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

我想创作一个AI agent 在扣子平台，请问学习路径是什么

Answer

以下是在扣子平台创作 AI agent 的学习路径：

  1. 先吃透 prompt 相关内容，因为提示词在智能体中很关键。
  2. 了解智能体是由大语言模型衍生而来，扣子属于智能体范畴且更偏 ToC 应用。
  3. 学习 Agent 工程（基础版）的迭代范式：
    • 梳理工作流程 SOP，并拆解成多个单一「任务」和多个「任务执行流程」。
    • 自动化每一个「任务」，形成一系列的小工具，让机器能完成每一个单一任务。
    • 串联工具，基于 agent 框架让 bot 来规划「任务执行流程」。
    • 不停迭代优化「任务」工具和「任务执行流程」规划，造就能应对实际场景的 Agent。
  4. 参考数字员工“进化论”，在对 AI 能力基础上作出固化流程或让 AI 自主思考的妥协和平衡。

同时，您还可以参考以下具体内容：

  • 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，开发完成后可发布到各种社交平台和通讯软件上。
  • 可以通过简单 3 步创建智能体，即起一个智能体的名称，写一段智能体的简单介绍，使用 AI 创建一个头像。
Content generated by AI large model, please carefully verify (powered by aily)

References

01-通往AGI之路知识库使用指南

[heading2]智能章节本章节主要提到了博主会精美地解释六大策略，小七姐在社区带来共学课程并有直播分享及回放，像喂饭教程般帮助理解prompt。每个板块下有共学快闪，社区老师会带着大家动手操作并讲解思路，还提到官方最佳prompt有6个实践办法，看熟任意一个即可。[01:09:26](https://waytoagi.feishu.cn/minutes/obcn7mvb3vu6k6w6t68x14v5?t=4166000)AI智能体的进阶、案例拆解及扣子的应用介绍本章节先指出提示词很关键且讲述较多。接着提到智能体由大语言模型衍生而来，因提示词不太可控才有此进阶。还讲述了智能体进阶案例拆解，推荐景淮老师的相关成果。然后阐述扣子、千帆百炼属于智能体范畴，扣子更偏ToC应用，所以有专门讲解扣子相关内容。[01:11:08](https://waytoagi.feishu.cn/minutes/obcn7mvb3vu6k6w6t68x14v5?t=4268000)Cos平台功能全面，社区共学成果显著本章节提到学习AI agent可能较痛苦，建议先吃透prompt再看相关内容。官方文档内容很全面，包含市面上cos的教程等。社区小伙伴参加cos比赛常拿大奖，有共学活动，获奖小伙伴会分享经验。cos平台可用于工作生产，有很多功能，感兴趣可体验其官网，能进行对话感受功能。[01:12:45](https://waytoagi.feishu.cn/minutes/obcn7mvb3vu6k6w6t68x14v5?t=4365000)AJ介绍知识库并推荐从AI绘画开始学习相关内容

0. 学习路径: 成为基于Agent的创造者

结合我们“一人公司”的愿景,我们需要大量的智能体(数字员工)替我们打工.而未来的AI数字员工,会以大语言模型为大脑,串联所有已有的工具和新造的AI工具.@罗文:数字员工(agent)=学历(大模型)+察言观色(观察)+逻辑思维(推理)+执行(SOP)创造者的学习也依照这个方向,用大模型和Agent模式把工具串起来,着重关注在创造能落地AI的agent应用.大模型的开发研究和演进,就交给学术界和大厂吧.?[heading2]Agent工程(基础版)[content]如同传统的软件工程学,Agent工程也有一个迭代的范式:1.梳理流程:梳理工作流程SOP,并拆解成多个单一「任务」和多个「任务执行流程」.2.「任务」工具化:自动化每一个「任务」,形成一系列的小工具,让机器能完成每一个单一任务.3.建立规划:串联工具,基于agent框架让bot来规划「任务执行流程」.4.迭代优化:不停迭代优化「任务」工具和「任务执行流程」规划,造就能应对实际场景的Agent.[heading2]数字员工“进化论”[content]itao:《从copilot到Agent,从实习到转正,从副驾到主驾》--到底是固化流程,还是让AI自主思考,需要在对AI能力基础上作出妥协和平衡.

