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

怎么调用qwen？

Answer

要调用 qwen ，有以下几种情况和步骤：

  1. 调用百炼“应用”：
    • 创建一个百炼应用，假设命名为“苏苏”。
    • 在/root/chatgpt-on-wechat/文件夹下，打开config.json文件。
    • 更改"model":"qwen"，并添加"qwen_access_key_id"、"qwen_access_key_secret"、"qwen_agent_key"、"qwen_app_id"四项配置。
    • 配置项获取可参考视频教程：百炼应用调用教程.mp4 图文教程及参考配置也有提供。
    • 注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明您没有实名认证，点击去实名认证，或查看自己是否已认证。
  2. 直接调用大模型：
    • 百炼首页：https://bailian.console.aliyun.com/
    • 在/root/chatgpt-on-wechat/文件夹下，打开config.json文件。
    • 以调用“qwen-max”模型为例，需要更改"model"，和添加"dashscope_api_key"。
    • 获取 key 可参考视频教程：模型调用教程.mp4 图文教程及参考配置也有提供。
    • 注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明您没有实名认证，点击去实名认证，或查看自己是否已认证。
  3. 创建知识库应用并调用：
    • 地址输入浏览器：http://这里替换为您宝塔左上角的那一串:3000/
    • 进入后，点击应用并创建，选择 qwen 模型。
    • 创建知识库。点击知识库 - 选择 qwen - Embedding - 1 点击确认创建。
    • 上传文件，等待处理，最后文本状态是“已就绪”。
    • 回到刚刚创建的应用，关联上创建的知识库。
    • 点击两个发布。之前第一个叫做保存。
    • 点击新建，创建 key。创建后保存同时将 API 根地址最后加上/v1 也保存下来。
    • 回到宝塔，打开【终端】
    • 依次粘贴并回车：cd/root git clone https://github.com/zhayujie/chatgpt-on-wechat cd chatgpt-on-wechat/ pip install -r requirements.txt pip install -r requirements-optional.txt 等待执行完成。
    • 到“文件”菜单中去执行，点击文件 - 找到 root，进入 root 文件夹，找到 chatgpt-on-wechat 文件夹，并进入。
Content generated by AI large model, please carefully verify (powered by aily)

References

「第一天」COW项目：千问模型、百炼应用接入教程

1、当我们在COW中，去调用某一个百炼“应用”时，需要添加更多配置。首先我们需要创建一个百炼应用，假设我将这个应用命名为“苏苏”。当我完成一个应用的创建后。以调用“苏苏”应用为例，在/root/chatgpt-on-wechat/文件夹下，打开config.json文件：需要更改"model":"qwen"，并添加"qwen_access_key_id"、"qwen_access_key_secret"、"qwen_agent_key"、"qwen_app_id"四项配置。这些配置项在哪找呢？视频教程：[百炼应用调用教程.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/VJFKbxWD9oqRaLxrArbcXiyen0r?allow_redirect=1)图文教程：以下是参考配置：注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明你没有实名认证，点击去[实名认证](https://account.console.aliyun.com/v2?spm=5176.28508143.J_4VYgf18xNlTAyFFbOuOQe.13.38a9154amP8978#/authc/types)，或查看自己是否已认证。

「第一天」COW项目：千问模型、百炼应用接入教程

百炼首页：https://bailian.console.aliyun.com/1、当我们在COW中，去直接调用千问的某一个大模型时，只需要更改key和model即可。以调用“qwen-max”模型为例，在/root/chatgpt-on-wechat/文件夹下，打开config.json文件：需要更改"model"，和添加"dashscope_api_key"。那么如何去获取key呢：视频教程：[模型调用教程.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/EB8Xbv8wXoiXHCxhEWkcfUVQnFf?allow_redirect=1)图文教程：以下是参考配置：示意图：注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明你没有实名认证，点击去[实名认证](https://account.console.aliyun.com/v2?spm=5176.28508143.J_4VYgf18xNlTAyFFbOuOQe.13.38a9154amP8978#/authc/types)，或查看自己是否已认证。

