我想用扣子完成AI数字分身的搭建，应该怎么操作

利用 AI 写论文可以参考以下步骤和建议： 1. 确定论文主题：明确研究兴趣和目标，选择具有研究价值和创新性的主题。 2. 收集背景资料：使用学术搜索引擎和文献管理软件等 AI 工具搜集相关研究文献和资料。 3. 分析和总结信息：借助 AI 文本分析工具提取关键信息和主要观点。 4. 生成大纲：利用 AI 写作助手生成包括引言、文献综述、方法论、结果和讨论等部分的大纲。 5. 撰写文献综述：使用 AI 工具辅助撰写，确保内容准确完整。 6. 构建方法论：根据研究需求，参考 AI 建议的方法和技术设计研究方法。 7. 数据分析：若涉及数据收集和分析，运用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑：借助 AI 写作工具撰写各部分，并进行语法和风格检查。 9. 生成参考文献：使用 AI 文献管理工具生成正确的参考文献格式。 10. 审阅和修改：利用 AI 审阅工具检查论文的逻辑性和一致性，并根据反馈修改。 11. 提交前的检查：使用 AI 抄袭检测工具确保论文的原创性，并进行最后的格式调整。 在论文写作领域，常用的 AI 工具和平台有： 1. 文献管理和搜索： Zotero：结合 AI 技术，自动提取文献信息，帮助管理和整理参考文献。 Semantic Scholar：AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化，帮助进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 使用 AI 写论文时，还需注意： 1. 草拟初稿：包括博客文章、论文、宣传材料等，通过提示让 AI 生成，提高提示质量可获得更好效果。 2. 优化写作：将文本粘贴到 AI 中，要求其改进内容、提供针对特定受众的建议、创建不同风格的草稿等，激发自己做得更好。 3. 协助任务：像使用实习生一样让 AI 帮忙写邮件、创建销售模板、提供商业计划的下一步等。 4. 保持动力：当在任务中遇到困难挑战而分心时，AI 可提供动力。 需要记住，AI 工具可作为辅助，但不能完全替代研究者的专业判断和创造性思维，使用时应保持批判性思维，并确保研究的质量和学术诚信。

以下是为您推荐的用于剪辑多位人员采访视频的 AI 剪辑软件： 1. 剪映：操作相对简单，手机或电脑版均可使用。可导入合成好的视频和音频文件，进行音频与视频时间轴对齐、添加字幕等操作。 2. Fish Audio：用于声音克隆，您可以准备音频并按照指引完成声音克隆，还能选择声音库中的声音生成音频文件。 3. Viggle.ai：用于视频合成，您可上传原视频和人物形象图生成新版本的视频，并预览效果后下载。

以下是关于 AI 网站设计的相关内容： Bard 的 prompt 使用技巧： Bard 建议使用“给 AI 下具体设计任务”的方式，而不是简单地“要求 AI 直接输出内容”。这可以让 AI 更好地发挥创造力，同时也便于人类对最终输出进行检查和修改。 例如，让 Bard 设计网站 logo 时，不能直接说“给我画个网站 logo”，而应更明确地描述任务。 制作网站的 AI 工具： Wix ADI：基于用户提供的信息自动生成定制化网站，提供多个设计选项和布局，集成了 SEO 工具和分析功能。 Bookmark：通过询问用户几个简单问题快速生成网站，提供直观的拖放编辑器，包括多种行业模板和自动化营销工具。 Firedrop：Sacha 作为 AI 设计助手可根据用户指示创建和修改网站设计，提供实时编辑和预览功能，包含多种现代设计风格和自定义选项。 The Grid：Molly 作为 AI 设计助手可自动调整网站设计和布局，基于内容和用户互动进行优化，支持多种内容类型。 AI 网站 logo 设计： 设计原则：保持简单易记，使用相关符号或图标，选择与技术和信任相关的颜色，使用一致的字体，获取他人反馈。 可用的 AI logo 生成器：Logomaster.ai、Free Logo Design、Logo AI、Looka logo maker（原名 Logojoy）、Brandmark、DesignEvo、Tailor Brands、Designhill。 设计 brief 示例：包括项目名称、客户、日期、目的（如创建强而难忘的视觉标识，现代、专业、吸引人，适用于多种营销材料）、目标受众（对使用 AI 解决问题感兴趣的企业和个人，传达创新、创造力和智慧）、品牌属性等。

