怎么用飞书搭建一个人工智能知识库

以下是为您提供的与 AI 工作流相关的飞书文章链接： 1. 《》 2. 《》 3. 《》 4.

以下是为您提供的与 AI 工作流相关的飞书文章链接： 此外，还有以下相关内容供您参考： 在“AI 实战：搭建信息情报官 Agent”中，提到搭建飞书机器人并获取多维表格编辑权限的方法，以及工作流的具体执行和应用，如通过微信文章链接进行文章解读成摘要报告，构建消息情报官 Bot 并发布到多个平台等。 在“2 月 27 日社区动态速览”中，介绍了 Anthropic 分享的企业 AI 落地实践与误区，以及飞书+DeepSeek R1 自动化工作流的流程、飞书模板、Deep Research 提示词模板等。 在“夙愿：AI 工作流，赋能我的十倍增长”中，提到飞书文档图片链接有时效性以及排版的注意事项和解决办法。

以下是为您整合的与 AI 工作流相关的飞书内容： 根据 AI 使用的多少，人和 AI 协同的方式分为三种： 1. 嵌入式模式：工作仍由人主导，仅在部分步骤借助 AI 进行搜索或提供建议。 2. 协作模式：AI 完成部分完整步骤，如写文章时由 AI 完成初稿，人再调整，此模式基于目前 AI 发展程度最为常用。 3. 智能体模式：人设定目标并监督，整个工作流程由 AI 完成。 ChatGPT 给出了 AI 聊天机器人可完成的任务供参考，结合有效提示词，ChatGPT 能做的远超此列表，且 AI 工具不止 ChatGPT 一种。 个人常用任务对应的国内外 AI 产品可供了解尝试，需注意 AI 产品众多且更新变化快。 推荐网站“通往 AGI 之路”，该网站有大量 AI 相关的技术、产品、教程和案例等信息，并持续更新。 AI 不仅是个人的“外挂”，对公司也会带来变革。未来公司会加速数字化，业务拓展更多依托算力增加而非人力扩充，可能出现更多高效的小团队公司，满足未被满足的需求。 此外，“通往 AGI 之路”还有以下相关内容： 1. 对“飞书”感兴趣或想交流企业/个人效率提升，可访问“飞书官方社区——飞行社”。 2. 如需下载研究报告，可加入知识星球，内有数百份涵盖 AI 各方面的报告，并保持长期活跃更新。 3. 作者 Allen 端午假期实践了三篇教程，并准备调整写作工作流。

以下是飞书中与 AI 工作流相关的文章： 1. 《》，聚焦于工作流在 AI 智能体中的重要性，回顾了集成平台的演变，探讨了工作流在自动化和手动编排中的应用以及如何提升灵活性以应对不断变化的需求。 2. 《》 3. 《》，介绍了 ComfyUI 的工作流，特别是“黑猴子悟空换脸”项目，包括工作流下载链接、底图及模型的网盘地址以及报错解决方法。 4. 《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》，提到今年 AI 智能体很火，Coze、Dify 等 AI 智能体编排平台降低了制作门槛，上篇文章中讲解了用 Coze 搭建 AI 工作流的全步骤。

以下是关于输入观点一键生成文案短视频的详细介绍： 基于其它博主开源的视频生成工作流进行了功能优化，实现了视频的全自动创建。 先看效果： 功能：通过表单输入主题观点，提交后自动创建文案短视频，创建完成后推送视频链接到飞书消息。 涉及工具： 1. Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成） 2. 飞书（消息） 3. 飞书多维表格（字段捷径、自动化流程） 大体路径： 1. 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 2. 发布 coze 智能体到飞书多维表格。 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，智能体则通过卡片回复。 选择发布渠道为飞书多维表格，填写上架信息（为了快速审核，选择仅自己可用），等待审核。审核通过后，即可在多维表格中使用。 3. 在多维表格中使用字段捷径，引用该智能体。 创建飞书多维表格，添加相关字段。配置后选择“自动更新”，输入相关字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 表单分享，实现填写表单自动创建文案短视频的效果。 4. 点击多维表格右上角的“自动化”，创建想要的自动化流程。 希望以上内容对您有所帮助。

