Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

Agent搭建平台都有哪些

Answer

以下是一些常见的 Agent 搭建平台：

  1. Coze：新一代一站式 AI Bot 开发平台，适用于构建各类问答 Bot，集成丰富插件工具，拓展 Bot 能力边界。
  2. 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。
  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，适用于多种场景，提供多种成熟模板。
  6. 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景表现出色。

此外，国内外还有多个平台可以在几分钟内完成 Agent 创建，比如国内版扣子 coze.cn、海外版 Coze coze.com、百度 AppBuilder、阿里通义千问、智谱 AI 等。使用扣子 coze.cn 等平台创建智能体 Agent 的过程被创作者形象地比喻为“捏 Bot”，最简单的 Bot 往往可以在 1 分钟内捏完。

随着 AI 的发展，大家对 AI 的诉求变得具体，简单的 ChatBot 弊端凸显，基于 LLWeng 对于 Agent 的结构设计，Coze、Dify 等平台在应用探索上有进展。年初吴恩达基于 Agent 应用、场景、需求等做了 4 个分类，但这些平台都有固有局限，对于专业 IT 人士不够自由，对普通用户在复杂业务场景有诸多限制。

Content generated by AI large model, please carefully verify (powered by aily)

References

问：有哪些好的Agent构建平台

以下是一些Agent构建平台：1.Coze：Coze是一个新一代的一站式AI Bot开发平台，适用于构建基于AI模型的各类问答Bot。它集成了丰富的插件工具，可以极大地拓展Bot的能力边界。2.Mircosoft的Copilot Studio：这个平台的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：这是百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。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设计良好的工作流。5.斑头雁：这是一个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。它提供了多种成熟模板，功能强大且开箱即用。6.钉钉AI超级助理：依托于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。这使得它在处理高频工作场景如销售、客服、行程安排等方面表现更加出色。以上信息提供了关于6个平台的概述，您可以根据自己的需求选择适合的平台进行进一步探索和应用。内容由AI大模型生成，请仔细甄别

1. 从基础案例入门

何为捏Bot使用扣子coze.cn等平台创建智能体Agent的过程，创作者形象的比喻为“捏Bot”，最简单的Bot往往可以在1分钟内捏完。常见Bot：讲故事、减肥提醒、生成PPT、真假新闻辨识、新闻资讯收集、扮演“甄嬛”......从哪个平台开始国内外有多个Agent平台可以几分钟内完成Agent创建，比如国内版扣子coze.cn、海外版Coze coze.com、百度AppBuilder、阿里通义千问、智谱AI......我们先从扣子coze.cn开始。[heading2]作品分享[content]找三思做二十四节气海报https://www.coze.cn/store/bot/7382246186440359945作者：七个小扣子团队（一分钟捏的Bot）第一个Bothttps://www.coze.cn/store/bot/7386486483391234057作者：吕昭波[捏剧本-离谱村专用](https://www.coze.cn/store/bot/7374263128143708198)https://www.coze.cn/store/bot/7367669913697239052作者：Stuart

(筹划中)「Agent共学」之"两天学会用AI建站"

|月日20:00开始|备选:coze应用制作|0基础小白|健健||-|-|-|-||月日<br>20:00开始|用AI打造你专属的浏览器插件|进阶级|银海||月日<br>20:00开始|用AI打造个人网站|0基础小白|大雨||月日<br>20:00开始|大消费得奖者bot拆解分享|0基础小白|作者x罗文||月日<br>20:00开始|优秀作品启发:创意分享|0基础小白|元子||月日<br>20:00开始|卡片+快捷指令+消息|0基础小白|Stuart||月日<br>20:00开始|成功bot背后的男人(们)|0基础小白|维恩||月日<br>20:00开始|知识库基础||大圣|随着AI的发展，大家对AI的诉求变得越来越具体，简单的ChatBot的弊端日渐凸显，基于LLWeng对于Agent的结构设计，Coze，Dify等平台在应用探索上有了很大的进展。年初吴恩达基于Agent应用，场景，需求等分析以后，做了4个分类:--然而这些平台都有着固有局限，正如低代码平台，无代码平台历经数十年的发展，依然无法很好平衡复杂业务场景无法满足，简单业务场景ROI不高等限制。对于专业IT人士，coze等平台不够自由，局限性过大，对于普通用户，想要完成复杂的业务场景又有着诸多的限制。软件技术的发展，一直在对抗需求的日益复杂化，最终不得不借助编程这个朴实的手段。