以下是一些 AI+电商的相关案例和场景： 电商：珠宝设计 提升珠宝玉器行业定制效率，包括输入原始纹理、生成 AI 设计、叠加纹理效果和机器雕刻生产。 详情可前往： 入库时间：2023/11/13 品牌：搭建品牌体系 有对应的关键词库（26 个），如品牌名、奶茶、中文名、情感联想度、饮料等。 详情可前往： 入库时间：2023/11/13 品牌：搭建品牌视觉体系（VI） 假设您是广告公司客户经理，接到搭建 XXX 品牌 VI 体系的需求，品牌方有具体要求和希望达成的目标。 详情可前往： 入库时间：2023/11/13 品牌：设计品牌联名方案 有对应的关键词库（15 个），如品牌、个人 IP、社交话题、联名策划方案等。 详情可前往： 入库时间：2023/11/13 创业：从零开始创立公司 提供绝佳的 Prompt 以及用 ChatGPT 创立完整 SaaS 公司的流程。 详情可前往： 入库时间：2023/11/13 课程：如何做一门课程 涵盖市场调研、在线网络课程、教学平台、社交媒体营销等方面。 详情可前往： 入库时间：2023/11/13 电商：带货本地生活 AI 数字人上岗，带货本地生活电商，一个月多赚 3 万。 详情可前往： 入库时间：2023/11/13 电商：婴儿的四维彩超 AI 预测 通过 AI 工具，提前把宝宝的四维彩超还原出现实中模样进行变现。 详情可前往： 入库时间：2023/11/13 电商：小红书 AI 绘画变现 分享小红书最火的三种 AI 绘画类商品。 详情可前往： 入库时间：2023/11/13 品牌：提升品牌价值 有对应的关键词库（19 个），如品牌洋葱图思维模型、产品信息、人群等。 详情可前往： 入库时间：2023/11/13 品牌：分析品牌舆论传播 有对应的关键词库（25 个），如舆论传播、数据分析、主题等。 详情可前往： 入库时间：2023/11/13 推广：制定上市推广方案 有对应的关键词库（28 个），如品牌、产品信息、新品等。 详情可前往： 入库时间：2023/11/14

以下是一些近期的 AI 活动： 乐易科学院通过 AI 技术，结合量子、暗物质、天体运行规律等能量形式，从多学科讲解国学和传统文化，包括批八字、调风水、性格色彩分析等，摊位区域为 C，编号 27，类型为玄学+科学。 AIGC 策划程序美术（3AI 简称 3A 游戏）应用独立游戏开发，摊位区域为 C，编号 76，属于游戏宣传。 AI 人像摄影绘画，摊位区域为 C，编号 77，与照片相关。 主题为“B2B AI 营销与 AI 落地项目快速落地”，涵盖 AI 训练、美国独立站搭建、Google seo 与 AI 结合等方向，摊位区域为 C，编号 58，属于产品展示。 此外，有人半个月没更新文章，期间对 AIGC 做了更系统深入的学习调研，参加了 3 场 AI 线下活动，分别是 AI 出海、AI 营销应用、数字经济与 AI 沙龙，同时在 AI 社群中活跃了一个多月，并总结了“AIGC 学习三步法”。

以下是给 AI 喂论文的一些方法： 1. 选择您喜欢的论文，投喂给 deepseek R1 等具有推理模型的 AI（理论上适合大多数 AI）。 2. 进行多次询问，例如：第一次请从写作角度分析这篇论文；第二次请再从读者角度分析；第三次询问这篇论文存在的缺点和不足，以及改善和提升的空间。 3. 对作者进行侧写，分析其成长背景、个人经历和知识结构对论文的影响。 4. 让 AI 对您写的论文进行点评，例如使用提示词“现在我希望你是一名资深中文写作教师/小学语文老师/中学语文老师/公文写作培训师，拥有 30 年教育经验，是一名传授写作技巧的专家。请先阅读我提供给你的文章，然后对文章进行分析，然后教我如何提升写作水平。请给出详细的优缺点分析，指出问题所在，并且给出具体的指导和建议。为了方便我能理解，请尽量多举例子而非理论陈述。” 5. 还可以使用如“我希望你扮演一个从业 20 多年，临床诊治过两千多例心理分析案例的人性洞察和意识分析方面的专家，精通心理学、人类学、文史、文化比较。先阅读后附文章全文，然后对作者进行人格侧写。要尖锐深刻，不要吹捧包装，不要提出一些只能充当心理安慰的肤浅的见解。包括作者的基本画像、核心性格特质、认知与价值观、潜在心理动机、行为模式推测、矛盾与盲点、文化符号映射”这样的提示词。 6. 对于让 AI 阅读文档或论文，您可以简单写一个 Prompt，比如“于是这个提示词解决了你自己，和任何收到你 Prompt 的人微调几个关键信息就能自动让 GPT 或者 Kimi 帮你阅读一篇论文而且生成不错的总结啦！”您还可以结合自己的生活或工作场景想一个能帮您简单自动化的场景，例如自动给班级里的每个孩子起个昵称、自动排版微信群经常发的一些运营小文案、自动帮您安排周一到周日的减脂餐、帮您列一个清晰的学习计划等。 7. 选一个好上手的提示词框架来开启您第一次有效的编写，比如从非常基础的“情境:”开始。