张梦飞：【知识库】FastGPT+OneAPI+COW带有知识库的机器人完整教程

1、地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/2、进入后，点击应用并创建，选择qwen模型3、创建知识库。点击知识库-选择qwen-Embedding-1点击确认创建。4、上传文件，等待处理，最后文本状态是“已就绪”就是OK了。5、回到刚刚创建的应用，关联上创建的知识库。6、点击两个发布。之前第一个叫做保存7、点击新建，创建key。创建后保存同时将API根地址最后加上/v1也保存下来。[heading1]七、安装并接入cow[content]1、回到宝塔，打开【终端】继续，一行一行依次粘贴，依次回车：cd/root2、这个注意一定要粘贴完整，这里容易粘贴不全。git clone https://github.com/zhayujie/chatgpt-on-wechat3、出现下方的样子，就是成功了。如果失败，或者没反应，刷新一下，重新再试一次4、继续一行一行，依次输入：cd chatgpt-on-wechat/pip install-r requirements.txt5、等待执行完成，如上图后，继续粘贴：pip install-r requirements-optional.txt6、上边的都执行完成后。现在我们到“文件”菜单中去执行，点击文件-找到root，进入root文件夹,找到chatgpt-on-wechat文件夹，并进入。

Others are asking
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
Qwen 多模态模型哪一个最顶？
目前阿里发布的 Qwen 多模态模型中，Qwen2.5VL 较为突出。它可处理长达数小时的视频，并在电脑上执行自动化任务。提供 3B、7B、72B 三种规模，旗舰版对标 GPT4o、Claude 3.5 Sonnet。具备全文档解析能力，支持手写、表格、图表、化学公式等多场景识别，还可操作电脑或手机界面，执行自动化任务，如点击按钮、填表等。详情可参考：https://www.xiaohu.ai/c/xiaohuai/qwen25vl285cee 。此外，Qwen2.5Max 也是阿里通义千问的大型专家模型（MoE），基于 SFT 和 RLHF 策略训练，在多项基准如 Arena Hard、LiveBench、LiveCodeBench、GPQADiamond 上超越 DeepSeek V3，引发社区关注。更多体验方式包括支持官方 Chat、API 接口、Hugging Face Demo 等，详情可参考：https://qwenlm.github.io/blog/qwen2.5max/ 、https://chat.qwenlm.ai 、https://alibabacloud.com/help/en/modelstudio/gettingstarted/firstapicalltoqwen?spm=a2c63.p38356.helpmenu2400256.d_0_1_0.1f6574a72ddbKE 、https://huggingface.co/spaces/Qwen/Qwen2.5MaxDemo 。
2025-03-25
qwen
Qwen 2 已开源，具有以下特点和优势： 1. 提供 5 种尺寸的预训练和指令调整模型，包括 Qwen20.5B、Qwen21.5B、Qwen27B、Qwen257BA14B 和 Qwen272B。 2. 除英语和中文外，还接受过另外 27 种语言的数据训练。 3. 在大量基准评估中表现出最先进的性能，代码和数学性能显著提高，全面超越 llama3。 4. 增大了上下文长度支持，最高达到 128K tokens（Qwen272BInstruct），72B 和 7B 可处理 128k 上下文，57BA14B 可处理 64k 上下文，0.5B 和 1.5B 可处理 32k 上下文。 5. 相比 2 月推出的通义千问 Qwen1.5，实现了整体性能的代际飞跃。在权威模型测评榜单 OpenCompass 中，此前开源的 Qwen1.5110B 已领先于文心 4.0 等一众中国闭源模型，Qwen272B 整体性能相比 Qwen1.5110B 又取得了大幅提升。在 MMLU、GPQA、HumanEval、GSM8K、BBH、MTBench、Arena Hard、LiveCodeBench 等国际权威测评中，Qwen272B 获十几项世界冠军，超过美国的 Llama3。 Qwen2 系列模型的性能突破具有重要意义： 1. 在中国大模型领域，开源模型显示出超越最强闭源模型的势头。 2. 中国的开源大模型，从性能到生态都具备了媲美美国 Llama3 的能力。 