Others are asking
我想要搭建一个能够帮我阅读并总结提炼，同时能在我提出问题时，随时在我给他提供的知识库中检索的AI Agent，如何用Coze搭建？
搭建能够阅读、总结提炼并在给定知识库中检索的 AI Agent 可以使用 Coze 按照以下步骤进行： 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 关于一些其他问题： 1. 如何判断自己的任务/Prompt 是否需要拆解为工作流？ 构建稳定可用的 AI Agent 是一个需要不断调试和迭代的过程。通常先从当前性能最强的 LLM（如 ChatGPT4 和 Claude 3.5 sonnet）着手，先用单条 Prompt 或 Prompt Chain 来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的 LLM，逐步拆解子任务，降低 LLM 执行单任务的难度，直到达成工程目标。一般对于场景多样、结构复杂、对输出格式要求严格的内容，基本可以预见到需要将其拆解为工作流。此外，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。 2. 只用了一段 Prompt 的 Agent，还算 AI Agent 吗？ 算。详见
2025-02-06
如何实现稳定的ai agent
要实现稳定的 AI agent ，可以从以下几个方面考虑： 1. 提示词工程与工具调用能力的配合：设计出一套与知识图谱相结合的工具调用逻辑，稳定人设。通过缩小 max_length 防止 LLM 长篇大论，每次输入到上下文窗口中的记忆只返回最近几轮的对话，并利用查询知识图谱的信息来实现永久记忆。 2. 工具设计：将与知识图谱交互这一大的任务，细分为查询、创建、修改、删除实体或关系、获取实体的所有关系、获取所有实体名称列表等多个工具，组成一个工具包供 LLM 调用。 3. 构建数字人灵魂： 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。 解决灵魂部分如何驱动躯壳部分的问题，将灵魂部分的所有接口定义出来，躯壳部分通过 API 调用。 注意实时性，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，要解决网络耗时和模型推理耗时问题。 考虑多元跨模态，根据实际需求添加其他感官的交互。 处理拟人化场景，如插话、转移话题等情况。 4. 工作流的设计模式：可以运用吴恩达教授提出的设计模式，如 Reflection 模式，设计工作流先检索知识库的活动内容，再通过 LLM 大模型区块进行数据修正，最终输出符合意图的结果。
2025-02-06
有哪些开源或免费的AI模型管理平台，可以配置模型，管理Agent的
以下是一些开源或免费的 AI 模型管理平台及相关模型： 1. 智谱·AI： Chat 模型： ChatGLM6Bint4：ChatGLM6B 的 Int4 版本，最低只需 6GB 显存即可部署，最低只需 7GB 显存即可启动微调（、魔搭社区、始智社区、启智社区获取。 ChatGLM6Bint8：ChatGLM6B 的 Int8 版本，上下文 token 数为 2K。可在、魔搭社区、始智社区、启智社区获取。 AgentLM7B：提出了一种 AgentTuning 的方法，开源了包含 1866 个高质量交互、6 个多样化的真实场景任务的 Agent 数据集 AgentInstruct，基于上述方法和数据集，利用 Llama2 微调而成，上下文 token 数为 4K。代码链接为。 AgentLM13B：上下文 token 数为 4K，模型权重下载链接为。 AgentLM70B：上下文 token 数为 8K，模型权重下载链接为。 下载模型：智谱 AI 提供的所有开源模型均可以在以下平台进行下载：。 2. 通义千问： 本地部署 Qwen2.51M 模型：使用以下命令启动服务，根据硬件配置进行设置。