coze搭建漫画智能体

以下是关于 Coze 应用的相关信息： 实战指南： 案例复刻： 创建 Coze 应用：点击 Coze 创建，选择应用，选择空白，即可进入 Coze IDE。可参考创建 Coze 应用视频。 搭建业务逻辑：进入 Coze IDE 后，默认显示业务逻辑编辑界面，基于业务逻辑搭建工作流。可参考搭建业务逻辑视频。业务逻辑的实现依靠工作流，Coze IDE 内编写工作流与捏 bot 编写工作流逻辑一致，只是入口不同。大模型节点系统提示词包括：你是一个致力于创作反心灵鸡汤的灵魂段子手等。 案例展示与拆解： 案例核心功能：一个吐槽心灵鸡汤的应用，允许用户输入心灵鸡汤类内容，AI 生成对应的反心灵鸡汤，并展示在前端页面。体验地址：https://www.coze.cn/s/iDGHwn8t/ 核心操作流程拆解：用户在页面输入指定文本，点击【开喝】按钮，Coze 后台调用工作流生成对应内容，生成的内容展示在前端界面内。 核心前端设计拆解：用户界面提供输入内容的组件、调用工作流的按钮、展示结果的元素，这三个元素是实现用户交互和结果展现的核心。 核心业务逻辑拆解：读取用户输入，将输入传递给 AI 大模型，大模型按提示词生成指定内容，在指定元素展示生成的内容。基于上述业务逻辑，设计由【开始】节点（用户输入）、【大模型】节点（AI 生成内容）、【结束】节点构成（内容输出）的简单工作流。 90 分钟视频教程： Coze 的 AI 应用跟网页应用架构类似，也有前端页面用于用户输入或上传，数据处理端（工作流或插件）处理数据，处理完成的数据有展示在前端页面或保存在数据库/知识库中供查询两种路径。搭建 Coze 的 AI 应用需关注前端页面构建、页面数据传递给工作流或插件、工作流处理数据返回前端展示这三个方面。 案例 1：AI 翻译应用，应掌握 AI 应用前端的基本结构，包括页面、组件、Form 表单、Div 容器、文本框等及相关事件，如 Form 表单的数据提交、表单向工作流传递数据、工作流数据返回前端组件展示。

要使用 Coze 写一个能够自动提取手机支付记录然后记账的应用，您可以参考以下步骤： 1. 了解 Coze：COZE 是字节跳动旗下子公司推出的 AI Agent 构建工具，允许用户在无编程知识的基础上，使用自然语言和拖拽等方式构建 Agent，目前有丰富的插件生态且可以免费使用海量大模型。 2. 配置变现模板： 设置套餐金额及时长：价格页信息默认包含 3 个套餐，可自行修改、删除、新增，套餐数量无上限，修改后无需保存即刻生效。 订单与用户信息查看：在“管理后台”页面除了可以进行智能体配置，还可查看已付费订单以及注册用户，方便运营维护。 完成所有项目配置后，点击【配置完成】即可邀请用户访问并体验您的 Coze 智能体。 激活支付功能：配置该功能后，可实现平台收款、退款等操作，实现项目的商业变现。通过支付宝申请电脑网站支付，将申请到的 AppId、商户私钥、公钥按要求配置即可。详细的配置教程可以在'Zion 帮助中心'中搜索'支付'找到。 3. 学习记账管家相关知识：记账管家是基于 COZE 平台的能力搭建的一个记账应用，您可以直接和 coze 说您今天的收入或者支出情况，coze 会自动帮您记账，同时帮您计算出账户余额，每一笔记账记录都不会丢失。 4. 搭建教学： 增加记账记录 add_accounting_record 工作流：用于增加记账的工作流，通过大语言模型把用户输入的非结构化数据转变成数据库能理解的结构化数据存入，并告诉用户结果。 开始：定义一个{{prompt}}，把用户在 bot 输入的记账内容传入进来（例如：今天花了 233.32 元吃了一顿烧烤）。 大模型：本次任务比较简单，使用任意模型都可以胜任，无需调整大模型参数。输入定义了一个{{input}}引用了【开始节点】的 prompt 参数。提示词让大模型根据{{input}}传入的内容进行拆解，分别识别【记账事项】、【发生时间】、【变动金额】，并把识别出来的内容分别赋值到{{item}}、{{occurrence_time}}、{{balance_change}}。输出定义了【记账事项】、【发生时间】、【变动金额】对应的{{item}}、{{occurrence_time}}、{{balance_change}}。 数据库——插入记账记录：输入定义了{{item}}、{{occurrence_time}}、{{balance_change}}，用于接收从大模型节点{{item}}、{{occurrence_time}}、{{balance_change}}输出传入的内容。SQL 命令：不会写没关系，直接使用自动生成语法，输入命令如下，注意我们数据库存入的金额最小单位是分，所以在最终的语法，{{account_change}}100；意思当用户说我花了 2.23 元，数据库存储的是 2.23100=223。提示词：把 item、occurrence_time、account_change 存入到 user_accounting_records 表的{{item}}、{{occurrence_time}}、{{account_change}}中。 数据库——查询账户余额。

