智能运维欧洲生产访问很慢的原因是什么

以下是关于实战 Coze 发布 SysOps 个人系统运维助手的详细介绍： 一、背景 在信息技术快速发展的当下，AI 代理技术成为实现云上资源和 Linux 系统内部操作的关键。它能让用户通过对话方式查询和管理云上资源，简化管理流程，提升用户体验，使操作更直观便捷。同时，能解析用户输入命令并安全执行在目标主机上，让系统运维人员无需深厚技术背景即可轻松管理。 二、SysOps Bot 的构思 Coze 制作并发布了专为 Linux 系统执行助手设计的 SysOps。其核心功能是与用户交互，帮助执行系统操作和云资源查询。用户输入命令，SysOps 转换为可执行命令并在目标主机执行，支持多种云资源类型，能根据用户提供参数操作，提供操作建议和全面运维支持，优化系统管理工作流程。 三、技术实现 通过 AI Agent 实现的 ChatOps 运维逻辑，结合云上资源查询和 Linux 系统登录两个关键插件，为用户提供高效智能操作体验。用户输入云资源类型可快速获取信息和性能数据，输入命令能转换为 Linux 可执行指令并安全登录主机执行，AI Agent 充当中介，润色和加工执行结果返回给用户，提供高效智能的 ChatOps 运维解决方案。 四、总结 在当前技术环境中，工程师需具备 AI 思维，利用人工智能工具赋能业务和解决问题。AI 是变革驱动力，能发现和利用新应用场景，快速精准响应需求，优化运维流程。使用 Coze 编写智能 bot 体会到其强大，它不仅是聊天机器人工具，更是强大的 AI 代理，结合多个插件实现复杂任务和操作，文本分析和命令转换功能将用户输入转化为系统操作，插件系统强大，可调用不同插件涵盖广泛应用场景，提升工作效率和用户体验。培养和运用 AI 思维是现代工程师必备技能，是实现创新和持续发展的关键。 参考链接： 1. 2.

以下是关于 LLM 大模型与运维的相关内容： 部署方面： 本地部署包括三大部分：本地部署大语言模型、本地部署 FastGPT+OneAPI、本地部署 HOOK 项目或 COW。 下载并安装 Ollama：根据电脑系统，从 https://ollama.com/download 下载，双击打开点击“Install”，安装完成后将下方地址复制进浏览器中确认：http://127.0.0.1:11434/ 。 下载 qwen2:0.5b 模型：Windows 电脑点击 win+R 输入 cmd 回车，Mac 电脑按下 Command（⌘）+Space 键打开 Spotlight 搜索输入“Terminal”或“终端”，然后复制命令行粘贴回车等待自动下载完成。 训练方面： 模型训练比推理复杂得多，是一个计算量极大的过程。获取参数面临计算复杂性问题。例如训练 Llama2 70B 这样的开源模型，需要约 10TB 的文本，通常来源于互联网的抓取，大约 6000 个 GPU，运行约 12 天，费用约 200 万美元，得到的参数文件约 140GB，压缩比约 100 倍，且是有损压缩。 整体架构方面： 基础层：为大模型提供硬件支撑，数据支持，如 A100、数据服务器等。 数据层：包括静态的知识库和动态的三方数据集。 模型层：有 LLm（如 GPT，一般使用 transformer 算法）或多模态模型（如文生图、图生图等，训练数据为图文或声音等多模态数据集）。 平台层：如大模型的评测体系或 langchain 平台等，提供模型与应用间的组成部分。 表现层：即应用层，是用户实际看到的地方。

对于小公司想要部署一个能对运维、运营、客服、美术、策划、程序都有帮助的本地 AI 系统，以下是一些相关信息： 线上和线下本地部署的 AI 特点： 线上部署的优势在于出图速度快，不依赖本地显卡配置，无需下载大型模型，还能参考其他创作者的作品，但出图尺寸受限。线下部署的优势是可添加插件，出图质量高，但使用时电脑可能宕机，配置不高可能爆显存导致出图失败。建议线上用于找参考、测试模型，线下作为主要出图工具。 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。 支持自定义模型，可调整参数。 提供 REST API 用于运行和管理模型，以及与其他应用集成。 社区贡献丰富，有多种集成插件和界面。 Google Gemma： 是 Google 发布的家用版小模型，有 2b（20 亿参数）和 7b（70 亿参数）版本。小模型可能不适合复杂任务，但适合提升基础操作效率。部署环境友好，可通过 ollama 方便部署，支持热加载模型文件。2b 反应速度快但互动话题有限，7b 输出质量高但可能卡顿，对非英文语种反馈不稳定。 综合考虑，如果您的公司对出图质量要求较高，且有较好的硬件配置，可以选择线下部署结合线上测试的方式。在语言模型方面，Ollama 具有较多优势，可根据具体需求选择合适的模型进行部署。