搭建直播分身可以参考以下步骤： 1. 构建数字人躯壳：建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。可以选择 live2d 作为数字人躯壳，这类 SDK 的驱动方式相比现在的 AI 生成式的方式更加可控和自然，相比虚幻引擎等驱动方式又更加轻量和简单。另外，卡通二次元的形象接受度更高。关于 live2d 的 SDK 驱动方式可以参考官方示例：https://github.com/Live2D 。 2. 搭建智能体：创建一个智能体，输入人设等信息，放上相关工作流。配置完成后进行测试。需要注意的是，工作流中的某些插件 api_token 填的是个人 token，不能直接发布，可将 api_token 作为工作流最开始的输入，用户自己购买后输入 api_token 再使用然后发布。 3. 直播数据分析工作流的搭建与应用： 插件测试与选择：先测试插件是否好用，如遇到数据格式不对等问题需重新选择和调整。 工作流搭建步骤：从上传直播数据，到利用大模型优化提示词和整理数据，逐步完善工作流。 工作流效果提升：增加模型和节点，不断迭代工作流，使生成的直播分析和方案质量更好。 工作流封装与应用：将工作流封装成智能体，可用于回复用户问题和处理不同的直播数据。 相关问题探讨：讨论了如获取商品评价数据的方式，以及将直播工作拆分组合的可能性等问题。 工作流运行与问题排查：涉及直播数据工作流的运行，出现问题时考虑输出环节，还提到未启动工作流的情况及解决尝试。 报名流程介绍：包括通过网址找到报名链接，填写相关信息如名字、智能体名字、商店链接、文档说明等并提交。 AI 辅助文档生成：使用豆包等 AI 工具生成提交模板，如主题、应用场景、主要功能、设计思路等内容。 加入共学小组：提到飞书中的共学小组和 prompt 学习群，满员时考虑新建或加入其他相关群组。

以下是一些制作数字分身的方法和相关信息： 可以在一些网站如 Elevenlabs.io、speechify.com、Heygen 等自助购买服务，以低成本制作自己的数字人分身。 当 Coze 接入飞书后，将自己的知识数据上传到 Coze，基于个人知识库开发 bot，并将其部署到个人订阅号上，这个 bot 可以作为数字分身与粉丝互动。 通过整合知识库，并结合提示词进行情感或行为上的描述，可以创建一个 bot，形成自己的数字分身。

实现基于个人聊天记录的数字分身的最佳实践包括以下方面： 虚拟数字人的类型和驱动方式： 虚拟数字人通过各种技术创造，具有外观、行为和思想等人类特征，呈现为虚拟形象。 从驱动层面可分为中之人驱动和 AI 驱动两类。中之人驱动运用动作捕捉和面部捕捉技术实现交互，有上限且缺乏高并发和量产化能力；AI 驱动使用 AI 技术创建、驱动和生成内容，赋予感知和表达等交互能力。 虚拟数字人的应用类型： 服务型：如虚拟主播、助手、教师、客服和医生等，为物理世界提供服务。 表演型：如虚拟偶像，用于娱乐、影视等场景。 身份型：是物理世界“真人”进入虚拟世界的数字分身，在元宇宙中有广泛应用场景。 相关开源项目： 熊猫大侠基于 COW 框架的 ChatBot 最新版本支持多端部署、基础对话、语音识别、图片生成、丰富插件、Tool 工具和知识库等功能。可接入个人微信、微信公众号、企业微信应用，支持多种模型和个性化插件扩展，通过上传知识库文件自定义专属机器人，可作为数字分身、领域知识库、智能客服使用。项目地址包括 Github：https://github.com/zhayujie/chatgptonwechat ，Gitee：https://gitee.com/zhayujie/chatgptonwechat 。

