如何训练智能体，把特定的数据导入进智能体。

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。

大脑-智能算法：感知/分析层的核心。通过视觉-语言理解模型感知环境、接收理解任务并进行规划决策，最终输出具体任务指令小脑-运动控制算法：动作层的核心。将动作视为类似语言的一种模态，理解交互物品及机器本体的姿态和运动状态，并将语义理解转化为动作。最终将大脑的任务指令拆解、输出为针对各硬件部件的控制指令。整机硬件方案：基于下游场景需求设计的运动、感知、计算和通信硬件方案。值得一提的是，具身智能厂商有从软件到硬件全流程自主控制的需求，倾向于自己制作机体，而非简单的向外采购。考虑因素有二：具身智能的机体和数据模式都没有实现标准统一，厂商用来训练智能体的数据往往和机体的自身构造存在紧密联系，例如眼睛之间的距离、电机的数量等等，都收集到的数据直接相关，也直接影响到智能体的训练过程。同时也要考虑二级供应商是否成熟，做整机的利润是否足够高。部分足够强大的厂商（如Tesla）甚至具备绕过二级供应商，制作更底层的电机、传感器的能力，对于这类厂商来说，软硬件一体化制造能带来更高的利润空间。两类智能：认知智能和物理智能认知智能涉及思考、规划和决策能力完全由大脑驱动物理智能指机器人的感知和与环境的运动互动能力其中，感知环节由大脑侧的识别算法实现，行动环节由小脑侧的运动控制算法和硬件配合完成在具身智能的感知-规划-决策-行动循环中，认知智能促使机器进行决策规划，物理智能协助行动；行动结果反馈迭代帮助具身智能更好的决策和行动。

如果我们希望让一台计算机表现得像人类一样，需要在计算机内模拟人类的思维方式。因此，我们需要理解是什么造就了人类的“智能”。我们必须理解自己的决策过程是如何进行的，才能够为机器编写智能程序。如果你稍微做一下自我觉察，就会发现有些过程是下意识发生的，例如我们可以不假思索地区分出猫和狗，而有些过程则需要推理。解决这个问题有两种可能的方法：|自上而下的方法（符号推理）|自下而上的方法（神经网络）||-|-||自上而下的方法模拟人类通过推理来解决问题的方式。它包括对人类知识的提炼，并用计算机可读的形式来表示，此外还需要开发一种在计算机内部模拟推理的方法。|自下而上的方法模拟人脑的结构，由大量称为神经元的简单单元组成。每个神经元的行为取决于输入数据的加权平均值，我们可以提供训练数据来训练神经元网络，从而解决有用的问题。|还有一些其他可能实现智能的方法：新兴的、依靠协同的多智能体系统（multi-agent），它基于这样一个事实，即复杂的智能行为可以来自大量简单智能系统的相互作用。根据进化控制论，在元系统跃迁的过程中，智能可以从更简单的反应行为中产生。进化方法或遗传算法（genetic algorithm），是一种基于进化原理的优化过程。[1]译者注：元系统跃迁，[Metasystem Transition](https://en.wikipedia.org/wiki/Metasystem_transition)，是指通过演化涌现出更高层次的组织或者控制。我们将在课程的后续部分考虑这些方法，但现在我们将重点关注自上而下、自下而上两个主要方向。