直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

能帮我找一些AI agent + RPA 的例子和结构图或者流程图吗?

回答

AI代理(AI Agents)与机器人流程自动化(RPA)的结合在现代业务流程自动化中扮演着越来越重要的角色。这种结合不仅可以显著提高工作效率,还可以减少人为错误,提高数据处理的准确性。以下是一些具体的例子和结构图或流程图的描述,帮助你了解如何将AI代理与RPA集成在一起。

示例 1: 客户支持自动化

应用场景:利用AI和RPA自动处理客户服务请求。

结构图描述

  1. 客户提交请求:客户通过网站或应用程序提交支持请求。
  2. AI代理(自然语言处理)
    • AI代理分析客户的自然语言输入,识别请求的类型和重要信息。
  3. RPA机器人
    • 根据AI代理的分析结果,RPA机器人执行相关的后台任务,如查询数据库、更新客户信息、生成支持票据等。
  4. 反馈给客户:AI代理生成响应信息并反馈给客户。

流程图

客户提交请求 -> AI代理分析请求 -> RPA执行任务 -> AI代理生成反馈 -> 反馈给客户

示例 2: 自动发票处理

应用场景:使用AI和RPA自动处理供应商发票。

结构图描述

  1. 接收发票:通过电子邮件或扫描仪接收发票。
  2. AI代理(OCR和NLP)
    • 使用光学字符识别(OCR)技术提取发票上的文本。
    • 自然语言处理(NLP)分析和分类发票信息。
  3. RPA机器人
    • 验证提取的数据,检查与采购订单的匹配。
    • 更新财务系统,记录发票信息。
  4. 生成报告:生成并发送处理结果报告。

流程图

接收发票 -> AI代理OCR识别 -> NLP分析和分类 -> RPA验证和记录 -> 生成报告

示例 3: 人力资源招聘流程自动化

应用场景:自动化处理求职申请和筛选候选人。

结构图描述

  1. 接收申请:通过招聘网站或电子邮件接收求职申请。
  2. AI代理(简历解析和匹配)
    • 解析求职者的简历,提取技能和经验。
    • 与职位要求进行匹配,筛选出符合条件的候选人。
  3. RPA机器人
    • 安排面试时间,发送面试邀请。
    • 更新招聘管理系统。
  4. 反馈结果:通知应聘者筛选结果。

流程图

接收申请 -> AI代理解析简历 -> 匹配职位要求 -> RPA安排面试 -> 通知结果

示例 4: 自动化市场营销活动

应用场景:自动化管理和执行市场营销活动。

结构图描述

  1. 营销计划:制定市场营销活动计划。
  2. AI代理(数据分析和预测)
    • 分析市场数据和客户行为,预测活动效果。
  3. RPA机器人
    • 执行营销活动,如发送电子邮件、发布社交媒体帖子。
    • 跟踪和记录活动效果。
  4. 生成报告:生成活动效果报告,提供优化建议。

流程图

制定营销计划 -> AI代理数据分析 -> 预测效果 -> RPA执行活动 -> 跟踪记录 -> 生成报告

示例 5: 金融服务自动化

应用场景:自动化处理贷款申请和审批。

结构图描述

  1. 接收贷款申请:通过在线表格或银行系统接收申请。
  2. AI代理(信用评分和风险评估)
    • 分析申请人的信用记录和财务状况,计算信用评分。
    • 进行风险评估,判断贷款批准的可能性。
  3. RPA机器人
    • 自动验证申请信息。
    • 更新贷款管理系统。
    • 生成审批或拒绝通知。
  4. 反馈结果:通知申请人结果。