构建一个 AI 数字人分身主要包括以下两个方面： 一、构建数字人躯壳 数字人的躯壳建模有多种方式： 1. 2D 引擎：风格偏向二次元，亲和力强，定制化成本低，在日本、东南亚等国家比较受欢迎，也深受年轻人喜欢。能将喜欢的动漫人物变成数字人的躯壳。代表是 Live2D Cubism。 2. 3D 引擎：风格偏向超写实的人物建模，拟真程度高，定制化成本高。目前有很多公司都在做这个方向的创业，已经可以实现用户通过手机摄像头快速创建一个自己的虚拟人身体。如 NextHuman、Unity，虚幻引擎 MetaHuman 等。但个人学习在电脑配置和学习难度上有一定门槛。 3. AIGC：虽然省去了建模流程，直接生成数字人的展示图片，但弊端也明显，算法生成的数字人很难保持 ID 一致性，帧与帧的连贯性上会让人有虚假的感觉。如果项目对人物模型真实度要求没有那么高，可以使用这种方案。典型的项目有 wav2lip等。AIGC 还有一个方向是直接生成 2d/3d 引擎的模型，而不是直接生成数字人的最终展示部分，但该方向还在探索中。 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。 二、构建数字人灵魂 有了数字人躯壳，还需要构建数字人的灵魂，让数字人具备各种智能，比如记得个人信息，充当个人助手；在某个领域具备更专业的知识；能处理复杂的任务等等。实现这些能力有以下几个工程关键点： 1. AI Agent：要想数字人像人一样思考就需要写一个像人一样的 Agent，工程实现所需的记忆模块，工作流模块、各种工具调用模块的构建都是挑战。 2. 驱动躯壳的实现：灵魂部分通过接口定义，躯壳部分通过 API 调用，调用方式可以是 HTTP、webSocket 等，视躯壳部分的实现而定。但包含情绪的语音表达以及如何保证躯壳的口型、表情、动作和语音的同步及匹配，目前主流方案只能做到预设一些表情动作，再做一些逻辑判断来播放预设，语音驱动口型相对来说成熟一些，但都是闭源的，效果可以参考 Nvidia 的 Audio2Face。 3. 实时性：由于整个数字人的算法部分组成庞大，几乎不能实现单机部署，特别是大模型部分，所以算法一般会部署到额外的集群或者调用提供出来的 API，这里面就会涉及到网络耗时和模型推理耗时，如果响应太慢就会体验很差，所以低延时也是亟需解决的一个问题。 4. 多元跨模态：仅仅是语音交互的数字人是远远不够的，人有五感（听觉、视觉、嗅觉、触觉、味觉），听觉只是其中一种，其他的感官可以根据实际需求来做，比如视觉可以通过添加摄像头数据来获取数据，再通过系列 CV 算法做图像解析等。 5. 拟人化场景：正常和人交流的时候不是线性对话，会有插话、转移话题等情况，这些情景需要通过工程丝滑处理。

目前在 AI 社交产品领域，有一些相关的探索和尝试。例如，某 AI 社交 APP 创始人认为，在社交场景中，核心分为陌生人社交和熟人社交。他们尝试过纯 AI 虚拟陪聊产品，但发现用户主要是年龄偏低的人群，商业价值相对较低，且可能被模型侵蚀。有效的用户留存来源于真实的人际关系，越接近熟人社交的场景，平台的用户留存能力越高。 同时，AI 赛道投资人认为，产品不应仅限于情感陪伴，应扩展为类人助手，解决理性严肃场景的问题解决和感性需求的满足。AI 社交软件的开发者认为，为用户打造数字分身、创造社交关系是有价值的，通过 AI Agent 可以在人与人之间创造新的社交关系，用户也愿意为这种新型社交互动支付相当的金额。但目前尚未有明确的专门以 AI 分身促进真人交友的成熟产品。

数字分身是指在虚拟世界中代表物理世界“真人”的存在。在不同的场景中有多种应用： 节目表演方面：如在节目单中，有“猜真人”这样的魔术互动类表演，通过数字分身增加趣味性；还有“亲情的应用场景（逝者）”，例如女儿通过逝者的数字分身再次对话。 实战课程方面：通过课程可以获得一比一数字人分身的定制体验，包括熟练使用多种热门数字人工具，掌握相关技术，了解商业应用场景及行业现状，将数字人融入工作流，还能获得进阶学习的自学路径，并且有交流群方便解决问题和交流心得。 价值探讨方面：身份型虚拟数字人在元宇宙中有广泛应用场景。服务型虚拟数字人具有功能属性，隶属于业务层，AI 创造出的虚拟“皮囊”具有一定价值。

要改变回复的语言风格，可以参考以下方法： 1. 对于风格类的 Bot，提示词中的 Fewshot 对输出风格影响较大，可先找预期相关人的风格示例并修改。 2. 在 Examples 里使用特定开头的词，如“Fword”，开头字符会显著影响输出内容。 3. 加星号的部分代表加粗，根据自注意力机制可提升提示词中的关键词效果。 4. 能力方面可使用自带的 Bing 搜索和图片识别，根据需求选择，如避免 Webpilot 以免语气变温和。 5. 可根据需求决定是否加入绘画功能。 6. 防护词可参考，但没有完美的防御提示词。 7. 回复风格可来自自己的群聊机器人的风格嫁接。 8. 最后加入一些小 Tips 进一步提升个性化效果。 在场景方面，可以问 Bot 对内容的看法，或让其帮忙分析事情以获得更接地气的表述。 另外，编写提示时： 简单任务场景： 设定人物，描述 Bot 所扮演的角色或职责、回复风格。 描述功能和工作流程，约定 Bot 在不同场景下的回答方式，强调调用工具以保证回复准确性，也可为 Bot 提供回复格式示例。 指示 Bot 在指定范围内回答。 复杂任务场景：推荐使用结构化格式编写提示，扣子支持将 Bot 的提示自动优化成结构化内容，可直接使用或修改。