通义千问大模型的持续优化和进步，主要依赖强大的大模型研发能力、领先的基础设施能力以及开源社区的充分支持。阿里云是全球唯一一家积极研发先进 AI 模型并且全方位开源的云计算厂商。 体验 Qwen2 系列模型的途径： 1. 已上线魔搭社区 ModelScope 和阿里云百炼平台，开发者可在魔搭社区体验、下载模型，或通过阿里云百炼平台调用模型 API。 2. Qwen272binstruct 模型已经上线中国大语言模型评测竞技场 Compass Arena，所有人都可以登录体验 Qwen2 的性能，或者选择 Qwen2 模型与其他大模型进行对比测评。测评地址：。Compass Arena 是由上海人工智能实验室和魔搭社区联合推出的大模型测评平台，集齐了国内主流的 20 多款大模型。 此外，玉宝搞过一个 LLM 的在线评估，里面可以看到国内各个闭源大模型的 HUMANEVAL 测评得分，可以和 QWEN2 对比，网址为：https://www.llmrank.cn/ 。除了美国 Llama 开源生态之外，通义千问已成为全球开发者的另一主流选项。
2025-03-10
qwen.chat
以下是关于 Qwen 的相关信息： 2023 年度中文大模型基准测评报告中提到了 Qwen 的相关模型，如 Qwen14BChat、Qwen72BChat。 1 月 28 日的 Xiaohu.AI 日报中，大年三十发布了 Qwen2.5Max 模型，这是通义千问推出的大型专家模型（MoE），通过 SFT 和 RLHF 策略后训练，性能与顶尖模型竞争，在多个基准测试中超越了 DeepSeek V3，引发了 AI 社区对大规模专家模型的高度关注。相关链接包括： Blog: Qwen Chat: （选择 Qwen2.5Max 模型） API: HF Demo: 1 月 28 日的 Xiaohu.AI 日报中还提到阿里云发布了 Qwen2.5VL：新一代视觉语言模型。
2025-02-21
Qwen 2.5 max 如何访问
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：
2025-02-13
我想利用现有的20万条政务相关数据，基于qwen2.5 70B大模型构建自己的政务服务大模型，该如何做，请给出具体实现流程，谢谢！
以下是基于 qwen2.5 70B 大模型利用 20 万条政务相关数据构建政务服务大模型的大致流程： 1. 数据准备：对 20 万条政务相关数据进行清洗、预处理和标注，使其适合模型学习。 2. 模型选择与下载：选择 qwen2.5 70B 大模型，并按照相关说明进行下载。 3. 本地部署： 启动 OpenAI 兼容的 API 服务，根据硬件配置设置相关参数，如 tensorparallelsize（设置使用的 GPU 数量）、maxmodellen（定义最大输入序列长度）、maxnumbatchedtokens（设置 Chunked Prefill 的块大小）、maxnumseqs（限制并发处理的序列数量）。 遇到问题可参考相关内容。 4. 与模型交互：可以使用 Curl 或 Python 等方法与部署的模型进行交互，对于更高级的使用方式，可以探索如之类的框架。 5. 模型训练：模型训练是一个复杂且计算量极大的过程，需要大量的计算资源和时间。 需要注意的是，构建大模型是一个复杂的任务，需要具备一定的技术知识和经验。在实际操作中，可能会遇到各种问题，需要不断调试和优化。
2025-02-06
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
单独调用知识库
以下是关于知识库的相关内容： 创建并使用知识库： 在 Bot 内使用知识库： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 4. 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 5. （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，包括最大召回数量（Bot 在调用知识库匹配用户输入内容时，返回的数据片段数量，数值越大返回的内容越多）、最小匹配度（Bot 在调用知识库匹配用户输入内容时，会将达到匹配度要求的数据片段进行召回。如果数据片段未达到最小匹配度，则不会被召回）、调用方式（自动调用：每轮对话将自动从所有关联的知识库中匹配数据并召回；按需调用：需要在人设与回复逻辑中提示 Bot 调用 RecallKnowledge 方法，以约束 Bot 在指定时机从知识库内匹配数据）。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可以查看知识库命中并召回的分片内容。 