流程图

接收贷款申请 -> AI代理信用评分 -> 风险评估 -> RPA验证信息 -> 更新系统 -> 通知结果

这些示例展示了AI代理和RPA在各种业务流程中的结合应用,提供了提高效率和减少错误的有效方法。通过这种集成,企业可以更好地管理复杂的业务流程,提升整体运营效率。

内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

Inhai: Agentic Workflow:AI 重塑了我的工作流

与传统的Prompt从输入直接到输出的映射方式相比,LangGPT提示词框架应用了CoT(Chain of Thought)完成了从输入到思维链再到输出的映射,即<input——>reasoning chain——>output>。最后你会发现浓缩成一句话可以解决模型在规划过程中的路径拆解,CoT的思维:“Let's think step by step。”(让我们一步一步思考)RPA的工作流设计RPA其实很早就已经出现,就是做工作流编排领域。流程机器人(RPA)软件的目标是使符合某些适用性标准的基于桌面的业务流程和工作流程实现自动化,一般来说这些操作在很大程度上是重复的,数量比较多的,并且可以通过严格的规则和结果来定义,现在越来越多的RPA软件带上了LLM。ComfyUI的工作流设计近期出现的ComfyUI是将开源绘画模型Stable Diffusion进行工作流化操作模式,用户需要在流程编辑器中配置出每一个的pipeline,并通过不同节点和连线来完成模型的操作和图片内容生成,提高了流程的可复用性,降低了时间成本,同时它的DSL配置文件还支持导出导入。Dify.AI可被复制的工作流设计在Dify.AI中,我很兴奋的看到它的工作流设计语言跟ComfyUI会有一些相似之处,都是定义了一套标注化的DSL语言,并且非常方便的可以使用导入导出的功能进行工作流的复用。

2024钉钉AI助理白皮书-人人都是创造者-钉钉&财商学院-38页.pdf

目前实在AI Agent已逐步应用于电商、电信服务、银行和核能制造等多个行业领域。以新零售客户为例,实在AI Agent能够提供全域数据自动化采集、全平台竞店、竞品、竞对的数据分析和回溯,通过自动化采集、分析数据,并以可视化呈现用户评论数据,帮助企业解决数据分散和处理效率低的问题,助力客户提效降本、敏捷精准优化营销策略。此外,该应用还能协助企业进行财务处理、客服互动、自动退换货等工作,极大提高工作效率。在AI应用的开发过程中,实在智能团队充分发挥了在RPA领域的专业优势,开发团队成员包括流程开发工程师、AI框架搭建师、接口开发工程师等,共同协作以确保应用高效运行。实在智能高级产品经理张译颢介绍,在喂数据库和调试阶段,团队通过模拟各种业务场景,不断优化AI模型,以确保准确理解和执行用户指令。实在智能的AI应用不仅显著提高流程性工作的效率,还降低了人为错误的可能性。通过自动化流程,企业能够更快响应市场变化,提升服务质量,在激烈的市场竞争中占据优势。实在智能AI Agent你来说、AI做,所说即所得。通过自动处理重复性流程,使你的工作效率翻倍,实现创新自由。用户痛点

2024钉钉AI助理白皮书-人人都是创造者-钉钉&财商学院-38页.pdf

钉钉AI助理白皮书实在智能推出的“实在AI Agent”是一款专注于机器人流程自动化(RPA,Robotic Process Automation)的智能工具,通过自然语言处理技术,能够理解用户指令,将其转化为具体的执行动作,再模仿人工操作电脑,自动化运行各种预设流程并得到相应结果。用户输入指令后,该应用会像助理一样,完成自动写内容、汇总表格、发送邮件、采集平台数据等多种工作,从而解决用户自行操作重复流程的痛点,提高办公效率。例如用户输入“帮我查询这些企业信息,并发送到这个邮箱地址”或者查询某个店铺的销售数据,实在AI Agent会自动整理相关信息和网页链接,以excel表格发送至指定邮箱;还可以根据指定的主题和图片素材,自动生成小红书笔记图文,并自主完成后台更新发布。