在 Coze 中引导用户输入内容可以参考以下步骤： 1. 设计一个吐槽心灵鸡汤的应用，允许用户输入心灵鸡汤类内容，AI 生成对应的反心灵鸡汤，并展示在前端页面。应用体验地址为：https://www.coze.cn/s/iDGHwn8t/ 核心操作流程： 用户在页面输入指定文本。 用户在页面点击【开喝】按钮。 Coze 后台调用工作流生成对应内容。 工作流生成的内容展示在前端界面内。 核心前端设计： 用户界面提供一个元素 A（Coze 中称作组件），让用户输入内容。 用户界面提供一个按钮 A，让用户点击后调用工作流。 用户界面提供一个元素 B，向用户展示工作流的结果。 核心业务逻辑： 读取元素 A 的用户输入。 将用户输入传递给 AI 大模型。 AI 大模型按照提示词设定生成指定内容。 在元素 B 展示 AI 大模型生成的内容。基于上述业务逻辑，只需要设计一个简单的工作流即可。该工作流由【开始】节点（用户输入）、【大模型】节点（AI 生成内容）、【结束】节点构成（内容输出）。 2. 搭建选择内容推荐流，用于根据用户输入的“想看 xxx 内容”，在稍后读存储地址（飞书多维表格）中，检索现有的收藏记录，匹配符合阅读兴趣的内容记录。 新建工作流「recommendRead」，根据弹窗要求自定义工作流信息。 工作流全局流程设置： 4.1 开始节点：收到用户输入的“想看 xxx 内容”这类指令就开始流程，不需要额外配置（至于如何判断哪些用户输入是在交代想阅读的内容主题，交由外层 bot 的大模型判断）。 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。 4.3 插件节点：添加「飞书多维表格search_records」插件，只需要设置{{app_token}}参数，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，也可以通过额外的配置定向检索状态为“仅记录（即未读状态）”的收藏记录。 4.4 大模型节点：为了处理的稳定性，这一步采用批处理，对检索出来的收藏记录逐个进行相关性匹配。可以继续优化提示词以提升匹配的精准度。

以下是一些可以本地部署且类似 Coze 的平台以及直接对接 Coze 平台 Bot 的微信聊天机器人的搭建方法： Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具，适用于构建各类问答 Bot。 2. Mircosoft 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。 3. 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。 4. 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。 5. 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、销售等场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，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。 直接对接 Coze 平台 Bot 的微信聊天机器人搭建： 1. 微信功能差异：微信公众号、微信服务号、微信客服支持与 Coze AI 平台对接，个人微信和微信群之前不支持，现国内版已发布 API 接口功能，可实现对接。 2. 部署步骤： 服务器配置：受社群好友小雨启发，将复杂代码相关集成隐藏和优化，使用简单模板配置，修改容器编排模板，若之前有模板需修改，无模板则新建，更新后创建新的容器编排并启动服务，服务启动成功后进入 COW 服务扫码绑定微信机器人，具体步骤可参考入门教程。 测试：在微信群中测试 AI 机器人。 请注意，对接国外版 Coze 平台需要部署的服务支持相关条件。

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。

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 OpenAI 春季发布会中关于将照片转换为漫画的一些示例： 输入：一名留着中长棕色头发、留着胡须的年轻白人男子表情中性。他戴着眼镜，穿着浅灰色 T 恤。背景是简单的米色，方形。图像整体基调卡通俏皮。 输出：相应的漫画。 输入：一位黑发、笑容灿烂的年轻人摆出专业的头像。他穿着深色西装外套，系着图案领带，散发出优雅而专业的气息。他的眼睛明亮，笑容真诚，传达出幸福和自信的感觉。背景是中性灰色，将焦点放在拍摄对象的脸上。 输出：相应的漫画。 输入：一位留着及肩黑发的年轻亚洲女性摆出姿势拍照。她穿着绿色高领毛衣，表情中性。她的眉毛修整整齐，涂着淡粉色的口红。背景是一面朴素的白墙。 输出：相应的漫画。 输入：一位留着整洁黑发、戴着眼镜的年轻亚洲男子摆出姿势拍照。他表情温和，穿着一件休闲的靛蓝色 T 恤。柔和的灯光在中性背景下突出了他的五官，给照片带来了平静的感觉。 输出：相应的漫画。 输入：一名浅棕色头发的年轻白人对着镜头微笑。他穿着一件简单的黑色 T 恤，表情随意、轻松。背景似乎是一个郁郁葱葱的绿色花园，为肖像增添了一种充满活力和自然的感觉。 输出：相应的漫画。 输入：一位年轻的印度男子站在他的家中，脸上挂着欢迎的微笑。他有一头深色短发，穿着一件带有热带图案的蓝色衬衫。背景中的厨房为图像增添了舒适和居住的感觉。 输出：相应的漫画。 输入：一位年轻的白人男子在户外摆姿势，笑容温暖，留着浅棕色短发。他穿着一件经典的蓝色衬衫，给人一种利落又平易近人的感觉。背景柔和模糊，将注意力集中在他友好的表情和随意的举止上。 输出：相应的漫画。 您可以参考以上示例，了解 OpenAI 在照片转漫画方面的能力。但需要注意的是，目前 OpenAI 暂未直接提供将照片转换为漫画的公共服务。您还可以尝试其他专门用于照片转漫画的工具或软件，如 Adobe Photoshop、Prisma 等。

