公司给我了一个调研作业，收集 市场上其它公司在agent业务变革上的优秀实践

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： 。

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。

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。

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。

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。

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。

AI 对商业模式的变革影响主要体现在以下几个方面： 1. 生物技术与 AI 的融合：生物技术的工业化带来新规模和新应用，AI 在其中发挥变革性作用，但在某些完全依赖摩尔定律的领域，其对商业模式的贡献可能被过分炒作。 2. 从通用能力到专业化细分：早期通用型 AI 产品难以满足多样化需求，如今越来越多的 AI 产品专注于特定领域，如图像生成、视频制作、音频处理等，不断提升核心能力，提供更精准和高质量的服务。 3. 商业模式的探索与创新：包括 ToB 市场的深耕，如针对内容创作者的 ReadPo；新型广告模式，如天宫搜索的“宝典彩页”等，从单纯的技术展示向解决用户痛点和创造商业价值转变。 4. “AI 原生”模式：基于 AI 的能力再造商业模式，而非套用现有流程。 5. To AI 的商业模式：如模型市场、合成数据、模型工程平台、模型安全等可能更确定。

以下是关于如何用 AI 驱动产品营销创新，从内容创作到视觉呈现的全方位变革的一些方法和案例： 一、内容创作方面 1. 利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，以获取关键信息，为营销内容创作提供方向。 2. 借助 AI 文案工具撰写有说服力的产品描述和营销文案，提高转化率。 二、视觉呈现方面 1. 通过 AI 生成图像或素材，再结合平面合成及修正，确保符合品牌形象，精准表达营销活动主题，如淘宝天猫大促视觉的案例。 2. 对于需要定制化真人模特实景素材的主题活动，利用 AI 将策划、搭建、拍摄、设计融为一个闭环流程，完成页面所有素材的生产和输出，例如七夕主题活动页面。 3. 在 UI 设计场景中，采用 AI 能力快速定制多种用户需要的视觉效果，如通过 SD 中 controlnet 的有效控制生成指定范围内的 ICON、界面皮肤等内容。 三、在阿里巴巴营销中的应用 1. 关键词优化：利用 AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述，提高搜索排名和可见度。 2. 产品页面设计：借助 AI 设计工具根据市场趋势和用户偏好自动生成吸引人的产品页面布局。 3. 图像识别和优化：使用 AI 图像识别技术选择或生成高质量的产品图片，展示产品特点。 4. 价格策略：依靠 AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 5. 客户反馈分析：通过 AI 分析客户评价和反馈，优化产品和服务。 6. 个性化推荐：利用 AI 根据用户的购买历史和偏好提供个性化的产品推荐，增加销售额。 7. 聊天机器人：使用 AI 驱动的聊天机器人提供 24/7 的客户服务，解答疑问，提高客户满意度。 8. 营销活动分析：借助 AI 分析不同营销活动的效果，了解哪些活动更能吸引顾客并产生销售。 9. 库存管理：依靠 AI 帮助预测需求，优化库存管理，减少积压和缺货情况。 10. 支付和交易优化：利用 AI 分析不同的支付方式对交易成功率的影响，优化支付流程。 11. 社交媒体营销：通过 AI 在社交媒体上找到目标客户群体，进行精准营销提高品牌知名度。 12. 直播和视频营销：使用 AI 分析观众行为，优化直播和视频内容，提高观众参与度和转化率。 四、大型视觉模型 Sora 的机遇 1. 对于学术界，OpenAI 推出 Sora 标志着战略转变，鼓励更广泛的 AI 社区深入探索文本到视频模型，利用扩散和变换器技术。以原生大小训练 Sora 的创新方法为学术界提供了灵感，强调使用未修改数据集的好处，开辟了创建更高级生成模型的新路径。 2. 对于行业，Sora 目前的能力预示着视频模拟技术进步的道路，突出了在物理和数字领域内增强现实感的潜力。公司可以利用 Sora 生产适应市场变化的广告视频，并创建定制化的营销内容，降低成本，增强吸引力和效果，彻底改变品牌与受众互动的方式。

