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

如何详细学习coze

Answer

以下是关于学习 Coze 的详细内容：

  • 新知识学习方法：推荐使用 Claude + Coze 的组合。Claude 是目前强大的 AI 大模型，每月 20 美元，性能出色。Coze 是一款 AI Agent 的衍生产品，其价值主要体现在跟进 AI Agent 工具发展情况、发现商业化机会以及制作产品 Demo 等方面。对于学习 RAG，可先通过 Claude 了解细节概念，再通过 Coze 搭建 Demo 并在实践中学习。在学习过程中创建了产品资料问答机器人等 4 个 Bot，相关资料可参考公开分享：胎教级教程：万字长文手把手教你用 Coze 打造企业级知识库。
  • 数据库概念：在学习 AI Agent 过程中，记忆离不开数据库组件。本文从非编程人士角度讲解数据库概念和基本使用，不涉及传统的 SQL 语法，而是通过与 Excel 对比帮助理解，旨在让您更好地利用 ChatGPT 等工具辅助学习。同时预告了关于 AI 时代编程基础系列的大纲。
  • 变现方式：本期 Coze 变现模板（多智能体版）课程大纲包括制作完成后的“变现网站”用户体验、开发者体验以及深入学习 Zion 等内容。未注册过 Zion 需按特定步骤注册并填写邀请码“coze”领取代金券；已注册 Zion 可通过填写表单申请代金券。工作人员将手动发券到账户，两种方式均可获得 VIP 券，后续可用该券建站，使用“coze 变现模板（多智能体版）”模板。
Content generated by AI large model, please carefully verify (powered by aily)

References

胎教级教程：万字长文带你理解 RAG 全流程

关于新知识的学习，每个人都有自己的方法，这里我推荐我的一个方法，那就是Claude+CozeClaude大家都很清楚了，目前最强的AI大模型，一个月20美元，好用到飞起。而Coze呢则是一款AI Agent的衍生产品，对我来说他现在最大的价值就是两点依靠Coze来跟进当前AI Agent工具的发展情况，对其保持关注，发现商业化的机会做产品Demo，我有任何的想法都可以考虑在Coze中实现一个Demo还不知道Coze是什么的同学可以看我的公开分享：[胎教级教程：万字长文手把手教你用Coze打造企业级知识库](https://axsppz4oyvj.feishu.cn/wiki/ZP1wwFWhvii1sfkvcEFc2saznoh)我在学习RAG的过程首先会通过Claude帮助我了解细节的概念，然后再通过Coze搭建一个Dmeo，在动手实践中学习RAG在学习RAG的过程中，我一共创建了4个Bot：产品资料问答机器人这个Bot是利用了Coze的知识库能力，演示知识库在企业中的应用。相关资料请参考我的公开分享：[胎教级教程：万字长文手把手教你用Coze打造企业级知识库](https://axsppz4oyvj.feishu.cn/wiki/ZP1wwFWhvii1sfkvcEFc2saznoh)Query改写助手学习Bot：这里为了学习Query的改写，我专门做了一个Bot机器人进行学习Bot地址：https://www.coze.cn/store/bot/7400077517299957800?panel=1&bid=6dkpl06gg601j

这可能是讲 Coze 的数据库最通俗易懂的文章了

大家好，我是大圣，一个致力于使用AI技术将自己打造为超级个体的程序员。本文是[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)教程中关于数据库概念的细化。如果你没有看过上面这篇教程也无所谓，只要你正在学习Coze并且对数据库节点产生了困惑。那么这篇文章就会非常适合你。在学习AI Agent的过程中，有一个非常经典的公式AI Agent=LLM（大模型）+Planning（规划）+Memory（记忆）+Tools（工具）其中记忆这一块离不开一个重要的组件，那就是数据库。这篇文章旨在从非编程人士的角度讲清楚数据库的概念和基本使用。本文不会陷入传统教学文章中的上来就讲SQL语法，而是通过和Excel对比希望你能了解数据库的本质概念从而可以更好的利用ChatGPT等工具辅助你在学习数据库的路上走的更远请允许我自卖自夸：我这篇文章可以说是数据库文章中Coze讲的最好的，讲Coze的文章中数据库讲的最好的。另外做个预告，我正在规划一个关于AI时代你应该具备的编程基础系列，大纲如下：数据库｜让Coze拥有了记忆的组件1知识库｜让Coze拥有了记忆的组件2变量｜让Coze拥有了记忆的组件3JSON｜让你更好的使用Coze插件API｜外部应用程序该如何接入Coze操作系统与服务器｜那些接入了Coze的微机器人都是运行在哪里的Docker｜让你用最简单的方式部署微信机器人OK，废话不多说，我们直接开始！

无企业资质也能coze变现! 手把手教你通过卖Key方式: Zion威少模板跟着搭 -- 支持上架多个智能体