以下为您推荐几款可以用 AI 做漫画的软件： 1. Anifusion： 网址：https://anifusion.ai/ Twitter 账号：https://x.com/anifusion_ai 这是一款基于人工智能的在线工具，旨在帮助用户轻松创建专业质量的漫画和动漫作品。即使没有绘画技能，用户只需输入文本描述，Anifusion 的 AI 就能将其转化为完整的漫画页面或动漫图像。 主要功能： AI 文本生成漫画：用户输入描述性提示，AI 会根据文本生成相应的漫画页面或面板。 直观的布局工具：提供预设模板，用户也可自定义漫画布局，设计独特的面板结构。 强大的画布编辑器：在浏览器中直接优化和完善 AI 生成的艺术作品，调整角色姿势、面部细节等。 多种 AI 模型支持：高级用户可访问多种 LoRA 模型，实现不同的艺术风格和效果。 商业使用权：用户对在平台上创作的所有作品拥有完整的商业使用权，可自由用于商业目的。 使用案例： 独立漫画创作：有抱负的漫画艺术家无需高级绘画技能即可将他们的故事变为现实。 快速原型设计：专业艺术家可以在详细插图之前快速可视化故事概念和布局。 教育内容：教师和教育工作者可以为课程和演示创建引人入胜的视觉内容。 营销材料：企业可以制作动漫风格的促销漫画或用于活动的分镜脚本。 粉丝艺术和同人志：粉丝可以基于他们最喜欢的动漫和漫画系列创作衍生作品。 优点： 非艺术家也可轻松进行漫画创作。 基于浏览器的全方位解决方案，无需安装额外软件。 快速迭代和原型设计能力。 创作的全部商业权利。 2. 即梦、runway：可用于制作端午节动态视频，在制作时先什么关键词都不写，如果效果不满意，再添加关键词。 3. 无界 AI： 网址：https://www.wujieai.cc/ 做图逻辑类似于 SD，其作为出图工具的优势在于： 国内网络即可稳定使用。 有免费出图点数。 支持中文关键词输入。 无需额外下载风格模型，可直接取用。 使用模型：皮克斯卡通。本案例提供的应用场景为朋友圈 po 图，因此画幅比例选择 1:1。无界 AI 的皮克斯卡通模型位置，根据相关指引找到。 关键词类别： 场景：向日葵花田、面包店等。 氛围：温馨、温暖等。 人物：父亲和女儿、父亲和儿子。 造型：发型、发色、服饰、配饰（会同时影响到父亲和孩子的形象）。 情绪：笑得很开心、大笑、对视等。 道具：童话书等。 构图：半身、中景等。 画面：色彩明艳。