其他人在问
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
MacBook 如何做一个 RPA 机器人
以下是在 MacBook 上制作 RPA 机器人的详细步骤: 搭建前准备: 硬件准备: MacBook(需能科学上网) 一部 iPhone 手机 主板 Arduino UNO R4 Wifi(200RMB) 舵机 9g(32RMB) 杜邦线,公对公 7 条(手残党可多备) (可选)八爪鱼支架(10RMB) (二选一)usbtypeC 转接头,或一根两头 typeC 的线 Arduino UNO R4 WIFI 开发板 MG90s/SG90 舵机 9g 云台支架 可选八爪鱼手机支架 杜邦线公对公 搭建步骤: 完成代码: 在 Github 上下载完整代码。 根据需求修改文件: 【必改】在 head.py 中找到填写主板串口的地方,改成串口地址(可通过主板写入的第 3 步里的小字或 Tools>Get Board Info 重新查询,复制 sn 号替换 usbmodem 后面的编码)。 【必改】查询 iPhone 的 ip 地址,填到 talk.py 里(iPhone 设置>无线局域网>点击当前 wifi 旁的感叹号>找到 ipv4 地址里写的 ip 地址)。 【必改】把 open ai key 填到 talk.py 里。 【可选】在 talk.py 里,可以修改: Openai 调用的 model。 system prompt(机器人的人设)。 机器人的音色。 录音的设置。 【可选】在 head.py 里,可以修改不对话后,等待多久恢复人脸追踪。 运行程序: 在 MacBook 上按下 command+space(空格)打开一个新的终端,依次输入如下代码(每一次代码运行完以后再输入下一个),全部完成后,关闭端口。 将 iPhone 的屏幕关闭时间设置为 5 分钟或永不。 打开 iPhone 的 pythonista 并复制 face.py 的代码进去,运行。注意:每一次如果需要重新运行 pythonista,请先杀后台再运行,否则会因为端口已经被占用而无法播放声音。 找到下载下来的 AIinhindsightGPTEmbodimentRobot 文件夹,control+单击文件夹,选择最后一项“新建位于文件夹位置的终端端口”。 将 arduino R4 与 MacBook 相连,在终端中输入以下代码,运行后程序会申请一次摄像头权限,点击允许,然后出现运行失败,再运行一次即可。这个程序一旦运行,无法自然退出,建议直接拔掉 R4 的线或者终端输入 control+c 或者直接关闭终端,但多强制退出几次以后运行就会卡住需要重启或清进程。 再次在 AIinhindsightGPTEmbodimentRobot 文件夹,control+单击文件夹,选择最后一项“新建位于文件夹位置的终端端口”,在终端中输入以下代码,运行后程序会申请一次录音权限,点击允许,然后出现运行失败,再运行一次即可。如果运行中出现任何报错,将本文档,代码,报错信息给到 GPT4,让他帮助你就好~可能是有一些库没有预装。 把 talk.py 的终端放在最前面你能看到,出现 recording...的时候就可以说话了。 三个程序同时运行、iPhone 和 MacBook 在同一 wifi,iPhone 没有调静音的情况下,就可以正常对话啦。
2025-04-11
deepseek+RPA
以下是关于 deepseek+RPA 的相关信息: Deepseek 提示词方法论方面,有案例如笨笨 v 泡泡,以及 deepseekr1:7b 模型行测试题分析过程及结果的相关链接。在飞书多维表格上也可调用 DeepSeek,且支持 DeepSeek R1、V3 模型,以及 DeepSeek 官方、火山方舟、硅基流动三个服务商。 影刀 RPA+AI Power 方面,其功能亮点在于大模型虽有局限,但 AI Power 集成丰富组件可拓展能力边界打造 AI Agent,如搜索引擎组件和 RPA 组件等。使用方式无缝多样,包括嵌入方式如网页分享、对话助理、API 集成等,能适应企业分散系统的不同业务场景。同时提供贴身的企业级服务支持,包括教学培训、技术答疑、场景共创等。 在工作流方面,RPA 很早就用于工作流编排领域,现在越来越多的 RPA 软件带上了 LLM。如 ComfyUI 进行工作流化操作模式提高了流程可复用性,Dify.AI 工作流设计语言与 ComfyUI 有相似之处。Large Action Model 采用“通过演示进行模仿”技术,但 Agentic Workflow 存在用户使用少、复杂流程开发不稳定等问题,有人提出通过自然语言创建工作流的想法。
2025-04-11
CRM,开发(网站前端和后端开发,低代码RPA开发,Mendix开发) 这些角色在使用AI的时候会涉及哪些AI工具,帮我分别具体列举出来
