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

如何利用coze实现公众号更新后自动推送并总结内容

Answer

利用 Coze 实现公众号更新后自动推送并总结内容的步骤如下:

  1. 抓取公众号内容:
    • 先在平台搜索现成的插件,如 Coze 平台的读取公众号内容插件,但可能已荒废无法使用。
    • 可考虑自己写爬虫抓取,或寻找可通过 API 方式直接调用的现成服务,如“瓦斯阅读”,但可能存在公众号不全的问题。还可尝试 GitHub 上的“WeWe RSS”工具。
  2. 公众号内容总结:
    • 主要依靠大模型的能力,如字节的豆包大模型。涉及批量化操作时,可使用“批处理”功能。
  3. 定时推送到微信:
    • 定时可通过 Coze 平台的触发器实现。
    • 推送到微信需找第三方 API 的方案解决,如“server 酱”,通过服务号的模板消息将自定义内容推送到微信。
  4. 搭建工作流:
    • 循环查询文章是否推送过:
      • 循环体内部的数据库节点用于在数据库中查询是否已推送过该文章,输入项为文章 url 和开始节点的 key(重命名为 suid)。
      • 循环体内容的选择器判断数据库查询内容是否为空,为空则拼接文章完整信息。
    • 设置 Bot:
      • 人设和回复逻辑:设置提示词直接调用工作流,将“sum_weixin_2_2”替换为工作流名称。
      • 工作流:添加创建的工作流。
      • 设置触发器:选择“定时触发”,设定触发时间,如每天 18 点,输入工作流开始节点的参数。可设置多个触发器。
    • 发布到飞书:点击右上角“发布”,选择飞书渠道,因 Coze 平台触发器目前只对飞书渠道生效。
Content generated by AI large model, please carefully verify (powered by aily)

References

【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程)

[title]【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程)[heading2]二、工作流拆解[heading3]2、元素拆解我们再来看看这个流程中每一步都涉及到哪些核心要素:1、抓取公众号内容:首先先在平台搜搜有没有现成的插件,Coze平台确实有一些读取公众号内容的插件,但是都已经荒废了,用不了了。所以现在要么写爬虫自己抓(我不会啊……),要么就看看有没有现成的服务,可以通过API的方式直接调用。这时候想起来原来折腾RSS订阅的时候,有个平台叫「瓦斯阅读」,可以稳定的抓取公众号的内容,用这个先试试,成功获取刘润公众号的内容!但是马上新的问题就出现了,平台上公众号也太不全了吧,我搜了10个,有7个都没有(晕倒),比如搜索Coze的官方账号就查无此人。看来还得找找其他的方案,功夫不负有心人,在GitHub上有个项目叫做WeWe RSS。这个工具可以通过微信读书的方式,订阅公众号,感觉可行!看着也挺优雅!2、公众号内容总结:这个主要就是依靠大模型的能力了,总结任务应该算是大模型最擅长的任务之一了吧,字节的豆包大模型应该就可以胜任。这步主要涉及一个批量化操作:批量对抓取到的公众号内容进行总结,可以使用「批处理」功能搞定,后边会有详细介绍。3、定时推送到微信:这里头有两个点:一个是定时,这个Coze平台的触发器可以实现;另一个是推送到微信,Coze平台没有这类的插件,看来还得找第三方API的方案解决。之前接触过「server酱」,可以通过服务号的模板消息,将自定义的内容推送到微信上,作为MVP产品来说,这个免费服务应该也够用了。

【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程)

[title]【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程)[heading2]三、搭建工作流[heading3]6、循环查询文章是否推送过循环体内部——数据库节点数据库节点:用来在数据库中查询是否已经推送过该篇文章,输入项为上一步中的url和开始节点的key(也就是server酱的sendkey,这里我们重命名为suid了)因为这个Bot最开始设计的时候,就考虑到可能有多个用户会同时使用这个Bot设置公众号推送内容,每个用户设置的公众号内容可能不一样,每个用户的要推送的微信号肯定也不一样,所以这里使用server酱的sendkey作为了用户的唯一标识,重命名为了suid所以这里查询数据库需要两个值,文章url和用户的suid,来判断这名用户的这篇文章是否推送过SQL语句是AI写的,直接复制就成记得设置一下输出项「combined_output」这步是必须项:Coze平台的逻辑是数据库是与bot绑定的,所有如果要使用数据库功能,需要在bot中设置一个相同名称和数据结构的数据库进行绑定,具体设置方法参见「相关资源」循环体内容——选择器判断数据库查询的内容是否为空,如果是空,证明数据库中没有查到,这篇文章没有给这名用户推送过,使用「文本处理」节点,拼接这篇文章的完整信息,保证信息一致性string1:开始节点的key,也就是server酱的sendkey,用来识别用户string2:循环节点item值中的urlstring3:循环节点item值中的titlestring4:循环节点item值中的author拼接为如下格式,方便输出,并让后边节点使用右下方的「文本处理」节点没有实际作用,输入项随便写,主要是为了处理数据库查询到已经给这名用户推送过这篇文章情况下的占位项,否则工作流会报错设置循环节点输出项,选择循环体中「输出新文章内容」拼接后的字符串