对于小游戏公司部署本地 AI 系统以帮助运维、运营、客服、策划和程序等方面，以下是一些建议和相关信息： 目前市面上的 AI 模型各有特点。线上 AI 具有出图速度快、不依赖本地显卡配置、无需下载大型模型以及能参考其他创作者作品等优势，但出图尺寸受限。线下部署的 AI 可以添加插件、出图质量高，但可能导致电脑宕机且对配置要求高。 在游戏领域，AI 大模型带来了诸多变化，如游戏内容辅助生成（包括文、图、3D 和音乐），可应用于游戏策划人和美术设计师。文生图和图生图能提高创作效率，动画辅助渲染可改变角色风格，游戏智能运营涵盖智能 NPC 互动、客服、攻略问答和代码脚本生成等，适用于产品经理、运营经理和社区运营经理。 Google 刚刚发布的家用版小模型 Gemma 有 2b（20 亿参数）和 7b（70 亿参数）版本。相对千亿参数的大模型，这类小模型可能不太适合处理复杂任务，但代表了模型本地化提升基础操作效率的趋势。Ollama 是一个开源的大型语言模型服务，方便部署最新版本的 GPT 模型并通过接口使用，支持热加载模型文件，且像小型的 llama 也支持本地部署。部署时，需进入 ollama.com 下载程序并安装，通过命令提示符进行操作和切换模型。2b 反应速度快但互动话题有限，7b 输出质量高但可能卡顿，且对非英文语种反馈不太稳定。 综合考虑，小游戏公司可以根据自身需求和硬件配置选择合适的 AI 模型。如果对出图质量要求高且有较好的硬件配置，可尝试线下部署；若更注重效率和便捷性，线上模型可能更适合。同时，也可以考虑像 Gemma 这样的小模型进行本地化部署以提升基础操作效率。

对于小游戏公司部署本地 AI 系统以帮助运维、运营、客服、美术、策划、程序等方面，以下是一些建议和目前市面上合适的 AI 模型分析： 线上 AI 平台的优势在于出图速度快，对本地显卡配置要求低，无需下载大型模型，还能参考其他创作者的作品，但出图分辨率有限制。 线下部署的优势是可以添加插件，出图质量高，但使用时电脑可能宕机，配置不高还可能爆显存导致出图失败。 综合考虑，建议充分发挥线上和线下平台的优势。线上可用于找参考、测试模型，线下作为主要出图工具。 在图像生成方面，2022 年主流生成式图像应用如 DALLE 2.0、Stable Diffusion 和 Midjourney 使图像生成精细化程度提升，提示对图像生成结果的控制能力增强。 在 3D 模型生成中，AI 能完成 3D 模型生成流程的“一步到位”，大大提升效率。 在游戏开发中，AI 可用于游戏内容辅助生成（如文、图、3D、音乐）、动画辅助渲染、游戏智能运营（包括智能 NPC 互动、客服、攻略问答、代码和脚本生成）等。 对于小游戏公司，Stable Diffusion 可能是一个较为合适的选择，它在 2D 美术素材辅助生成方面能够提高创作效率、降低成本，并且有多种应用场景，如文生图、图生图等。同时，也可以考虑结合线上平台进行参考和测试。