以下是将照片生成漫画风格图片的方法： 使用 SD 模型和 lora 的组合： 1. 选择大模型“Flat2D Animerge”，适合生成卡通动漫图片，官方建议 CFG 值在 5 或 6（使用动态阈值修复时可拉到 11）。 2. 选择两个 lora，“Chinese painting style”可增加中国画水彩风格效果，权重设置为 0.4；“Crayon drawing”可添加简单线条和小孩子的笔触，权重设置为 0.8。 3. 将图片丢到标签器中反推出关键词，然后发送到“文生图”。 4. 在正向提示词末尾添加上述 lora。 5. 按照参考图设置好尺寸，重绘幅度开 0.5 让 AI 更自由发挥，想更接近原图可降低数值。 6. 将图放入 controlnet 中，选择 tile 模型，权重为 0.5，控制模式选择“更注重提示词”。 使用 Midjourney 以图绘图功能生成迪斯尼卡通风格头像： 1. 选择一张满意的图片，在 Discord 社区的 Midjourney 服务器聊天栏点击“+”，上传文件选取图片并发送（记得点击回车或发送按钮）。 2. 点击图片，在浏览器中打开，复制图片链接。 3. 使用图片链接加 prompt 提示词发送给 Midjourney 进行以图绘图。 复杂提示词示例：Disney boy,Low saturation Pixar Super details,clay,anime waifu,looking at viewer,nighly detailedreflections transparent iridescent colors.lonctransparent iridescent RGB hair,art by Serafleurfrom artstation,white background,divine cinematic edgelighting,soft focus.bokeh,chiaroscuro 8K,bestquality.ultradetailultradetail.3d,c4d.blender,OCrenderer.cinematic lighting,ultra HD3D renderinoiw 1.5s 500v 5 不同照片生成：可更换照片使用相同提示词重新生成。 其他调整：若觉得风格太过卡通，可把提示词里的 Disney 换成 Pixar；若为女孩，把提示词里的 boy 换成 girl。每次生成 4 张图片，对某一张满意可点击下方的 U1~U4 生成大图，对风格满意但需调整可点击下方的 V1~V4 进行修改。

以下是关于利用 AI 生成漫画的相关内容： 工具教程：AI 漫画 Anifusion Anifusion 是一款基于人工智能的在线工具，旨在帮助用户轻松创建专业质量的漫画和动漫作品。即使没有绘画技能，用户只需输入文本描述，Anifusion 的 AI 就能将其转化为完整的漫画页面或动漫图像。 主要功能： AI 文本生成漫画：用户输入描述性提示，AI 会根据文本生成相应的漫画页面或面板。 直观的布局工具：提供预设模板，用户也可自定义漫画布局，设计独特的面板结构。 强大的画布编辑器：在浏览器中直接优化和完善 AI 生成的艺术作品，调整角色姿势、面部细节等。 多种 AI 模型支持：高级用户可访问多种 LoRA 模型，实现不同的艺术风格和效果。 商业使用权：用户对在平台上创作的所有作品拥有完整的商业使用权，可自由用于商业目的。 使用案例： 独立漫画创作：有抱负的漫画艺术家无需高级绘画技能即可将他们的故事变为现实。 快速原型设计：专业艺术家可以在详细插图之前快速可视化故事概念和布局。 教育内容：教师和教育工作者可以为课程和演示创建引人入胜的视觉内容。 营销材料：企业可以制作动漫风格的促销漫画或用于活动的分镜脚本。 粉丝艺术和同人志：粉丝可以基于他们最喜欢的动漫和漫画系列创作衍生作品。 优点： 非艺术家也可轻松进行漫画创作。 基于浏览器的全方位解决方案，无需安装额外软件。 快速迭代和原型设计能力。 创作的全部商业权利。 缺点： 对特定艺术细节的控制有限。 AI 生成的艺术作品可能缺乏独特性。 需要订阅才能使用高级功能。 可能无法完全替代专业级工作的熟练人类艺术家。 定价： Anifusion 提供免费和高级订阅选项： 免费层级：提供 50 个免费信用点和一个工作空间，适合初学者体验。 高级层级：每月 20 欧元，包含 10,000 个信用点、无限工作空间、无限漫画生成、多种 LoRA 模型支持，以及新功能的早期访问权限。 如何使用： 1. 注册账户：访问 anifusion.ai 并创建一个免费账户以开始使用。 2. 选择布局：从预设计的漫画预设中选择，或使用 Anifusion 的直观布局工具创建您自己的独特布局。 3. 描述页面内容：使用简单的文本提示来描述您漫画中每个页面或面板的内容。 4. 生成 AI 艺术：让 AI 根据您的文本描述生成动漫风格的艺术作品。 5. 优化结果：使用 Anifusion 强大的画布编辑器根据需要优化和调整 AI 生成的艺术作品。 6. 添加文本和效果：添加对话气泡、字幕和视觉效果以完成您的漫画页面。 7. 导出和分享：导出您完成的漫画并与世界分享。您对您的创作拥有完全的商业权利。 教程：线稿上色 Midjourney + Stable Diffusion 在学习 AI 绘画这段时间，发现 AI 绘画并不会完全替代设计师，而是可以让出图质量更好，效率更高。比如上面是用 midjourney 生成线稿，PS 稍微做一些修正，再用 controlnet 控制，stable diffusion 上色，多套 AI 组合拳，可以快速生成效果惊艳的图。 作者：三思 先欣赏下作品 1. 线稿产出 mj 关键词：Black and white line drawing illustration of a cute cat cartoon IP character,black line sketch,wearing a fortune hat,wearing a collar around the neck,Carrying a huge bag containing scrolls and ingots,matching rope and straps at his wrists,Chinese element style,popular toys,blind box toys,Disney style,white backgroundniji 5style expressive 2. ps 手动手动重绘错误的地方 有些图出来没有阴影容易飘，可以自己画一个出来