我用扣子做一个简单的智能体——竖起耳朵听

原文链接：https://developer.volcengine.com/articles/7386988670428905510作者:法医[heading2]爆火的AI Agent[content]AI Agent也就是我们所说的AI智能体，那什么是AI智能体呢？简单来说就是拥有各项能力的打工人来帮我们做特定的事情。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，体验过GPT或者文心一言大模型的小伙伴应该都知道，现在基本可以用自然语言来编程了，相当于降低了编程的门槛，另外之前在使用GPT或者文心一言大模型的时候会出现胡编乱造的情况以及时效性、无法满足个性化需求等问题，如果这些不解决的话，AI很难被真正广泛应用，而AI智能体的出现正是解决这些问题的绝佳方式，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。所以AI智能体的出现就是结合自己的业务场景，针对自己的需求，捏出自己的AI智能体来解决自己的事情。[heading2]扣子Coze[content]?扣子官网：[https://www.coze.cn/](https://www.coze.cn/)扣子（Coze），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。这些Bot的功能涵盖了从解决简单问答到处理复杂逻辑对话的广泛范围。当我们开发完成后，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，让更广泛的用户群体能够与这些Bot进行交互聊天。[heading2]竖起耳朵听的创建[content]我们可以通过简单3步创建智能体，首先我们要起一个智能体的名称，然后写一段智能体的简单介绍，最后使用AI创建一个头像即可。

