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

如何搭建Ai工作流?

Answer

搭建 AI 工作流可以从以下几个方面入手:

  1. 搭建 AI 工作流所需的能力:
    • 熟悉各种 AI 工具:了解不同 AI 工具的特点和用途,根据具体任务选择合适的工具。例如,写标题可用 ChatGPT,写文章可用 Claude,检查文本中的错别字和病句可用秘塔写作猫的 AI 纠错功能。
    • 编写提示词:提示词是搭建人与 AI 之间“沟通桥梁”的关键,要用 AI 能理解的语言清晰说明需求、任务内容和步骤。
    • 搭建 AI 智能体。
  2. 搭建 AI 工作流的工作流:
    • 找到一个工作场景:选择熟悉的工作场景,如写文章、做 PPT 等。
    • 拆解工作流程:将工作拆解成几个小步骤,如写文章可拆分为选题、写稿、改稿、写标题。
    • 给每一个步骤嵌入工具:针对每个小步骤,选择合适的 AI 工具,可参考他人的做法,灵活选择最优解,以提高工作效率为目的。 此外,还有一些具体的操作示例,如在 Comfyui 界面中搭建工作流,包括打开界面后右键找到目录,手动连接节点或直接拖拽工作流文件一键复刻提示词工程实验。启动 ollama 时,从其 github 仓库找到对应版本并下载,在 cmd 中输入相应指令,将默认 base URL 和 api_key 填入 LLM 加载器节点即可调用模型进行实验。若出现 ollama 连接不上的报错,可能是代理服务器的问题,需将 127.0.0.1:11434 添加到不使用代理服务器的列表中。
Content generated by AI large model, please carefully verify (powered by aily)

References

夙愿:AI 工作流,赋能我的十倍增长

那怎么搭建出这样的一套AI工作流呢?在讨论这个问题之前,得先知道搭建AI工作流,我们需要具备哪些能力呢?我把这个能力分为了三个层级,分别是熟悉各种AI工具、编写提示词、搭建AI智能体。[heading3]3.1.1熟悉各种AI工具[content]首先第一层,就是要熟悉各种各样的AI工具。在AI工作流里,不同的环节可能需要用到不同的工具,还是拿文章举例。写标题,可以用ChatGPT;但是写文章的话,就得用Claude了,因为claude的写作能力比ChatGPT强很多。而检查文本中的错别字和病句呢,可以用秘塔写作猫的AI纠错功能。熟悉各种AI工具,就是入门AI工作流的第一步,我们需要去了解多个不同AI工具的特点和用途,根据具体的某一项细分任务,去选择合适这个任务的AI工具。[heading3]3.1.2编写提示词[content]第二层,是要学会写提示词,因为这决定了你是否能用好这些工具。我们刚刚说了写标题,可以用ChatGPT;写文章,可以用Claude;但具体怎么让AI去写呢,这需要我们有一定的提示词能力,我们才能让AI写出好的内容。因为提示词,就是要搭建起人和AI之间的"沟通桥梁",我们得用AI听得懂的语言,清晰地说明你的需求、任务的内容和步骤,让AI明白你要它做什么,怎么做。

夙愿:AI 工作流,赋能我的十倍增长

搭建AI工作流其实也有一套简单易行的工作流,我们可以从最基础的开始,一步步来。[heading3]3.2.1找到一个工作场景[content]选择一个你比较熟悉的工作场景,比如说,写文章、做PPT,随便哪个你经常做的工作都行。[heading3]3.2.2拆解工作流程[content]因为是你熟悉的工作场景,所以你肯定能把这个工作拆解成几个小步骤,如果暂时想不清楚,可以先把整个流程在脑海中或纸上过一遍。就比如刚刚说的写文章,可以拆成选题、写稿、改稿、写标题这几步。[heading3]3.2.3给每一个步骤嵌入工具[content]针对每个小步骤,想想有没有AI工具可以帮上忙,如果你想不到的话,别自己闷头去想,去找一下别人是怎么做的?我们遇到的大多数问题,别人都遇到过并很好地解决了,所以你只需要找到别人是怎么解决这个问题的就可以了。注意,要灵活选择最优解,不要为了AI而AI。通过局部最优解,来达到全局最优解。我们的目的是提高工作效率,而不是提高工作的含AI量。