【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程)

终于终于,最后一步了,在Bot中绑定工作流,设置定时任务,然后发布到飞书渠道。1、人设和回复逻辑:由于咱们这个bot主要依托于工作流,所以设置提示词,直接调用工作流sum_weixin_2_2替换为你工作流的名称2、工作流:添加刚刚创建的工作流3、设置触发器:选择「定时触发」,选择触发的时间,比如希望每天18点收到微信推送,就选择18点任务执行:选择工作流,输入key和rss_list,这里的输入参数就是工作流中开始节点的输入参数,key为Server酱的sendkey,rss_list可以使用上边我提供的测试数据触发器实现的效果就是,在设定的时间点,根据输入项的内容,执行工作流。由于工作流中我们设置了推送到微信,所以我们在这个时刻就可以在微信里收到推送的总结内容了。可以同时设置多个触发器,最多设置10个。可以推送给10个不同的人,或者分10个时间段给自己推送不同的内容。[heading3]17、发布到飞书[content]点击右上角「发布」,注意渠道要选择飞书,因为目前Coze平台触发器只对飞书渠道生效。

Others are asking
coze搭建智能体,用上传的文件和知识库的文件做对比,分析差异点。
以下是关于在 Coze 中搭建智能体的相关信息: 1. 证件照相关操作: 展示原图上传结果,基本脸型已换,生成效果与上传照片特征有关。 改背景可利用改图功能,一键改图效果更好,输出数据类型为图片。 豆包节点生成的是 URL 地址,与前者不同,在工作流使用有差异,可参考简单提示词。 介绍证件照工作流相关操作,包括通过提示词改背景颜色,设置输出方式为返回变量;讲解消耗 token 及保存结果相关问题;对按钮、表单添加事件并设置参数,限制上传文件数量;还涉及给表单和图片绑定数据,以及每次操作后刷新界面确保设置生效。 围绕操作讲解与优化展开,介绍 for meet 的设置,如表单事件操作、图片上传数量修改等,提及编程基础知识。还讲述成果图连接、绑定数据方法及注意事项。展示基本功能实现情况,分析换性别等问题成因,指出需在工作流优化提示词,也可尝试用视频模型解决,最后进入问答环节。 2. 多维表格的高速数据分析: 创建智能体,使用单 Agent 对话流模式。 编排对话流,创建新的对话流并关联智能体。 使用代码节点对两个插件获取的结果进行数据处理,注意代码节点输出的配置格式。 测试,找到一篇小红书笔记,试运行对话流,在对话窗口输入地址查看数据。 发布,选择多维表格,配置输出类型为文本,输入类型选择字段选择器,完善上架信息,可选择仅自己可用以加快审核。 3. 智能体与微信和微信群的连接: 创建知识库,可选择手动清洗数据提高准确性,包括在线知识库和本地文档。 在线知识库创建时,飞书在线文档中每个问题和答案以分割,可编辑修改和删除。 本地文档中注意拆分内容提高训练数据准确度,如将课程章节按固定方式人工标注和处理。 发布应用,确保在 Bot 商店中能够搜到。
2025-04-18
coze搭建知识库和上传文件做对比分析
以下是关于 Coze 搭建知识库和上传文件的对比分析: 创建文本型知识库: 自动分段与清洗:扣子可对上传的内容进行自动解析,支持复杂布局的文件处理,如识别段落、页眉/页脚/脚注等非重点内容,支持跨页跨栏的段落合并,支持解析表格中的图片和文档中的表格内容(目前仅支持带线框的表格)。操作步骤为在分段设置页面选择自动分段与清洗,然后依次单击下一步、确认,可查看分段效果,不满意可重新分段并使用自定义分段。 自定义:支持自定义分段规则、分段长度及预处理规则。操作时在分段设置页面选择自定义,然后依次设置分段规则和预处理规则,包括选择分段标识符、设置分段最大长度和文本预处理规则,最后单击下一步完成内容分段。 创建表格型知识库: 目前支持 4 种导入类型:本地文档、API、飞书、自定义。 本地文档:选择本地文档从本地文件中导入表格数据,目前支持上传 Excel 和 CSV 格式的文件,文件不得大于 20M,一次最多可上传 10 个文件,且表格内需要有列名和对应的数据。 API:参考特定操作从 API 返回数据中上传表格内容,包括选择 API、单击新增 API、输入 API URL 并选择数据更新频率,然后单击下一步。 飞书:参考特定操作从飞书表格中导入内容,包括选择飞书、在新增知识库页面单击授权并选择要导入数据的飞书账号、单击安装扣子应用(仅首次导入需授权和安装),然后选择要导入的表格并单击下一步。目前仅支持导入“我的空间”下的飞书文档,云文档的创建者必须是自己,暂不支持导入知识库和共享空间下的云文档。 上传文本内容: 在线数据:扣子支持自动抓取指定 URL 的内容,也支持手动采集指定页面上的内容,上传到数据库。 自动采集方式:适用于内容量大、需批量快速导入的场景。操作步骤为在文本格式页签下选择在线数据,然后依次单击下一步、自动采集、新增 URL,输入网站地址、选择是否定期同步及周期,最后单击确认,上传完成后单击下一步,系统会自动分片。 手动采集:适用于精准采集网页指定内容的场景。操作步骤为安装扩展程序,在文本格式页签下选择在线数据,然后依次单击下一步、手动采集、授予权限,输入采集内容的网址,标注提取内容,查看数据确认无误后完成并采集。
2025-04-18
coze搭建工作流调用deepseek如何把模型的输出存入到多维表中
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。
2025-04-14
有没有优质的系统的coze入门网课?