以下是关于使用 deepseek 加飞书多维表格制作短视频的详细步骤和相关信息： 概述： 基于其他博主开源的视频生成工作流进行功能优化，实现了视频的全自动创建。感谢开源，现提供教程供参考。 先看效果： 可查看 功能： 通过表单输入主题观点，提交后自动创建文案短视频，并将创建完成的视频链接推送至飞书消息。 涉及工具： 1. Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成） 2. 飞书（消息） 3. 飞书多维表格（字段捷径、自动化流程） 大体路径： 1. 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 2. 发布 coze 智能体到飞书多维表格。 3. 在多维表格中使用字段捷径，引用该智能体。 4. 在多维表格中创建自动化流程，推送消息给指定飞书用户。 智能体发布到飞书多维表格： 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，不明白可留言。 2. 发布时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，发布时会自动出现。目的是为了在多维表格中选择关联字段，控件要选择“字段选择器”。填写上架信息（为快速审核，选择仅自己可用），确认发布等待审核。审核通过后，即可在多维表格中使用。 多维表格的字段捷径使用： 1. 创建飞书多维表格，添加相关字段。配置后使用字段捷径功能，使用自己创建的 Coze 智能体。选择“自动更新”，输入前边的 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。 2. 表单分享，实现“填写表单，自动创建文案短视频”的效果。 自动化推送： 点击多维表格右上角的“自动化”，创建想要的自动化流程。

以下是关于用 DeepSeek 打造个人知识库的相关信息： 可以先将文本拆分成若干小文本块（chunk），通过 embeddings API 将其转换成与语义相关的 embeddings 向量，并在向量储存库中保存这些向量和文本块作为问答的知识库。当用户提出问题时，将问题也转换成向量，与储存库中的向量比对，提取关联度高的文本块，与问题组合成新的 prompt 发送给 GPT API，从而提高回答的准确性和相关性。例如对于“此文作者是谁？”的问题，可以直观或通过比较 embeddings 向量找到关联度最高的文本块，如“本文作者：越山。xxxx。”。 在 RAGFlow 中，可配置本地部署的 DeepSeek 模型。选择 Ollama 并配置相关信息，导入嵌入模型用于文本向量化。设置系统模型后，可创建知识库，导入文件（可设置文件夹）并解析，解析速度取决于本机 GPU 性能。解析完成后进行检索测试，没问题即可进入聊天界面，还可自行设置助理。 此外，AI 编程与炼金术中也涉及 DeepSeek 的相关知识，如在不同章节中的应用，包括给老外起中文名、驱动 Life Coach 等，具体内容可通过相关链接进一步查看。

以下是 AI+知识库应用的架构图相关内容： 一、问题解析阶段 1. 接收并预处理问题，通过嵌入模型（如 Word2Vec、GloVe、BERT）将问题文本转化为向量，确保问题向量能有效用于后续检索。 二、知识库检索阶段 1. 知识库中的文档同样向量化后，比较问题向量与文档向量，选择最相关的信息片段并抽取传递给下一步骤。 2. 文档向量化：要在向量中进行检索，知识库被转化成一个巨大的向量库。 三、信息整合阶段 1. 接收检索到的信息，与上下文构建形成融合、全面的信息文本。 信息筛选与确认：对检索器提供的信息进行评估，筛选出最相关和最可信的内容，包括对信息的来源、时效性和相关性进行验证。 消除冗余：识别和去除多个文档或数据源中的重复信息。 关系映射：分析不同信息片段之间的逻辑和事实关系，如因果、对比、顺序等。 上下文构建：将筛选和结构化的信息组织成一个连贯的上下文环境，包括对信息进行排序、归类和整合。 语义融合：合并意义相近但表达不同的信息片段，以减少语义上的重复并增强信息的表达力。 预备生成阶段：整合好的上下文信息被编码成适合生成器处理的格式，如将文本转化为适合输入到生成模型的向量形式。 四、大模型生成回答阶段 1. 整合后的信息被转化为向量并输入到 LLM（大语言模型），模型逐词构建回答，最终输出给用户。因为这个上下文包括了检索到的信息，大语言模型相当于同时拿到了问题和参考答案，通过 LLM 的全文理解，最后生成一个准确和连贯的答案。 五、其他预处理阶段 1. 文本预处理：包括去除无关字符、标准化文本（例如将所有字符转换为小写）、分词等，以清洁和准备文本数据。 2. 嵌入表示：将预处理后的文本（词或短语）转换为向量，通常通过使用预训练的嵌入模型来完成。 3. 特征提取：对于整个问题句子，可能会应用进一步的特征提取技术，比如句子级别的嵌入，或使用深度学习模型（如 BERT）直接提取整个句子的表示。 4. 向量优化：问题的向量表示可能会根据具体任务进行优化，例如通过调整模型参数来更好地与检索系统的其他部分协同工作。