参数说明： tensorparallelsize：设置为使用的 GPU 数量。7B 模型最多支持 4 个 GPU，14B 模型最多支持 8 个 GPU。 maxmodellen：定义最大输入序列长度。如果遇到内存不足问题，请减少此值。 maxnumbatchedtokens：设置 Chunked Prefill 的块大小。较小的值可以减少激活内存使用，但可能会减慢推理速度。推荐值为 131072，以获得最佳性能。 maxnumseqs：限制并发处理的序列数量。如果遇到问题，请参考相关内容。 与模型交互：可以使用以下方法与部署的模型进行交互：选项 1.使用 Curl；选项 2.使用 Python。对于更高级的使用方式，可以探索如之类的框架。QwenAgent 使模型能够读取 PDF 文件或获得更多功能。
2025-02-06
agent怎么设计
以下是关于 Agent 设计的相关内容： 从产品经理角度思考： 明确 Agent 是谁和其性格，例如是一个知识渊博、温暖亲切、富有同情心的历史新闻探索向导。 为使角色生动，设计简短背景故事，如曾是历史学家，对重大历史事件了如指掌且愿意分享知识。 写好角色个性需考虑角色背景和身份，编写背景故事明确起源、经历和动机；定义性格特点和说话方式风格；设计对话风格，从基本问答到深入讨论；明确核心功能如新闻解析、历史背景分析等，增加附加功能提高吸引力和实用性。 在人工智能领域： Agent 是能够感知环境并根据感知信息做出决策以实现特定目标的系统，能自动执行任务，如搜索信息、监控系统状态或与用户交互。 吴恩达最新演讲提到四种设计范式：Reflection（反思，类似于 AI 的自我纠错和迭代）、Tool Use（大语言模型调用插件，拓展 LLM 边界能力）、Planning（规划）和 Multiagent（多智能体）。其中 Reflection 可让 AI 自我迭代，Tool Use 在很多产品中常见。 希望以上内容对您有所帮助。
2025-02-05
面向老年人的AI agent
以下是为您整理的关于面向老年人的 AI agent 的相关信息： Meta 发布了可以利用 AI 自动剪辑视频的 Agents LAVE，结合 Sora 这样的视频生成模型，一些简单的短视频及广告视频可能无需人工介入。 人工智能可以赋予计算机个性，相关配套产品范围广泛，有些用于娱乐，有些专注于提供特定价值，比如帮助孩子浏览互联网或对抗老年人的孤独感。51%的成年人表示感到孤独，像 MyReplika 这样的应用程序可以减少自杀意念。 在基于 LLM 的 AI Agent 方面： 理解工具：AI Agent 有效使用工具的前提是全面了解其应用场景和调用方法。可利用 LLM 的 zeroshot learning 和 fewshot learning 能力，通过描述工具功能和参数的 zeroshot demonstration 或特定工具使用场景和相应方法演示的少量提示来获取工具知识。面对复杂任务，AI Agent 应将其分解为子任务并有效组织协调，这依赖于 LLM 的推理和规划能力以及对工具的理解。 使用工具：AI Agent 学习使用工具的方法主要包括从 demonstration 中学习和从 reward 中学习（清华有一篇从训练数据中学习的文章），包括模仿人类专家行为，了解行为后果，并根据环境和人类反馈做出调整。环境反馈包括任务完成结果反馈和行动引起的环境状态变化中间反馈；人类反馈包括显性评价和隐性行为，如点击链接。 在具身智能方面：具身 Agent 强调将智能系统与物理世界紧密结合，其设计灵感来自人类智能发展，认为智能更多来自与环境的持续互动和反馈。与传统深度学习模型相比，LLMbased Agent 能够主动感知和理解所在物理环境并与其互动，利用内部丰富知识库进行决策和产生具体行动改变环境，这一系列行为被称为“具身行动”。
2025-02-05
代码小白想要学习上手aiagent 请给我制定高效学习流程