以下是一些优质的系统的 Coze 入门网课推荐: 另外,还有“一泽 Eze:万字实践教程,全面入门 Coze 工作流|用 Coze 打造 AI 精读专家智能体,复刻 10 万粉公众号的创作生产力”,这可能是全网最好的 Coze 教程(之一),即使是非技术出身的爱好者也能上手跟学,一站式学会 AI Agent 从设计到落地的全流程方法论。其核心看点包括通过实际案例逐步演示用 Coze 工作流构建能够稳定按照模板要求生成结构化内容的 AI Agent、开源 AI Agent 的设计到落地的全过程思路、10+项常用的 Coze 工作流的配置细节、常见问题与解决方法等。适合任何玩过 AI 对话产品的一般用户,以及希望深入学习 AI 应用开发平台(如 Coze、Dify),对 AI Agent 工作流配置感兴趣的爱好者。但需注意,本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中,附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容,以供前置或拓展学习。
2025-04-14
如果我想要系统学习coze,我应该怎么安排?
如果您想要系统学习 Coze,可以参考以下安排: 第一期共学回放 5 月 7 号() 大聪明分享|主题:Agent 的前世今生 每个分享人分享最初是怎么接触 Coze 的,以及现在用 Coze 做什么 20:00@?AJ 主持开场 20:00 21:00 大聪明分享 21:00 21:30 关于 Coze 随便聊聊 5 月 8 号() 大圣分享|主题:我眼中的 AI Agent 以及通过搭建知识库实例入门 Coze 20:00 21:20 大圣分享 5 月 9 号() 艾木分享|主题:Agent 系统的核心构成:Workflow 和 Multiagent Flow(以“Dr.Know”和“卧底”为例 20:00 21:00 艾木分享 21:00 21:30 线上答疑 5 月 10 号() 罗文分享|主题:一个方法解锁 COEZ 所有插件的用法+如何自动化解锁每天抓取 X 内容+改写+发布到飞书 20:00 21:00 罗文分享 5 月 11 号() Itao 分享|主题:和 AI 成为搭子 20:00 21:00 Itao 分享 21:00 21:30 线上答疑 Agent 搭建共学快闪 0619 日程安排 6 月 19 日 20:00 开始 从零到一,搭建微信机器人 0 基础小白 张梦飞 小元 金永勋、奥伏 6 月 20 日 20:00 开始 Coze 接入、构建你的智能微信助手 完成第一课 张梦飞 吕昭波 安仔、阿飞 6 月 23 日 20:00 开始 微信机器人插件拓展教学 完成第一课 张梦飞 安仔 大雨 空心菜、AYBIAO、阿飞 6 月 24 日 20:00 开始 虚拟女友“李洛云”开发者自述 完成第一课 皮皮 安仔 6 月 25 日 20:00 开始 FastGPT:“本地版 coze"部署教学 完成第一课 张梦飞 银海 金永勋、AYBIAO 6 月 27 日 20:00 开始 Hook 机制的机器人使用和部署教学 0 基础小白,一台 Windows 10 以上系统的电脑 张梦飞 Stuart 阿飞、空心菜
2025-04-14
coze 教程
以下是为您提供的 Coze 教程相关信息: 一泽 Eze 的教程:可能是全网最好的 Coze 教程之一,一次性带您入门 Coze 工作流。即使是非技术出身的爱好者也能上手跟学,一站式学会 AI Agent 从设计到落地的全流程方法论。阅读指南:长文预警,请视情况收藏保存。核心看点包括通过实际案例逐步演示用 Coze 工作流构建能稳定按模板要求生成结构化内容的 AI Agent、开源 AI Agent 的设计到落地的全过程思路、10+项常用的 Coze 工作流的配置细节、常见问题与解决方法。适合人群为玩过 AI 对话产品的一般用户,以及对 AI 应用开发平台(如 Coze、Dify)和 AI Agent 工作流配置感兴趣的爱好者。注:本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中,附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容,以供前置或拓展学习。 其他相关基础教程: 大圣:胎教级教程:万字长文带你使用 Coze 打造企业级知识库 (https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb) 大聪明:保姆级教程:Coze 打工你躺平 (https://waytoagi.feishu.cn/wiki/PQoUwXwpvi2ex7kJOrIcnQTCnYb) 安仔:Coze 全方位入门剖析免费打造自己的 AI Agent (https://waytoagi.feishu.cn/wiki/SaCFwcw9xi2qcrkmSxscxTxLnxb) 基础教程:Coze“图像流”抢先体验 (https://waytoagi.feishu.cn/wiki/AHs2whOS2izNJakGA1NcD5BEnuf) YoYo:Coze 图像流小技巧:探索视觉艺术的隐藏宝藏 (https://waytoagi.feishu.cn/wiki/CTajwJnyZizxlJk8a4AcJYywnfe) 【智能体】让 Coze 智能体机器人连上微信和微信群详细配置文档 (https://waytoagi.feishu.cn/wiki/ExHMwCDZ7i6NA7knCWucFvFvnvJ)
2025-04-13
运用ai,生成每日自动推送到飞书消息的 公司文化日报,包含日历 天气 新闻 内部规划 事项