构建 Coze 知识库的步骤如下： 1. 手动清洗数据： 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，选择飞书文档、自定义的自定义，输入“”，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容以提高训练数据准确度，将海报内容训练到知识库中。例如画小二 80 节课程分为 11 个章节，先放入大章节名称内容，再按固定方式细化处理，然后选择创建知识库自定义清洗数据。 2. 发布应用：点击发布，确保在 Bot 商店中能够搜到。 3. 标准流程搭建产品问答机器人： 收集知识：确认了解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）。 创建知识库：路径为个人空间知识库创建知识库，支持本地文档、在线数据、飞书文档、Notion 等文档类型，本次可使用本地文档，按照操作指引上传文档、分段设置、确认数据处理，可使用特殊分割符“”，分段标识符号选择“自定义”，内容填“”。 希望以上内容对您有所帮助。

以下是一些可能找到了解 AI 模型微调和 RAG 知识库的外包开发团队的途径： 1. 相关技术社区和论坛：例如一些专注于 AI 开发的社区，开发者可能会在其中分享经验和提供服务。 2. 专业的自由职业者平台：如 Upwork、Freelancer 等，您可以在这些平台上发布需求，寻找合适的团队或个人。 3. 参考行业报告和研究：部分报告中可能会提及相关的优秀开发团队或公司。 4. 联系 AI 领域的知名机构或公司：他们可能会推荐或提供相关的外包服务。 5. 社交媒体和专业群组：在如 LinkedIn 等社交媒体上的 AI 相关群组中发布需求，可能会得到相关团队的回应。 另外，从提供的资料中，以下信息可能对您有所帮助： 红杉的相关分析提到，迁移学习技术如 RLHF 和微调正变得更加可用，开发者可以从 Hugging Face 下载开源模型并微调以实现优质性能，检索增强生成（RAG）正在引入关于业务或用户的上下文，像 Pinecone 这样的公司的向量数据库已成为 RAG 的基础设施支柱。彬子的经历中，有出海垂直领域 Agent 平台的项目经理咨询 RAG 策略优化。2024 人工智能报告中提到对增强生成检索（RAG）的兴趣增长促使了嵌入模型质量的提高，传统 RAG 解决方案中的问题得到解决。

搭建知识库的方法主要有以下几种： 1. 利用本地部署大模型搭建个人知识库： RAG 技术：利用大模型的能力搭建知识库是 RAG 技术的应用。在这个过程中，首先检索外部数据，然后在生成步骤中将这些数据传递给 LLM。RAG 的应用包括文档加载（从多种不同来源加载文档）、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）、Output（把问题以及检索出来的嵌入片一起提交给 LLM 生成答案）。 文本加载器：将用户提供的文本加载到内存中，便于进行后续的处理。 2. 使用 Dify 构建知识库： 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。 创建数据集：在 Dify 中创建新的数据集，上传准备好的文档，并为数据集编写良好的描述。 配置索引方式：Dify 提供了三种索引方式供选择，根据实际需求选择合适的方式。 集成至应用：将创建好的数据集集成到 Dify 的对话型应用中，在应用设置中配置数据集的使用方式。 持续优化：收集用户反馈，对知识库内容和索引方式进行持续优化和迭代，定期更新知识库。 3. 在 Coze 智能体中创建知识库： 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。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、自定义的自定义，输入，然后可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：对于本地 word 文件，注意拆分内容以提高训练数据准确度。例如画小二课程分为多个章节，先放入大的章节名称内容，再按固定方式处理章节内详细内容。 发布应用：点击发布，确保在 Bot 商店中能够搜到。