扣子 AI 在中小学数学教学中的结合使用可以参考以下方面： 1. 自适应学习系统：例如使用像 Khan Academy 这样的平台，结合 AI 技术为学生提供个性化的数学学习路径和练习题，根据学生的能力和需求进行精准推荐。 2. 智能题库和作业辅助：利用像 Photomath 这样的工具，通过图像识别和数学推理技术为学生提供数学问题的解答和解题步骤。 3. 虚拟教学助手：使用如 Socratic 这样的应用，借助 AI 技术为学生解答数学问题、提供教学视频和答疑服务，帮助学生理解和掌握数学知识。 4. 交互式学习平台：参与像 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 此外，为小学数学课设计教育游戏时，可以考虑以下几个方面： 1. 游戏机制：选择适合小学生的游戏机制，如跳跃、追逐、搜寻等，增加游戏趣味性和参与度。 2. 游戏元素：选择数学相关的元素，如数字、运算符号、图形等，将它们融入游戏中，使学生通过游戏了解或巩固相应的数学知识。

要实现微信客服机器人按时自动向微信群发布图片或文档等信息，您可以按照以下步骤进行操作： 前提条件： 1. 已开通了。 2. 已搭建了 Bot。 步骤一：获取微信客服配置信息 1. 登录平台。 2. 单击企业信息，然后复制企业 ID。 3. 单击开发配置，然后再单击开始使用。 4. 单击随机获取按钮分别生成并保存 Token 和 EncodingAESKey。复制 Token 和 EncodingAESKey 后，先不要关闭该页面。 步骤二：在扣子中配置微信客服信息 1. 在 Bots 页面，选择需要发布的 Bot。 2. 在 Bot 编排页面，单击发布。 3. 找到微信客服渠道，然后单击配置。 4. 输入步骤一中复制的企业 ID，然后单击下一步。 5. 输入步骤一中复制的 Token 和 EncodingAESKey，然后单击下一步。 6. 复制 webhook 地址。复制 webhook 地址后，先不要关闭该配置窗口。 步骤三：配置回调地址 1. 回到步骤一中的开始企业接入页面，输入上一步中复制的 webhook 地址。单击完成。确保粘贴回调地址时没有引入空格，空格会导致校验失败。 2. 在开发配置页面，复制 secret。 3. 单击客服账号，复制账号。 步骤四：发布 Bot 1. 回到扣子平台的微信客服渠道配置页面，输入复制的 secret 和客服名称。 2. 单击保存。 3. 在发布记录中输入发布信息，然后勾选微信客服渠道，再单击发布。 4. 发布完成后，单击立即对话登录微信客服，体验 Bot 效果。 常见问题： 1. 收不到机器人回复消息怎么办？ 可尝试通过以下方法解决： 查看微信客服的启用状态：登录，在应用管理页面，点击微信客服。确保没有启用微信客服功能。如果已经开启了微信客服功能，需要关闭。关闭后，该应用在工作台入口将被隐藏，员工不可使用。请谨慎评估。 检查近期是否有登录企业微信应用。确保企业至少有一个成员通过手机号验证/微信授权登录过企业微信应用。 如果还是有问题，可以发送邮件至 feedback@coze.cn 反馈。

以下是关于让大模型严格按照知识库内容进行输出的相关信息： 扣子的知识库功能强大，可上传和存储知识内容，提供多种查找方法。在智能体中使用知识库，收集相关内容，当智能体回答用户时会先检索知识库，使回复更准确。 在“掘金 x 扣子 Hackathon 活动 深圳站”的总冠军工作流中，对于用户向小说人物角色的提问，通过一系列节点，包括开始节点接收问题、知识库节点检索、大模型节点生成答案等，本质上是一个根据用户 query 进行检索增强生成（RAG）的任务，每个工作流中都嵌入了知识库节点，维护了如小说合集等知识库。 大模型节点是调用大语言模型，使用变量和提示词生成回复。按需选择基础版或专业版模型，基础版支持扣子预设的一批模型资源，专业版除默认添加的豆包模型外，还支持按需接入火山引擎方舟平台的模型资源。模型选择右下角生成多样性可从多个维度调整不同模型在生成内容时的随机性，有精确模式、平衡模式和创意模式等预置模式。输入方面，开启智能体对话历史后，上下文信息将自动携带进入大模型，参数名可随意设置但建议有规律，变量值可引用前面链接过的节点的输出或进行输入。