要运用 AI 生成每日自动推送到飞书消息的公司文化日报,包含日历、天气、新闻、内部规划和事项,您可以考虑以下步骤: 首先,需要确定获取日历、天气、新闻、内部规划和事项等信息的数据源。对于日历,可以使用在线日历服务的 API 来获取相关数据;天气信息可以从专业的气象数据提供商获取;新闻可以通过新闻聚合 API 或者与特定的新闻机构合作获取;内部规划和事项则需要从公司内部的管理系统或数据库中提取。 然后,选择适合的 AI 技术和工具。例如,可以使用自然语言处理技术来对获取到的数据进行处理和整合,生成易于阅读和理解的文本内容。 在生成日报的过程中,要注意格式的规范和统一,使其具有良好的可读性。同时,可以根据公司的文化特点和需求,对内容进行个性化的定制和优化。 另外,为了确保推送的准确性和及时性,需要建立有效的监控和反馈机制,及时发现并解决可能出现的问题。 希望以上建议对您有所帮助。
2025-04-14
自动网上搜索信息定期推送
以下是关于自动网上搜索信息定期推送的相关内容: Bot 智能体: 创意构思:创建 Bot 的初衷是让每个人拥有专属的市场和资讯助手,能以多模态形式(文字、图像、文档、语音等)自动推送最新资讯到不同平台,通过 Coze 等实现跨平台联动、针对不同客户需求检索、对检索内容分析处理并以友好格式输出。 效果呈现:Coze Bot 可通过不同提问触发检索功能,企业微信群能自动同步获得资讯检索结果,实现多平台联动,还能获取飞书云文档多维表格中的用户需求,Coze API 可接入微信进行对话交互检索。 自动总结公众号内容并定时推送到微信: 搭建工作流:包括将推送内容插入数据库(避免重复推送)、结束节点、试运行(输入数据测试,查看结果并发布)。 工作流拆解: 抓取公众号内容:可通过瓦斯阅读、WeWe RSS 等方式获取。 公众号内容总结:依靠大模型能力,如字节的豆包大模型,可使用批处理功能批量总结。 定时推送到微信:定时通过 Coze 平台触发器实现,推送需找第三方 API 方案。
2025-02-24
兼职督学岗位,通过飞书平台为高中生服务,包括:1)解答学习方法等疑问;2)发送测试卷;3)提交测试卷后通知后端制作学习计划;4)发送学习计划链接;5)定期推送知识点和打卡提醒;6)查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式,制作出产品赋能督学在这一岗位的工作效率,并希望在这一过程中,锻炼我的ai能力,再想办法让上司或者老板为我这个产品支付报酬,请问我可以从哪些角度开发产品?
以下是一些您可以从以下角度开发产品来赋能兼职督学岗位的工作效率,并锻炼您的 AI 能力,以争取上司或老板为产品支付报酬: 1. 利用 Coze 的多语言模型支持,为解答高中生学习方法等疑问提供更准确和全面的回答。 2. 借助插件系统,集成与学习相关的插件,如学习资料查询、学习工具推荐等,丰富服务内容。 3. 运用知识库功能,上传各类学科知识点、优秀学习案例等,方便在服务中快速调用和推送。 4. 利用数据库和记忆能力,记住每个高中生的学习情况和需求,提供个性化服务。 5. 设计工作流,例如自动发送测试卷、自动通知后端制作学习计划、自动推送学习计划链接等流程,提高工作效率。 6. 采用多代理模式,针对不同学科或学习阶段设置专门的代理,提供更精准的服务。 7. 利用 Coze 易于发布和分享的特点,将服务产品推广给更多需要的高中生和督学人员。
2025-02-18
兼职督学岗位,通过飞书平台为高中生服务,包括:1)解答学习方法等疑问;2)发送测试卷;3)提交测试卷后通知后端制作学习计划;4)发送学习计划链接;5)定期推送知识点和打卡提醒;6)查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式,制作出产品赋能督学在这一岗位的工作效率,并希望在这一过程中,锻炼我的ai能力,再想办法让上司或者老板为我这个产品支付报酬,请问我可以从哪些角度开发产品?又该如何将它推销给上司?
以下是关于您利用 Coze 和 DeepSeek 等 AI 接入飞书来赋能兼职督学岗位工作效率的一些建议: 开发产品的角度: 1. 智能答疑系统:利用 AI 技术,对高中生常见的学习方法疑问进行自动分析和回答,提高答疑效率和准确性。 2. 个性化测试卷生成:根据学生的学习情况和需求,通过 AI 生成个性化的测试卷。 3. 学习计划优化:基于学生提交的测试卷结果,利用 AI 更精准地制定学习计划。 4. 知识点精准推送:运用 AI 分析学生的学习进度和薄弱环节,定期推送更具针对性的知识点。 5. 打卡提醒优化:通过 AI 实现更灵活、个性化的打卡提醒方式。 推销给上司的方法: 1. 展示效率提升:详细说明产品如何大幅提高兼职督学的工作效率,节省人力和时间成本。 2. 个性化服务优势:强调产品能够为高中生提供更个性化、精准的服务,提升学习效果。 3. 数据支持:提供相关的数据和案例,证明 AI 赋能后的积极效果。 4. 成本效益分析:说明开发和使用该产品的成本相对较低,而带来的收益显著。 5. 未来发展潜力:阐述产品在不断优化和拓展功能方面的潜力,适应更多的教育需求。 另外,Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台,专为开发下一代 AI 聊天机器人而设计。它具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式、免费使用、易于发布和分享等特点。这些特点可以为您的产品开发提供有力支持。
2025-02-18
我想要学习prompt,请你推送10篇知识库相关文章给我
以下是 10 篇与 prompt 相关的知识库文章: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
2024-12-26
coze如何实现触发自动推送内容到飞书聊天框?