Others are asking
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18
有关 ai agent 的科普文章
以下是为您提供的关于 AI Agent 的科普内容： AI Agent 是一个融合了多学科精髓的综合实体，包括语言学、心理学、神经学、逻辑学、社会科学和计算机科学等。它不仅有实体形态，还有丰富的概念形态，并具备许多人类特有的属性。 目前，关于 AI Agent 存在一些情况。例如，网络上对其的介绍往往晦涩难懂，让人感觉神秘莫测，其自主性、学习能力、推理能力等核心概念，以及如何规划和执行任务、理解并处理信息等方面，都像是笼罩在一层神秘面纱之下。 另外，以国与国之间的外交为例来解释相关协议。假设每个 AI 智能体（Agent）就是一个小国家，它们各自有自己的语言和规矩。各国大使馆试图互相沟通、做生意、交换情报，但现实中存在诸多问题，如协议各异、要求不同等。 如果您想了解更多关于 AI Agent 的详细内容，可访问： 。
2025-04-15
，AI agent 发展趋势，技术状态，商业模式
以下是关于 AI Agent 的发展趋势、技术状态和商业模式的相关信息： 发展趋势： 2024 年内，办公场景“AI 助手”开始有良好使用体验，实时生成的内容开始在社交媒体内容、广告中出现。 2025 2027 年，接近 AGI 的技术出现，人与 AI 配合的工作方式成为常态，很多日常决策开始由 AI 来执行。 技术状态： 目标实现基于 ReAct、SFT、RAG、强化学习等实现自主规划能力的 AI Agent，构建具备认知、决策智能的 Agent 智能体框架。 专注文本/多模态大模型、AI Agent 技术创新与应用。 商业模式： 依据不同类型销售市场的特点，结合一站式 AI 搭建平台将销售部署的产品化和模版化，让企业更容易落地和应用 AI 能力。 销售智能体 Blurr.AI 占位交易环节，解决 2B 销售获客的痛点，且具有向前后端环节延展的势能。
2025-04-13
ai agent有哪些技术
AI Agent 涉及的技术包括以下方面： 1. 长期任务执行技术：能够将复杂、跨度长的任务分解为小步骤，并在执行中保持目标导向和适时调整策略。 2. 多模态理解技术：能同时理解文字、图像、声音等多种交流方式，通过多种感官理解世界和任务上下文。 3. 记忆与行动技术：通过先进的记忆机制积累经验，记住对话、操作步骤和效果，使行动更精准高效。 4. 自适应学习技术：从每次交互中吸取经验，不断完善策略，实现“智慧成长”。 在技术层面，AI Agent 的发展有两条技术路线： 1. 以自主决策为核心的 LLM 控制流，代表了 AGI 的探索方向。 2. 以工作流（Workflow）编排为重点的工具集成系统，加速了 AI 落地应用。 特别值得关注的是 Anthropic 提出的 MCP（Model Context Protocol），其本质是一个通用接口协议，能解决让 AI 模型以标准化、可扩展方式与外部世界交互的问题。 此外，强化学习（RL）也是 AI Agent 的重要技术，起初主要依托策略搜索和价值函数优化等算法，如 Qlearning 和 SARSA。随着深度学习技术兴起，深度神经网络与强化学习结合形成深度强化学习，赋予 Agent 从高维输入中学习复杂策略的能力，如 AlphaGo 和 DQN 等。但强化学习面临训练周期长、采样效率低和稳定性等问题。其特点是通过试错学习最优行为策略以最大化累积奖励，时间始于 20 世纪 90 年代至今，技术包括 Qlearning、SARSA、深度强化学习（结合 DNN 和 RL），优点是能够处理高维状态空间和连续动作空间，缺点是样本效率低、训练时间长。
2025-04-09
AI chatbot、agent、copilot区别
AI chatbot、agent、copilot 主要有以下区别： 1. 定义和角色： Copilot：翻译成副驾驶、助手，在帮助用户解决问题时起辅助作用。 Agent：更像主驾驶、智能体，可根据任务目标自主思考和行动，具有更强的独立性和执行复杂任务的能力。 Chatbot：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 核心功能： Copilot：更多地依赖于人类的指导和提示来完成任务，功能很大程度上局限于在给定框架内工作。 Agent：具有更高的自主性和决策能力，能够根据目标自主规划整个处理流程，并根据外部反馈进行自我迭代和调整。 3. 流程决策： Copilot：处理流程往往依赖于人类确定的静态流程，参与更多是在局部环节。 Agent：解决问题的流程由 AI 自主确定，是动态的，不仅可以自行规划任务步骤，还能根据执行过程中的反馈动态调整流程。 4. 应用范围： Copilot：主要用于处理简单、特定的任务，更多是作为工具或助手存在，需要人类引导和监督。 Agent：能够处理复杂、大型的任务，并在 LLM 薄弱的阶段使用工具或 API 等进行增强。 5. 开发重点： Copilot：主要依赖于 LLM 的性能，开发重点在于 Prompt Engineering。 Agent：同样依赖于 LLM 的性能，但开发重点在于 Flow Engineering，即在假定 LLM 足够强大的基础上，把外围的流程和框架系统化。 以下是一些 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具。 2. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署 Copilot 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，支持开发者根据需求打造产品能力。 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：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。 以上信息由 AI 大模型生成，请仔细甄别。