以下是通往 AGI 之路的知识库目录： 1. 直播一期：知识库及 GPT 基础介绍 知识库及社群介绍 知识库目录导览 2. 5.关于我们&致谢 AGI 知识库：一个启程的故事 3. 🌈通往 AGI 之路分享会 深入浅出理解 AI 目录 有趣的 AI 案例 AI 的原理 Diffusion 原理和案例 什么是 Agent 此外，还包括以下相关链接： 直播回放：https://www.bilibili.com/video/BV1QN411j719/ （小红书）

对于 211 本科人工智能专业毕业，考研一志愿结果不理想可能被调剂到双非院校的情况，在就业方面可以有以下几个方向： 大学老师：如果您有继续深造的意愿，在研究生阶段取得优异成果，未来仍有机会进入高校任教，但可能相对较难进入重点高校。 大厂：大厂通常对学历和能力都有较高要求。虽然您的研究生院校可能是双非，但如果在研究生期间积累丰富的项目经验、具备扎实的专业技能，仍有机会进入大厂。 中小厂：中小厂对于学历的要求相对宽松，更注重实际能力。您可以在中小厂获得更多实践机会，积累工作经验，为未来的职业发展打下基础。 国企：国企的稳定性较高，对于学历的要求也相对灵活。您可以关注国企的招聘信息，寻找与人工智能相关的岗位。 考公考编：公务员和事业单位的工作稳定性强，一些与科技、信息化相关的部门可能会招聘人工智能专业的人才。 选调生：如果您符合选调生的选拔条件，可以尝试通过选调生途径进入政府部门工作。 总之，无论选择哪个方向，都需要在研究生期间不断提升自己的专业能力和综合素质，增加就业竞争力。

以下是一些成熟的人工智能大模型及其功能和链接： 百度（文心一言）：https://wenxin.baidu.com 。 抖音（云雀大模型）：https://www.doubao.com 。 智谱 AI（GLM 大模型）：https://chatglm.cn 。 中科院（紫东太初大模型）：https://xihe.mindspore.cn 。 百川智能（百川大模型）：https://www.baichuanai.com/ 。 商汤（日日新大模型）：https://www.sensetime.com/ 。 MiniMax（ABAB 大模型）：https://api.minimax.chat 。 上海人工智能实验室（书生通用大模型）：https://internai.org.cn 。 在这些大模型中： 能生成 Markdown 格式的：智谱清言、商量 Sensechat、MiniMax 。 目前不能进行自然语言交流的：昇思、书生 。 受限制使用：MiniMax（无法对生成的文本进行复制输出，且只有 15 元的预充值额度进行体验，完成企业认证后可以进行充值） 。 特色功能：昇思——生图，MiniMax——语音合成 。 此外，还有其他一些大模型： OpenAI 系统：包括 3.5 和 4.0 版本，一个新的变种使用插件连接到互联网和其他应用程序。Code Interpreter 是一个非常强大的 ChatGPT 版本，可以运行 Python 程序。如果未为 OpenAI 付费，只能使用 3.5 。除了插件变种和一个暂时停用的带有浏览功能的 GPT4 版本之外，这些模型都没有连接到互联网。微软的 Bing 使用 4 和 3.5 的混合，通常是 GPT4 家族中首个推出新功能的模型，例如可以创建和查看图像，且可以在网页浏览器中阅读文档，并连接到互联网。 谷歌：一直在测试自己的人工智能 Bard，由各种基础模型驱动，最近是一个名叫 PaLM 2 的模型。 Anthropic：发布了 Claude 2，其最值得注意的是有一个非常大的上下文窗口，本质上是 LLM 的记忆。Claude 几乎可以保存一整本书或许多 PDF，与其他大型语言模型相比，它不太可能恶意行事。