要实现触发自动推送内容到飞书聊天框,可以参考以下步骤: 1. 创意构思:创建 Bot 的初衷是让用户拥有专属的资讯助手,通过 Coze 这样的 AI agent 流程,以多模态形式获取最新资讯,并自动推送到不同平台。该 Bot 项目以扣子为中心平台,通过自研插件、工作流和 Coze API 链接微信群、企业微信群、飞书云文档多维表格等,实现不同平台的信息传递与流通。可根据用户定制化检索需求,自动化抓取热点资讯,进行分析处理,整合成资讯文档,返回 Bot 对话界面,并同步自动发送到不同平台。 2. 效果呈现:Coze Bot 可通过不同提问触发不同检索功能,企业微信群能自动同步获得资讯检索结果,实现多平台联动,还能获取资讯文档具体内容,以及 Coze 与企业微信群的信息同步联动,Coze API 可接入微信进行对话交互检索。 3. 搭建工作流: 在 Bot 中绑定工作流,设置定时任务,发布到飞书渠道。 人设和回复逻辑:设置提示词,直接调用工作流。 工作流:添加创建的工作流。 设置触发器:选择“定时触发”,设定触发时间,如每天 18 点。任务执行时选择工作流,输入 key 和 rss_list 等参数。可同时设置多个触发器,最多 10 个。 发布到飞书:点击右上角“发布”,选择飞书渠道,因为目前 Coze 平台触发器只对飞书渠道生效。 4. 实现定时推送社区日报功能: 写一个爬虫的自定义插件抓取社区日报内容,以普通文本或 markdown 方式输出。 创建工作流,流程为开始>获取前一天日期>调用插件抓取日报内容>输出内容并结束。 在 Bot 设计界面添加触发器,设定定时触发时间,如每天早上 9 点,测试触发成功后发布到飞书,即可定时收到推送。
2024-11-28
毕业论文的ai指令总结
以下是关于毕业论文的 AI 指令的总结: 1. 可以指定 AI 模仿某位资深人士的风格,如律师的逻辑严谨和言简意赅。 2. 要求 AI 为您提供多个例子,例如针对案件给出至少三种不同的诉讼策略,并分析每种策略的优劣势。 3. 采用 PEMSSC 方法,包括个性化的风格(Personality)、给参考或一定的逻辑结构(Example Inquiry)、从多个角度思考(Multiple Angles)、总结概括(Summarize)、使用区分符号(Separator)、明确能力或者角色(Capacity and Role)。 4. 对于大多数实际应用,建议专注于经过调整的指令语言模型,使用时要给清晰的指令,如指定文本的语气、要求集中讨论的内容,甚至可以提前指定阅读的文本。 5. 可以直接要求 LLM 帮写论文,如提供个人背景信息和指令让其写大学申请论文,但要注意这种使用方式的道德问题。
2025-04-14
音频总结的AI有哪些
以下是一些关于音频总结的 AI 相关内容: 在智能纪要方面,AI 音乐创作通过输入更高级词汇与 AI 音乐对话能产生更好效果,有相关版块、挑战、分享会和教程,可加入 AI 音乐社区。数字人语音合成介绍了声音克隆技术,常用的是 JPT service。 总结类 AI 工具方面,如 BibiGPT·AI 音视频内容一键总结(https://b.jimmylv.cn/)、15 个值得一试的 YouTube 视频摘要 AI 工具(https://nealschaffer.com/youtubevideosummarizerai/)、summarize.tech:AIpowered video summaries(https://www.summarize.tech/)。 在生成式 AI 季度数据报告中,会议总结赛道可能因远程工作和在线会议普及而需求增加,Otter AI 作为领先产品保持稳定增长。其中 2023 年 4 月到 2024 年 3 月,赛道月访问总量有变化,如 2023 年 4 月约 1314.6 万,2024 年 3 月增至 2146.3 万。同时还有相关的榜单数据,如 23 年 4 月访问量 Top10 等。
2025-04-11
RAG对话 摘要总结 功能实现
LangChain 和 RAG 的结合具有以下优势: 1. 灵活性:可根据需求和数据源选择不同组件和参数定制 RAG 应用,也能使用自定义组件(需遵循接口规范)。 2. 可扩展性:能利用 LangChain 的云服务部署和运行,无需担忧资源和性能限制,还可借助分布式计算功能加速应用,发挥多个节点并行处理能力。 3. 可视化:通过 LangSmith 可视化工作流程,查看各步骤输入输出及组件性能状态,用于调试和优化,发现并解决潜在问题和瓶颈。 其应用场景多样,包括: 1. 专业问答:构建医疗、法律、金融等专业领域的问答应用,从专业数据源检索信息辅助大模型回答问题,如从医学文献中检索疾病诊治方案回答医疗问题。 2. 文本摘要:构建新闻或论文摘要应用,从多个数据源检索相关文本帮助大模型生成综合摘要,如从多个新闻网站检索同一事件报道生成全面摘要。 3. 文本生成:构建诗歌、故事生成等应用,从不同数据源检索灵感协助大模型生成更有趣和创意的文本,如从诗歌、歌词或小说中检索相关文本生成作品。 此外,还介绍了本地部署资讯问答机器人的实现方式,即基于用户问题从向量数据库检索相关段落并按阈值过滤,让模型参考上下文信息回答,还创建了网页 UI 并进行评测,对不同模型的测试表现进行了对比,得出 GPT4 表现最佳等结论,并总结了使用 Langchain 和 Ollama 技术栈在本地部署资讯问答机器人及相关要点,即上下文数据质量和大模型性能决定 RAG 系统性能上限。
2025-04-11
我现在想做一个总结我每日复盘的智能体