本期coze变现模板(多智能体版)课程大纲:1.制作完成后的“变现网站”用户体验:https://coze.weishao.vip/1.1.注册->试用bot->添加bot->定制bot/购买会员key->激活会员key2.开发者体验:2.1.使用模板制作一个网站->修改网站名称和logo->上架一个/多个智能体->设置默认智能体,和私有智能体->如何标价(定制/会员)->制作出售用的key3.深入学习Zion:从“Zion应用搭建”横向学习“coze应用搭建”[heading1]一、课前准备|免费领取Coze模版[content][heading3]未注册过Zion[content]1.注册Zion无代码zion.functorz.com）(手机可以扫码登陆Zion)1.填写邀请码“coze”2.即可领取价值229元的一个月专业版代金券。[heading3]已注册Zion[content]1.点击账号信息-用户名2.填写表单[💰Zion专业版券申请>>>](https://waytoagi.feishu.cn/share/base/form/shrcnNu2GlzHNO4mUQnOeGPrd5x)(用户id看第三点中的图)(社区福利:即使上次领过,这次还能再领一张;限量发放)1.工作人员将手动发券到你的账户里(用户id看下图)两种方式都将获得VIP券.(后续请用该券建站,使用模板“coze变现模板(多智能体版)”)

Others are asking
怎么熟练运用coze
以下是关于熟练运用 Coze 的详细指导： 一、创建 Coze 并添加音乐播放器 1. 创建一个 Coze。 2. 在“用户界面”拖入一个 Markdown 组件。 3. 在 Markdown 中写入 HTML 代码来创建音乐播放器。对于不熟悉前端代码的同学，可以使用智谱清言等 AI 工具生成代码。 4. 调整代码获取在线音乐： 将 Markdown 自带的内容全部删除，将生成的代码写入 Markdown 组件。 找一个在线音乐播放平台，获取歌曲的 URL。 打开浏览器的控制台（按 F12）找到 network（网络），选择播放的请求，将带有.mp3 格式的 URL 复制出来。 找到代码中的<source src=\"song.mp3\" type=\"audio/mpeg\">部分，将 song.mp3 换成复制的音乐地址，刷新开发页面，使播放器可以使用。 二、获取 Coze 的 accessToken 和 botid 1. 获取 accessToken： 在 Coze 界面右侧扣子 API 授权，或者打开链接 https://www.coze.cn/open/oauth/pats 。 添加令牌，设置令牌的名称和过期时间（为了安全起见，最多 1 个月）。 设置权限，如会话管理和对话，拿不准可全部选择，完成后点击“确定”按钮，记得复制下拉令牌，因为该令牌只会出现一次。 2. 获取 botid： 通过工作空间获取，从“工作空间”打开一个 bot，点击商店按钮，地址栏中的数字即为 botid。 注意：如果在前端使用 bot，必须将其发布成为 API，点击发布，选择 API，待审核通过后，按上述方法获取 botid。 三、保姆级教程：Coze 打工你躺平 1. 先跑起来，创建第一个 bot： 目标是创建一个 Coze Bot，帮您查阅 Hacker News 并中文返回。 打开 coze.cn/home，点创建 Bot，信息随便输。 尝试联网询问，若答不出，引入联网插件 WebPilot，重新尝试联网。 2. 用上「回复逻辑」，让它能将链接转换成回答。 3. 发布到飞书，基本成型。 4. 【进阶】使用工作流/workflow&代码/code，更灵活自定义。
2025-03-16
有没有接入微信消息的coze工作流案例
以下是一些接入微信消息的 Coze 工作流案例： 1. 【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） 搭建工作流： 设置 Bot： 人设和回复逻辑：由于 Bot 主要依托于工作流，设置提示词，直接调用工作流，将 sum_weixin_2_2 替换为工作流的名称。 工作流：添加刚刚创建的工作流。 设置触发器：选择「定时触发」，选择触发的时间，比如每天 18 点，任务执行时输入工作流中开始节点的输入参数，如 key 为 Server 酱的 sendkey，rss_list 可以使用提供的测试数据。触发器在设定时间点根据输入项内容执行工作流，从而在微信收到推送的总结内容。可以同时设置多个触发器，最多 10 个，可推送给不同的人或分不同时间段给自己推送不同内容。 发布到飞书：点击右上角「发布」，注意渠道选择飞书，因为目前 Coze 平台触发器只对飞书渠道生效。 2. AI 实战：搭建信息情报官 Agent 先在 http://open.feishu.cn 上建飞书机器人，并添加知识库或多维表格编辑权限，获得机器人的 app_id 和 app_secret 以获取租用 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）。