扣子 API 的调用流程如下： 1. 传递请求的相关部分： Body：用于传递请求的主体部分，可以是 JSON、XML 或其他类型的数据。在 GET 方法中通常不用于传递参数，因为 GET 方法的 URL 已包含必要参数。 Path：用于定义请求的路径部分，通常以“/”开头，后面跟着一系列段落。在 GET 方法中可传递参数，但常编码为 URL 一部分。 Query：用于定义请求的查询部分，通常以“?”开头，后跟一系列键值对。在 GET 方法中是常用的参数传递方式。 Header：用于定义 HTTP 请求的头信息部分，包括各种头部字段。在 GET 方法中通常不用于传递参数，而是定义请求头部信息。 2. 配置输出参数： 如果填写无误，可直接点击自动解析，会自动调用一次 API 给出对应的输出参数。 例如填入汉字“张”，点击自动解析。解析成功会显示成功，输出参数填好后点击保存并继续。参数描述可根据需求填写。 3. 调试与校验： 测试工具是否能正常运行。 运行后查看输出结果，Request 为输入的传参，Response 为返回值，点击 Response 可看到解析后的参数。 此外，创建扣子的令牌步骤如下： 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”，为令牌起名，选择过期时间（如永久有效），选择指定团队空间（个人空间或团队空间），勾选所有权限，保存好令牌的 Token，切勿向他人泄露。 让 Coze 智能体机器人连上微信和微信群的配置： 1. 获取机器人 ID：在个人空间中找到要接入微信的机器人，如画小二智能小助手，点击进入编辑界面，浏览器地址栏 bot/之后的数据即为机器人的 Bot ID。 2. API 授权：点击右上角发布，会出现 Bot as API，勾选并确定应用已成功授权 Bot as API。

以下是关于扣子工作流与用户界面搭建的相关内容： 一、工作流搭建 1. 进入扣子（coze.cn），选中「创建应用」，再选中「创建空白应用」，输入「应用名称」进入项目搭建页面。 2. 新增一个工作流，工作流名称叫做 psy_ai。 3. 该项目的业务逻辑是通过上传儿童的绘画作品分析心理状态，分析过程分为多个步骤实现，工作流的编排流程图为：上传作品>多个多模态大模型识别不同元素>分别提取特种并分析>综合分析结果>给出评估与建议。 4. 工作流从左到右分为三组大模型： 第一组多模态大模型主要作用是分析图片元素：整体特征、房屋特征、树木特征、人物特征。 第二组通用大模型主要是对提取到的信息进行对应内容的总结分析。 第三组通用大模型先汇总结果，然后再分别提取不同（诊断评估与建议）的结果。 5. 所有大模型节点对应的 prompt（提示词）：文档地址：https://vcn5grhrq8y0.feishu.cn/wiki/Z3NzwrtEKi9h5mk0rTOcAT0xnTc 二、用户界面搭建 1. 选择「桌面网页」类型。 2. 以《小喵星座日历》扣子网页应用为例： 板块 1：输入个人信息和生成图片，包含 2 个选项、1 个按钮、分割图、1 个输入框、1 个按钮。点击生成按钮会触发事件，调用日历生成工作流，生成中时生成按钮禁用，用 loading 按钮展示动态变化。 板块 2：生成星座日历图片，新建一个容器，包含一个文本组件、一个列表组件。 板块 3：查看星座生成记录，新建一个容器，包含一个按钮组件、一个列表组件，点击按钮调用读取生成历史的工作流，列表绑定生成历史工作流的输出结果。 板块 4：查看示例，新建一个容器，包含一个文本组件、4 个图片组件。 三、功能页相关配置 1. {{ImageUpload1.value}}用于获取图片上传组件的第一张图片。 2. {{psy_ai.error}}是工作流的报错信息。 3. 当用户上传图片点击按钮时会进入在家中的状态，右边内容显示容器里有两个组件： 图片组件显示加载中的 gif 图片（默认隐藏），图片来源本地上传加载中 gif 图，尺寸宽度为百分比 100%，高度适应内容，可见性根据{{!psy_ai.loading}}控制，工作流运行中显示。 Markdown 组件显示分析内容，隐藏根据{{psy_ai.loading}}，工作流运行完显示。 至此，页面所有的布局和数据交互全部完成。