以下为您推荐一些可入门学习 AI 的动画和漫画： 《如果让我推荐一门 AI 课》：预习周课程包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。基础操作课涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影穿越的大门等内容。核心范式课程涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。SD WebUi 体系课程包括 SD 基础部署、SD 文生图、图生图、局部重绘等。ChatGPT 体系课程有 ChatGPT 基础、核心文风、格式、思维模型等内容。ComfyUI 与 AI 动画课程包含部署和基本概念、基础工作流搭建、动画工作流搭建等。应对 SORA 的视听语言课程涉及通识欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。您可以通过参与 video battle 免费获得课程，获胜者有不同等级的课程奖励。扫码添加菩萨老师助理，了解更多课程信息。 《哆啦 A 梦》：其中的一些道具集成了目前 AI 技术中的图像扫描，文本识别，图像训练 lora 或 checkpoint，文本嵌入大型语言模型，思维链控制大型语言模型生成故事、切分台词、生成绘画提示词，绘画模型根据提示词绘画，如果台词不能直接画进画面里还需要叠加图层，最后打印输出。 《奥运前夜》：由通往 AGI 之路 x 离谱村与广州广播电视台联合制作的 AI 动画短片，将于本周末在广州台综合频道周六 17:05、广州台新闻频道周六 21:10、广州台南国都市频道周日 22:00 欢乐上映。

以下是一些可以根据照片生成漫画人物的 AI 软件和相关信息： HeyGen 推出了基于照片生成数字人的新功能，您可以上传照片或输入文字提示来生成个性化的 AI 数字人形象。能选择性别、年龄、种族，定制肢体动作、服装、姿势和背景，支持脚本编辑，提供多种声音和情感表达，一分钟即可生成视频。详情链接： 在使用过程中，如果生成了自己比较满意的图，一定要记得存起来。下次想要同种类型的就可以直接拿来喂图，效果要比重新找的好很多。

以下是一些支持处理流程搭建的 AI 工具，类似 Dify 那样： 1. Dify： 是一个开源的大模型应用开发平台。 结合后端即服务和 LLMOps 理念，提供直观界面快速构建和部署生产级别的生成式 AI 应用。 具备强大工作流构建工具，支持广泛模型集成，有功能丰富的提示词 IDE 和全面的 RAG Pipeline 用于文档处理和检索。 允许定义 Agent 智能体，通过 LLMOps 功能对应用程序性能持续监控和优化。 提供云服务和本地部署选项，满足不同用户需求。 开源特性确保对数据完全控制和快速产品迭代。 设计理念注重简单性、克制和快速迭代，为创业团队构建 MVP、企业集成 LLM 增强现有应用能力、技术爱好者探索 LLM 潜力提供支持和工具。 官方手册：https://docs.dify.ai/v/zhhans 。个人研究推荐单独使用，企业级落地项目推荐多种框架结合。 2. FastGPT：是成熟的高质量 AI 编排框架，有大量开源工作者维护，集成各种主流的模型供应商、工具及算法实现等。 3. Coze：服务端可用于在线编辑 Agent 应用，然后通过 API 方式集成。

智能体是建立在大模型之上，具有强大学习能力、灵活性和泛化能力，能够通过精确的提示词设计来控制和利用大型模型以达到设定目标的系统。 以下是一些从 0 起步搭建智能体的课程和步骤： 1. 智谱 BigModel 共学营第二期： 注册智谱 Tokens 智谱 AI 开放平台：https://bigmodel.cn/ 参与课程至少需要有 token 体验资源包，获取资源包的方式有： 新注册用户，注册即送 2000 万 Tokens 充值/购买多种模型的低价福利资源包，如直接充值现金，所有模型可适用：https://open.bigmodel.cn/finance/pay ；语言资源包：免费 GLM4Flash 语言模型/ ；所有资源包购买地址：https://bigmodel.cn/finance/resourcepack ；共学营报名赠送资源包 先去【财务台】左侧的【资源包管理】看看自己的资源包，本次项目会使用到的有 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 模型。 进入智能体中心我的智能体，开始创建智能体。 2. 提示词培训课——Part2： 了解智能体的概念和特点。 基于一些公开的大模型应用产品（如 Chat GLM、Chat GPT、Kimi 等）尝试开发属于自己的智能体： Step.1 点击“浏览 GPTs”按钮 Step.2 点击“Create”按钮创建自己的智能体 Step.3 使用自然语言对话进行具体设置或手工设置 Step.4 开始调试你的智能体并发布