2025-04-07
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
dify工作流中agent节点怎么使用
在 Dify 工作流中使用 Agent 节点的步骤如下： 1. 搭建工作流框架： 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。 根据弹窗要求自定义工作流信息，点击确认完成新建。 左侧「选择节点」模块中，根据子任务需要，实际用上的有插件（提供能力工具拓展 Agent 能力边界）、大模型（调用 LLM 实现文本内容生成）、代码（支持编写简单脚本处理数据）。 按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点完成框架搭建。 2. 测试 Agent 节点功能： 完成任何一个节点的配置后，都需要进行试运行测试以验证节点的运行效果。 步骤一：点击「测试该节点」。 步骤二：按格式要求输入待测试的输入内容，如果是 array 等其他格式，请自行对话 AI 或搜索网络确认格式要求。 步骤三：点击「展开运行结果」，检查输入、输出项是否有误。如果有误，请依次检查“测试输入内容”、“节点配置”是否有误，以及优化“提示词”以提升对生成内容的约束力。当多次测试时输入与输出都符合预期，就可以进入下一个子任务的配置。
2025-04-05
扣子如何改变回复的语言风格
要改变回复的语言风格，可以参考以下方法： 1. 对于风格类的 Bot，提示词中的 Fewshot 对输出风格影响较大，可先找预期相关人的风格示例并修改。 2. 在 Examples 里使用特定开头的词，如“Fword”，开头字符会显著影响输出内容。 3. 加星号的部分代表加粗，根据自注意力机制可提升提示词中的关键词效果。 4. 能力方面可使用自带的 Bing 搜索和图片识别，根据需求选择，如避免 Webpilot 以免语气变温和。 5. 可根据需求决定是否加入绘画功能。 6. 防护词可参考，但没有完美的防御提示词。 7. 回复风格可来自自己的群聊机器人的风格嫁接。 8. 最后加入一些小 Tips 进一步提升个性化效果。 在场景方面，可以问 Bot 对内容的看法，或让其帮忙分析事情以获得更接地气的表述。 另外，编写提示时： 简单任务场景： 设定人物，描述 Bot 所扮演的角色或职责、回复风格。 描述功能和工作流程，约定 Bot 在不同场景下的回答方式，强调调用工具以保证回复准确性，也可为 Bot 提供回复格式示例。 指示 Bot 在指定范围内回答。 复杂任务场景：推荐使用结构化格式编写提示，扣子支持将 Bot 的提示自动优化成结构化内容，可直接使用或修改。
2025-04-09
扣子AI在中小学数学教学中可以怎么结合使用
扣子 AI 在中小学数学教学中的结合使用可以参考以下方面： 1. 自适应学习系统：例如使用像 Khan Academy 这样的平台，结合 AI 技术为学生提供个性化的数学学习路径和练习题，根据学生的能力和需求进行精准推荐。 2. 智能题库和作业辅助：利用像 Photomath 这样的工具，通过图像识别和数学推理技术为学生提供数学问题的解答和解题步骤。 3. 虚拟教学助手：使用如 Socratic 这样的应用，借助 AI 技术为学生解答数学问题、提供教学视频和答疑服务，帮助学生理解和掌握数学知识。 4. 交互式学习平台：参与像 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 此外，为小学数学课设计教育游戏时，可以考虑以下几个方面： 1. 游戏机制：选择适合小学生的游戏机制，如跳跃、追逐、搜寻等，增加游戏趣味性和参与度。 2. 游戏元素：选择数学相关的元素，如数字、运算符号、图形等，将它们融入游戏中，使学生通过游戏了解或巩固相应的数学知识。
2025-04-01
扣子设置了微信客服机器人，如何实现机器人按时自动向微信群发布图片或文档等信息。