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：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，变成一个消息情报官的 Agent，发布到 Coze 商店、豆包、飞书、微信、微信公众号、微信小程序等。可以构建多个分身，收集整理不同领域和行业的情报信息。 3. Bot 智能体|用 Coze 实现【多模态资讯的跨平台推送】 技术实现原理： Coze API 接入微信群 Bot：登录宝塔面板，在宝塔面板当中可视化控制云服务器，部署 docker 容器，启动 COW 项目与微信取得关联。chatgptonwechat（简称 CoW）项目是基于大模型的智能对话机器人，可以接入微信公众号、企业微信应用、飞书、钉钉，可选择多种模型，能处理文本、语音和图片，通过插件访问操作系统和互联网等外部资源。点击“Docker”中的“项目模板”中的“添加”按钮，将编译好的内容复制进来，在容器中创建容器，选择容器编排，填入模板和名称，确定。运行成功后点击容器，可看到运行的是两个服务，点击“wcandyaibot”后面的日志按钮，用微信扫码，手动刷新日志，看到 WeChat login success 即成功将 Bot 接入微信。
2025-03-12
coze工作流的相关教程。要求从入门到实操的最新资料
以下是关于 Coze 工作流从入门到实操的相关资料： 一、一泽 Eze 的教程 Step 1：制定任务的关键方法 1. 设计每个子任务的执行方法 阅读理解小作业：基于英文原文，精心策划 3 道符合 CET4 难度的阅读理解题目。每道题均提供 A、B、C、D 四个选项，正确答案所在选项顺序随机，题目和选项均以英文呈现。题目的参考格式如下： 1） A. B. C. D. 参考答案：针对 3 道题目，生成题目答案。预期格式如下： 1） 答案： 2） 答案： 3） 答案： 英文音频：根据原文，利用 TTS 技术朗读全文 全文对照精读：根据原文，按照以下格式，分段完成全文精读结果的输出： 音标： 中文释义： 英文例句： 例句翻译： 二、大圣的教程 二、Coze 使用教程 1. 工作流AI Agent 的内功心法 节点：工作流是由多个节点构成，节点是组成工作流的基本单元。节点的本质就是一个包含输入和输出的函数。 Coze 平台支持的节点类型： LLM（大语言模型）：使用输入参数和提示词生成处理结果。 Code（代码）：通过 IDE 编写代码处理输入参数，并返回输出值。 Knowledage（知识库）：根据输入参数从关联知识库中召回数据，并返回。 Condition（条件判断）：ifelse 逻辑节点，用于设计工作流内的分支流程，根据设置条件运行相应的分支。 Variable（获取变量）：从 Bot 中获取变量作为参数在工作流中使用。 Database（数据库）：在工作流中使用提前配置在 Bot 数据库中的数据。 2. 创建和使用工作流 这一块官方有现成的教程参考： 海外参考文档：https://www.coze.com/docs/zh_cn/use_workflow.html 国内参考文档：https://www.coze.cn/docs/guides/use_workflow 国内版本还提供了一些示例，学习工作流强烈建议大家跟着实操一遍： 搜索新闻：https://www.coze.cn/docs/guides/workflow_search_news 使用 LLM 处理问题：https://www.coze.cn/docs/guides/workflow_use_llm 生成随机数：https://www.coze.cn/docs/guides/workflow_use_code 搜索并获取第一个链接的内容：https://www.coze.cn/docs/guides/workflow_get_content 识别用户意图：https://www.coze.cn/docs/guides/workflow_user_intent 三、蓝衣剑客的教程 三、Coze 简介 1. 工作流 在典型应用场景中，入门级场景可能仅添加一个节点来构建简单工作流。例如，使用获取新闻插件构建一个获取新闻列表的工作流；使用大模型节点接收并处理用户问题等。 更进阶的场景则通过多个节点组合构建逻辑较复杂的工作流。例如，在搜索并获取指定信息详情的场景中，先通过插件能力进行关键词搜索、然后通过代码节点过滤指定信息、最后通过插件能力获取信息详情；或者在通过条件判断识别用户意图的场景中，通过大模型节点处理用户消息，并将消息分类后通过条件节点分别处理不同类型的消息。这些详细配置教程提供了实际操作指南以帮助理解和应用各种功能。
2025-03-12
如何用coze实现一个心理学调研的智能体？最好能够支持音频调用