以下是为您生成的 600 字左右关于人工智能生成内容（AIGC）的感悟： AIGC 作为当今科技领域的热门话题，正以惊人的速度改变着我们的生活和工作方式。 AIGC 强调的是利用人工智能技术生成各种内容，包括文本、图像、音频和视频等。它并非简单的技术堆砌，而是多种先进技术融合的成果。例如，Transformer 模型在语言处理和多模态领域的应用，为 AIGC 提供了强大的支撑。 从原理上看，AIGC 涉及多种生成算法，如 VAE、GAN、FlowModel 和 Diffusion Model 等。这些算法使得机器能够创造出具有一定质量和创意的内容。同时，还有像 IS 和 FID 这样的评价指标来衡量生成图片的质量。 在实际应用中，AIGC 展现出了巨大的潜力。它可以自动撰写新闻文章，为媒体行业带来效率的提升；能够生成艺术画作，为艺术创作注入新的活力；可以创作音乐，丰富音乐领域的多样性；还能制作视频游戏内容，为娱乐产业增添新的元素。 ChatGPT 作为 AIGC 在文本生成领域的杰出代表，充分展示了 AIGC 的强大能力。它通过预训练和大量的数据投喂，能够与用户进行流畅且相关的文本交流，仿佛在玩“文字接龙游戏”。 然而，AIGC 也面临一些挑战和问题。比如生成内容的准确性和可靠性需要进一步提高，版权和伦理问题也需要引起重视。但不可否认的是，AIGC 为我们开启了一扇充满无限可能的大门，让我们对未来充满期待。随着技术的不断进步和完善，相信 AIGC 将在更多领域发挥重要作用，为人类创造更多的价值。

以下是关于人工智能生成内容（AIGC）的突破、对齐及产业培育的感悟： 一、原理与概念 1. 人工智能（AI）：是一种目标，让机器展现智慧，简称 AI。 2. 生成式人工智能（GenAI）：目标是让机器产生复杂有结构的内容，简称 GenAI。 3. 机器学习：一种手段，让机器自动从资料中找到公式，包括监督学习、无监督学习、强化学习。 监督学习：有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，如聚类。 强化学习：从反馈里学习，最大化奖励或最小化损失，类似训小狗。 4. 深度学习：一种更厉害的手段，参照人脑有神经网络和神经元（因有很多层所以叫深度），神经网络可用于多种学习方式。 5. 大语言模型（LLM）：是一类具有大量参数的“深度学习”模型。 6. ChatGPT：是 AIGC 技术的一个应用实例，是美国 OpenAI 公司开发的基于大型语言模型的对话机器人，能根据用户输入生成连贯且相关的文本回复。 二、AIGC 的特点与应用 AIGC 是利用人工智能技术生成内容的新型生产方式，包括文本、图像、音频和视频等内容。其技术可用于多种应用，如自动撰写新闻文章、生成艺术画作、创作音乐、制作视频游戏内容等。 三、相关概念的关系与区别 AGI、GenAI、AIGC 几个概念有所区别与联系，具体可参考相关图示。更多概念可问 Kimi、通义千问、文心一言等大模型。 四、技术里程碑 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制处理序列数据，不依赖于循环神经网络或卷积神经网络。