要实现微信客服机器人按时自动向微信群发布图片或文档等信息，您可以按照以下步骤进行操作： 前提条件： 1. 已开通了。 2. 已搭建了 Bot。 步骤一：获取微信客服配置信息 1. 登录平台。 2. 单击企业信息，然后复制企业 ID。 3. 单击开发配置，然后再单击开始使用。 4. 单击随机获取按钮分别生成并保存 Token 和 EncodingAESKey。复制 Token 和 EncodingAESKey 后，先不要关闭该页面。 步骤二：在扣子中配置微信客服信息 1. 在 Bots 页面，选择需要发布的 Bot。 2. 在 Bot 编排页面，单击发布。 3. 找到微信客服渠道，然后单击配置。 4. 输入步骤一中复制的企业 ID，然后单击下一步。 5. 输入步骤一中复制的 Token 和 EncodingAESKey，然后单击下一步。 6. 复制 webhook 地址。复制 webhook 地址后，先不要关闭该配置窗口。 步骤三：配置回调地址 1. 回到步骤一中的开始企业接入页面，输入上一步中复制的 webhook 地址。单击完成。确保粘贴回调地址时没有引入空格，空格会导致校验失败。 2. 在开发配置页面，复制 secret。 3. 单击客服账号，复制账号。 步骤四：发布 Bot 1. 回到扣子平台的微信客服渠道配置页面，输入复制的 secret 和客服名称。 2. 单击保存。 3. 在发布记录中输入发布信息，然后勾选微信客服渠道，再单击发布。 4. 发布完成后，单击立即对话登录微信客服，体验 Bot 效果。 常见问题： 1. 收不到机器人回复消息怎么办？ 可尝试通过以下方法解决： 查看微信客服的启用状态：登录，在应用管理页面，点击微信客服。确保没有启用微信客服功能。如果已经开启了微信客服功能，需要关闭。关闭后，该应用在工作台入口将被隐藏，员工不可使用。请谨慎评估。 检查近期是否有登录企业微信应用。确保企业至少有一个成员通过手机号验证/微信授权登录过企业微信应用。 如果还是有问题，可以发送邮件至 feedback@coze.cn 反馈。
2025-03-30
用扣子的时候怎么让大模型严格按照知识库内容进行输出
以下是关于让大模型严格按照知识库内容进行输出的相关信息： 扣子的知识库功能强大，可上传和存储知识内容，提供多种查找方法。在智能体中使用知识库，收集相关内容，当智能体回答用户时会先检索知识库，使回复更准确。 在“掘金 x 扣子 Hackathon 活动 深圳站”的总冠军工作流中，对于用户向小说人物角色的提问，通过一系列节点，包括开始节点接收问题、知识库节点检索、大模型节点生成答案等，本质上是一个根据用户 query 进行检索增强生成（RAG）的任务，每个工作流中都嵌入了知识库节点，维护了如小说合集等知识库。 大模型节点是调用大语言模型，使用变量和提示词生成回复。按需选择基础版或专业版模型，基础版支持扣子预设的一批模型资源，专业版除默认添加的豆包模型外，还支持按需接入火山引擎方舟平台的模型资源。模型选择右下角生成多样性可从多个维度调整不同模型在生成内容时的随机性，有精确模式、平衡模式和创意模式等预置模式。输入方面，开启智能体对话历史后，上下文信息将自动携带进入大模型，参数名可随意设置但建议有规律，变量值可引用前面链接过的节点的输出或进行输入。
2025-03-26
扣子api的调用流程
扣子 API 的调用流程如下： 1. 传递请求的相关部分： Body：用于传递请求的主体部分，可以是 JSON、XML 或其他类型的数据。在 GET 方法中通常不用于传递参数，因为 GET 方法的 URL 已包含必要参数。 Path：用于定义请求的路径部分，通常以“/”开头，后面跟着一系列段落。在 GET 方法中可传递参数，但常编码为 URL 一部分。 Query：用于定义请求的查询部分，通常以“?”开头，后跟一系列键值对。在 GET 方法中是常用的参数传递方式。 Header：用于定义 HTTP 请求的头信息部分，包括各种头部字段。在 GET 方法中通常不用于传递参数，而是定义请求头部信息。 2. 配置输出参数： 如果填写无误，可直接点击自动解析，会自动调用一次 API 给出对应的输出参数。 例如填入汉字“张”，点击自动解析。解析成功会显示成功，输出参数填好后点击保存并继续。参数描述可根据需求填写。 3. 调试与校验： 测试工具是否能正常运行。 运行后查看输出结果，Request 为输入的传参，Response 为返回值，点击 Response 可看到解析后的参数。 此外，创建扣子的令牌步骤如下： 在扣子官网左下角选择扣子 API，在 API 令牌中选择“添加新令牌”，为令牌起名，选择过期时间（如永久有效），选择指定团队空间（个人空间或团队空间），勾选所有权限，保存好令牌的 Token，切勿向他人泄露。 让 Coze 智能体机器人连上微信和微信群的配置： 1. 获取机器人 ID：在个人空间中找到要接入微信的机器人，如画小二智能小助手，点击进入编辑界面，浏览器地址栏 bot/之后的数据即为机器人的 Bot ID。 2. API 授权：点击右上角发布，会出现 Bot as API，勾选并确定应用已成功授权 Bot as API。
2025-03-25
扣子工作流与用户界面搭建