要使用 Coze 实现一个支持音频调用的心理学调研智能体，您可以按照以下步骤进行操作： 1. 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。 2. 根据弹窗要求，自定义工作流信息。 3. 点击确认后完成工作流的新建，左侧「选择节点」模块中，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。本案例涉及的思维导图、英文音频，因为无法通过 LLM 生成，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 编辑面板中的开始节点、结束节点，则分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 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，即可完成工作流框架的搭建。 在配置子任务节点时： 1. 关于模型选择，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。 2. 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。
2025-03-12
COZE智能体全自动制造视频发布媒体
以下是关于 COZE 智能体全自动制造视频发布媒体的相关内容： 一、概述 基于其他博主开源的视频生成工作流进行功能优化，实现视频全自动创建。感谢开源，现提供教程。 二、先看效果 可查看 三、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。 四、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） 五、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。可选择工作流绑定卡片数据，智能体通过卡片回复。发布时选择飞书多维表格，填写上架信息，等待审核。 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，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。 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。点击多维表格右上角的“自动化”，创建想要的自动化流程。 六、【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 1. 三、创建智能体 3. 知识库 本次创建知识库使用手动清洗数据。 3.1 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，输入，可编辑修改和删除，点击添加 Bot，在调试区测试效果。 3.2 本地文档：注意拆分内容提高训练数据准确度，将海报内容训练到知识库，按固定方式人工标注和处理。 3.3 发布应用：点击发布，确保在 Bot 商店中能搜到。
2025-03-12
coze搭建
以下是关于 Coze 搭建的相关内容： 搭建证件照应用页面： 创建基础容器，为后续操作做准备。 页面分为上中下三块，顶部为标题，中间有原图、过渡和最终结果，底部为展示区域和表单。 对容器的高度、宽度、排列方向进行设置，对文本组件的字体、颜色、加粗等属性进行调整。 介绍图片组件的本地上传和绑定数据功能，微信截图可能导致上传问题。 页面分为左右两块，左侧展示区域，右侧为表单，左侧还需嵌套容器处理图片和文字展示。 前端页面搭建技巧： 在 DIV10 中选择子容器、复制搭建元素等。 调整表单组件的尺寸、按钮文案和上传文件类型等设置。 业务逻辑流程设计： 阐述了证件照生成的业务逻辑，包括用户上传照片、图片理解、图像生成、智能换脸、背景修改等步骤，还提及了各步骤中的参数设置、提示词调整和测试方法。 页面布局的常见方式与实际操作讲解： 常见的左右、上下布局及嵌套方法，演示如何设置容器实现左右布局、调整大小分割等，强调外层高度设置的重要性。 说明溢出处理方式及内边距影响，建议初学者用固定宽高布局。 介绍换行布局及元素分布设置，用于图片排版。 Coze 应用实战指南： 创建 Coze 应用：点击 Coze 创建，选择应用，选择空白，即可进入 Coze IDE。 搭建业务逻辑：进入 Coze IDE 后，默认显示业务逻辑编辑界面，基于业务逻辑搭建一个工作流。业务逻辑的实现依靠工作流来实现，Coze IDE 内编写工作流与捏 bot 编写工作流的逻辑完全一致，只是入口不同。并给出了大模型节点系统提示词。
2025-03-12
一个小白，如何通过咱们这个网站来学习和应用AI，赋能工作，请给出详细的方案，