以下是关于数据中心运维服务智能体构建的相关内容： 一泽 Eze：Coze+飞书多维表格，打造专属 AI 智能体，享受 10 倍知识管理效率 逐步搭建 AI 智能体： 1. 创建 Bot。 2. 填写 Bot 介绍。 3. 切换模型为“通义千问”（测试下来，通义对提示词理解、执行效果最好）。 4. 把配置好的工作流（如整理入库、选择内容）添加到 Bot 中。 5. 新增变量{{app_token}}。 6. 添加外层 bot 提示词（可按需求和实际效果优化调整）。完成上述步骤后，能在「预览与调试」窗口与 AI 稍后读智能体对话并使用全部功能。 智能体在品牌卖点提炼中的应用 搭建一个智能体帮助提炼卖点： 1. 确定智能体的结构：按照市场营销的逻辑组织智能体的结构。 2. 搭建完整智能体： 以品牌卖点提炼六步法为核心的流程，包括探索、排列、抽取、收敛、确认、应用流程。 加入其他分析助手，如品牌卖点定义与分类助手、STP 市场分析助手、用户画像分析助手、触点收集助手等。 还包括一些在后续品牌卖点应用过程中有效的分析工具，如用户需求分析的 KANO 助手、营销六层转化漏斗分析、超级转化率六要素等。

扣子工作流中大模型运行慢可能有以下原因： 1. 模型加载部分：需从官网下载两个文件，并正确配置，如在 models 下创建 groundingdino 且配置齐全相关文件。对于 groundingdino 和 sams 配置是否齐全可使用“抠头发.json”检验。 2. 科学上网问题：运行到此节点时可能会报科学上网的错误，需稳定科学上网后重启 UI 跑工作流。 3. 提示词设置：在大模型节点中，系统级提示词的设置很关键，它与外层用户直接交互的提示词不同，用于定义模型的角色和任务。 4. 批处理设置：包括迭代处理、循环次数和并发量的设置，通过调整这些参数可提高处理效率。 若觉得排除 bug 很慢，可使用的工作流进行操作。

以下是一些在国内可用且功能强大的视频生成工具： 1. VIGGLE：可以直接通过文字描述让任何静态图动起来，能做各种动作，如跳舞等。其核心技术基于 JST1 模型，能理解真实世界的物理运动原理，生成的视频很真实，还能直接文字生成视频，进行各种角色混合和动作替换。核心功能包括可控制的视频生成、基于物理的动画、3D 角色和场景创建。 2. Pika：非常出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 3. SVD：如果熟悉 Stable Diffusion，可以直接安装这款最新的插件，在图片基础上直接生成视频。 4. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需要收费。 5. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 6. Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 此外，还有以下根据视频脚本生成短视频的工具： 1. ChatGPT + 剪映：ChatGPT 生成视频小说脚本，剪映根据脚本自动分析出视频中需要的场景、角色、镜头等要素，并生成对应的素材和文本框架。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入（如图像、文本、音频）转化为视频。 3. Pictory：AI 视频生成器，允许用户轻松创建和编辑高质量视频，用户提供文本描述即可生成相应的视频内容。 4. VEED.IO：提供了 AI 图像生成器和 AI 脚本生成器，帮助用户从图像制作视频，并规划从开场到结尾的内容。 5. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，用户可以根据文本脚本生成视频。 这些工具各有特点，适用于不同的应用场景和需求，您可以根据自己的具体情况进行选择。需要注意的是，内容由 AI 大模型生成，请仔细甄别。

扣子的智能体发布时，必须公开发布在扣子商店才能被其他人访问。根据相关活动规则，参赛选手需在规定时间（如 2024/11/15 23:59 之前）将智能体上架到扣子商店，发布成功后需等待审核，确认发布好后提交链接参赛。优质的智能体将作为模板上架到扣子官方网站的模版库中供其他开发者体验、使用。

Qwen 2.5 Max 可以通过以下方式访问： 1. 目前，Qwen 2.5 Max 已在阿里云百炼平台上架，模型名称为 qwenmax20250125，企业和开发者都可通过阿里云百炼调用新模型 API。 2. 同时，也可以在全新的 Qwen Chat（https://chat.qwenlm.ai/）平台上使用 Qwen 2.5 Max，直接与模型对话，或者使用 artifacts、搜索等功能。 此外，您还可以通过以下链接获取更多相关信息：

目前提供的知识库内容中，没有直接针对“deepseek 访问老是提示‘服务器繁忙，请稍后再试’”这一问题的明确解决办法。但从相关信息可知： DeepSeek 曾暂停 API 充值服务，服务器资源紧张。 DeepSeekchat 模型和 Deepseekreasoner 模型有相应的计费规则。 建议您可以尝试以下操作： 1. 稍后再试，可能是当前访问量过大导致服务器繁忙。 2. 检查网络连接是否稳定。 3. 确认您的账号状态和权限是否正常。