对于新手想要更好地使用该网站来了解人工智能或 AGI 进展以及主流软件的学习和应用，以下是一些相关内容： AE 软件： 基本功能：可通过图层软件抠元素加插件做特效，如利用 auto field 自动填充工具，轨道遮罩功能让图层按特定形状变化等。 与 AI 结合运用：如用 runway 生成烟花爆炸素材，结合 AE 的图层混合模式、遮罩等功能实现特效可控的画面。 其他应用：用内容识别填充功能处理视频画面，如抹掉入镜的人；从素材网站获取粒子素材为画面添加氛围感。 学习路径：可在 B 站找丰富的 AE 软件入门课程自学，也可从包图网下载工程文件学习。 学习方法：通过拆解视频、留意路边广告特效、按层级逻辑思考画面运动来学习 AE，还可参考模板。 与 AI 的关系：AI 出现后，AE 使用减少，有些动效可用 AI 完成。 在短剧中的应用：在火焰、文字、光线等方面有少量应用。 AI 相关技术与活动： AI 音乐创作：通过输入更高级的词汇与 AI 音乐对话能产生更好效果，有 AI 音乐的版块、挑战、分享会和教程，可通过王贝加入 AI 音乐社区。 数字人语音合成：介绍了声音克隆技术，提到了微软、阿里等的相关成果，常用的是 JPT service。 Config UI 的应用：能降低成本、提高效率，在图书出版、引流等方面有应用，岗位稀缺，社区有相关共学课程。 社区共创项目：包括东京的 confii 生态大会、AI 文旅视频、娃卡奖、李普村共创故事、AI 春晚等活动。 作业与报名：作业是询问对 AI 方向的兴趣和想做的项目，活动报名可通过填写名字和申请新增学校参与。 线下寄送物料组织活动：会给大家寄送线下活动物料，在学校内组织。 AI 春晚即将开始：去年 300 人 30 天共创了 AI 春晚，今年的也即将开始，可报名参与多种岗位。 AIPO 活动及相关挑战：10 月 20 日的 AIPO 活动，可提前构思展示项目，有会话和视频相关的挑战赛。 共学活动与技能提升：接下来 10 天有从零基础到建站等内容的讲解，回放会放在链接里，可先从练习提示词入手。 硬件机器人材料购买：若搞硬件机器人，部分材料需尽快购买。 自媒体发布与流量扶持：在小红书发布活动内容带特定标签有流量扶持，作品也可发布在 GitHub 等平台。 活动奖项与历史玩法：设最佳创业奖和最佳投资奖各四个，有线下摆摊展示交流、IPO 路演等玩法，之前在多个城市举办过 AI 切磋大会。 工具使用与新大赛预告：可使用多种 AI 工具，新的大赛即将开启，有百万奖金池，相关动态会在社区活动栏目公布。 AI 音乐和数字人语音合成： AI 音乐方面，提到草爷、格林 king、狗哥带大家入门，有相关课程与教程，且淘宝上有套壳工具抄袭。社区伙伴做的 AI 音乐专辑不错。 数字人语音合成部分提到声音克隆，有新的声音克隆且音质很不错。 提到了微软新出的成果、阿里的 Cozy voice（指出其泛化能力不强）、大家常用的 GPT solve it、刚举办的 AI 3D 活动。 以小田的 config UI 基础工作流一日谈展开，讲述了多个案例，如许建拍摄场景图成本降低，郭佑萌在图书出版行业提升效率，影楼可进行换装等操作，文旅文创场景有有趣的合影生成方式，还提到该工作流岗位稀缺且社区有课程可供学习。 AJ 介绍平台资源，包括共学课程、专栏报告、数据等，还提及就业创业及一些企业专栏的内容。

以下是关于人工智能法律的相关内容： 《人工智能权利法案蓝图》提出了人工智能权利法案的相关内容。 《全球人工智能治理大变局之欧盟人工智能治理监管框架评述及启示》中提到： 1. 欧盟人工智能监管体系对中国的启示包括纳入道德伦理和人权考量的以风险为基准的统一人工智能治理。但伦理道德和人权的高度概括性、抽象性和不确定性给融入人工智能治理带来挑战，我国《科技伦理审查办法（试行）》是积极探索，但人工智能的特殊性可能无法体现，且“不可接受的风险”和“高风险”的界定存在不确定性和模糊性，以风险为基准的人工智能管理框架成效有待观望和研讨。 《人工智能法案》的相关规定包括： 1. 通过适当的设计、测试和分析，在开发前和整个开发过程中，用适当的方法（如让独立专家参与）证明对健康、安全、基本权利、环境、民主和法治的合理可预见风险的识别、减少和缓解，以及开发后剩余不可缓解风险的记录。 2. 处理和纳入仅受适当数据治理措施约束的数据集用于基础模型，特别是检查数据源的适用性和可能的偏差以及适当的缓解措施。 3. 设计和开发基础模型，以在其整个生命周期内通过适当的方法（如让独立专家参与模型评估、记录分析和广泛测试）实现适当水平的性能、可预测性、可解释性、可纠正性、安全性和网络安全性。 4. 设计和开发基础模型时，利用适用的标准来减少能源使用、资源使用和浪费，并提高能源效率和系统的整体效率，但不损害相关的现有联盟和国家法律。在第 40 条所述的标准公布之前，此义务不适用。基础模型应具备能够测量和记录能源和资源消耗以及在技术可行的情况下系统部署和使用在整个生命周期内可能产生的其他环境影响的能力。 5. 制定广泛的技术文档和易懂的使用说明，以使下游供应商能够遵守第 16 条和第 28（1）条规定的义务。 6. 建立质量管理体系，以确保并记录对本条的遵守情况，并有可能在满足这一要求方面进行试验。