无需微调,仅用提示词工程就能让 LLM 获得 tool calling 的功能

打开Comfyui界面后,右键点击界面,即可找到Comfyui LLM party的目录,你既可以如下图一样,学习如何手动连接这些节点,从而实现一个最简单的AI女友工作流,也可以直接将[工具调用对比实验](https://github.com/heshengtao/comfyui_LLM_party/blob/main/workflow/%E6%8F%90%E7%A4%BA%E8%AF%8D%E5%B7%A5%E7%A8%8B%E8%8E%B7%E5%BE%97%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8%E5%AF%B9%E6%AF%94%E5%AE%9E%E9%AA%8C.json)工作流文件拖拽到Comfyui界面中一键复刻我的提示词工程实验。[heading2]4、启动ollama[content]从ollama的github仓库找到对应版本并下载:启动ollama后,在cmd中输入ollama run gemma2将自动下载gemma2模型到本地并启动。将ollama的默认base URL=http://127.0.0.1:11434/v1/以及api_key=ollama填入LLM加载器节点即可调用ollama中的模型进行实验。[heading2]5、常见报错及解决方案[content]1.如果ollama连接不上,很可能是代理服务器的问题,请将你的127.0.0.1:11434添加到不使用代理服务器的列表中。

Others are asking
土木建筑类AI案例
以下是一些能够帮助建筑设计师审核规划平面图的 AI 工具: 1. HDAidMaster:这是一款云端工具,建筑师能在平台上使用主流的 AIGC 功能进行有趣的集卡式方案创作,在建筑、室内和景观设计领域表现出色,平台搭载自主训练的建筑大模型 ArchiMaster,软件 UI 和设计成果颜值在线。 2. Maket.ai:主要面向住宅行业,在户型和室内软装设计方面有 AI 技术探索,设计师输入房间面积需求和土地约束,软件能自动生成户型图并查看详细设计结果。 3. ARCHITEChTURES:AI 驱动的三维建筑设计软件,提供全新设计模式,在住宅设计早期可引入标准和规范约束 AI 生成的设计结果,保证合规性。 4. Fast AI 人工智能审图平台:形成全自动智能审图流程,从住宅设计图构件开始,集自动导入、区域划分、构件识别、强条审查和自动导出结果于一体,为建筑信息自动建模打下基础,实现建筑全寿命周期内信息集成和数据汇总管理。 每个工具都有特定应用场景和功能,建议根据具体需求选择合适的工具。但需注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-28
如何用AI开发APP
以下是用 AI 开发 APP 的步骤和建议: 1. 基础小任务 让 AI 按照最佳实践为您写一个 say hello 的示例程序,并解释每个文件的作用及程序运行的逻辑,以学会必备的调试技能。 对于特定需求,如开发 chrome 插件,可要求 AI 生成包含典型文件和功能的简单示范项目,并讲解每个文件的作用和程序运行的逻辑。 如果使用 o1mini,可在提示词最后添加“请生成 create.sh 脚本,运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”(Windows 机器则是 create.cmd),勤勉的 o1mini 会生成代码并给出提示,方便一次性生成多个目录和文件。 2. 明确项目需求 通过与 AI 的对话逐步明确项目需求。 让 AI 像高级且懂技术的产品经理一样向您提问,帮助梳理产品功能,尤其注意涉及技术方案选择的关键点,一问一答,由全局到细节逐步梳理。 让 AI 帮助梳理出产品需求文档,在后续开发中每次新起聊天时将文档发给 AI 并告知在做的功能点。 3. 逐步学习和开发 按照项目规划,学习一个 POC,并将其应用到大项目中,再学一个 POC,再运用。 遇到错误时,复制错误信息和相关代码给 AI 让其找错误并修复。对于可识图的 claude 或 GPT4o,截图、错误信息和代码三件套会很有用。 