要访问 Midjourney 社区，您可以按照以下步骤进行： 1. 拥有一个 Discord 账号：如果没有，可参考进行验证。 2. 订阅 Midjourney 计划：访问了解有关定价和各层可用功能的信息。 3. 加入 Midjourney 服务器： 打开 Discord 并找到左侧边栏上的服务器列表。 按服务器列表底部的“+”按钮。 在弹出窗口中，单击“Join a Server”按钮。 粘贴或输入以下 URL：。 4. 转到任何“General”或“Newbie”频道：加入 Midjourney 服务器后，您会在侧边栏中看到列出的几个频道。 此外，您的 Midjourney 订阅使您可以访问 Niji 社区。要为 Niji 模型版本创建风格调谐器或代码，请加入并以与 Midjourney Bot 交互的方式与 Niji 机器人交互。

Claude AI 是由 Anthropic 公司开发的一款基于自然语言处理技术和人工智能算法的聊天机器人，以开创性计算机科学家克劳德·香农（Claude Shannon）的名字命名，利用先进的技术为各种应用提供支持。 要注册 Claude.ai，可按以下步骤操作： 1. 访问 Claude 的官方网站。 2. 点击注册或登录界面中的“Sign Up”或“Continue with email”选项。 3. 填写邮箱地址并设置密码，然后提交表单。 4. 系统会向邮箱发送验证邮件，打开邮件并使用其中的验证码完成邮箱验证。 如果在注册过程中遇到需要海外手机号接收验证码的问题，有以下可能的解决方案： 1. 使用虚拟海外号服务，如 SMSActivate、SMSPool 等，购买海外虚拟手机号接收验证码。 2. 借助第三方服务网站如 uiuihao.com 完成注册。 3. 请海外朋友帮忙接收验证码并告知。 完成注册后，若希望升级到 Claude Pro 版本获取更强大功能和更高 API 调用限额，需填写支付信息并选择合适的订阅计划，注意可能需要使用海外支付方式。Claude.ai 目前处于公开测试阶段，未付费用户使用平台可能会受到一些限制。 此外，17 岁高中生写了个神级 Prompt，将 Claude 强化，相关插件获取方式为：公众号私信“TC”获取，下载完成后解压，进入 Chrome 浏览器扩展程序管理界面，打开右上角开发者模式，左上角加载解压完的文件夹。 关于 Claude 的 Usage 用法： 1. 可通过访问为超出计划包含的请求选择基于使用量的定价。 2. 基于使用量的定价按日历月计算，若立即取消请求或请求出错则不计算。 3. 可配置硬性限制，每月支付费用不会超过硬性限制。 4. 目前，基于使用量的定价仅适用于 Claude 3 Opus 和长时间上下文聊天中的一些模型。

要将智能体发布为网页，您可以按照以下步骤进行操作： 1. 在相关平台（如阿里云百炼）创建智能体应用，准备好相关知识库文件，设定人设与回复逻辑。 2. 将已经发布的工作流添加到创建好的智能体，并进行测试。 3. 测试完成后，选择智能体的右上角，填写发布信息，选择发布渠道为网页，确认发布，等待审核完成。 4. 发布成功后，点击分享，复制访问链接即可。 需要注意的是，大模型存在一定局限性，智能体应用能够弥补这些不足，适用于有企业官网等渠道期望为客户提供产品咨询服务、缺少技术人员开发大模型问答应用等场景。智能体应用的典型场景包括私有领域知识问答、个性化聊天机器人、智能助手等。