以下是关于创建总结每日复盘智能体的相关信息: 智普工作流功能及创建流程: 新用户资源包:新用户有 1 元及 5 元的资源包可供购买,能满足使用需求。 工作流功能:具备文章、文件、网页总结,生成图片、视频和文字版日报等功能,通过意图识别跳转节点,使用多个 agent。 工作流创建:在控制台的自动体中心,右键创建智能体,可选择对话型或文本型,对话型多用于多 agent 协作等场景,创建后在空旷画布的左下角添加节点,节点包括 agent、LM、工具、代码、数据提取、分支判断和问答等,agent 通过跳入跳出条件与其他节点交互,LM 通过工作流连线执行功能。 文档获取:文档可在 vtoagi.com 首页的 banner 获取,飞书群也可获取。 版本选择:接入微信时,有云服务器和本地电脑两种版本,可按需选择。 关于姿谱清流工作流及模型配置的讨论: 工作流节点与 agent:工作流中节点和 agent 的连接方式,agent 具有意图识别和跳出条件,可实现任务跳转,所有 agent 平级可互相跳转。 文本存储问题:姿谱清流本身无存储功能,需依靠其他笔记工具存储执行完的文本。 模型配置与调试:介绍了姿谱清流中角色扮演模型的配置方法,包括角色名称、背景、人格等设置,以及单节点调试功能和用户配置。 意图识别与冲突:意图配置冲突可能导致识别错误和乱跳,识别准确率相对较准。 多智能体的记忆:多智能体之间存在记忆,后续会讲到相关参数的使用。 在 cos 主页有新手教程文档,可据此构建智能体。工作流偏向节点调用,可通过 prompt 构建提示词并优化。还能调用多种插件,可添加图像流、触发器和知识库,知识库可上传多种格式内容及在线链接以沉淀知识。
2025-04-10
我想寻找一个AI模型,能快速读懂视频,并总结成为知识架构的应用或网站
以下为您推荐能快速读懂视频并总结成为知识架构的应用或网站: 百炼大模型平台:其影视传媒视频理解能力可对视频进行语音转写、视觉语言分析等处理并总结成文,有清晰使用步骤,可生成爆款文案,还能根据偏好调试提示词。2025 年 1 月 9 号更新的模型可通过 API 调用纹身 AI 等,Windows 用户可在左下角开始运行输入命令提示符进行本地调用,但生成过程较缓慢。 应用场景:包括商品信息图片生成淘宝上架规格参数、智能手表文案生成、社交媒体内容生成、合同提取、拍照搜题、图片转换、模特换装等。 提供 AI 硬件底层能力,AI 拍立得相机拍照可快速成诗并打印,其对接多模态能力可通过智能体应用或工作流形式的 API 调用。 开源使用:有开源地址,可下载到本地,配置阿里云百炼平台的 API key 及 appid 实现场景,运行项目需特定 Python 包和依赖,可新建应用获取 appid,拍照时需设置 API key。 此外,关于 AI 技术原理与框架的相关知识: 生成式 AI 生成的内容称为 AIGC。 相关技术名词: AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习,电脑通过找规律进行学习。 监督学习使用有标签的训练数据,目标是学习输入和输出之间的映射关系,包括分类和回归。 无监督学习的数据没有标签,算法自主发现规律,经典任务如聚类。 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。 深度学习参照人脑有神经网络和神经元,因层数多称为深度,神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型,生成图像的扩散模型不属于大语言模型,对于大语言模型,生成只是其中一个处理任务,如谷歌的 BERT 模型可用于语义理解(不擅长文本生成),如上下文理解、情感分析、文本分类。 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,无需依赖循环神经网络或卷积神经网络。
2025-04-09
罗列具体的AI模型产品和具体的AI技术创新点,并总结AI技术的发展趋势,并说明这些发展趋势为用户的交互体验带来了什么样的改变?按照时间线将以上内容梳理出来
以下是按照您的需求梳理的内容: 时间线 早期: 从图灵测试、早期的图灵机器人和 ELISA 开始,到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统。 近年来: OpenAI 发布 ChatGPT 模型,引发用户习惯从简单触控操作转向更复杂的长文本输入,未来可能延伸至长语音交互。 大模型创新方面,架构优化加速涌现,融合迭代成为趋势。Scaling Law 泛化,推理能力成为关键,倒逼计算和数据变革。AGI 探索中,视频生成点燃世界模型,空间智能统一虚拟和现实。 在应用方面,AI 在文科白领的个人助理、呼叫中心、文本处理和教育等领域表现出色,能完成 80%到 90%的工作;对于工科白领,特别是程序员,能简化代码检索和调整;在蓝领领域,自动驾驶取得显著进展。但在复杂任务方面仍有改进空间。 第一轮洗牌结束,聚焦 20 赛道 5 大场景,多领域竞速中运营大于技术,AI 助手成为竞争重点。AI+X 赋能类产品发展迅速,原生 AI 爆款难求。多模态上马,Agent 席卷一切,高度个性化呼之欲出。 人工智能发展经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。大模型由数据、算法、算力构成,算法有技术架构的迭代,如英伟达的显卡辅助模型训练,数据质量对生成理想的大模型至关重要。 未来: 李沐预测技术发展可能催生出革命性的应用形态,但 AI 离真正变革世界还有一段距离。 预计 AI 在蓝领工作的初步应用至少需要 5 年时间。 AI 技术创新点: 大模型创新:架构优化加速涌现,融合迭代大势所趋。 Scaling Law 泛化:推理能力成皇冠明珠,倒逼计算和数据变革。 AGI 探索:视频生成点燃世界模型,空间智能统⼀虚拟和现实。 AI 技术的发展趋势: 模型架构不断优化和融合。 更加注重推理能力的提升。 探索 AGI 领域,实现虚拟和现实的统一。 应用格局不断洗牌,聚焦特定赛道和场景。 多模态和 Agent 技术的广泛应用。 对用户交互体验的改变: 用户习惯从简单触控操作转向更复杂的长文本输入,未来可能延伸至长语音交互。 AI 应用为用户提供辅助,在多个领域帮助完成任务。