在工作流内使用 Knowledge 节点： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内，选择添加 Knowledge 节点。 Coze 打造 AI 私人提效助理实战知识库： 在上述步骤中创建好知识库后，就可以在智能体中配置知识库了。在 coze 主页，个人空间 > 项目开发中，打开一个需要添加知识库的智能体，可以选择配置“文本”、“表格”、“照片”三种知识库。下面以配置文本知识库作为例子。点击加号，选择在 1.3 中已经提前创建好的知识库，点击添加。下一步就是配置提示词，让智能体自动使用知识库回答问题。在进行大概地描述以后，点击右上角“优化”，可以自动优化提示词，获得更好的结果。最后，在网页最右方的“预览与调试”中，测试智能体是否正常调用知识库。 集合 Deepseek 提示词方法论： DeepSeek R1 提示词系统完全指南： 三、进阶控制技巧： 1. 思维链引导：分步标记法（请逐步思考：1. 问题分析→2. 方案设计→3. 风险评估）、苏格拉底式追问（在得出最终结论前，请先列举三个可能存在的认知偏差）。 2. 知识库调用：领域限定指令（基于 2023 版中国药典，说明头孢类药物的配伍禁忌）、文献引用模式（以 Nature 2022 年发表的论文为参考，解释 CRISPR Cas9 最新突破）。 3. 多模态输出。 四、高级调试策略： 1. 模糊指令优化： 问题类型：宽泛需求，修正方案：添加维度约束，示例对比：原句："写小说"→修正："创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构"。 问题类型：主观表述，修正方案：量化标准，示例对比：原句："写得专业些"→修正："符合 IEEE 论文格式，包含 5 项以上行业数据引用"。 2. 迭代优化法： 1. 首轮生成：获取基础内容。 2. 特征强化：请加强第三段的技术细节描述。 3. 风格调整：改用学术会议报告语气，添加结论部分。 4. 最终校验：检查时间逻辑一致性，列出可能的事实性错误。
2025-04-09
知识库的批量创建和调用
以下是关于知识库的批量创建和调用的详细信息： 使用知识库： 在 Bot 内使用： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 4. 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 5. （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，包括最大召回数量、最小匹配度和调用方式（自动调用或按需调用）。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可以查看知识库命中并召回的分片内容。 在工作流内使用： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内，选择添加 Knowledge 节点。 创建知识库并上传表格数据： API 方式： 1. 在表格格式页签下，选择 API，然后单击下一步。 2. 单击新增 API。 3. 输入网址 URL 并选择数据的更新频率，然后单击下一步。 4. 输入单元名称或使用自动添加的名称，然后单击下一步。 5. 配置数据表信息后，单击下一步。 5.1 确认表结构：系统已默认获取了表头的列名，您可以自定义修改列名，或删除某一列名。 5.2 指定语义匹配字段：选择哪个字段作为搜索匹配的语义字段。在响应用户查询时，会将用户查询内容与该字段内容的内容进行比较，根据相似度进行匹配。 6. 查看表结构和数据，确认无误后单击下一步。 7. 完成上传后，单击确定。 自定义方式： 1. 在表格格式页面下，选择自定义，然后单击下一步。 2. 输入单元名称。 3. 在表结构区域添加字段，单击增加字段添加多个字段。 4. 设置列名，并选择指定列字段作为搜索匹配的语义字段。在响应用户查询时，会将用户查询内容与该字段内容的内容进行比较，根据相似度进行匹配。 5. 单击确定。 6. 单击创建分段，然后在弹出的页面输入字段值，然后单击保存。 创建文本型知识库： 目前支持 5 种导入类型：本地文档、在线数据、notion、飞书、自定义。 在线数据： 自动采集：支持从单个页面或批量从指定网站中导入内容。 添加单个页面的内容： 1. 添加方式：选择添加单个。 2. 更新频率：选择是否自动更新指定页面的内容及自动更新的频率。 3. 网址 URL：输入要采集内容的网址。 批量添加网页内容： 1. 添加方式：选择批量添加。 2. 根地址或网站地图：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。 3. 导入成功后，单击确认。 手动采集：支持标注要采集的内容，内容上传成功率高。使用手动采集方式，需要先安装浏览器扩展程序。安装步骤，参考。 1. 在新增 URL 页面，选择手动采集。 2. 在弹出的页面输入要采集内容的网址，然后单击确认。 3. 在弹出的页面上，点击页面下方文本标注按钮，开始标注要提取的内容，然后单击文本框上方的文本或链接按钮。 4. 单击查看数据查看已采集的内容，确认无误后再点击完成并采集。