以下是关于用 COZE 国内版搭建工作流的相关内容： 需求分析：主要需求是国内可直接使用且能批量生产，选用 COZE 搭建工作流，但批量生产可能会牺牲一定质量的文案和图片效果。 批量生成句子：不同于手动搭建，可一次性生成句子并进行图片处理，但一次生成不要太多，建议设置为一次生成五句。 句子提取：需要把生成的句子逐个提取出来，针对每个句子画图。 图片生成：根据生成的句子结合特有画风等描述绘图。 图片和句子结合：COZE 工作流本身支持 Python 代码，但环境中缺少画图、图片处理所需包，可替换为搞定设计的方式处理图片，会用 PS 脚本效果也不错。 工作流使用：工作流是 AI Bot 的核心和灵魂部分。第一步是开始节点，定义用户传入赋值的变量及描述，描述作为提示词，用户输入相关关键词时会调用工作流。第二步通过大模型组件解析用户输入信息是否满足提示词条件，借助 AI 大模型组件可实现动态用户需求传入，通过自然语言动态调用条件流程，而非传统编程的固定条件匹配和调用。接下来是条件判断，根据大模型解析结果选择条件执行。

用扣子搭建智能体需要注意以下几点： 1. 输入人设等信息，并放上创建的工作流。 2. 配置完成后进行测试。 3. 注意工作流中【所有视频片段拼接】节点使用的插件 api_token 不能直接填自己的 token，否则其他人调用会消耗自己的费用。可以将 api_token 作为工作流最开始的输入，让用户购买后自行输入再使用，然后再发布。 4. 给智能体起一个名字，写一段详细的介绍，越详细越好，系统会根据介绍智能生成符合主题的图标。 此外，AI 智能体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。目前有不少大厂推出自己的 AI 智能体平台，像字节的扣子，阿里的魔搭社区等等。扣子作为字节跳动旗下的新一代一站式 AI Bot 开发平台，无论用户是否具备编程基础，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，还可以将自己构建的 Bot 发布到各种社交平台和通讯软件上。

以下是关于搭建智能体的相关内容： 创建智能体时，需输入人设等信息，并放上创建的工作流。配置完成后可进行测试，但千万不要直接发布。若工作流中【所有视频片段拼接】节点使用的插件 api_token 填的是您的 token，为避免他人调用消耗您的费用，您可以将 api_token 作为工作流最开始的输入，待用户购买后输入使用，然后再发布。 搭建智能体帮助提炼品牌卖点时，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，将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、触点收集助手等加入工作流。同时，还包括一些未在结构中体现但在后续应用中有效的分析工具，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。 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内容，并提供了相关课程文档。