当 AI 给出错误方案时,可找文档(让 GPT 提供文档链接或问 perplexity)或在 stackoverflow 上找答案(注意回答和评论的日期),然后将其提供给 AI 让其基于这些信息修复,此时它给的指引会更正确且详细。 如有可能,找一位老师傅随时提供支援。 需要注意的是,从去年三月 GPT4 发布会上一个由手绘草图直接生成网站的 demo 惊艳众人开始,很多人认为程序员工种已进入倒计时,但现实依旧骨感。真正的应用有复杂的特殊需求,代码量也会超出 AI 单次吞吐量,AI 无法直接搞定。对于纯小白,如果需求远比 AI 直出的内容复杂,无法一次性直出,那就需要耐下性子,在 AI 的帮助下一步一步来,并在这个过程中学会一点点编程。
2025-02-28
你现在是资深Ai工作流工作人员,我需要你为我指定一个Ai工作流的学习计划
以下是为您制定的 AI 工作流学习计划: 1. 基础学习 了解图像生成的基本原理和相关概念。 学习提示词的基本结构框架。 2. 实践操作 在 config UI 里进行实践搭建工作流。 复刻他人优秀的工作流,并研究吃透,将模型替换为自己的。 3. 技能提升 参加图片加提示词的比赛,提升写提示词的能力。 学习节点功能,通过实践和需求寻找尝试,而非死记硬背。 4. 深入学习 学习复杂工作流的拆解方法。 掌握工作流设计的逻辑技巧。 5. 案例分析 研究图像生成与工作流相关的商业案例,如视频处理与 AI 应用、将视频中人物转变为动漫角色等。 6. 课程学习 参加后续关于工作流搭建技巧的课程。 7. 持续练习 多进行实践练习,不断提升整体搭建水平。 8. 关注更新 关注 AI 领域的最新动态和技术发展,及时更新知识和技能。
2025-02-28
我准备装修,地板是冷灰色,想装修成中古风的风格,需要出设计图,有什么AI工具推荐
以下是一些可以辅助您生成中古风装修设计 CAD 图的 AI 工具: 1. CADtools 12:这是一个 Adobe Illustrator(AI)插件,为 AI 添加了 92 个绘图和编辑工具,涵盖图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360:这是 Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件,有助于创建复杂的几何形状和优化设计。 3. nTopology:一款基于 AI 的设计软件,能够帮助创建复杂的 CAD 模型,包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD:这是一款基于 AI 的 CAD 软件,可根据用户输入的设计目标和约束条件自动生成 3D 模型,适用于拓扑优化、结构设计和材料分布等领域。 5. 生成设计工具:一些主流 CAD 软件,如 Autodesk 系列、SolidWorks 等,提供了基于 AI 的生成设计工具,能根据用户输入的设计目标和约束条件自动产生多种设计方案。 需要注意的是,这些工具通常需要一定的 CAD 知识和技能才能有效使用。对于 CAD 初学者,建议先学习基本的 3D 建模技巧,然后再尝试使用这些 AI 工具来提高设计效率。以上内容由 AI 大模型生成,请仔细甄别。
2025-02-28
AI大模型本地化部署的逻辑是什么?输入的数据不会外泄吗?
AI 大模型本地化部署的逻辑主要包括以下步骤: 1. 选择合适的部署方式,如本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,要根据自身的资源、安全和性能需求来决定。 2. 准备训练所需的数据和计算资源,确保有足够的训练数据覆盖目标应用场景,并准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础,可以使用开源的预训练模型如 BERT、GPT 等,也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练,根据具体应用场景对预训练模型进行微调训练,并优化模型结构和训练过程以提高性能。 5. 部署和调试模型,将训练好的模型部署到生产环境,并对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护,大模型涉及大量数据和隐私信息,需要重视安全性和合规性。 关于输入数据是否会外泄,这取决于本地化部署的安全性措施和配置。如果采取了严格的安全措施,如数据加密、访问控制、网络隔离等,输入的数据外泄的风险可以大大降低。但如果安全措施不到位,就存在数据外泄的可能。例如,赞成把一个训练好就不动的模型部署在端侧(如手机或家庭计算中心),记录所有知识和记忆的相关数据就不会跑到云端,能更好地保障数据安全。