以下是为代码小白制定的学习 AI Agent 的高效流程： 1. 基础了解 度过第一阶段，了解 AI 的基本原理和发展阶段。 2. 选择方向 鉴于您是代码小白，建议从不需要代码基础的 Coze 工作流学起。它适用所有人，只要能发现智能体的需求，就可以用工作流来实现。 3. 学习资源 可以参考《雪梅 May 的 AI 学习日记》，了解在业务运营领域如何通过 Coze 接触大量应用场景和进行 prompt 练习。 阅读安仔的文章，学习如何使用极简未来平台、腾讯云轻量应用服务器、宝塔面板和 Docker 搭建一个 AI 微信聊天机器人，了解相关技术组件的选用、配置步骤、费用和运维问题。 查看元子的分享，如“小白的 Coze 之旅”，深入了解 Coze 平台。 4. 加入社群 可以加入免费的 AI Agent 共学群，基于 WaytoAGI 社区等高质量信息源，分享时下 AI Agent 相关的玩法、经验和前沿资讯。通过微信号 Andywuwu07 或扫描二维码加微信，备注 AI 共学即可加入。 希望以上流程对您有所帮助，祝您学习顺利！
2025-02-05
如何用AI搭建个人和企业知识库
以下是关于如何用 AI 搭建个人和企业知识库的相关内容： 一、使用飞书搭建 可以参考。读完相关文章，您将收获： 1. AI 时代的知识库的概念、实现原理以及能力边界。 2. 通往 AGI 之路大群中通过对话就能获取知识库中资料的原理。 3. 更好地使用 Coze 等 AI Agent 平台中的知识库组件，打造更加强大的智能体。 另外，作者正在规划一个关于 AI 时代您应该具备的编程基础系列，包括数据库、知识库、变量、JSON、API、操作系统与服务器、Docker 等内容。 二、本地部署大模型以及搭建个人知识库 1. 若要对知识库进行更灵活的掌控，需要额外的软件 AnythingLLM，其包含了所有 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 2. 安装地址：https://useanything.com/download 。安装完成后进入配置页面，主要分为三步： 第一步：选择大模型。 第二步：选择文本嵌入模型。 第三步：选择向量数据库。 3. 在 AnythingLLM 中有 Workspace 的概念，可以创建自己独有的 Workspace 跟其他项目数据进行隔离。具体操作包括： 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式，提供了 Chat 模式（大模型会根据自己的训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅仅会依靠文档中的数据给出答案）。 完成上述配置后，即可跟大模型进行对话。 三、AI 时代的知识管理体系构建案例 1. 一条书摘：在读书（万维钢的新书《拐点》）时，看到一段有触动但保持批判性思考和怀疑的文本，提到如果足够强势，当前 AI 对人的作用有三个：信息杠杆、发现自己真正想要的、帮助形成自己的观点和决策。 2. 一个笔记：将上述书摘整理归纳，标记重点，打赏标签，放入笔记系统，准备展开深度思考和实践。 3. 对笔记的思考和实践：基于笔记中提到的 AI 对人的三种最终的赋能模式，以自己深度思考的问题为例，践行这套方法论，体会何谓“信息杠杆”可以令你的“思维换挡”，感受如何“让自己发现究竟想要什么”。 4. 生长出的自己的观点和内容：基于上述实践，生成“自己的观点和决策”。 5. 教授和分享：基于“自己的观点和决策”，打造成体系化的内容产品，实现价值。 总结：通过一个碎片化知识在左侧知识库中的“点、线、面、体”式的流转，从一个书摘变成一个体系化内容或课程，把“别人说的话”变成“我自己的智慧”。希望大家都能利用 AI 高效地把自己的知识管理体系搭建起来，运用起来。
2025-02-06
假设你是经验丰富的AI工程师，现在需要搭建能够自行识别电商直播平台中客户提出的问题并给出不死板且AI痕迹弱的回答，同时直播的主播是我们虚拟的数字人，请问需要怎么做，请给出具体步骤