2025-03-31
有没有可以抓取公众号文章的 agent
以下是一些可以抓取公众号文章的方法和相关信息: 1. 可以通过读 SQLiteDB 或者获取 RSS XML 页面(http://127.0.0.1:4000/feeds/all.atom)来获取更新的公众号。个人选择在公众号订阅不太多时,建议使用分析 XML 页面,比较简单。可以写个程序获得公众号的更新文章,由于本地部署,无法直接将文章同步到 Coze,所以选择使用多维表格(当在线数据库,事实飞书多维表格后台也是使用类似 redis 或 TiDB 这样的数据库实现的)及飞书机器人 API 的方式来实现中间数据的传递。只要在多维表格中设置一个状态转换,就可以知道文章是否已经被解读和推送。 2. 可以通过文章链接订阅公众号,定时推送情报消息,并实现情报 CoT 问答。例如使用 Docker 浏览器打开:http://127.0.0.1:4000 也可以 http://wewerss 服务的 IP:端口为上面设置的外部端口。先点帐号管理,然后点“添加读书帐号”(即使用微信读书来实现公众号订阅),扫码添加帐号。然后在公众号源上,点添加。然后将想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章。但建议不要短时间订阅太多公众号(经测试最好不要超 40 个)。 3. 瓦斯阅读平台可以抓取公众号的内容,但平台上公众号不太全。 4. GitHub 上的 WeWe RSS 工具可以通过微信读书的方式订阅公众号。
2025-04-05
AI公众号排版
以下是关于 AI 公众号排版的相关内容: 公众号排版是提升阅读体验的关键因素之一。以下是一些建议: 1. 观察知名公众号的排版风格,获取灵感。 2. 若有能力和时间,可尝试创造美观且具个性的排版设计。 3. 倾向于保持简洁风格,突出内容,便于读者浏览和吸收信息。 4. 若对设计有独到见解,可多花心思让公众号脱颖而出。 关于配图: 1. 利用 AI 给出配图建议。 2. 点击链接跳转到免费图库搜索页面。 3. 在免费图库中快速找到合适且无版权风险的配图。 总结来说,用 AI 提效公众号配图的流程是:让 AI 分析文章内容,给出配图建议和关键词,然后据此在免费图库中寻找合适图片。 此外,还包括 SEO 优化和发布推广方面: SEO 优化:Kimi 会提供精选关键词用于文章优化,提升搜索引擎可见度。若对现有关键词不满意,可向 Kimi 要求生成更多精准选项。 发布和推广:选择合适平台发布文章,如个人博客、新闻聚合平台等;利用社交媒体等工具推广文章,扩大传播范围。对于推广策略的深入学习,建议自行查阅相关资料。
2025-03-28
如何写好 AI 公众号 IP 文章
要写好 AI 公众号 IP 文章,关键在于以下几点: 1. 提供清晰且具有指导性的提示词(prompt):这是 AI 生产文章的关键。基本提示词能生成基础文章,更详细、具创意的提示词能让 AI 更好地捕捉文章的语气、风格和重点。例如,“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯,创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题,开头部分要概述事件的背景和重要性,主体部分详细分析 OpenAI 的回应内容及其可能产生的影响,结尾处提出一些引人深思的问题或观点。”这样的提示词能为 AI 提供明确指导和文章基本结构、内容要求,生成结构完整、内容丰富、观点鲜明的文章,但最终产出的内容可能需要微调以符合预期和公众号风格。 2. 注意文章的结构和要求:对于律师相关的公众号文章,如普法文章,需要对案例进行脱敏处理,替换具体人物姓名、时间和地点。写作时要注意每部分的字数,如第一部分一百字左右,第二部分三百字左右等。同时,要按照特定的指令和要求进行,如初始化时的欢迎语、牢记要求并执行等。写作前先请求用户提供案例洞察报告作为基础材料,并询问文章面向的目标群体,然后输出纲要和写作方案。
2025-03-22
如何实现公众号用智能体+工作流,每天自动发《头条新闻》
要实现公众号用智能体+工作流每天自动发《头条新闻》,可以参考以下步骤: 伊登:最新 Deepseek+coze 实现新闻播报自动化工作流 工作流程详解 第一步:内容获取 1. 只需输入新闻链接,系统就能自动提取核心内容。开始节点,入参包括新闻链接和视频合成插件 api_key。 2. 添加网页图片链接提取插件,承接开始节点的新闻链接。 3. 获取网页里的图片,以 1ai.net 的资讯为例,输入新闻后提取出很多链接,其中第一条链接通常是新闻主图,其他内容多为不重要的 icon。 4. 添加图片链接提取节点,若为节省写代码时间,可直接用大模型节点提取,只拿提取的链接集合的第一条,即可搞定新闻的主要图片。 5. 接着利用调整图片的节点,将 url 属性的图片内容转化为 image 属性的图片(因为 url 节点在画板中是 string 的格式,所以必须转为 img 格式)。 6. 对于文字部分,使用链接读取节点将文字内容提取出来。 7. 在提取链接后面接上一个大模型节点,用来重写新闻成为口播稿子,可使用最强的 DeepseekR1 模型生成有吸引力的口播内容。小 tips,如果想要加上自己的特征,可以在提示词里写:“开头加上‘这里是伊登 AI’之类的个性化台词防伪”。