2025-02-28
ai教育
以下是关于 AI 教育的相关内容: 《ShowMeAI 周刊 No.13》中提到了谷歌在 AI Native Education 方面的尝试,以及国区相关产品的对比等多个 AI 话题。 Character.ai 旨在让每个人获得深度个性化超级智能,在教育领域,人工智能生成的角色可以作为数字教师,如牛顿授课《牛顿运动定律》、白居易讲述《长恨歌》背后的故事等,不受时空限制,能实现一对一辅导,还能提供定制化学习计划和资源,缓解教育资源不平等问题。此外,虚拟角色也可以是数字陪伴,促进儿童成长和提高学习成绩。 Sam Altman 在 X 上发表的《The Intelligence Age》中提到人工智能将增强人类能力、放大共享智慧、深度学习的可扩展性是关键驱动力等要点,文中还提到孩子将拥有虚拟导师提供个性化教学,引发了对 AI 时代教育的深度思考。
2025-02-28
如何搭建AI知识库
以下是搭建 AI 知识库的步骤: 1. 设计您的 AI 机器人,确定其功能范围。 2. 编写【prompt】提示词,设定 Bot 的身份和目标。 3. 创建【知识库】: 整理“关键字”与“AI 相关资料链接”的对应关系,并将信息存储起来。 创建知识库路径:个人空间 知识库 创建知识库。 知识库文档类型支持本地文档、在线数据、飞书文档、Notion 等,本次使用【本地文档】。 按照操作指引上传文档、分段设置、确认数据处理。 小技巧:知识库好不好用,跟内容切分粒度有很大关系,我们可以在内容中加上一些特殊分割符,比如“”,以便于自动切分数据。分段标识符号要选择“自定义”,内容填“”。 最终的知识库结果如下,同一颜色代表同一个数据段,如果内容有误需要编辑,可以点击具体内容,鼠标右键会看到“编辑”和“删除”按钮,可以编辑或删除。 此外,您还可以参考相关文章,如《大圣:胎教级教程:万字长文带你使用 Coze 打造企业级知识库》,以获取更深入的理解和帮助。
2025-02-28
基础搭建的知识库效果很差,模型答案的幻觉很严重,我应该怎么改进?(Deepseek调用api接入本地faiss的rag库)
以下是一些改进基础搭建的知识库效果、减轻模型答案幻觉问题的建议: 1. 更换大模型:例如从 ChatGLM26B 替换成 baichuan213b,针对您的场景,后者的性能可能提升一倍左右。 2. 更换 embedding 模型:将 embedding 模型从 LangChain Chatchat 默认的 m3ebase 替换为 bgelargezh,后者可能更优。 3. 测试不同 Top k 的值:比较 Top 5、Top 10、Top 15 的结果,发现 Top 10 时效果可能最优。 4. 对文档名称进行处理:人工对文件进行重命名,上传相同文件构建知识库,同时在构建知识库时勾选【开启中文标题加强】选项,虽然重命名文件对结果的提升效果不明显,但勾选该选项后,回答的无关信息可能减少,效果有所提升。 RAG(RetrievalAugmented Generation)即检索增强生成,由检索器和生成器两部分组成。检索器从外部知识中快速找到与问题相关的信息,生成器利用这些信息制作精确连贯的答案,适合处理需要广泛知识的任务。 在大模型中,向量可想象成空间中的点位,每个词或短语对应一个点。系统通过查看词在虚拟空间中点的位置,寻找直线距离最近的点来检索语义上接近的词语或信息。理解向量后,当收到一个对话时,RAG 的完整工作流程为:检索器从外部知识中检索相关信息,生成器利用这些信息生成答案。 要优化幻觉问题和提高准确性,需要了解从“问题输入”到“得到回复”的过程,针对每个环节逐个调优,以达到最佳效果。
2025-02-27
如何搭建一个自动把录音文件转文字的agent,然后发布到飞书多维表格字段捷径