对于一个小白，通过本网站学习和应用 AI 赋能工作，可以参考以下详细方案： 一、了解 AI 基本概念 首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。浏览入门文章，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 二、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。这些课程将引导您了解生成式 AI 等基础知识，特别推荐李宏毅老师的课程。通过在线教育平台（如 Coursera、edX、Udacity）上的课程，您可以按照自己的节奏学习，并有机会获得证书。 三、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。建议您一定要掌握提示词的技巧，它上手容易且很有用。 四、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，欢迎您实践后的分享。 五、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。 六、在网站中引入 AI 助手 1. 创建大模型问答应用：先通过百炼创建一个大模型应用，并获取调用大模型应用 API 的相关凭证。 2. 搭建示例网站：通过函数计算，来快速搭建一个网站，模拟您的企业官网或者其他站点。 3. 引入 AI 助手：接着通过修改几行代码，实现在网站中引入一个 AI 助手。 4. 增加私有知识：最后可以通过准备一些私有知识，让 AI 助手能回答原本无法准确回答的问题，帮助您更好的应对客户咨询。 七、推荐布鲁姆分类法学习路径 应用：深入 分析：大量阅读，理解各知识之间的关系。
2025-03-16
如何通过AI进行软件测试？有什么好用的AI工具，以及详细的步骤是什么？
以下是关于如何通过 AI 进行软件测试以及相关好用的 AI 工具和详细步骤的介绍： 一、基于规则的测试生成 1. 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。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 2. 模式识别 Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 二、基于机器学习的测试生成 1. 深度学习模型 DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 2. 强化学习 RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 三、基于自然语言处理（NLP）的测试生成 1. 文档驱动测试生成 Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 2. 自动化测试脚本生成 Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 四、基于模型的测试生成 1. 状态模型 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Spec Explorer：微软开发的模型驱动测试工具，通过探索状态模型生成测试用例。 2. 场景模拟 Modelbased Testing ：基于系统模型自动生成测试用例，覆盖各种可能的操作场景和状态转换。 Tosca Testsuite：基于模型的测试工具，自动生成和执行测试用例，适用于复杂应用的端到端测试。 五、实践中的应用示例 1. Web 应用测试：使用 Testim 分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 2. 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 3. 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 六、好用的 AI 工具 Testim：AI 驱动的自动化测试平台，生成和管理测试用例。 Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。 DeepTest：利用深度学习生成自动驾驶系统测试用例。 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试。 希望以上内容对您有所帮助。
2025-03-16
职场打工人，没有编程基础。怎么在3个月内学习运用好ai？并列出详细计划
以下是为没有编程基础的职场打工人制定的在 3 个月内学习运用好 AI 的详细计划： 第一个月： 了解 AI 编程的基本概念和应用场景，通过相关文章和案例建立初步认知。 借助 AI 工具完成一些简单的任务，例如使用一些现有的 AI 插件来辅助工作，如 IAiUse Language Translator Settings、i18n Nexus 等。 第二个月： 学习 Python 基础，包括基本语法规则（如变量命名、缩进等）、数据类型（如字符串、整数、浮点数、列表、元组、字典等）、控制流（如条件语句、循环语句）。 掌握函数的定义和调用，理解参数和返回值的概念，以及作用域和命名空间。 第三个月： 深入学习 Python 的模块和包，学会导入标准库中的模块和第三方库，以及使用包来扩展程序功能。 了解面向对象编程的基本概念，包括类和对象、属性和方法、继承和多态。 学习异常处理，理解异常的工作原理，掌握使用 try 和 except 语句处理错误。 掌握文件操作，包括文件读写、文件与路径操作。 在学习过程中，要多实践、多练习，结合实际工作中的需求进行应用，不断提升自己运用 AI 的能力。
2025-03-11