生成式人工智能在中职实训课的应用： 生成式人工智能是一种能够生成新的、未曾存在内容的人工智能技术，所生成的内容可以是多模态的，包括文本（如文章、报告、诗歌等）、图像（如绘画、设计图、合成照片等）、音频（如音乐、语音、环境声音等）、视频（如电影剪辑、教程、仿真等）。 其应用场景广泛，例如： 文档摘要：将长篇文章或报告总结为简短、精准的摘要。 信息提取：从大量数据中识别并提取关键信息。 代码生成：根据用户的描述自动编写代码。 营销活动创建：生成广告文案、设计图像等。 虚拟协助：例如智能聊天机器人、虚拟客服等。 呼叫中心机器人：能够处理客户的电话请求。 生成式人工智能的工作方式如下： 1. 训练阶段：通过从大量现有内容（文本、音频、视频等）中学习进行训练，训练的结果是一个“基础模型”。 2. 应用阶段：基础模型可以用于生成内容并解决一般性问题，还可以使用特定领域的新数据集进一步训练，以解决特定问题，从而得到一个量身定制的新模型。 Google Cloud 提供了相关工具，如 Vertex AI 是端到端机器学习开发平台，旨在帮助开发人员构建、部署和管理机器学习模型；Generative AI Studio 允许应用程序开发人员或数据科学家快速制作原型和自定义生成式 AI 模型，无需代码或代码量少；Model Garden 是一个平台，可以让用户发现 Google 的基础和第三方开源模型，并与之交互，它提供了一组 MLOps 工具，用于自动化机器学习管道。 在教育领域，从 AI 助教到智慧学伴的应用探索中，以“移动教学与促动”课程实习周为例，让教育学专业的学生了解和尝试运用教育 APP、二维码、教育游戏等技术方式开展移动教学。课程实习需要在 5 天内让非技术背景的学生分组设计课程并展示，由于学生众多，教师难以给予个性化指导，而 AI 在一定程度上补足了学生缺乏的经验。

以下是关于智能体搭建的相关内容： 创建一个智能体，需要输入人设等信息，并放上创建的工作流。配置完成后可以进行测试，但千万不要直接发布。工作流中某些节点使用的插件 api_token 填的是个人 token，为避免他人调用消耗个人费用，可将 api_token 作为工作流最开始的输入，用户购买后输入 token 再发布。 在品牌卖点提炼中搭建智能体，要按照市场营销逻辑组织结构。确定以品牌卖点提炼六步法为核心的流程，加入品牌卖点定义与分类助手、STP 市场分析助手、用户画像分析助手、触点收集助手等，同时还包括用户需求分析的 KANO 助手、营销六层转化漏斗分析、超级转化率六要素等分析工具。 第三期「AI 实训营」中有关于用 DeepSeek 搭建智能体的课程，包括阿里云百炼篇和人工智能平台 PAI 篇，分别介绍了阿里云百炼满血版 DeepSeek 以及 DeepSeek R1 技术原理、不同玩法和实战演练等，并提供了相关课程文档。

以下为为您分享的两个智能体相关内容： 旅行青蛙智能体 智能体设计思路： 创意来源于多年前的火爆 APP——旅行青蛙，采用旅行明信片的方式与用户互动，激发用户旅游念头，通过大模型进行诗歌和文案创作，可作自媒体素材。 编排方式：采用单 Agent 的多分支模式，通过意图识别确定用户旅行意图，运行流畅稳定，趣味性高，效果惊艳。 功能结构：基础功能包括时间季节提取、目的地景点提取、旅行日记文案、景点诗句、文生图提示词编写、风格固定、自定义 FLUX 插件，相互关联构成完整旅行体验。 智能体功能实现： 随机目的地的旅行模块：青蛙自主选择目的地旅行，发回明信片。 指定季节和目的地的旅行模块：青蛙根据对应时间和指定地点，发回未来旅行邮件。 互动模块：用户可投喂食物，与青蛙亲密互动。 历史上的今天：用户选择宅家时，青蛙返回历史新闻并绘制相关图片。 小细节：使用获取用户 ID、坐标，避免推荐与用户同一地区景点。 作者：二师兄 体验链接：https://tbox.alipay.com/pro/share/202501APoXpG00196792?platform=WebService 智能体简介：我是您的专属旅行青蛙，热爱探险和发现新事物，等着带您踏上奇妙旅程！ 应用场景：目标人群为任何人，解决借用曾经风靡卡通角色制作旅游景点盲盒、绘制打卡照片、提供文案和五言绝句的问题，给人身临其境之感，让人对未去过景点充满期待。 主要功能： 玩法一：对它说“世界很美好，请出去走走”，它就会出发探索并寄回明信片。 玩法二：告诉它未来旅行计划，如“去马尔代夫，我想看大海”，它会提前发来 Email 包含旅行小贴士和期待风景。 玩法三：它旅行时担心它饿肚子说“给它吃汉堡”，它会发来微信照片展示享受美食。 玩法四：今天累了在家休息，它会为您找到历史上今天发生的趣事。 汽车栏目主持人（零壹老师）智能体 创作思路： 前期工作：进行行业资料收集，官方提供资料在智能座舱赛道、营销赛道、售后赛道的丰富程度不同，COZE 的插件生态更有利于座舱和营销赛道，售后资料几乎为零。 赛道研判：竞争强度为营销赛道＞智能座舱赛道＞售后赛道，考虑插件生态支持、官方资料支撑和行业专业性限制。 市场调研：包括线下领克 4S 门店销售资料索取、懂车帝等网络渠道关键词热搜、车主交流购车养车用车经验。 专家调研：队长罗文人脉资源分享，引荐行业专家。 结论：售后智能体搭建需大量数据支撑，当前售后门店有成熟 SaaS 系统，非行业人士在售后方面智能体很难找到突破口。