搭建一个自动把录音文件转文字的 agent 并发布到飞书多维表格字段捷径的步骤如下: 1. 工作流调试完成后,加入到智能体中。可以选择工作流绑定卡片数据,智能体通过卡片回复。绑定卡片数据可自行研究,如有疑问可留言。 2. 发布:选择需要的发布渠道,重点是飞书多维表格。记得智能体提示词的 4 个变量,填写上架信息(为快速审核,选择仅自己可用),确认发布并等待审核。审核通过后即可在多维表格中使用。 3. 创建飞书多维表格,添加相关字段。配置选择“自动更新”,输入 4 个字段后,“文案视频自动化”字段捷径会自动调用工作流,生成视频。 4. 表单分享,实现“填写表单,自动创建文案短视频”的效果。 5. 点击多维表格右上角的“自动化”,创建想要的自动化流程。 此外,关于 Coze 应用与多维表格的结合还有以下相关内容: 1. Coze 智能体(字段捷径)获取笔记+评论信息:创建智能体,使用单 Agent 对话流模式,编排对话流,配置相关节点和插件,进行数据处理和测试,最后发布。 2. Coze 应用:完成后端准备工作后,创建应用,设计界面和工作流,包括读取博主笔记列表的工作流,进行相关配置和参数设置。
2025-02-27
如何用扣子搭建自己的智能体
用扣子搭建自己的智能体可以参考以下步骤: 1. 创建智能体: 输入智能体的人设等信息。 为智能体起一个名称。 写一段智能体的简单介绍,介绍越详细越好,系统会根据介绍智能生成符合主题的图标。 2. 配置工作流: 放上创建的工作流。 对于工作流中的特定节点,如【所有视频片段拼接】,注意插件 api_token 的使用,避免直接发布导致消耗个人费用,可以将其作为工作流的输入,让用户自行购买后输入使用。 3. 测试与发布: 配置完成后进行测试。 确认无误后再发布。 扣子(Coze)是字节跳动旗下的新一代一站式 AI Bot 开发平台,无论是否具备编程基础,都能在该平台上迅速构建基于 AI 模型的各类问答 Bot。开发完成后还可发布到各种社交平台和通讯软件上供用户交互聊天。同时,像菠萝作词家这样的智能体,是专为特定需求设计的,能够帮助解决相关领域的问题。
2025-02-27
如何搭建一个工作流来做ai agent 的事情,帮助学生找工作的整个流程,从找合适岗位-> 投递简历 -> 和hr联系 ->做面试前的search工作和面试准备-> 提醒参加面试-> 面试结果追踪,后续的复盘,得到面试经验
搭建一个用于帮助学生找工作的 AI Agent 工作流可以参考以下步骤: 1. 规划 总结任务目标与执行形式,明确帮助学生从找合适岗位到面试结果追踪及复盘的全过程。 将任务分解为可管理的子任务,例如找合适岗位、投递简历、与 HR 联系、面试前准备、提醒参加面试、面试结果追踪和复盘等,并确立它们的逻辑顺序和依赖关系。 设计每个子任务的执行方法,比如确定合适的岗位筛选标准、制定简历投递策略、规划与 HR 沟通的方式等。 2. 实施 在相应的平台(如 Coze 等)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,例如设置岗位筛选的参数、简历模板和投递渠道、与 HR 联系的话术等,并验证每个子任务的可用性。 3. 完善 整体试运行工作流,识别功能和性能的卡点。 通过反复测试和迭代,优化工作流,直至达到预期效果,例如提高学生找到合适工作的成功率、提升面试表现等。 此外,在技术实现方面,例如实现无代码开发和工具调用,您可以参考以下操作: 打开 Comfyui 界面后,右键点击界面,即可找到 Comfyui LLM party 的目录,您既可以学习如何手动连接这些节点,从而实现一个最简单的工作流,也可以直接将相关工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 从 ollama 的 github 仓库找到对应版本并下载,启动 ollama 后,在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。如果 ollama 连接不上,很可能是代理服务器的问题,请将您的 127.0.0.1:11434 添加到不使用代理服务器的列表中。
2025-02-27
搭建能符合客户需求的智能体的核心技能是什么?