以下是搭建能够自行识别电商直播平台中客户提出的问题并给出自然回答，且直播主播为虚拟数字人的具体步骤： 1. 选择数字人工具软件： 考虑实时驱动和非实时驱动两类。实时驱动能在直播时更改音频话术，真人可接管，标准零售价一年 4 6 万往上；非实时驱动一个月 600 元，但效果差，类似放视频的伪直播，市场价格混乱。 2. 确定数字人运营服务模式： 按直播间成交额抽佣。 3. 明确适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；适用于虚拟商品，如门票、优惠券等；店播效果较好，数据能保持跟真人一样；不适用于促销场景和服装品类。 4. 了解 AI 直播的壁垒和未来市场格局： 目前有技术门槛，如更真实的对口型、更低的响应延迟等，但长期看技术上无壁垒。 市场不会一家独大，可能 4 5 家一线效果公司，大多为二三线效果公司。 能把客户服务好、规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击，如剪映若不仅提供数字人，还提供货品供应链、数据复盘分析等全环节服务，会对其他公司形成竞争压力。
2025-02-06
faiss 知识库搭建和维护
以下是关于 Faiss 知识库搭建和维护的相关内容： 搭建步骤： 1. 准备数据：收集需要纳入知识库的文本数据，包括文档、表格等格式，并对数据进行清洗、分段等预处理，确保数据质量。 2. 创建数据集：在相关工具（如 Dify ）中创建一个新的数据集，并将准备好的文档上传至该数据集。为数据集编写良好的描述，描述清楚数据集包含的内容和特点。 3. 配置索引方式：提供了多种索引方式供选择，如高质量模式、经济模式和 Q&A 分段模式等。根据实际需求选择合适的索引方式，如需要更高准确度可选高质量模式。 4. 集成至应用：将创建好的数据集集成到对话型应用中，作为应用的上下文知识库使用。在应用设置中，可以配置数据集的使用方式，如是否允许跨数据集搜索等。 维护方面： 1. 维护知识库内容：为了提升召回的准确率，可以删除、新增或修改知识库内容。 2. 管理知识库：在知识库页面，可以看到已创建的知识库和每个知识库内的单元数量和创建时间等信息。单击知识库或编辑图标，进入知识库详情页面。在知识库详情页，可以进行新增内容、删除内容、更新单元内的分段、开启引用等操作。如果不开启引用，即便 Bot 中使用了所属的知识库，该单元内容也不会被召回。 此外，还需了解知识库由大到小可分为：知识库（一整套领域知识，是 Bot 加载的最小单位）、单元（知识库的一部分，可上传的最小内容单位可以是一个.txt、.pdf、.csv 文件或一个网页）、分段（一个单元切分成多个分段，模型查询的最小单位。分段内容的完整度和准确性度会影响模型回答问题的准确性）。
2025-02-06
扣子智能体搭建工作流
扣子智能体的搭建工作流主要包括以下内容： 1. 插件：扣子平台上有多种类型的插件，如看新闻、规划旅行、提高办公效率、理解图片内容的 API 等，还可自定义插件添加所需 API，使智能体更强大。 2. 工作流： 工作流如同可视化拼图游戏，可将插件、大语言模型、代码块等功能组合，创建复杂稳定的业务流程。 工作流由多个小块块（节点）组成，包括开始和结束的小块块，不同小块块可能需要引用前面小块块的信息或自行设定的信息。 例如“竖起耳朵听”的智能体中用到 5 个小块块，能回答带有图片口语的结果。 生物医药小助手智能体由 1 个工作流和 6 个数据库实现，工作流设计简单，包括 input、对接知识库、搭载豆包 function call 大模型和 output，相对有难度的是收集和校对知识库资料。 在落地应用方面，如通过扣子工作流用代码模块进行 HTTP 访问实现 0 token 脱离扣子模型使用 Groq 作为 LLM，还可适配到 APP 产品填 APIKEY 调用的场景，或接入手机类 APP 如 Siri 等。但扣子工作流的搭建细节需自行移步 WaytoAGI 自学。
2025-02-05
coze工作流搭建