根据论文题目："基于机器学习的中国股市波动率预测与美股市场对比分析"，列出详细框架列出框架，每条框架要明确具体方向内容及数据图表要求
以下是为您提供的关于“基于机器学习的中国股市波动率预测与美股市场对比分析”的论文框架： 一、引言 1. 研究背景和意义 阐述机器学习在金融领域的应用现状 强调股市波动率预测的重要性 说明中、美股市对比的价值 2. 研究目的和问题 明确预测股市波动率的具体目标 提出中、美股市对比的关键问题 3. 研究方法和数据来源 介绍所采用的机器学习算法 说明中国股市和美股市场的数据获取途径 二、相关理论与文献综述 1. 机器学习在股市预测中的应用 列举常见的机器学习模型及其在股市预测中的效果 分析其优缺点 2. 股市波动率的理论和测量方法 解释波动率的概念和计算方法 介绍常用的波动率模型 3. 中、美股市的特点和差异 对比两国股市的交易制度、投资者结构等方面 总结已有研究中关于中、美股市波动率的差异 三、数据预处理与特征工程 1. 数据收集与清洗 详细描述中国股市和美股市场的数据收集范围和时间跨度 处理缺失值、异常值等数据问题 2. 特征选择与构建 确定影响股市波动率的关键特征 构建新的特征变量 3. 数据标准化与归一化 说明对数据进行标准化和归一化的方法和目的 四、模型构建与训练 1. 选择合适的机器学习模型 比较不同模型（如随机森林、支持向量机、神经网络等）的适用性 确定最终选用的模型 2. 模型训练与优化 描述训练过程中的参数调整和优化方法 展示模型的性能评估指标 3. 模型验证与比较 使用交叉验证等方法验证模型的准确性 对比不同模型的预测效果 五、中国股市波动率预测结果与分析 1. 预测结果展示 以图表形式呈现中国股市波动率的预测值 与实际波动率进行对比 2. 结果分析与讨论 分析预测结果的准确性和可靠性 探讨影响预测效果的因素 3. 敏感性分析 研究模型参数和输入特征对预测结果的敏感性 六、美股市场波动率预测结果与分析 1. 预测结果展示 以图表形式呈现美股市场波动率的预测值 与实际波动率进行对比 2. 结果分析与讨论 分析美股市场预测结果的特点和差异 对比中、美股市预测结果的异同 3. 影响因素分析 探讨美股市场特有的影响波动率的因素 七、中、美股市波动率对比分析 1. 波动率特征对比 比较中、美股市波动率的均值、方差、峰度等统计特征 分析波动率的周期性和趋势性 2. 影响因素对比 对比两国股市中影响波动率的宏观经济因素、政策因素等 讨论投资者行为对波动率的影响差异 3. 风险评估与管理对比 评估中、美股市的风险水平 对比风险管理制度和策略 八、结论与展望 1. 研究结论总结 概括中、美股市波动率预测的主要成果 总结对比分析的关键发现 2. 研究的局限性 指出研究过程中存在的不足之处 3. 未来研究方向 提出进一步改进模型和拓展研究的方向 对中、美股市波动率研究的展望 数据图表要求： 1. 中、美股市历史波动率的折线图 2. 不同机器学习模型预测效果的对比柱状图 3. 中、美股市波动率特征的统计表格 4. 影响中、美股市波动率的因素的相关性矩阵图 5. 中、美股市风险评估的雷达图
2025-03-11
1.根据论文题目："基于机器学习的中国股市波动率预测与美股市场对比分析"，列出详细框架列出框架，每条框架要明确具体方向内容及数据图表要求。
很抱歉，暂时没有关于“基于机器学习的中国股市波动率预测与美股市场对比分析”这一论文题目的详细框架相关内容。但我可以为您提供一个大致的框架思路供您参考： 一、引言 1. 研究背景和意义 阐述中国股市和美股市场的重要性 说明波动率预测的价值 2. 研究目的和问题 明确对比分析的主要目标 提出具体的研究问题 二、文献综述 1. 机器学习在股市波动率预测中的应用 总结相关方法和模型 分析其优缺点 2. 中国股市和美股市场波动率的特征 回顾已有研究成果 指出研究空白 三、理论基础与方法 1. 机器学习算法介绍 如随机森林、支持向量机等 解释其原理和适用场景 2. 数据来源和预处理 说明中国股市和美股市场的数据来源 描述数据清洗和预处理的步骤 3. 波动率计算方法 介绍常用的波动率计算指标 四、实证分析 1. 模型构建与训练 运用所选机器学习算法构建预测模型 展示训练过程和参数调整 2. 结果评估与比较 评估中国股市和美股市场预测结果的准确性 进行对比分析 数据图表要求：绘制预测结果与实际波动率的对比图 3. 影响因素分析 探讨可能影响波动率预测的因素 数据图表要求：绘制影响因素与波动率的关系图 五、结论与展望 1. 研究结论总结 概括中国股市和美股市场波动率预测的成果 对比分析的主要发现 2. 研究的局限性 指出研究中存在的不足 3. 未来研究方向 提出进一步研究的建议和方向 以上框架仅供参考，您可以根据实际研究需求进行调整和完善。
2025-03-10
本地部署deep seek后如何搭建个人知识库，详细说明一下每个步骤