RAG（检索增强生成）工作流搭建主要包括以下步骤： 1. 文档加载：从多种不同来源加载文档，如非结构化的 PDF 数据、结构化的 SQL 数据、代码等，LangChain 提供了 100 多种不同的文档加载器。 2. 文本分割：文本分割器把文档切分为指定大小的块，称为“文档块”或者“文档片”。 3. 存储： 将切分好的文档块进行嵌入转换成向量的形式。 将 Embedding 后的向量数据存储到向量数据库。 4. 检索：通过某种检索算法从向量数据库中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一起来生成更加合理的答案。 RAG 是一种结合了检索和生成的技术，其基本流程为：首先，给定用户输入，如问题或话题，从数据源中检索出相关文本片段作为上下文。然后，将用户输入和检索到的上下文拼接成完整输入传递给大模型，并包含提示指导模型生成期望输出。最后，从大模型输出中提取或格式化所需信息返回给用户。 此外，您还可以通过以下方式学习 RAG： 1. 观看视频演示，如： 2. 利用相关 Bot 进行学习，如： Query 改写效果对比 Bot：https://www.coze.cn/store/bot/7400553639514800182?panel=1&bid=6dkplh1r43g15 RAG 全流程学习 Bot：结合大模型，模拟 RAG 的离线存储和在线检索全流程。 您还可以参考如何使用 LangChain 开发一个简单的 RAG 问答应用。

搭建知识库的流程通常包括以下几种情况： 本地部署大模型及搭建个人知识库： 1. 了解 RAG 技术：RAG 是利用大模型能力搭建知识库的应用，在需要依靠不在大模型训练集中的数据时，通过检索增强生成。其过程包括文档加载（从多种来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据及代码）、文本分割（把文档切分为指定大小的块）、存储（将切分好的文档块嵌入转换为向量形式并存储到向量数据库）、检索（通过检索算法找到与输入问题相似的嵌入片）、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 2. 文本加载器：将用户提供的文本加载到内存中以便后续处理。 利用 Coze 搭建知识库： 1. 收集知识：确认知识库支持的数据类型，收集知识通常有三种方式，包括企业或个人沉淀的 Word、PDF 等文档，企业或个人沉淀的云文档（通过链接访问），互联网公开的一些内容（可安装 Coze 提供的插件采集）。 2. 创建知识库。 3. 创建数据库用以存储每次的问答。 4. 创建工作流。 5. 编写 Bot 的提示词。 6. 预览调试与发布。 信息管理与知识体系构建： 1. 信息源的选择：明确需求和兴趣点，选择相关信息源，保证信息质量和相关性。 2. 信息通路的建立：通过工具和方法，如浏览器插件、笔记应用等，建立稳定的信息获取和存储机制。 3. 知识结构化：使用笔记方法和工具，对收集的信息分类、标签化和链接，形成结构化知识体系，便于检索和应用。 4. 知识内化与应用：定期复习、思考和实践，将外部信息转化为个人知识，并在实际中应用解决问题。

搭建 Dify 智能体的步骤如下： 1. 理解智能体母体：智能体母体可视为智能体的原型或基础形式，是创建智能体的原始模板，通过它能衍生出众多子智能体。其设计和功能为子智能体的特定任务和特性提供基础，扩展了应用范围和多样性。 2. 准备提示词：分享了用于构建和定制子智能体的提示词，可直接复制应用到项目中以创建和优化智能体满足特定需求和目标。 3. 实践创建智能体母体： 登录后台系统，点击“工作室”按钮，进入智能体管理界面。 点击“创建空白应用”选项，选择“Agent”，输入智能体名称并点击“创建”按钮。 完成创建后，点击所创建的智能体，进入编排页面。调整模型，选择所需模型并设置温度及输出长度参数（默认输出长度通常为 512，常需调整），然后输入提示词，可使用准备好的提示词模板编排进智能体。 另外，在搭建 AI 智能体时，还可参考以下步骤： 1. 设计 AI 智能体架构。 2. 规定稍后读阅读清单的元数据：新建飞书多维表格，根据管理需要定义元数据字段，如“内容”（超链接格式，显示页面标题，可点击跳转具体页面）、“摘要”（总结内容主题、关键信息、阅读价值，并指出适合的读者群体）、“作者”、“平台”、“状态”（收藏的默认态为“仅记录”）、“发布日期”、“收集时间”等。为方便操作，可直接复制准备好的模板：