以下是为您提供的学习建议： 1. 深入学习提示词技术，编写更加清晰、精确的指令，以更好地引导 AI 工具产生所需结果。 2. 探索构建智能体（AI Agents），为每个智能体赋予特定角色和任务，协同工作提高效率和创新能力。 在实际应用中遵循以下准则： 彻底让自己变成一个“懒人”。 能动嘴的不要动手（用嘴说出想做的事远比打字来的快）。 能动手的尽量用 AI（用 AI 远比苦哈哈的手敲要来的快）。 把手上的工作单元切割开，建设属于自己的智能体。 根据结果反馈不断调整自己的智能体。 定期审视工作流程，看哪个部分可以更多地用上 AI。 3. 如果在组织内部，先将所学应用于手头工作，优化工作流程。若想进一步提升，可深入钻研技术层面，如学习搭建专业的知识库、构建系统的知识体系，用于工作和个人爱好创作。 4. 注重个人素质提升，尤其是学习能力和创造能力，这是在时代中保持竞争力的关键。 此外，您还可以参考以下内容： 学习 AI agent 可能较痛苦，建议先吃透 prompt 再看相关内容。官方文档内容很全面，包含市面上 cos 的教程等。社区小伙伴参加 cos 比赛常拿大奖，有共学活动，获奖小伙伴会分享经验。cos 平台可用于工作生产，有很多功能，感兴趣可体验其官网，能进行对话感受功能。 了解智能体由大语言模型衍生而来，学习智能体进阶案例拆解，推荐景淮老师的相关成果。然后阐述扣子、千帆百炼属于智能体范畴，扣子更偏 ToC 应用，所以有专门讲解扣子相关内容。 搭建 Coze 工作流： 第一步：创建智能体工作流。打开 Coze 的主页，登录后，在【工作空间】创建一个智能体。接着，在编排页面，给这个智能体编辑好人设，可以自己先写一个简单的，然后点右上角自动优化，系统会自动给您补全更精细的描述。然后点击工作流的+，创建一个工作流。 第二步：耐心编排设计您的工作流。大模型节点：把 input 给到 DeepSeek，让 DeepSeek 按照提前规定的输出框架，生成对应文案。生图节点：这个输出会给到图像生成组件，来画一张图。结束输出：这两个输出都会给到最终的 end 作为最终的输出。注意：如果需要 input 可被 DeepSeek 调用，在编写系统提示词的时候需要用{{input}}作为参数引入，不然大模型不知道自己需要生成和这个 input 相关的结果。编排完，点击【试运行】，就可以看结果了，如果输出结果看起来不对可以继续在这里调试，直到最终结果让您满意。调到满意之后点击发布就行。 您还可以从 AI 绘画开始学习相关内容。

利用 AI 搭建论文框架可以参考以下步骤和工具： 步骤： 1. 确定论文主题：明确研究兴趣和目标，选择具有研究价值和创新性的主题。 2. 收集背景资料：使用学术搜索引擎和文献管理软件等 AI 工具搜集相关研究文献和资料。 3. 分析和总结信息：借助 AI 文本分析工具提取关键信息和主要观点。 4. 生成大纲：运用 AI 写作助手生成包括引言、文献综述、方法论、结果和讨论等部分的大纲。 5. 撰写文献综述：利用 AI 工具辅助撰写，确保内容准确完整。 6. 构建方法论：根据研究需求，参考 AI 建议的方法和技术设计研究方法。 7. 数据分析（若涉及）：使用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑：借助 AI 写作工具撰写各部分，并检查语法和风格。 9. 生成参考文献：通过 AI 文献管理工具生成正确格式的参考文献。 10. 审阅和修改：利用 AI 审阅工具检查逻辑性和一致性，并根据反馈修改。 11. 提交前的检查：使用 AI 抄袭检测工具确保原创性，并进行最后的格式调整。 常用工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，自动提取文献信息，便于管理和整理参考文献。 Semantic Scholar：AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，方便进行数据分析和可视化。 Knitro：用于数学建模和优化，帮助进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 需要注意的是，AI 工具可作为辅助，但不能完全替代研究者的专业判断和创造性思维。在使用 AI 进行论文写作时，应保持批判性思维，并确保研究的质量和学术诚信。 此外，还有一些关于 AI 技术原理和框架的相关知识： 1. 思维链：谷歌在 2022 年的一篇论文提到思维链可以显著提升大语言模型在复杂推理的能力，即使不用小样本提示，也可以在问题后面加一句“请你分步骤思考”。 2. RAG（检索增强生成）：外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给 AI，可搭建企业知识库和个人知识库。 3. PAL（程序辅助语言模型）：2022 年一篇论文中提出，比如对于语言模型的计算问题，核心在于不让 AI 直接生成计算结果，而是借助其他工具比如 Python 解释器作为计算工具。 4. ReAct：2022 年一篇《React:在语言模型中协同推理与行动》的论文提出了 ReAct 框架，即 reason 与 action 结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助 LangChain 等框架简化构建流程。