以下是关于扣子工作流与用户界面搭建的相关内容： 一、工作流搭建 1. 进入扣子（coze.cn），选中「创建应用」，再选中「创建空白应用」，输入「应用名称」进入项目搭建页面。 2. 新增一个工作流，工作流名称叫做 psy_ai。 3. 该项目的业务逻辑是通过上传儿童的绘画作品分析心理状态，分析过程分为多个步骤实现，工作流的编排流程图为：上传作品>多个多模态大模型识别不同元素>分别提取特种并分析>综合分析结果>给出评估与建议。 4. 工作流从左到右分为三组大模型： 第一组多模态大模型主要作用是分析图片元素：整体特征、房屋特征、树木特征、人物特征。 第二组通用大模型主要是对提取到的信息进行对应内容的总结分析。 第三组通用大模型先汇总结果，然后再分别提取不同（诊断评估与建议）的结果。 5. 所有大模型节点对应的 prompt（提示词）：文档地址：https://vcn5grhrq8y0.feishu.cn/wiki/Z3NzwrtEKi9h5mk0rTOcAT0xnTc 二、用户界面搭建 1. 选择「桌面网页」类型。 2. 以《小喵星座日历》扣子网页应用为例： 板块 1：输入个人信息和生成图片，包含 2 个选项、1 个按钮、分割图、1 个输入框、1 个按钮。点击生成按钮会触发事件，调用日历生成工作流，生成中时生成按钮禁用，用 loading 按钮展示动态变化。 板块 2：生成星座日历图片，新建一个容器，包含一个文本组件、一个列表组件。 板块 3：查看星座生成记录，新建一个容器，包含一个按钮组件、一个列表组件，点击按钮调用读取生成历史的工作流，列表绑定生成历史工作流的输出结果。 板块 4：查看示例，新建一个容器，包含一个文本组件、4 个图片组件。 三、功能页相关配置 1. {{ImageUpload1.value}}用于获取图片上传组件的第一张图片。 2. {{psy_ai.error}}是工作流的报错信息。 3. 当用户上传图片点击按钮时会进入在家中的状态，右边内容显示容器里有两个组件： 图片组件显示加载中的 gif 图片（默认隐藏），图片来源本地上传加载中 gif 图，尺寸宽度为百分比 100%，高度适应内容，可见性根据{{!psy_ai.loading}}控制，工作流运行中显示。 Markdown 组件显示分析内容，隐藏根据{{psy_ai.loading}}，工作流运行完显示。 至此，页面所有的布局和数据交互全部完成。
2025-03-25
学习WaytoAGI的最佳路径是什么
学习 WaytoAGI 的最佳路径包括以下几个方面： 1. 了解最新的 AI 技术：WaytoAGI 像免费的“技术期刊”，能让您了解最新动态，还能教授实用技能，且开源免费。 2. 线上共学：通过线上共学方式，手把手教您应用 AI 技术，无论您是小白还是有一定基础，都能找到适合自己的学习路径。 3. 找到志同道合的队友：如果您想创业、做副业，或者只是想找对 AI 感兴趣的伙伴一起做事，WaytoAGI 是很好的平台。 使用 WaytoAGI 的方法： 1. 点开链接就能看：无需注册和花钱，直接点击链接：点击。 2. 想看啥就看啥：比如想学 AI 绘画，就去看“AI 绘画”部分；想找 AI 工具，就去“工具推荐”部分，内容分类清晰。 3. 有问题还能问：看了还有不懂的，或者想跟别人交流，可以加入社群讨论。 此外，WaytoAGI 还有整活区，这里不是系统性学习的地方，而是一起做有趣事情的游乐场。在这里，您不用证明想法“有什么用”，可以尽情发挥对 AI 最天马行空的想象，鼓励把 AI 玩出新花样。
2025-04-10
学习路径文档
以下是为您提供的新手学习 AI 的路径文档： 首先，了解 AI 基本概念。建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。同时，浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 然后，开始 AI 学习之旅。在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有可能获得证书。 接着，选择感兴趣的模块深入学习。AI 领域广泛，比如图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。特别建议您掌握提示词的技巧，它上手容易且很有用。 之后，进行实践和尝试。理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后也进行分享。 最后，体验 AI 产品。与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。通过与这些 AI 产品的对话，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 此外，雪梅 May 的 AI 学习经验也值得参考。May 发现自己的学习路径是：迈出第一步→大量的学习输入→疯狂的模仿→开始自己创造→学的越来越宽越来越杂→积累的量变产生质变→开始分享。特别是学习 coze 的路径：输入→模仿→自发创造，这是她真实实践下来之后发现的学习规律。May 还提到，虽然费曼学习法告诉我们，学习最好的方式是教会别人，但在一开始学习 AI 时，自学和输入为主也是可行的。回想起来，如果能量更足、更有勇气，可以更早地开始输出倒逼输入。不过不要为难自己，只要迈开脚步，就是进步。
2025-04-09
基于规则的测试生成： 测试用例生成工具： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。这个应该怎样使用呢
很抱歉，目前没有关于 Randoop 工具使用方法的相关内容。您可以通过以下途径获取更详细的信息： 1. 官方文档：访问 Randoop 的官方网站，查找其提供的详细使用说明和教程。 2. 技术论坛：在相关的技术论坛上搜索关于 Randoop 使用的讨论和经验分享。 3. 开源社区：参与开源社区中关于 Randoop 的交流，向其他开发者请教。
2025-04-08
提供一个全面的AI学习路径