搭建 Agent 的 Prompt 可以参考以下步骤： 1. 从基础案例入门 登录控制台：登录扣子控制台（coze.cn），使用手机号或抖音注册/登录。 在我的空间创建 Agent：在扣子主页左上角点击“创建 Bot”，选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”，并点击“确认”完成配置。如需使用其他空间，请先创建后再选择；Bot 名称可以自定义。 编写 Prompt：填写 Prompt，即自己想要创建的 Bot 功能说明。第一次可以使用一个简短的词语作为 Prompt 提示词。 优化 Prompt：点击“优化”，使用来帮忙优化。 设置开场白。 其他环节。 发布到多平台&使用。 2. 进阶之路 三分钟捏 Bot： 三分钟内可以完成基础的创建步骤。 十五分钟做什么：查看下其他 Bot，获取灵感。 一小时做什么：找到和自己兴趣、工作方向等可以结合的 Bot，深入沟通。 一周做什么：了解基础组件，寻找不错的扣子，借鉴&复制，加入 Agent 共学小组，尝试在群里问第一个问题。 一个月做什么：合理安排时间，参与 WaytoAGI Agent 共学计划，自己创建 Agent，并分享自己捏 Bot 的经历和心得。 3. 在 WaytoAGI 有哪些支持：文档资源、交流群、活动。 4. 《执笔者》：基于多 Agent 模式的全能写手 多 agent 模式切换：在 bot 编排页面点选多 agent 模式，页面将会自动切换为多 agent 调式状态，相比单 agent，主要是多了中间一块的 agent 连接区。 添加合适节点：节点这里有两种方式可以选择，用已发布的 bot，或者创建一个新的 agent，大家按需选取。添加的 agent 直接连接在默认的总管 agent（“执笔者”）后面即可，无结束节点。 添加合适的 prompt：在多 agent 模式下，我们需要为每个 agent 填写合适的 prompt。外围的人设填写该 bot 的主要功能，内部的 bot 填写各个 bot/agent 的应用场景。 调试与美化：经过以上简单三步，一个多 agent 的 bot 就基本搭建完成，接下来就是漫长的调试过程，如果输出与自己设想有差异，可以不断调整外围和内部 bot 的提示词，提升命中率，优化交互。 5. 一个提示词，让 DeepSeek 的能力更上一层楼？——HiDeepSeek 效果对比：用 Coze 做了个小测试，大家可以对比看看。 如何使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后，正式开始对话。 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 通过提示词文件，让 DeepSeek 实现：同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（对我来说有难度）和 Markdown（运行下来似乎不是很稳定）。 完整提示词：v 1.3 特别鸣谢：李继刚的【思考的七把武器】在前期为我提供了很多思考方向；Thinking Claude 是我现在最喜欢使用的 Claude 提示词，也是我设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。

搭建 AI 工作流包括以下三种能力： 1. 熟悉各种 AI 工具：这是入门 AI 工作流的第一步。不同环节可能需要不同工具，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。需要了解多个不同 AI 工具的特点和用途，根据具体细分任务选择合适的工具。 2. 编写提示词：这决定能否用好工具。提示词是搭建人和 AI 之间的“沟通桥梁”，要用 AI 能听懂的语言清晰说明需求、任务内容和步骤，让 AI 明白要做什么以及怎么做。 3. 搭建 AI 智能体：AI 智能体如同员工，能根据设定的工作流自动调用不同 AI 工具完成全流程任务，无需人类时刻干预。例如写一篇文章，可设计“写作助手”的 AI 智能体，输入文章主题、风格和要求，它会自动写大纲、用 Claude 模型写初稿、修改润色并排版，从而提高效率。 您可以对照这三个层级，评估自己的 AI 工作流能力，找出差距和不足，多学习、多实践、多交流。

搭建 AI 智能体的步骤如下： 1. 创建一个智能体，输入人设等信息，并放上创建的工作流。 2. 配置完成后进行测试。需要注意的是，工作流中使用的插件 api_token 不能直接发布，可将其作为工作流的输入，由用户购买后输入使用，然后再发布。 3. 学会搭建 AI 智能体是搭建 AI 工作流的能力之一。AI 智能体如同员工或智能助手，能根据设定的工作流自动调用不同的 AI 工具完成全流程任务，例如设计“写作助手”智能体，输入文章主题、风格和要求，它就能自动完成大纲处理、初稿撰写、修改润色和排版等工作。 4. 逐步搭建 AI 智能体的具体配置过程包括： 创建 Bot。 填写 Bot 介绍。 切换模型为“通义千问”（测试效果较好）。 将配置好的工作流添加到 Bot 中。 新增变量{{app_token}}。 添加外层 bot 提示词（可根据需求和实际效果优化调整）。配置完成后，可在「预览与调试」窗口与 AI 智能体对话并使用全部功能。