PS:这里的 deepseekR1 基础版本是限额使用,我们可以在专业版手动接入 DeepseekR1 手动接入推理模型。 第二步:画面生成 思路是做成一帧一帧的主图+台词,配合语音合成,保证音屏同步。 1. 用批量化节点,做成一帧一帧的画面,用画板节点完成。批量处理节点输入的是格式变化后的 json 格式的文案。 2. 画面生成的重点是:在批处理中,先把一些固定内容在画板节点安排好,比如背景图片。然后引入变量元素,比如新闻图片(已经提取并转换为 img 属性)、新闻标题(来自链接读取)、口播台词(已经提取并二创)。小 tips:想要找好看的背景图推荐去可画,挑选一个好看的视频模板然后,保存为【图片】格式,然后放在画板节点,当作底图。 第三步:语音合成 使用声音合成的官方插件,引用批处理的一句一句的新闻文案内容,可调节语速和语气,多种播音风格可选。在画板和语音合成的节点后面加入图片音频合成插件。PS:这个插件需要收费,登录 https://ts.fyshark.com//userInfo,【钱包】充值获取 token,【个人中心】获取 token,放入这个节点中,不过充值 10 元可以做好久了,这个插件适合小白同学,也有不收费的插件,但是比较吃操作,如果感兴趣也可以关注后续出相关教程。这个插件的 img_audio_video 的功能是把图片+视频合成,这样就实现了一段一段的口播新闻内容。 【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程) 三、搭建工作流 13、循环将推送内容插入数据库 将本轮推送给用户的内容,写入数据库,下次从 rss 列表中如果再抓取到相同内容,直接跳过,避免重复推送。使用「循环」节点,输入项为第 8 步代码输出的 content_urls,这里有完整的文章内容信息。循环体设置:使用「数据库」节点,输入项为本循环节点 item 中的 url 和 suid,SQL 也是用 AI 生成的。设置循环节点的输出项:output,参数随便选,后边也用不到了。 14、结束节点 选择第 11 步输出的内容,可以在 bot 中也查看到推送的内容。 15、试运行 工作流终于搭建完了,点击右上角的试运行,选择绑定的 bot,输入数据测试。Key:输入你的 server 酱的 sendkey。rss_list:如果你没有现成的数据,可以白嫖我这个,复制下方这两条数据测试使用。试运行结果:如果工作流设置的没有问题,你会在工作流中看到这样的结果。同时,微信上也会收到这条推送,可以查看总结内容,点击链接可以查看公众号原文。点击右上角发布。
2025-03-16
公众号文章写手,智能体人设提示词
以下是为您整合的关于公众号文章写手智能体人设提示词的相关内容: 在提示词母体系列(2)中,介绍了模拟江南皮革厂销售的拟人化提示词模板,并将其应用于国内的豆包角色扮演模型,生成吸引人的广告词。若与语音技术结合用于宣传,能创造出有趣有效的销售助手。文章最后提到可通过关注微信领取拟人化提示词母体。 在夙愿:AI 工作流,赋能我的十倍增长中,提到 AI 辅助写作的几种思路,特别是注入个人特色方面。要结合 AI 输出的结果进行决策,删掉无关信息,如短视频、专家访谈、要点列表等不符合需求的内容。然后根据建议,如结合人设、自身经历、补充新信息新观点、使用语言风格、调整结构等来排列组合,得到文章选题。 在方案扩写助手中,参考 Claude 3.5 的官方提示词写法,主要能力包括对专业类方案按格式和风格扩写、拆解技术细节、提示扩写方法。智能体采用对话模式的 Prompt 设计,提示词要求专家深入思考文档需求并编写成文字,分析示例文档进行扩写,采用特定方法充实内容,保持格式、专业准确、语言自然流畅及整体连贯性可读性。
2025-03-11
做一个每日收集兴趣信息的工具,如收集agent,从微信公众号上收集,应该怎么做
以下是一种通过文章链接订阅公众号,定时推送情报消息,并实现情报 CoT 问答的方式来做每日收集兴趣信息的工具: 1. 安装 Docker(假设已经装上) 浏览器打开:http://127.0.0.1:4000 或 http://wewerss 服务的 IP:端口(为上面设置的外部端口) 点开后,输入 Dash 管理页面密码 先点帐号管理,然后点“添加读书帐号”(即使用微信读书来实现公众号订阅),扫码添加帐号 然后在公众号源上,点添加 将您想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章。但建议不要短时间订阅太多公众号(最好不超 40 个),然后在本地 data/目录会生成一个 SQLite 数据库文件 wewerss.db 2. 关于 Coze 工作流和 Bot 因为前面需要对多维表格操作,所以要先在 http://open.feishu.cn 上建一个飞书机器人,并添加知识库或多维表格编辑权限,具体可参考飞书文档。得到机器人的 app_id 和 app_secret 即可获得租用 token:tenant_access_token 来获取多维表格数据和编辑能力。 工作流一:通过微信文章链接进行文章解读成摘要报告。通过 LLM 能力,开源提示词如下。由于 Coze 使用 LLM 和批量执行任务延时的约束,建议不要同时处理太多文章(如 6 篇左右)。这样执行后,将多维表格的文章状态转换成“已通知”并生成简报。 消息情报官 Bot:最后可以通过 Coze,建定时任务,执行工作流二,并添加其他如分析文章和搜索文章的能力,即可变成一个消息情报官的 Agent,我们即可以获得想要的领域或行业情报,也可以深入挖掘相关情报的信息。然后发布到想要的平台,如:Coze 商店、豆包、飞书、微信、微信公众号、微信小程序等,即可使用。可以构建多个分身,就能收集整理不同领域和行业的情报信息。 如感兴趣欢迎联系交流合作。
2025-03-08