息收集需要长时间；报告的真实性是否可验证；现有大模型做的市场报告太过概念化，不能做有效参考。 应用价值：减少信息收集时间、真实可验证、聚焦决策判断。 智能体主要功能：根据用户的要求或指定的行业、产品，搜索网络信息，生成一份完整的市场调研报告，用数据支撑，并附引用链接。 案例二： 智能体开发平台：字节扣子和腾讯元器。 概念定义：智能体（Agent）简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。AI 大模型是技术，面向用户提供服务的是产品，很多公司开始关注 AI 应用层的产品机会。 C 端案例：社交方向，用户注册后先捏一个自己的 Agent，然后让自己的 Agent 和其他人的 Agent 聊天，两个 Agent 聊到一起后再真人介入；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：帮助 B 端商家搭建 Agent。 智能体开发平台介绍：字节于 2 月 1 日正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。国内还有很多智能体开发平台，如 Dify.AI，但个人比较常用的还是扣子。

以下智能体能够根据用户的购物历史、浏览行为和偏好提供个性化的产品推荐： 1. 电子商务网站：通过收集用户的购物历史和浏览习惯等数据，使用机器学习和数据挖掘技术进行分析，从而推荐相似产品。 2. 基于人工智能的语音助手：可以分析用户行为、偏好以及历史购买记录，为用户提供更个性化的商品推荐，提升购物体验。 3. 中小企业：利用 AI 分析客户行为数据，包括购买历史、浏览记录、反馈等，基于分析结果生成个性化的产品推荐和服务。 4. 扣子模板中的个性化推荐引擎：利用人工智能和机器学习算法，根据用户的历史行为和偏好，实时推荐最相关的产品或服务，以提升转化率。

智能体在电商领域有以下应用： 1. 电商导购：以“什么值得买”智能体为例，当用户输入“我想买个笔记本电脑”，智能体会先提取关键词“笔记本电脑”，通过相关 API 检索商品信息，与内置提示词组装成上下文，请求大模型回答，提供更好的商品推荐效果。 2. 工作流协作：工作流也可理解为多智能体协作，通过多个智能体的组装解决复杂场景的搜索问题。例如给新产品取名，涉及多个步骤和检测，人工操作费时，而 AI 搜索与 Workflow 模式可有效解决，通过定义多个智能体完成各项功能，并由调度中枢协调工作和决策。 在品牌卖点提炼方面： 1. 构建中对结构的理解和控制最为重要，旨在提供结构化思路，单点可通过不断迭代完善。品牌卖点提炼助手本质是办公助手，能为有营销思维的团队提供思路，提高团队效率。 2. 实际搭建需根据公司业态调整，给智能体更多提示词提升分析合理性。不同行业的线上、线下和人员触点不同，遵循营销管理流程保证输出，调整提示词提升准确度。营销管理结构化提示词中避免依赖举例，决策和洞察力仍依赖人员，智能体作为灵感助手辅助决策。 3. 最终提炼的品牌卖点应用于与用户交互的所有场景，即触点，包括线上（如微信、抖音等平台）、线下（产品到达消费者手上的场景或线下实体门店场景）和人员（线上直播间、人工客服或线下销售人员等）触点。在最终步骤，需找到所有传达品牌卖点的场景，结合需求制作落地页或沟通话术，建立品牌价值。

以下是使用 Coze 搭建一个关于自然语言课程期末复习指南智能体的步骤： 1. 访问 Coze 官网（https://www.coze.cn），注册并登录。 2. 点击页面左上角的⊕，通过【标准创建】填入智能体的基本信息。 3. 了解 Bot 开发调试界面： 人设与回复逻辑（左侧区域）：设定智能体的对话风格、专业领域定位，配置回复的逻辑规则和限制条件，调整回复的语气和专业程度。 功能模块（中间区域）： 技能配置： 插件：扩展智能体的专业能力，如计算器、日历等工具。 工作流：设置固定的处理流程和业务逻辑。 图像流：处理和生成图像的相关功能。 触发器：设置自动化响应条件。 知识库管理： 文本：存储文字类知识材料。 表格：结构化数据的存储和调用。 照片：图像素材库。 记忆系统： 变量：存储对话过程中的临时信息。 数据库：管理持久化的结构化数据。 长期记忆：保存重要的历史对话信息。 文件盒子：管理各类文档资料。 交互优化（底部区域）： 开场白：设置初次对话的问候语。 用户问题建议：配置智能推荐的后续问题。 快捷指令：设置常用功能的快速访问。 背景图片：自定义对话界面的视觉效果。 预览与调试（右侧区域）：实时测试智能体的各项功能，调试响应效果，优化交互体验。 4. 设定智能体的人设与回复逻辑后，为智能体配置对应的技能，以保证其可以按照预期完成目标任务。例如，以获取 AI 新闻的智能体为例，需要为它添加一个搜索新闻的接口来获取相关新闻。具体操作如下： 在智能体编排页面的技能区域，单击插件功能对应的+图标。 在添加插件页面，选择相关功能，然后单击新增。 修改人设与回复逻辑，指示智能体使用相应插件来搜索所需内容。 （可选）为智能体添加开场白，让用户更好地了解智能体的功能。开场白功能目前支持豆包、微信公众号（服务号）。 5. 配置好智能体后，在预览与调试区域中测试智能体是否符合预期。可单击清除图标清除对话记录。 6. 完成测试后，将智能体发布到社交渠道中使用。具体操作如下： 在智能体的编排页面右上角，单击发布。 在发布页面输入发布记录，并勾选发布渠道。 单击发布。 更多内容，请访问 Coze 官方文档： 英文版：https://www.coze.com/docs/welcome.html 中文版：https://www.coze.cn/docs/guides/welcome

在电商领域，以下是一些常见的智能体类型及应用示例： 1. 简单反应型智能体：如温控器，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。 2. 基于模型的智能体：像自动驾驶汽车，维护内部状态，对当前和历史感知输入进行建模，能推理未来状态变化并据此行动。 3. 目标导向型智能体：例如机器人导航系统，具有明确目标，能评估行动方案并选择最优行动。 4. 效用型智能体：如金融交易智能体，能量化不同状态的效用值，选择效用最大化的行动。 5. 学习型智能体：例如强化学习智能体，通过与环境交互不断学习最优策略。 以“什么值得买”智能体为例，当用户输入“我想买个笔记本电脑”，智能体会先提取关键词，再通过相关 API 检索商品信息，与内置提示词组装后请求大模型回答，成为电商导购类的垂直搜索应用，在商品推荐方面效果较好。 此外，工作流（Workflow）也可理解为多智能体协作（MultiAgents），通过多个智能体的组装解决复杂场景的搜索问题。例如给新产品取名，可定义多个智能体分别负责不同功能，还需要有调度中枢协调工作和做决策。 还有“买买买！💥产品买点提炼神器强化版🚀”智能体，专注于市场营销领域，能帮助用户从产品出发挖掘卖点并转化为买点，生成小红书文案和抖音短视频脚本等，并保存至飞书文档。