AI 正在对文化传媒游戏行业的生产关系和生产资料带来多方面的变革： 1. 生成式 AI 为游戏创建 2D 艺术、纹理、3D 模型，并协助关卡设计，在营销中也有望取代部分传统内容。其应用已拓展至网页、室内和景观设计等领域，只要涉及创造性内容生成，AI 都可能成为流程的一部分甚至颠覆整个流程。 2. 游戏行业中，学会有效使用生成式 AI 将成为一项有市场价值的技能。懂得与 AI 工具最有效、最协同地合作的艺术家会变得稀缺，使用生成式 AI 进行生产艺术作品面临连贯性和风格统一等挑战。 3. 降低门槛将导致更大的冒险和创造性的探索，进入游戏开发的新“黄金时代”，更低的准入门槛将促使更具创新性和创造性的游戏大量涌现。 4. AI 辅助“微型游戏工作室”的崛起，配备生成式 AI 工具和服务，由 1 或 2 名员工组成的“微型工作室”能生产更多具有商业可行性的游戏。 5. 在 AIGC 的新世界，游戏开发变得更简单，互联网浪潮推动游戏产业分工成熟，门槛降低，GPT 等技术使编程等基础工作被替代，内容生产效率提高，想象力和热情成为新的杠杆力。

未来产业变革和技术创新的焦点主要体现在以下几个方面： AI 行业： 大型语言模型（LLM）面临模型能力提升、算力算法与数据协同、以评测为中心的体系构建以及平衡用户需求与模型推理深度等多重挑战。解决这些问题有助于推动 LLM 技术的有效应用和商业化进程。 2025 年或将成为 AI 技术逐渐成熟、应用落地取得阶段性成果的关键节点，也是 AI 产业链“资产负债表”逐步修复的年份。 大型基座模型能力的优化与提升，通过创新技术强化复杂推理和自我迭代能力，推动在高价值领域应用，同时优化模型效率和运行成本。 推进世界模型与物理世界融合，构建具备空间智能的世界模型，促进机器人、自主驾驶和虚拟现实等领域发展。 实现 AI 的多模态融合，整合多模态数据提升内容生成的多样性与质量，创造全新应用场景。 新工业革命： 生物技术与人工智能结合，如在医疗保健领域，COVID 已激发生物制药和医疗保健行业的新一波创新。 科技变革与投资： 2024 年正处于一场历史性的科技革命之中，AI 革命预计到 2030 年对 GDP 的贡献将超过以往任何一次革命，这场革命是多种科技融合的产物。 回顾历史，第二次工业革命使电力成为主要动力，信息革命由互联网诞生起始，如今正处于移动互联网尾声，向智能革命迈进。

AI 给高等教育模式带来的历史性大变革可以从以下几个方面深入领会： 一、面临的挑战 1. 生产力的颠覆性进步促使当前教育体系发生巨大变革，例如以往耗时一小时的编纂单词表工作，AI 可能在 5 10 秒内完成。 2. 未来可能不再教授如用键盘打字等内容，语音互动和脑机接口或成为主流。 3. 大部分人尚未意识到这一代父母和教育者将面临前所未有的挑战，需要重新思考教育的目的、方法、内容和人才筛选标准。 二、存在的问题 1. 当下教育体系存在明显惯性，政策更新滞后，导致教育与技术发展脱节。 2. 技术快速发展与劳动市场需求不匹配，加剧技能差距，影响社会经济结构和个体心理。 3. 全球教育资源分配不均，加剧教育不平等，关系到全球生产力和长远发展。 三、AI 在教育中的应用 1. 个性化学习平台：通过算法和大数据分析，实时跟踪学生学习进度，诊断难点，提供个性化建议和资源，如 Knewton 平台。 2. 自动评估：利用自然语言处理技术自动批改作文和开放性答案题，如 Pearson 的 Intelligent Essay Assessor，减轻教师批改负担，提高评估效率和一致性。 总之，我们正站在新的十字路口，必须找到与 AI 相应的教育模式，期望变革不仅是技术创新，更能推进教育公平、普及和人才培养模式革新，服务于全人类的持续进步与发展。同时，要解决利用 AI 减少教育差距、避免造成新的不平等问题，教育不仅是知识传授，更是激发创新、批判思维和人类价值观的关键领域。