以下是本地部署 Deep Seek 后搭建个人知识库的详细步骤： 1. 在 RAGFlow 中配置 Deep Seek 模型 返回 RAGFlow ，打开右上角设置，进入模型提供商界面。 配置本地部署的 Deep Seek 模型，选择 Ollama ，并根据运行的模型配置相关信息。 设置基础 URL 。 点击确定。 2. 导入嵌入模型 导入一个用于文本向量化的嵌入模型。 3. 设置系统模型设置 4. 创建知识库 返回知识库，进入数据集，导入文件或设置文件夹当作知识库。 5. 文件解析 对导入的文件进行解析，解析速度取决于本机 GPU 性能（显卡性能），越好的显卡解析越快。 6. 检索测试 解析完成后，进行检索测试。 7. 进入聊天界面 测试没问题后，可进入聊天界面，助理设置可自行进行。 此外，如果想要对知识库进行更灵活的掌控，可以使用 AnythingLLM 软件，步骤如下： 1. 安装 AnythingLLM ，安装地址：https://useanything.com/download 。 2. 安装完成后进入配置页面，主要分为三步： 选择大模型。 选择文本嵌入模型。 选择向量数据库。 3. 构建本地知识库 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式，包括 Chat 模式（大模型根据训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅依靠文档中的数据给出答案）。 4. 测试对话 完成上述配置后，即可与大模型进行对话。 在进行本地知识库搭建实操之前，还需要对 RAG 有大概的了解： RAG 是一种检索增强生成技术，应用过程包括文档加载、文本分割、存储（包括将文档块嵌入转换成向量形式并存储到向量数据库）、检索、输出（把问题以及检索出来的嵌入片一起提交给 LLM 生成答案）。文本加载器用于将用户提供的文本加载到内存中以便后续处理。
2025-03-07
我想学AI制作视频，怎么去学习？
以下是学习用 AI 制作视频的方法和步骤： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 此外，您还可以参考以下共学课程视频回放： 1. 9 月 5 日：AI 文旅视频赏析，分享老师十三， 2. 9 月 6 日：AI 文旅视频入门，分享老师 WaytoAG 小田，共学文档： 3. 9 月 7 日：AI 文旅视频入门，分享老师 WaytoAG 小田， 4. 9 月 8 日：AI 文旅视频赏析，分享老师白马少年， 5. 9 月 10 日：AI 文旅视频进阶玩法，分享老师 Tonix，顶尖的制作团队黄社长背后的男人TONIX 老师给大家带来： 通过地方特色和文献总结归纳文案的小技巧 10M 通过文案整理归档多人协作方法 5M 特殊表现图片的生成方式技巧 10M 图像动态生成提示词技巧 Deforum 的快速转场制作小技巧 10M AnimateDiff 转场 5M EBS 丝滑转绘的小技巧 10M 首尾帧提示词技巧 使用 AE 制作现阶段无法 AI 呈现的动画动态小技巧 10M 教程 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。
2025-03-16
我想从头学习AI
以下是为新手从头学习 AI 提供的建议： 1. 了解 AI 基本概念： 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。 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。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 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，并有机会获得证书。 3. 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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，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，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2025-03-15
如何学习ai绘画
以下是关于如何学习 AI 绘画的一些指导： 首先，了解 AI 绘画的工作原理很重要。就像学习画画要临摹大师的作品一样，AI 绘画也是通过学习大量的美术风格作品来生成类似风格的作品。以 Stable Diffusion 为例，其大模型就相当于您花四十年学习的绘画风格，您需要选对合适的大模型才能画出符合心意的作品。大模型可以在 C 站（https://civitai.com/）下载，但需要科学上网。 其次，您可以借助一些专业的工具和导师。比如《AI 绘画助手》，它是一位专业且贴心的学习导师，能为新手小白和进阶爱好者提供优质实用的指导。它能将复杂的神经网络等知识用通俗易懂的语言解释清楚，介绍流行的 AI 绘画工具如 DALLE、MidJourney、Stable Diffusion 等的使用步骤和独特之处，传授风格迁移技术、生成对抗网络在图像生成和编辑中的应用以及获取高分辨率精美图像的方法，还能通过丰富的实战案例引领您从零基础起步创作作品，并为您答疑解惑和规划学习路径。 另外，像二师兄这样的学习者的经验也值得借鉴。他从下载安装包和教学视频开始，啃完 SD 的教程并进行炼丹实践，还与小伙伴探讨 AI 变现途径，加入 Prompt battle 社群学习 Midjourney 并打磨文生图提示词。 总之，学习 AI 绘画需要了解原理、选对工具、不断实践和交流学习。