搭建能符合客户需求的智能体的核心技能包括以下方面: 1. 确定智能体的结构:按照市场营销逻辑组织,如以品牌卖点提炼六步法为核心流程,并将其他分析助手加入工作流,包括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,同时还可运用一些未在结构中体现但有效的分析工具,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。 2. 具备多种相关要素:如技能、模块、环节、要素、脚本、模板、插件、函数等。 3. 图像流搭建: 创建第一个图像流,为文本大模型提供图像生成能力。 了解图像流节点的意义,熟悉智能处理工具、基础编辑工具和风格处理类工具等。 根据需求进行图像流设计,如生成海报功能,包括对输入故事的提示词优化和生图大模型的运用等。 测试图像流。 此外,好的模板应具有切口小、刚需、可拓展性(方便 DIY)等特征,尽量满足真实工作场景中的真实需求。
2025-02-27
有什么AI工作可以辅助学习
以下是一些可以辅助学习的 AI 工作: 利用人工智能解释概念,例如可要求其解释学习中的各种概念,能获得较好的结果。您可以参考相关提示,如直接链接激活 ChatGPT 中的导师。但要注意,因人工智能可能产生幻觉,关键数据需依据其他来源仔细核查。 在 Obsidian 中结合 Cursor,利用 Trae 查询笔记内容。例如,若要在笔记库剪藏文件夹中找关于苹果的蒸馏研究,在 Trae 右侧的 Chat 输入框输入“”并选择剪藏文件夹后提问即可。还能对多个不同的笔记文件进行比较或综合整理研究,通过引用指定笔记文件或文件夹进行多轮问答。此外,还可用于学习和复习,如根据笔记生成测验、抽认卡或复习总结来巩固知识,若笔记包含结构化数据,AI 可帮忙分析。 对于英语学习: 利用 AI 写作助手(如 Grammarly)进行写作和语法纠错。 使用语音识别应用(如 Call Annie)练习口语和纠正发音。 借助自适应学习平台(如 Duolingo)获得量身定制的学习计划和个性化内容。 与智能对话机器人(如 ChatGPT)进行会话练习和对话模拟。 对于数学学习: 使用自适应学习系统(如 Khan Academy)获取个性化学习路径和练习题。 利用智能题库和作业辅助工具(如 Photomath)获取数学问题的解答和解题步骤。 借助虚拟教学助手(如 Socratic)解答问题、获取教学视频和答疑服务。 参与交互式学习平台(如 Wolfram Alpha)的课程和实践项目进行数学建模和问题求解。
2025-02-28
百炼工作流
以下是关于百炼工作流的相关信息: 为了快速定位问题,大家尽量把截图附上。 应用回复结果与工作流返回结果可能不一致,感觉像是对返回结果又进行了一次 AI 处理。售后支持回复不建议使用工作流,称百炼的工作流不好使。 关于百炼的 token 余额,只看到了 token 使用日统计,没看到余额。查询单个模型的免费额度信息:登录后,点击模型广场,选择模型并点击下方的查看详情按钮,即可查看免费的总额度,剩余额度,及到期时间。如点击查看详情后,发现没有免费额度信息,则需要查看该模型是否有赠送额度机制,如核实有赠送额度,那可能是免费额度有效期已经到期,到期后将不显示免费额度模块。更详细信息参考:https://alidocs.dingtalk.com/i/nodes/NZQYprEoWo4bv5X1UzRAEaLaV1waOeDk?utm_scene=person_space 登录失败的相关问题。 开通百炼模型时提示额度不足,比赛结束希望继续使用模型,免费额度用完后可登录阿里云官网点击右上角头像点击充值。 此外,阿里云百炼地址:https://bailian.console.aliyun.com/ 。开通满血版 R1 模型,在模型广场找到 DeepSeekR1 并授权,页面上可看到免费的 100w 额度和已使用量,每个人都会免费送 100w 额度,过期了就亏了。DeepSeekR1 模型是阿里云自主部署的,在阿里强大的技术实力下做了推理优化,强过 99.99%的市面上教的满血版本地部署的性能。用完还有免费的蒸馏版的 R1 模型,也是 100w token,这些模型都可以在“首页”或者“直接体验”直接使用,或者直接模型效果对比,也可以用 API 调用,比如 chatbox 直接使用。百炼应用开发新增加了模板,可以从模板来学习应用搭建。工作流可以用来让不同模型在同一任务创作。 使用场景示例: 法律合规改写:客户是一家招聘平台,每天需要处理百万级别的企业招聘需求,通过百炼工作流封装多个法律合规 Agent 判断企业端的要求是否符合劳动法要求,是否有性别歧视风险等等,并自动改写,减少了大量人力审核的需求。 关键信息抽取&打标签:客户是一家法催机构,每天需要处理十万到百万级别的借款人的相关信息,包括数额、借款时长、沟通次数以及反馈等等的大量不同来源的文本,通过百炼工作流,客户构建并串联了案件画像 Agent、借款人画像 Agent、法院画像 Agent 并最终通过打标签 Agent 经过意图分析节点自动化执行下一步,减少了大量律师数据整理,分析以及归类的工作。 智能助理&客服:客户是一家有 C 端 APP 的教育机构,有几十万的 DAU,客户通过百炼工作流搭建了首页的智能助手,通过意图分类的能力,将不同的用户 Query 分发到不同的场景模型中,针对用户自己的场景进行回答。