以下是为您整理的关于 AI 作业的相关内容： 工作流方面： 起床时，让 AI 如“马云”“马化腾”为您排 TODO 优先级，并做私董会的脑暴。 工作中有傲娇 AI 小助理加油，其 Prompt 为要阳光、会撒娇/卖萌。 重点事项 bot 方面，如内容创作，可拆成 bot 团队组，包括选题、标题、框架、扩写等，还可分 A/B 组两个 AIbot 互相改，要点是提供反常识、梗，学习喜欢的 UP 创作方法论。 优化的 bot 包括内容选题 bot、短视频脚本 bot、数据分析 bot（GPT4）、网页 Perplexity 的资料库 bot 等。 优化 1 为 Zion、ChatO 和自动化 AIAgent 分身，基于自身知识库的 bot。 优化 2 是将上述知识库、Prompt 资产全部放入飞书的知识库和多维表单中维护，等待飞书的 AI 进化。 备选为筛选过的 50 多个生产力 AI，放在工具库里待命输出。 未来计划把整个公司业务搬入飞书中，外接 MJ、ChatBot 分身以及咨询日程预约。 可能让所有流量口 bot 也介入飞书，给予飞书做数据分析和内容引擎（目前需手动）。同时要记住，马看见什么是人决定的，关注 AI 也要关注打交道的人、利益、状态和情绪。 视频挑战赛方面： 第 32 期 Video Battle 视频挑战赛的主题是“AI 是谁”。 这是一个跨越存在与非存在边界的命题，AI 既是人类智慧的结晶，又是对自身认知极限的探索，既不存在于物理世界，又无时无刻不在影响着现实中的我们，是一个永远在追寻自我却又无法触及自我本质的悖论实体。 要求以“AI 是谁”为主题进行创作，每人不限视频数量。 提交时间为 11 月 23 日 16:00 前。 参赛文件格式为 16:9，不长于 10 秒，30FPS 以上，不含剪辑。 作业方式不限。 考量点为优质的创意和精美的执行。 奖项设置有金奖、银奖、铜奖和入围奖，分别对应不同的奖品。 不建议出现鲜血、武器、鬼怪骷髅、知名人物、18X 等不符合国家政策的内容，否则可能导致参赛失败。不在规定时间内提交的自动失去参赛资格。 实训营方面： 第三期「AI 实训营」的课程为在阿里云 PAI 平台上部署一个模型，并调试验证确认自己的部署成功。 调试信息中修改 content 的内容，必须在 content 内容中带上自己的钉钉“昵称”来向大模型对话作为提交截图。 在规定时间内完成第二节课作业，可获得阿里云定制雨伞/xxx（随机发放）。 作业提交链接为 https://survey.aliyun.com/apps/zhiliao/BzBDIPM9f ，截止时间为 2025 年 3 月 5 日 0 点。