以下是在 Coze 上搭建工作流的步骤： 1. 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。 2. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 3. 新建完成后，可以看到整个编辑视图与功能。在左侧「选择节点」模块中，根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。例如本案例中涉及的思维导图、英文音频，因无法通过 LLM 生成，需依赖插件实现。 大模型：调用 LLM ，实现各项文本内容的生成。如本案例中的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 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。 此外，在“用 Coze 搭建一个神奇宠物诞生器”的工作流中，“定制召唤”工作流是“随机召唤”工作流的变种。对于“定制召唤”工作流，需要修改的节点包括： 开始节点：新增一个输入变量，定义为 keywords ，用于接收用户输入的宠物种类（动物或者植物）。 代码节点：要将特定的宠物种类关键词嵌入到描述 prompt 里。例如，如果召唤师输入“熊猫”，R 属性的宠物描述就要修改为“一个朴素小熊猫宠物，可爱，圆滚滚的，大眼睛，毛茸茸的。画风参考著名动画片《神奇宝贝》”，SR 和 SSR 依次类推。描述 prompt 变成三段字符串相加的情况，即原描述第一段+宠物种类+原描述第二段。其余节点均与“随机召唤工作流一致”。
2025-02-03
coze平台的bot是否能接入飞书的文档做为知识库使用
Coze 平台的 bot 能接入飞书的文档作为知识库使用。具体情况如下： 创建知识库时可使用手动清洗数据，也可参考自动清洗数据的相关课程。手动清洗数据能提高数据准确性。 在线知识库：点击创建知识库，创建画小二课程的 FAQ 知识库。飞书在线文档中每个问题和答案以分割，可选择飞书文档、自定义等进行操作，还能编辑修改和删除，添加 Bot 后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，比如对于画小二课程，要按章节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。 发布应用：点击发布，确保在 Bot 商店中能够搜到。 Coze 的知识库功能支持上传和存储外部知识内容，包括从本地文档、在线数据、Notion、飞书文档等渠道上传文本和表格数据，并提供多样化的检索能力，能解决大模型可能出现的幻觉问题和专业领域知识不足的情况，提升回复准确性。 当 Coze 接入飞书后，能将 AI 技术集成到个人的生产力体系中，用户可将自己的知识数据上传构建个人知识库，开发 bot 并部署到个人订阅号上与粉丝互动。
2025-02-06
请推荐一下你知道的人物头像转卡通图的平台，要求效果好，和原图相似度高，最好是免费的
以下为一些人物头像转卡通图效果好、与原图相似度高且可能免费的平台及相关操作技巧： 1. Stable Diffusion： 可以使用【X/Y/Z plot】脚本来做参数对比，将 X 轴设置为提示词相关性（取值范围 1 30，每次增加 5），Y 轴设置为重绘幅度（取值范围 0 1，每次增加 0.2）。 提示词相关性在 6 11 中间为最佳，重绘幅度 0.4 时和原图比较接近。 可使用绘图功能，如增加红色眼镜、去掉衣服图案等，局部重绘可只改变涂抹部分。 2. 复杂提示词： 如 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 。 可根据需求调整提示词，如将 Disney 换成 Pixar，boy 换成 girl 等。 3. 通用人物模版： 用真人照片+照片描述+方法 1 的关键词来处理。 需要注意的是，不同平台的效果可能因图片和操作而有所差异，您可以自行尝试。
2025-02-06
请用思维导图描述AI智能体大语言模型平台汇总图（带图标LOGO）