2025-03-15
我如果想利用ai实现商业应用，请问我应该从什么开始学习
如果您想利用 AI 实现商业应用，可以从以下方面开始学习： 1. 微软相关课程： 《面向商业用户的人工智能学习》：https://learn.microsoft.com/enus/training/paths/introductionaiforbusinessusers/?WT.mc_id=academic77998cacaste 《人工智能商学院》：https://learn.microsoft.com/enus/training/paths/transformyourbusinesswithmicrosoftai/ （和欧洲工商管理学院 INSEAD 共同开发） 《机器学习入门课程》：https://github.com/Microsoft/MLforBeginners 《视觉》：https://learn.microsoft.com/enus/training/paths/createcomputervisionsolutionsazureai/?WT.mc_id=academic77998cacaste 《自然语言处理》：https://learn.microsoft.com/enus/training/paths/explorenaturallanguageprocessing/?WT.mc_id=academic77998cacaste 《使用 Azure OpenAI 服务的生成式人工智能》：https://learn.microsoft.com/enus/training/paths/developaisolutionsazureopenai/?WT.mc_id=academic77998bethanycheum 2. 清华创协独立开发的 AI 应用开发实训营： 活动主题：以独立开发模式做可商业化的 AI 应用，从零到一打造具有商业化潜力的 AI 应用，学习产品设计、应用开发、运营与增长，并产出至少一个具备商业化潜力的 AI 应用。 课程亮点：实战为王，项目驱动，采用“理论认知+动手实践”双轨模式，在真实项目中积累经验；专业导师，深度指导，邀请独立开发者、资深工程师、产品经理提供指导与建议；资源支持，助你腾飞，提供 API、算力等资源支持，降低开发成本。 课程框架：暂未详细说明。 3. 了解七大行业的商业化应用： 企业运营：包括日常办公文档材料撰写整理、营销对话机器人、市场分析、销售策略咨询、法律文书起草等。 教育：协助评估学生学习情况、定制化学习内容、论文相关工作等。 游戏/媒体：如定制化游戏、动态生成 NPC 互动等。 零售/电商：包括舆情监测、品牌营销、库存管理等。 金融/保险：如个人金融理财顾问、欺诈活动风险检测等。 制造业/汽车：涵盖生产计划、产线预测性维保辅助等。 生命科学：包括研发阶段靶点发现、医学文献处理等。 此外，ChatGPT 大模型以及生成式 AI 技术还将在图片、视频、数字人等领域的各种复杂场景中落地，利用海量的数据资源和算法实现商业化应用与迭代更新。
2025-03-15
帮我找下提示词学习材料
以下是为您提供的提示词学习材料： 一、关于提示词的一般理解 提示词（Prompt）是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出。它发挥着“提示”模型的作用，设计高质量的提示词需根据目标任务和模型能力精心设计，良好的提示词能让模型正确理解需求并给出符合预期的结果。示例包括直接提问型、策略建议型、翻译型、算数型、概念解释型等。 二、系统学习 Stable Diffusion 提示词的步骤 1. 学习基本概念 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 三、Claude 3.7 核心提示词相关资源 Anthropic 定期对外更新 Claude AI 的核心系统提示词，为广大提示工程师提供了宝贵的学习资料。您可以在以下链接中找到更多相关内容： 1. 中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 2. Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A 3. Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 4. 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts 5. Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview 6. Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library
2025-03-15