RAG（检索增强生成）工作流搭建主要包括以下步骤： 1. 文档加载：从多种不同来源加载文档，如包括 PDF 在内的非结构化数据、SQL 在内的结构化数据以及 Python、Java 之类的代码等。LangChain 提供了 100 多种不同的文档加载器。 2. 文本分割：文本分割器把 Documents 切分为指定大小的块，称为“文档块”或者“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. 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来生成更加合理的答案。 RAG 是一种结合了检索和生成的技术，它可以让大模型在生成文本时利用额外的数据源，从而提高生成的质量和准确性。其基本流程为：首先，给定一个用户的输入，如问题或话题，RAG 会从数据源中检索出相关的文本片段作为上下文。然后，将用户输入和检索到的上下文拼接成完整输入传递给大模型，并包含提示指导模型生成期望输出。最后，从大模型输出中提取或格式化所需信息返回给用户。 此外，还有相关的学习资源，如用 Coze 学习 RAG 的视频演示，包括 Query 改写效果对比 Bot 和 RAG 全流程学习 Bot 等。同时，也有关于如何使用 LangChain 开发简单 RAG 问答应用的介绍。

创建 AI 智能体的方法如下： 1. 扣子（Coze）平台： 扣子是字节跳动旗下的新一代一站式 AI Bot 开发平台。 步骤：首先起一个智能体的名称，然后写一段智能体的简单介绍，最后使用 AI 创建一个头像即可。 扣子官网：https://www.coze.cn/ 2. 阿里云百炼： 进入应用创建页面：访问百炼控制台中“我的应用”，单击新增应用，在智能体应用页签，单击直接创建。如果之前已创建过应用，则单击右上角的新增应用。控制台页面链接：https://bailian.console.aliyun.com/?spm=5176.29619931.J__Z58Z6CX7MY__Ll8p1ZOR.1.2f3e59fciQnmL7/home 选择大模型：进入智能体应用管理界面后，进行大模型的选择与参数配置。 测试智能体应用：选择大模型之后，即完成创建，可输入问题进行测试。 3. 基于公开的大模型应用产品（如 Chat GLM、Chat GPT、Kimi 等）： 点击“浏览 GPTs”按钮。 点击“Create”按钮创建自己的智能体。 使用自然语言对话进行具体设置或手工设置。 开始调试智能体并发布。 基于大模型的智能体具有强大的学习能力、灵活性和泛化能力。AI 智能体的出现是为了解决如胡编乱造、时效性、无法满足个性化需求等问题，它包含了自己的知识库、工作流、还可以调用外部工具，再结合大模型的自然语言理解能力，就可以完成比较复杂的工作。

要将多个大模型接入一个智能体，可以参考以下步骤： 1. 理解相关概念： 统辖：是一种广义的包含关系，指普遍性理念或法则对个别事物的包容或管辖。 抽象：从具体事物中提取共同特性，形成概念。 演绎：通过逻辑推理从已知推导出新知识。 反应：对外界刺激或输入的回应或改变。 2. 统辖 prompt：在 prompt 工作流中设置普遍性、统一性或支配性原则，影响其他 prompt 的状态或行为，例如设置统一监督者角色评判其他模块，让大模型注意力集中在特定话题上以提高推理能力。 3. 利用阿里云百炼： 步骤一：创建智能体应用 进入百炼控制台中“我的应用”，单击新增应用，在智能体应用页签，单击直接创建。若之前已创建过应用，则单击右上角的新增应用。控制台页面链接：https://bailian.console.aliyun.com/?spm=5176.29619931.J__Z58Z6CX7MY__Ll8p1ZOR.1.2f3e59fciQnmL7/home 进入智能体应用管理界面后，选择大模型并进行参数配置，例如选择通义千问Max，可根据需求配置模型参数。 测试智能体应用：选择大模型后，可输入问题进行测试。 4. 在网站上增加一个 AI 助手： 创建大模型问答应用：通过创建百炼应用获取大模型的推理 API 服务。 进入百炼控制台的，在页面右侧点击新增应用，选择智能体应用并创建。在应用设置页面，模型选择通义千问Plus，其他参数保持默认，也可输入一些 Prompt 设定人设。在页面右侧提问验证模型效果，点击右上角发布。 获取调用 API 所需的凭证：在我的应用>应用列表中查看所有百炼应用 ID 并保存，在顶部导航栏右侧点击人型图标，点击 APIKEY 进入我的 APIKEY 页面，创建新 APIKEY 并保存。