2025-02-26
我是一名高校新媒体工作人员,由于文字能力一般,需要能力较强的ai文本工具,用于撰写公文,新闻稿,公众号推文,总结简报等。请推荐至少5个,并进行对比分析
以下为您推荐至少 5 个适用于高校新媒体工作人员的 AI 文本工具,并进行对比分析: Copy.ai: 功能强大,提供丰富的新闻写作模板和功能。 可快速生成新闻标题、摘要、正文等内容,节省写作时间,提高效率。 Writesonic: 专注于写作,提供新闻稿件生成、标题生成、摘要提取等功能。 智能算法能根据用户提供信息生成高质量新闻内容,适合新闻写作和编辑人员。 Jasper AI: 人工智能写作助手,写作质量较高,支持多种语言。 虽主打博客和营销文案,也可用于生成新闻类内容。 Grammarly: 不仅是语法和拼写检查工具,还提供一些排版功能,可改进文档整体风格和流畅性。 QuillBot: AI 驱动的写作和排版工具,能改进文本清晰度和流畅性,同时保持原意。 秘塔写作猫: 是 AI 写作伴侣,能推敲用语、斟酌文法、改写文风,还能实时同步翻译。 支持全文改写,一键修改,实时纠错并给出修改建议,智能分析文章属性并打分。 笔灵 AI 写作: 是智能写作助手,能应对多种文体写作,如心得体会、公文写作、演讲稿、小说、论文等。 支持一键改写/续写/扩写,智能锤炼打磨文字。 腾讯 Effidit 写作: 由腾讯 AI Lab 开发,能探索用 AI 技术提升写作者的写作效率和创作体验。 选择工具时,您可根据具体需求(如文档类型、个人偏好等)进行考虑。例如,若主要需求是生成新闻类内容,Copy.ai、Writesonic 和 Jasper AI 可能更适合;若还需兼顾排版和语法检查,Grammarly 和 QuillBot 是不错的选择;若注重中文内容的改写,秘塔写作猫、笔灵 AI 写作和腾讯 Effidit 写作可优先考虑。
2025-02-26
AI 自动化和工作流编排有什么好的工具和方案
以下是一些关于 AI 自动化和工作流编排的工具和方案: 1. RPA 软件:很早就出现在工作流编排领域,目标是使基于桌面的业务流程和工作流程实现自动化,现在越来越多的 RPA 软件带上了 LLM。 2. ComfyUI:将开源绘画模型 Stable Diffusion 进行工作流化操作模式,用户在流程编辑器中配置 pipeline,通过不同节点和连线完成模型操作和图片生成,其 DSL 配置文件支持导出导入,提高了流程的可复用性,降低了时间成本。 3. Dify.AI:工作流设计语言与 ComfyUI 有相似之处,定义了一套标准化的 DSL 语言,方便使用导入导出功能进行工作流复用。 4. Large Action Model:采用“通过演示进行模仿”的技术,检查人们与界面的互动并模仿操作,从用户提供的示例中学习。 5. Auto GPT/Agent/Baby AGI:基于 GPT4 语言模型的开源应用程序,用户输入目标后可自主执行任务、递归地开发和调试代码。能用于自动化任务、创建自主的 AI 代理、完成各种任务等,访问地址为: 。 此外,在工作流编排中还涉及到一些概念和技术: 1. 短期记忆和长期记忆:短期记忆将所有的上下文学习看成是利用模型的短期记忆来学习;长期记忆通过外部的向量存储和快速检索来存储和召回信息。 2. 工具:学会调用外部不同类型 API 来获取模型缺少的额外信息、代码执行能力、访问专有信息源等。 3. 动作:大模型结合问句、上下文的规划、各类工具,最终决策出需要执行的动作。 4. Agentic Workflow 可以从提升效率、提高质量、节省时间的角度思考,通过将复杂任务分解成较小步骤,融入更多人类参与到流程中的规划与定义,减少对 Prompt Engineering 和模型推理能力的依赖,提高 LLM 应用面向复杂任务的性能。 但需要注意的是,Agentic Workflow 虽然美好,但使用的用户目前较少,可能是出现周期、工作流使用的上手难度等因素导致,并且在复杂流程上的开发并不是那么稳定可靠。
2025-02-26