要生成一个根据用户输入的需求推荐旅游地点的智能体，可以参考以下几种方式： 小众打卡地智能体： 基本信息：名称为“小众打卡地”，链接为 https://tbox.alipay.com/pro/share/202412APCyNn00194489?platform=WebService 。 核心价值：为用户发掘非大众化的特色景点，避开人流；提供个性化的旅行建议，并有目的地的图片参考；帮助用户快速获取高质量的旅行参考信息；提供小红书文案，也适合发小红书。 搭建思路重点：录入小红书的相关文案参考知识库；通过文本模型组成搜索词进行搜索，从搜索到的所有网页链接中，通过代码节点提取相关的 url，滤除需要安全认证的网站，挑选非周边城市攻略推荐，尽量检查“小众”或“冷门”；通过 url 网页正文提取相关的小众地点输出，同时通过代码进行打卡点的字符串输出用于后续节点运用；根据需要搜索的小众旅行地进行图片搜索，随机提取一条图片的 url，过滤部分失效的网站；最后的文案输出适合小红书文案和旅行发布参考。 旅行青蛙智能体： 搭建过程开源： 意图分支 1（随机旅行）：根据用户的坐标和触发事件，推荐当季适合的旅行景点。可以用大模型实现这一功能（小白适用），也可以用代码或者知识库的方式进行随机抽取。为了让大模型每次输出的地点尽量不同，可以拉高多样性的值。 大模型节点（旅行日记）：设定字数、风格，入参是触发事件和上一个大模型输出节点的结果。 大模型节点（为你写诗）：添加输入项。 大模型节点（文生图提示词）：这个节点是固定前缀提示词，再根据地点和季节进行其它信息的补充。添加输入项。 城市探险家智能体： 智能体功能实现： 基础功能模块： 城市信息库：包括城市基础信息（地理位置、人口、气候等）、文化特色（历史传统、本地习俗、节日活动）、旅游资源（景点、美食、住宿、交通）、实用信息（最佳旅行季节、注意事项、消费水平）。 积分系统：完成探索后获取探索点数，获取方式包括主要景点探索、美食品鉴、文化体验、历史探索、交通探索、隐藏景点发现。 称号系统：等级划分有旅途新手（0 点）、城市漫游者（20 点）、文化探索者（50 点）、环球冒险家（100 点）、旅行大师（200 点）。 推荐系统：基于用户历史分析用户已探索城市类型；根据当前季节推荐适合城市；根据用户兴趣推荐主题路线；结合用户偏好进行个性化定制推荐。 交互功能实现：对话流程包括用户输入城市名称、智能体分析城市类型、生成个性化城市介绍、计算并更新探索点数、检查称号解锁、推荐相关城市。 完整 prompt：先定义好各子系统的规则；在对话流程中调用子系统；测试 prompt 效果，迭代 prompt；调试到理想的输出效果后，开始固定输出模板（在 prompt 内加入输出模板示例）；继续测试，直至稳定。

学习智能体可以从以下几个方面入手： 1. 系统性学习：互联网上关于智能体的介绍虽多，但系统性的讲解较少。可以通过专门的系列文章，从基本概念出发，逐步深入到核心技术、应用场景以及未来发展趋势，构建完整的认知。 2. 了解发展历程：智能体大多建立在大模型之上，从基于符号推理的专家系统逐步演进而来。 3. 掌握特点：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。 4. 注重核心：核心在于有效控制和利用大型模型，这通常涉及精确的提示词设计，其直接影响智能体的表现和输出结果。 5. 实践学习：通过具体项目推进实际能力的提升，采用任务导向制，以赛促练。还可以加入相关团队，与同频共振的伙伴共同学习。