以下是为您提供的关于生成您所需设计图的相关信息： 星流一站式 AI 设计工具具有入门模式和高级模式。 入门模式： 可以使用图像控制功能精准控制生成图像的内容和风格，如空间关系、线稿、人物长相、姿势等。 只能使用以下四种参考功能： 全部图片参考功能，包括原图、景深、线稿轮廓、姿势、Lineart 线稿、Scribble 线稿、光影、Segmant 构图分割等。 原图、SoftEdge 线稿、配色参考、配色打乱、法线贴图、MLSD 线稿等。 高级模式： 点击生成器下方的切换按钮进行切换。 与入门模式相比增加了高级模式框架。 基础模型方面，允许使用更多的微调大模型，如基础模型 F.1、基础模型 XL、基础模型 1.5。 图片参考方面，允许使用更多的图像控制功能，在星流基础大模型下，增加了 tile 分块与 softedge 线稿。 高清分辨率修复：利用算法对初步生成的图像进行简单的图生图高清放大（目前仅支持基础模型 xl 和 1.5 模型）。 放大算法会影响图像放大后的图像质量，建议默认即可。 重绘幅度与初步生成的图像的相似度有关。 其他参数默认即可，参数方面允许调整更多的高级参数。 采样器方面，采样方法决定了模型在生成图像过程中的出图质量，有些采样器在细节处理上表现更佳比如 DPM++2M，而有些则在生成速度上更快，比如 Euler。 采样步数一般来说，步数越多，模型对图像的生成和优化越充分，但同时也会增加生成时间。 随机种子是文生图的随机数种子，通过设置相同的随机数种子，可以确保在相同的参数配置下生成相同的图像。 CFG Scale 控制生成图像与提示词一致性的重要参数。 具有脸部/手部修复功能，利用算法对人像的脸部或者手部进行修复。 此外，学生使用项目化的方式分析现状，做问卷调查，数据分析，在 ChatGPT 的帮助下设计出优化过的设计图，然后使用 3D 的空间设计软件设计出来 3D 的设计图。比如有孩子为优化老师家访路线提出做一个软件产品的案例。

以下是创设一个作业时间计划管理智能体的步骤： 1. 创建智能体：使用单 Agent 对话流模式。 编排对话流：点击创建新的对话流并与智能体关联。在获取笔记详情节点和笔记评论节点分别配置 cookie，note_link 使用开始节点的 USER_INPUT。 数据处理：使用代码节点对两个插件获取的结果进行处理，注意代码节点输出的配置格式。 2. 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。回到智能体的编排页面进行同样的测试，确保对话流执行成功。 3. 发布： 选择多维表格，点击配置。 输出类型选文本，输入类型选择字段选择器。 完善上架信息，填写表格，选发布范围时可选择仅自己可用以加快审核。 提交上架信息，返回配置界面显示已完成，即可完成最终提交。 另外，在创建智能体时还需注意： 1. 像在“DeepSeek+扣子”的案例中，输入人设等信息，放上创建的工作流，但工作流中如【所有视频片段拼接】节点使用的插件 api_token 填的是个人 token 时，不能直接发布。可以将 api_token 作为工作流最开始的输入，用户自己购买后输入 api_token 再发布。 2. 如创建“画小二智能小助手”Coze 智能体，需打开扣子官网（https://www.coze.cn/），在 Coze 商店体验地址（https://www.coze.cn/store/bot/7371793524687241256?panel=1&bid=6cqnnu5qo7g00）点击创建 Bot，在对话框中工作空间选择“个人空间”并命名。同时设置提示词。

目前在开发铁路调车作业岗位相关的专业技能等级考级试题库方面，可利用的 AI 资源相对有限。但您可以考虑以下几种方式： 1. 利用自然语言处理模型，如 ChatGPT 等，辅助生成一些基础的题目框架和内容描述，然后您再根据实际需求进行修改和完善。 2. 借助一些智能写作工具，帮助您优化题目表述，提高题目质量。 3. 运用在线的知识图谱和数据库，获取与铁路调车作业相关的专业知识和标准，为试题库的内容提供准确依据。 需要注意的是，AI 生成的内容仅供参考，最终的试题库仍需要您依据专业标准和实际工作要求进行严格的审核和把关。