2025-04-09
我们是搜索团队的产品经理，团队定位倾向于“对于插件的建设与调用”定位，现在要做AI相关的产品规划，请以通俗易懂的方式对以下问题做出回答 1、请通过流程图的方式，介绍【插件/工具】能力在大模型生态架构中的环节、定位、实现流程是什么 2、调研下对于我们搜索团队而言，插件应该做什么，可以做什么 3、思考对于大模型来说，有哪些（通用或垂类）的模块/功能/插件是无法绕开的，或高频使用的，作为我们团队后续争取的发力点（如搜索推荐对于传统综合搜索结果页）
以下是为您提供的关于 AI 相关产品规划的回答： 一、插件/工具能力在大模型生态架构中的环节、定位、实现流程 从 2023 年 3 月份 OpenAI 宣布插件计划开始，到 5 月份上线，其中包括联网、代码、画图三个插件。其实现流程大致为： 1. 经过对模型的微调，检测何时需要调用函数（取决于用户的输入）。 2. 使用符合函数签名的 JSON 进行响应。 3. 在接口层面声明可调用的工具。 4. 使用函数和用户输入调用模型。 5. 使用模型响应调用 API。 6. 将响应发送回模型进行汇总。 二、对于搜索团队，插件可以做和应该做的事 目前没有直接针对搜索团队插件具体可做和应做事项的明确内容，但可以参考 OpenAI 的插件计划，例如开发与搜索相关的特定功能插件，或者探索如何将现有的搜索推荐功能与大模型更好地结合。 三、对于大模型无法绕开或高频使用的模块/功能/插件 目前没有直接指出对于大模型无法绕开或高频使用的具体模块、功能或插件。但从相关信息中可以推测，例如与数据获取和处理相关的插件（如联网）、与技术开发相关的插件（如代码）以及与内容生成相关的插件（如画图）可能是较为重要和高频使用的。对于搜索团队来说，可以考虑在这些方向上寻找发力点，结合搜索推荐等传统功能，开发出更具竞争力的插件。
2025-04-08
coze上提取视频文案的插件有哪些？都是怎么调用的
以下是关于在 coze 上提取视频文案的插件及调用方法： 1. 进入 coze 个人空间，选择插件，新建一个插件并命名，如 api_1。 2. 在插件的 URL 部分，填入通过 ngrok 随机生成的 https 的链接地址。 3. 配置输出参数和 message 输出。 4. 测试后发布插件。 需要注意的是： 1. 如果在生产环境中已有准备好的 https 的 api，可直接接入。 2. 本案例中使用的是 coze 国内版，且案例中的 ngrok 仅供娱乐，在生产环境中勿用。
2025-04-01
如何综合运用插件、工作流、知识库，搭建满足各种需求的智能体，尤其是调用多个智能体，组成像Manus这样的工具？
要综合运用插件、工作流、知识库搭建满足各种需求的智能体，尤其是调用多个智能体组成类似 Manus 的工具，需要了解以下内容： 插件：插件如同一个工具箱，里面可放置一个或多个工具，称为 API。扣子平台有多种类型的插件，如看新闻、规划旅行、提高办公效率、理解图片内容的 API 及能处理多种任务的模型。若平台现有插件不符合需求，还可自行制作添加所需 API。 工作流：工作流类似可视化拼图游戏，可将插件、大语言模型、代码块等功能组合，创建复杂稳定的业务流程。工作流由多个节点组成，开始和结束节点有特殊作用，不同节点可能需要不同信息，包括引用前面节点信息或自行设定信息。 知识库：可上传私有文件作为回答参考。 智能体：智能体是对自定义操作的封装，用于解决特定场景问题。以 ChatGPT 的 GPTs 为例，包括描述作用和回复格式的提示词、作为回答参考的知识库、请求第三方 API 获取实时数据的外挂 API 以及个性化配置等。 例如，在“竖起耳朵听”的智能体中添加了插件和工作流的相关设置。创建智能体时，输入人设等信息，并配置工作流。但需注意，如工作流中使用的插件 api_token 为个人 token 时，不能直接发布，可将其作为工作流开始的输入，由用户购买后输入使用再发布。 此外，在 AI 搜索中，可预置 after_answer 钩子，将请求大模型的上下文和回答发给第三方插件整理成文章或思维导图等格式同步到第三方笔记软件。全流程中有很多节点可做 Hook 埋点，多个插件构成可插拔架构，常用功能可抽离成标准插件用于主流程或辅助流程，还可自定义智能体 Agent 等。
2025-03-29