以下是关于《人工智能权利法案蓝图》的相关内容： 一、总体概述 《人工智能权利法案蓝图》（Blueprint for an AI Bill of Rights）旨在保障公民在人工智能应用中的各项权利。 二、具体应用 1. 公民权利、公民自由和隐私 在公共和私营部门，保护公民的言论自由、投票自由，免受歧视、过度惩罚、非法监视以及侵犯隐私和其他自由。 保障机会均等，包括公平获得教育、住房、信贷、就业和其他计划的机会。 确保公民能够获得关键资源或服务，如医疗保健、金融服务、安全、社会服务、有关商品和服务的非欺骗性信息以及政府福利。 2. 数据隐私 公民应通过内置保护措施免受滥用数据行为的影响，对自身数据的使用拥有代理权。 设计应选择保护公民免受隐私侵犯，默认包含数据保护，确保数据收集符合合理期望，仅收集特定上下文严格必需的数据。 自动化系统的相关人员应寻求公民许可并尊重其关于数据收集、使用、访问、传输和删除的决定；若无法做到，应采用替代的隐私设计保护措施。 系统不应采用混淆用户选择的用户体验和设计决策，或通过侵犯隐私的默认设置给用户带来负担。 仅在适当且有意义的情况下，才以同意证明数据收集的合理性，同意请求应简短、易懂，并为用户提供数据收集和使用环境的代理权，改变当前难以理解的数据通知和选择做法。 加强对敏感领域（如健康、工作、教育、刑事司法和金融）相关数据和推论以及青少年数据的保护和限制。 禁止在敏感领域滥用数据，相关数据和推论只能用于必要功能，并受到道德审查和使用禁令的保护。 公民和社区应免受不受控制的监视，监视技术应受到加强监督，包括进行部署前评估，以保护隐私和公民自由。持续监视和监测不应在教育、工作、住房等可能限制权利、机会或访问的环境中使用。只要有可能，公民应有权访问报告，以确认数据决策得到尊重，并评估监控技术的潜在影响。

很抱歉，目前知识库中没有关于智能制造整体规划蓝图的相关内容。但一般来说，智能制造整体规划蓝图需要考虑以下几个关键方面： 1. 生产流程优化：对现有生产流程进行详细分析，找出瓶颈和可优化的环节，引入自动化和智能化技术提高生产效率和质量。 2. 设备智能化升级：评估现有设备的智能化水平，逐步更新和升级设备，实现设备之间的互联互通和数据共享。 3. 数据管理与分析：建立完善的数据采集、存储和分析系统，挖掘数据中的潜在价值，为决策提供支持。 4. 人才培养与团队建设：培养具备智能制造知识和技能的人才，组建跨领域的团队来推动项目实施。 5. 供应链协同：加强与供应商和合作伙伴的协同，实现供应链的可视化和智能化管理，提高供应链的响应速度和灵活性。 6. 质量控制与追溯：建立智能化的质量检测和追溯体系，确保产品质量的稳定性和可追溯性。 以上只是一个初步的框架，具体的规划蓝图需要根据您企业的实际情况和需求进行深入调研和定制化设计。

人工智能主要有以下分类和应用场景： 分类： 1. 按照智能水平： 弱人工智能（ANI）：只能做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。 通用人工智能（AGI）：能做任何人类可以做的事。 AGI 的五个发展等级： 聊天机器人（Chatbots）：具备基本对话能力，依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 推理者（Reasoners）：具备人类推理水平，能解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 应用场景： 1. 医疗保健： 医学影像分析：辅助诊断疾病。 药物研发：加速药物研发过程。 个性化医疗：提供个性化治疗方案。 机器人辅助手术：提高手术精度和安全性。 2. 金融服务： 风控和反欺诈：降低金融机构风险。 信用评估：帮助做出贷款决策。 投资分析：辅助做出投资决策。 客户服务：提供 24/7 服务并回答常见问题。 3. 零售和电子商务： 产品推荐：根据客户数据推荐感兴趣的产品。 搜索和个性化：改善搜索结果和提供个性化购物体验。 动态定价：根据市场需求调整产品价格。 聊天机器人：回答客户问题和解决问题。 4. 制造业： 预测性维护：预测机器故障避免停机。 质量控制：检测产品缺陷提高质量。 供应链管理：优化供应链提高效率和降低成本。 机器人自动化：提高生产效率。 5. 交通运输：（具体应用未详细说明）

人工智能（Artificial Intelligence）是一门研究如何使计算机表现出智能行为的科学，例如做一些人类所擅长的事情。 最初，查尔斯·巴贝奇发明了计算机，现代计算机虽先进，但仍遵循受控计算理念。若知道实现目标的每一步骤及顺序，就能编写程序让计算机做事。 但有些任务无法明确编程，如根据照片判断人的年龄，因为我们不清楚大脑完成此任务的具体步骤。这类任务正是人工智能感兴趣的。 AI 分为 ANI（artificial narrow intelligence 弱人工智能）和 AGI（artificial general intelligence）。ANI 得到巨大发展，只能做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等；AGI 则能做任何人类可以做的事。 人工智能术语包括： 机械学习：学习输入输出，从 A 到 B 的映射。让电脑在不被编程的情况下自己学习。 数据科学：分析数据集，从数据中获取结论与提示，输出结果往往是幻灯片、结论、PPT 等。 神经网络/深度学习：有输入层、输出层、中间层（隐藏层）。