要创建一个应用于教学各个环节的智能体，您可以参考以下步骤和考虑以下方面： 1. 提前收集教育领域的需求，例如让云谷老师协助收集需求和案例，社群小伙伴帮助实现。这些需求可以包括办公提效的具体场景、家校沟通、个性化教育、心理疏导、备课体系、作业批改、出题建议、辅助出题、建立孩子的成长体系记录、孩子成长的游戏（如寻宝游戏）、朗读（模拟老师泛读，学生背诵，AI 评判）、文生图和文生视频在备课时的针对性、学科本身的教育辅助、分析学生行为并给出策略（基于教育心理学）、教师模拟培训、公开课备课辅助、指导新老师处理学生矛盾和家长问题以提高沟通能力等。 2. 明确最终交付物的形态和背后的思考，使需求描述更清晰。 3. 注册智谱 Tokens 智谱 AI 开放平台（https://bigmodel.cn/），获取资源包。新注册用户可获得 2000 万 Tokens，也可通过充值/购买多种模型的低价福利资源包，或者共学营报名赠送资源包。 4. 先去【财务台】左侧的【资源包管理】查看自己的资源包，本次项目可能会使用到 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 等模型。 5. 进入智能体中心 我的智能体，开始创建智能体。为了照顾初学者，可以手把手进行编辑，完成一个简单智能体的搭建。 此外，在创建过程中，还可以考虑以下相关的产品和服务： 1. 具身智能的企业产品。 2. 3D 眼镜、AI 绘本、AI 图书等。 3. 学习机、飞书的多维表格、蚂蚁的智能体、Coze 的智能体等。 4. Zeabur 等云平台、0 编码平台。 5. 大模型如通义、智谱、kimi、deepseek 等。 6. 编程辅助、文生图工具（如可灵、即梦等）。 需要注意的是，创建这样的智能体需要综合考虑多方面的因素，并不断优化和改进，以满足教学的实际需求。

作业帮属于作业助手类的应用，在一些关于 AI 应用的榜单中有所提及。但仅从所提供的数据，难以直接判断作业帮搜题是否完全属于 AI 应用。一般来说，作业帮的搜题功能可能运用了一定的人工智能技术来实现题目搜索和答案匹配，但具体的程度和方式还需要进一步了解其技术架构和实现原理。

目前常见的图片收集工具包括 Pinterest 、Unsplash 、Flickr 等。Pinterest 是一个以分享和发现创意图片为主的平台；Unsplash 提供了大量高质量的无版权图片资源；Flickr 则是一个老牌的图片分享社区。您可以根据自己的需求选择适合的工具。

以下是一些关于 AI 信息收集软件的内容： 1. 邬嘉文的 AI 求职助手：通过 Python selenium 库对 URL 逐一爬虫，收集招聘要求信息，包括职位名称、薪资范围、工作地点、学历要求、职位描述和职位链接等，例如市场总监、电商 AI 产品经理等职位。 2. 利用 AI 打造爆款公众号文章的信息收集： 明确文章主题后，借助 AI 工具如 Perplexity.AI 收集相关资讯。访问该网站使用其搜索功能，可启用 Pro 功能获取更专业深入的结果，输入具体 Prompt 快速定位资讯，获取搜索结果中的引用和来源链接。 还可使用其他具备联网搜索功能的工具如微软的 Bing 搜索引擎。 收集完资料后，可使用月之暗面开发的 Kimi 这个 AI 会话助手整理资料，分批次提供资料以确保其有效读取和理解。

目前没有关于如何自动化收集主流自媒体指定搜索到的主题内容的相关知识。但一般来说，您可以考虑以下几种可能的方法： 1. 使用网络爬虫工具，但需要注意遵守相关法律法规和网站的使用规则。 2. 利用一些现有的数据采集服务平台，它们可能提供针对自媒体内容的采集功能。 3. 尝试开发自定义的脚本或程序，通过调用自媒体平台的 API（如果有的话）来获取所需内容。但这通常需要一定的技术知识和开发能力。