搭建知识库的方法如下： 使用 flowith 搭建： 选择“Manage Your Knowledge Base”，进入知识库管理页面。 点击左上角的加号添加新的知识库，给知识库起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 Flowith 会对文件进行抽取等处理，处理完毕后可在知识库管理页面测试检索。 使用 Dify 搭建： 准备数据：收集文本数据，进行清洗、分段等预处理。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档并编写描述。 配置索引方式：提供三种索引方式，根据需求选择，如高质量模式、经济模式和 Q&A 分段模式。 集成至应用：将数据集集成到对话型应用中，配置数据集的使用方式。 持续优化：收集用户反馈，更新知识库内容和优化索引方式。 使用 Coze 智能体搭建： 手动清洗数据： 在线知识库：点击创建知识库，创建 FAQ 知识库，选择飞书文档，输入区分问题和答案，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理，然后创建自定义清洗数据。 发布应用：点击发布，确保在 Bot 商店中能搜到。

以下是将模型的输出存入到多维表中的步骤： 1. 逐步搭建 AI 智能体： 搭建整理入库工作流。 设置大模型节点提取稍后读元数据，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000，以确保能完整解析长内容网页。 进行日期转时间戳，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，需要使用「日期转时间戳time_stamp_13」插件进行格式转化。 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，所以必须将之前得到的元数据数组进行格式转换。 添加「飞书多维表格add_records」插件，只需要设置{{app_token}}与{{records}}参数，将元数据写入飞书表格。 2. 搭建 Coze 工作流： 打开 Coze 的主页，登录后，在【工作空间】创建一个智能体。 在编排页面，给智能体编辑好人设，可先写一个简单的，然后点右上角自动优化，系统会自动补全更精细的描述。点击工作流的+，创建一个工作流。 大模型节点把 input 给到 DeepSeek，让 DeepSeek 按照提前规定的输出框架生成对应文案。 生图节点将输出给到图像生成组件画图。 结束输出时，两个输出给到最终的 end 作为最终的输出。注意在编写系统提示词时，如果需要 input 可被 DeepSeek 调用，需要用{{input}}作为参数引入，不然大模型不知道自己需要生成和这个 input 相关的结果。编排完，点击【试运行】，调试至满意后点击发布。

以下是搭建自己知识库的方法： 1. 选择“Manage Your Knowledge Base”，进入知识库管理页面。 2. 在页面左上角点击加号，添加新的知识库，并为其起一个易于分辨的名字。 3. 点击添加文件，建议使用 Markdown 格式的文件。 4. 等待 Flowith 对文件进行抽取等处理。 5. 处理完毕后，可在知识库管理页面测试检索，输入关键词过滤相关内容。 此外，搭建本地知识库还需了解 RAG 技术： 1. RAG 是一种当需要依靠不包含在大模型训练集中的数据时所采用的主要方法，即先检索外部数据，然后在生成步骤中将这些数据传递给 LLM。 2. 一个 RAG 的应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载：从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器。 文本分割：把 Documents 切分为指定大小的块。 存储：将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库。 检索：通过某种检索算法找到与输入问题相似的嵌入片。 输出：把问题以及检索出来的嵌入片一起提交给 LLM，生成更合理的答案。 对于基于 GPT API 搭建定制化知识库，涉及给 GPT 输入定制化的知识。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，两个向量之间的距离衡量它们的关联性，小距离表示高关联度。在 OpenAI 词嵌入中，靠近向量的词语在语义上相似。文档上有创建 embeddings 的示例。

以下是关于搭建在线知识库和在线客服的相关内容： RAG 流程： 自顶向下，RAG 的流程分为离线数据处理和在线检索两个过程。 离线数据处理的目的是构建知识库，知识会按照某种格式及排列方式存储在其中等待使用。 在线检索是利用知识库和大模型进行查询的过程。 以构建智能问答客服为例，了解 RAG 流程中的“是什么”与“为什么”同等重要。 创建智能体： 手动清洗数据创建知识库： 点击创建知识库，创建画小二课程的 FAQ 知识库。 知识库的飞书在线文档中，每个问题和答案以“”分割。 选择飞书文档、自定义，输入“”，可编辑修改和删除。 点击添加 Bot，可在调试区测试效果。 本地文档： 注意拆分内容以提高训练数据准确度。 以画小二课程为例，先放入大章节名称内容，再按固定方式细化处理每个章节。 发布应用：点击发布，确保在 Bot 商店中能搜到。 开发：GLM 等大模型外接数据库： 项目启动：包括 web 启动（运行 web.py，显存不足调整模型参数，修改连接）、API 模式启动、命令行模式启动。 上传知识库：在左侧知识库问答中选择新建知识库，可传输 txt、pdf 等。可以调整 prompt，匹配不同的知识库，让 LLM 扮演不同的角色，如上传公司财报充当财务分析师、上传客服聊天记录充当智能客服等。MOSS 同理。