以下是为您提供的全面的 AI 学习路径： 首先，了解 AI 的基础概念是至关重要的。这包括对机器学习、深度学习、自然语言处理等核心领域的基本认识。 在掌握基础概念后，深入学习数学知识，如线性代数、概率论、微积分等，这些是理解 AI 算法的基石。 接着，学习编程语言，如 Python，它在 AI 开发中被广泛应用。 然后，学习常见的机器学习算法，如决策树、聚类算法等，并通过实践项目加深理解。 对于深度学习，要掌握神经网络的原理和常见模型，如卷积神经网络、循环神经网络等。 同时，关注最新的 AI 行业资讯，了解前沿技术和应用案例。 参与相关的实践活动，如模型创作大赛等，将理论知识应用到实际中。 此外，利用丰富的学习资源，如文章、教程、工具推荐等，不断提升自己的能力。 “通往 AGI 之路”是一个致力于人工智能学习的中文知识库和社区平台，由开发者、学者和 AI 爱好者共同参与建设。它提供了系统全面的学习路径，涵盖从基础概念到实际应用的各个方面，包括丰富的学习资源、定期组织的活动等。您可以通过以下渠道获取更多信息： 网站： 知识库介绍说明：https://waytoagi.feishu.cn/wiki/BE57wlWV2iDkOvkbYIockX11nTC 社区业务：https://waytoagi.feishu.cn/wiki/PhZwwGR7jinzLVkqohOc7oofnzf 公众号：通往 AGI 之路 Bilibili：https://space.bilibili.com/259768893 小红书：https://www.xiaohongshu.com/user/profile/6457d2e4000000001f030dbe Twitter：https://twitter.com/WaytoAGI
2025-04-01
我是一名0基础的AI使用者，如果我需要熟练的搭建自己coze来完成一些业务工作，我的学习路径是什么样的？可以为我推荐一个学习计划，包括学习的资料获取途径和资料推荐吗？
以下是为您推荐的从 0 基础学习搭建自己的 Coze 来完成业务工作的学习路径和学习计划： 学习路径： 1. 了解 Coze AI 应用的背景和现状，包括其发展历程、适用场景和当前的局限性。 2. 熟悉创建 AI 应用的操作界面，包括学习业务逻辑和用户界面的搭建。 3. 掌握前端和后端的基础知识，了解其在 Coze 应用中的作用。 4. 学习容器的操作和页面布局技巧。 学习计划： 1. 资料获取途径：可以通过飞书知识库获取相关学习资料。 2. 资料推荐： “90 分钟从 0 开始打造你的第一个 Coze 应用:证件照 2025 年 1 月 18 日副本”，其中包含智能纪要和智能章节，详细介绍了 Coze 应用的创建过程、界面讲解、前端与后端基础及界面组件布局、容器操作与页面布局等内容。 （筹划中）「Agent 共学」之“两天学会用 AI 建站”，其中的共学日程表可能会提供相关的学习安排和指导。 在学习过程中，建议您重点熟悉桌面网页版的用户界面，按照资料中的步骤逐步实践，遇到问题及时查阅资料或寻求帮助。祝您学习顺利！
2025-03-31
学习路径
以下是关于学习 AI 的不同方面的学习路径： LLM 开发： 1. 掌握深度学习和自然语言处理基础，包括机器学习、深度学习、神经网络等基础理论，以及自然语言处理中的词向量、序列模型、注意力机制等。相关课程有吴恩达的深度学习课程、斯坦福 cs224n 等。 2. 理解 Transformer 和 BERT 等模型原理，包括 Transformer 模型架构及自注意力机制原理，以及 BERT 的预训练和微调方法。掌握相关论文，如 Attention is All You Need、BERT 论文等。 3. 学习 LLM 模型训练和微调，包括大规模文本语料预处理，使用 LLM 预训练框架如 PyTorch、TensorFlow 等，以及微调 LLM 模型进行特定任务迁移。相关资源有 HuggingFace 课程、论文及开源仓库等。 4. LLM 模型优化和部署，包括模型压缩、蒸馏、并行等优化技术，模型评估和可解释性，以及模型服务化、在线推理、多语言支持等。相关资源有 ONNX、TVM、BentoML 等开源工具。 5. LLM 工程实践和案例学习，结合行业场景进行个性化的 LLM 训练，分析和优化具体 LLM 工程案例，研究 LLM 新模型、新方法的最新进展。 6. 持续跟踪前沿发展动态，关注顶会最新论文、技术博客等资源。 AI 技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 AI 应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 AI 基础入门： 1. 根据电脑的硬件情况和自身财力选择合适的开始方式，如本地部署（电脑是 M 芯片的 Mac 电脑或 2060Ti 及以上显卡的 Windows 电脑）、在线平台（分为在线出图和云电脑）或配台电脑（不建议一开始就配主机）。 2. 必学、必看内容是基础课，主要解决环境问题和软件安装不上的问题；建炉是针对不同炼丹方式提供不同的炼丹工具的安装教程；正式的内容部分分为数据集预处理、模型训练以及模型调试及优化三个部分。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。
2025-03-31