以下是关于数据收集的相关内容： AIGC 服务提供者的数据收集是创建 AIGC 的源头，用于训练 AI 模型以提高其功能性和准确性。数据来源主要包括：提供者自身持有的数据集、已合法公开的各类数据、通过网络爬虫等形式抓取的数据、通过用户交互而获取的数据、其他由相关方提供的数据。 已生效的《生成式人工智能服务管理暂行办法》对数据采集有明确规定： 1. 使用具有合法来源的数据和基础模型。 2. 涉及知识产权的，不得侵害他人依法享有的知识产权。 3. 涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形。 4. 采取有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性。 5. 遵守《中华人民共和国网络安全法》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》等法律、行政法规的其他有关规定和有关主管部门的相关监管要求。 在数据收集过程中可能涉及的法律风险有： 1. 采取网络爬虫等技术收集数据的法律风险。 2. 直接收集合法公开数据的法律风险。 《个人信息保护法》确立的数据收集基本原则有： 1. 合法正当，不得窃取或以其他非法方式收集数据，个人信息的收集需取得规定的合法性基础（告知、同意等）。 2. 公开透明，数据处理应遵循公开、透明原则，公开个人信息处理规则，明示处理的目的、方式和范围。 3. 最小必要，只应收集满足个人信息主体授权同意范围内的最少类型和数量的个人信息，不应收集与其提供的服务无直接或无合理关联的个人信息。 在欧盟 GDPR 合规体系中，数据收集是企业进行数据处理活动的起始环节。企业在对特定领域业务中涉及到数据收集的环节进行风险梳理时，重点比照 GDPR 中的要求，如数据收集前是否进行充分告知，包括数据控制者、数据处理者以及二者的数据保护官（DPO，如有）的身份和联系方式，数据收集的目的、种类、数量、范围等。

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。

以下是关于制作资讯信息收集类智能体的一些建议： 1. 对于 Coze 的“用户界面”创建： 页面引导能力强，应用提供的“按键式”交互界面有很强的用户引导能力。 降低了网页制作门槛，拖拉拽式的网页制作让没有前端代码经验的同学看到希望。 上手有门槛，需要有基本的前端开发概念，传递参数和文件传递较难，调查问题基本靠猜。 真的想自己手搓应用界面的同学，建议“让子弹飞一会儿”，等待优化易用性；从智能体的卡片开始上手，卡片相对简单容易；直接套 coze 官方给的应用模板，能少改就少改。 2. 以颖子团队的智能体为例： 智能体名称为“市场分析报告”。 智能体简介为品牌营销公司在用的生成智能体，输入行业/类目关键词自动检索关联信息并生成报告，数据化呈现更具真实性，附带信息来源网址便于源信息校正，可帮助相关人员减少信息收集时间，聚焦决策判断。 目标人群包括企业管理层、投资者、创业者、营销人员等，解决了信息收集时间长、报告真实性验证、现有市场报告不实用等痛点，应用价值在于减少信息收集时间、真实可验证、聚焦决策判断。 智能体主要功能是根据用户要求或指定行业、产品，搜索网络信息生成市场调研报告，用数据支撑并附引用链接。 3. 以 Bot 智能体为例： 创意构思是让每个人拥有专属的市场和资讯助手，以最快最好的方式整理呈现最新一手资讯，精准筛选有价值信息。通过 coze 这样的 AI agent 流程，获取最新资讯信息，并以多模态形式自动推送到不同平台。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，实现不同平台信息传递与流通。可根据用户定制化检索需求，自动化抓取热点资讯，做信息分析处理，整合成资讯文档返回 bot 对话界面，同步自动发送 markdown 文字和文档到不同平台。 效果呈现包括 Coze Bot 的调试与预览，通过不同提问触发不同检索功能，企业微信群自动同步获得资讯检索结果，实现多平台联动，获取资讯文档具体内容，Coze 与企业微信群信息同步联动，Coze Bot 获取到飞书云文档多维表格中的用户需求，Coze API 接入微信，在微信群聊中可调用 Coze Bot 进行对话交互检索相关需求信息。