以下是为您生成的关于 AI 智能体大语言模型平台的汇总思维导图： 1. 基础层 为大模型提供硬件支撑，数据支持等，例如 A100、数据服务器等等。 2. 数据层 静态的知识库 动态的三方数据集 3. 模型层 LLm（largelanguagemodel，大语言模型），例如 GPT，一般使用 transformer 算法来实现。 多模态模型，即市面上的文生图、图生图等的模型，训练所用的数据与 llm 不同，用的是图文或声音等多模态的数据集。 4. 平台层 模型与应用间的平台部分，比如大模型的评测体系，或者 langchain 平台等，提供模型与应用间的组成部分。 5. 表现层（应用层） 用户实际看到的地方。 此外，在翻译场景中： 语言翻译技术经历了从传统规则翻译到深度学习翻译的逐步发展，每一次革新都显著提高了翻译的准确性和自然度。 传统机器翻译存在局限性，基于规则和统计模型，常常出现死板和字面化的结果，尤其在遇到多义词、习语或文化差异时，翻译往往不自然，且容易误导。 深度学习翻译技术通过大规模语料库学习，能够更好地理解上下文和语境，提供更加流畅、准确的翻译。 大模型翻译技术引入后，通过海量数据学习，能够精准捕捉语言的深层语义和文化背景，提供更符合语境的翻译，显著提升了翻译的准确性与流畅度。 在学术场景中： 大模型技术能够快速总结论文内容、进行精准翻译，节省研究者阅读和整理文献的时间。 文献预处理时，需将海量文献的格式转换为可供模型解析的文本格式，可借助平台工具完成文件内容的提取。 可将文件内容自动化提取并结合大语言模型进行批量分析或任务处理，适用于文档总结、信息提取等场景。
2025-02-06
飞书文档如何作为知识库输入到coze平台
要将飞书文档作为知识库输入到 Coze 平台，主要有以下步骤： 1. 在线知识库： 点击创建知识库，创建一个画小二课程的 FAQ 知识库。 选择飞书文档，选择自定义的自定义，输入。 飞书的文档内容会以区分开来，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。 2. 本地文档： 注意如何拆分内容，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，不能一股脑全部放进去训练。 正确的方法是首先将 11 章的大的章节名称内容放进来，章节内详细内容按固定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。 3. 发布应用： 点击发布，确保在 Bot 商店中能够搜到。 此外，创建知识库并上传文本内容有以下方式： 1. 在线数据： 自动采集方式：适用于内容量大，需要批量快速导入的场景。 在文本格式页签下，选择在线数据，然后单击下一步。 单击自动采集。 单击新增 URL。在弹出的页面完成输入要上传的网站地址、选择是否需要定期同步网站内容及周期等操作。 当上传完成后单击下一步，系统会自动根据网站的内容进行内容分片。 手动采集方式：适用于需要精准采集网页上指定内容的场景。 安装扩展程序，详情请参考。 在文本格式页签下，选择在线数据，然后单击下一步。 点击手动采集，然后在弹出的页面点击权限授予完成授权。 在弹出的页面输入要采集内容的网址，然后单击确认。 在弹出的页面上，点击页面下方文本标注按钮，开始标注要提取的内容，然后单击文本框上方的文本或链接按钮。 单击查看数据查看已采集的内容，确认无误后再点击完成并采集。 Coze 的知识库功能不仅支持上传和存储外部知识内容，还提供了多样化的检索能力，主要包括两大核心能力：一是能够存储和管理外部数据；二是增强检索能力。Coze 支持从多种数据源，如本地文档、在线数据、Notion、飞书文档等渠道上传文本和表格数据。上传后，系统会自动将知识内容切分成多个片段进行存储，并允许用户自定义内容分片规则。Coze 还提供了多种检索方式来对存储的内容片段进行高效检索，例如全文检索可以通过关键词快速找到相关的内容片段并召回。基于这些召回的内容片段，大模型将生成最终的回复内容。Coze 支持上传文本内容及结构化表格数据，以适应各种使用场景。
2025-02-04