搭建豆包模型时，关于模型选择：
此外，在飞书多维表格 AI 共学中，有王大仙演示中药材识别视频搭建过程，包括新建数据表、设置日期及附件字段，新建 AI 识别中药材列，自定义指令让 AI 识别中药材照片并按要求输出相关信息，最后强调要打开自动更新按钮实现工作效果。王大仙还测试了中药材照片识别结果及探讨产品打造配置，查看生成结果，以当归等中药材照片为例进行探讨，提到当归不太好识别，还谈及当归的使用方法、注意事项等，对结果表示满意，之后提到要用多维表格进一步配置打造产品，介绍豆包大模型能力已接入多维表格封装成 AI 字段，最后询问信息提取字段。同时，还有关于中药材信息提取及结构化标签生成的讨论，包括提取中药材名字，新建字段提取使用方法，提取价值和功效，提取使用注意事项等，还提到表结构需自己定义，可让豆包帮忙完成提取动作，还涉及用 AI 图片识别及提取字段拆解信息形成结构化标签。
1.关于模型选择：1.1.没有强制必须用某个模型的说法。而是根据自己的习惯、实测的响应速度、生成质量、调用费用，进行综合选择。比如Doubao Function Call模型，对于插件调用、Coze内json格式输出比较擅长；MiniMax处理文字速度很快；GLM对于用户提示词的理解比较好。每个模型都有自己擅长的特点，而且每家模型都在不断的迭代。所以模型的选用，需要根据实测情况综合调整。1.2.我一般选择豆包·function call 32k。“function call”代表有着更好的Coze的工具调用能力，“32k”代表模型的上下文窗口大小，即模型在处理文本时能够考虑的单词或标记的数量。如果输出和输入的类型不是纯文本时，比如是array、object结构，请根据实测情况，考虑替换上豆包function call版本，其他的LLM可能会输出格式比较混乱。
1.关于模型选择：1.1.没有强制必须用某个模型的说法。而是根据自己的习惯、实测的响应速度、生成质量、调用费用，进行综合选择。比如Doubao Function Call模型，对于插件调用、Coze内json格式输出比较擅长；MiniMax处理文字速度很快；GLM对于用户提示词的理解比较好。每个模型都有自己擅长的特点，而且每家模型都在不断的迭代。所以模型的选用，需要根据实测情况综合调整。1.2.我一般选择豆包·function call 32k。“function call”代表有着更好的Coze的工具调用能力，“32k”代表模型的上下文窗口大小，即模型在处理文本时能够考虑的单词或标记的数量。如果输出和输入的类型不是纯文本时，比如是array、object结构，请根据实测情况，考虑替换上豆包function call版本，其他的LLM可能会输出格式比较混乱。
[heading2]智能章节[57:14](https://waytoagi.feishu.cn/minutes/obcnnd2iii52tyu12k31y9pv?t=3434000)王大仙演示中药材识别视频搭建过程本章节主要讨论了制作中药材识别相关内容，王大仙决定做中药材识别，演示搭建过程，包括新建数据表、设置日期及附件字段，新建AI识别中药材列，自定义指令让AI识别中药材照片并按要求输出相关信息，最后强调要打开自动更新按钮实现工作效果。[01:02:06](https://waytoagi.feishu.cn/minutes/obcnnd2iii52tyu12k31y9pv?t=3726000)王大仙测试中药材照片识别结果及探讨产品打造配置本章节王大仙查看生成结果，以当归等中药材照片为例进行探讨，提到当归不太好识别，还谈及当归的使用方法、注意事项等，对结果表示满意，之后提到要用多维表格进一步配置打造产品，介绍豆包大模型能力已接入多维表格封装成AI字段，最后询问信息提取字段。[01:04:19](https://waytoagi.feishu.cn/minutes/obcnnd2iii52tyu12k31y9pv?t=3859000)关于中药材信息提取及结构化标签生成的讨论本章节主要讨论了中药材信息提取相关内容，包括提取中药材名字，新建字段提取使用方法，提取价值和功效，提取使用注意事项等，还提到表结构需自己定义，可让豆包帮忙完成提取动作，还涉及用AI图片识别及提取字段拆解信息形成结构化标签。