目前在 CRM 以及网站前端和后端开发、低代码 RPA 开发、Mendix 开发等角色中,常用的 AI 工具包括但不限于以下几种: 对于 CRM 角色: 智能客服工具,如基于自然语言处理的聊天机器人,能够自动回答客户常见问题,提高服务效率。 对于网站前端开发角色: 代码自动生成工具,能够根据设计稿或需求描述生成前端代码框架。 智能设计辅助工具,帮助生成页面布局和设计元素的建议。 对于网站后端开发角色: 代码漏洞检测工具,利用 AI 算法检测代码中的潜在安全漏洞。 智能代码优化工具,对后端代码进行性能优化建议。 对于低代码 RPA 开发角色: 流程自动化智能推荐工具,根据业务流程提供自动化的建议和方案。 对于 Mendix 开发角色: 智能组件推荐工具,根据开发需求推荐合适的组件。 需要注意的是,具体使用哪些 AI 工具还会因个人需求、项目特点和技术环境等因素而有所不同。
2025-03-07
财务专员,采购专员,PM,CRM,开发(网站前端和后端开发,低代码RPA开发,Mendix开发) 这些角色在使用AI的时候会涉及哪些AI工具,帮我分别具体列举出来
以下是财务专员、采购专员、PM、CRM、开发(网站前端和后端开发,低代码 RPA 开发,Mendix 开发)这些角色可能涉及的 AI 工具: 财务专员:可能会使用帮助进行财务分析和预测的 AI 工具,例如能够自动处理和分析大量财务数据的工具。 采购专员:可能用到能够进行市场趋势分析和供应商评估的 AI 工具,以辅助采购决策。 PM(项目经理):可以利用有助于项目进度管理、风险预测和资源分配的 AI 工具。 CRM(客户关系管理):例如能够进行客户行为分析和精准营销的 AI 工具。 网站前端和后端开发:可能会运用能够自动生成代码片段、检测代码错误和优化代码的 AI 工具。 低代码 RPA 开发:可能涉及能够自动生成流程和优化流程的 AI 工具。 Mendix 开发:也许会使用能够辅助模型设计和优化的 AI 工具。 需要注意的是,具体使用的 AI 工具会因工作需求和场景的不同而有所差异。
2025-03-07
财务专员,采购专员,PM,CRM,开发(网站前端和后端开发,低代码RPA开发,Mendix开发) 这些角色在使用AI的时候会涉及哪些AI工具,帮我分类列举出来
以下是为您分类列举的不同角色可能涉及的 AI 工具: 财务专员:可能会使用财务分析预测的 AI 工具,例如能够进行风险评估和预算规划的工具。 采购专员:或许会用到能够进行市场趋势分析和供应商评估的 AI 工具。 PM(项目经理):可能涉及项目进度预测和资源分配优化的 AI 工具。 CRM(客户关系管理):可能使用客户行为分析和销售预测的 AI 工具。 网站前端和后端开发:可能运用代码自动生成和漏洞检测的 AI 工具。 低代码 RPA 开发:也许会用到流程自动化设计和优化的 AI 工具。 Mendix 开发:可能涉及模型生成和性能优化的 AI 工具。
2025-03-07
RPA有哪些信息
RPA(机器人流程自动化)是一种软件技术,能够模仿人类在电脑上执行的重复性任务。以下是关于 RPA 的一些信息: 应用目的:减少中小企业在日常运营中的重复性劳动,提高工作效率和准确性。 识别流程:评估和识别日常重复性高的任务,通过分析工作流程、观察和记录员工工作来确定可自动化的任务。 确定目标:如提高效率、减少错误率、优化工作流程等。 引入工具:根据企业需求和预算选择合适的自动化工具,如 RPA 技术,它可用于自动化各种标准化、规则性的任务,如数据录入、文件处理等。 发展历程:10 年前就已出现,用于办公领域,可控制桌面软件、操作 Web 端,代码被封装成组件,普通用户可搭建机器人,解决办公标准化、重复工作,还可结合人工智能,底层语言为 Python 但使用不需代码。 应用场景:在财务领域,如数据操作、与多个信息化系统结合等场景有相应 SOP;在工作中,如出租车公司查询违章、朋友圈点赞等;企业无人化办公专区,如方太集团节省人力成本。 工作流编排:使符合某些适用性标准的基于桌面的业务流程和工作流程实现自动化,一般是重复、数量多、可通过严格规则和结果定义的操作。现在越来越多的 RPA 软件带上了 LLM。
2025-02-25
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
AI绘制流程图
以下是使用 AI 绘制流程图的相关内容: 如果您需要创建一个项目管理流程图,可以按照以下步骤使用 Lucidchart: 1. 注册并登录: 2. 选择模板:在模板库中搜索“项目管理流程图”。 3. 编辑图表:根据您的项目需求添加和编辑图形和流程步骤。 4. 优化布局:利用 AI 自动布局功能,优化图表的外观。 5. 保存和分享:保存图表并与团队成员分享,或导出为 PDF、PNG 等格式。 以下是一些其他可用于绘制流程图的 AI 工具: 1. Creately: 简介:Creately 是一个在线绘图和协作平台,利用 AI 功能简化图表创建过程,适合绘制流程图、组织图、思维导图等。 功能:智能绘图功能,可以自动连接和排列图形;丰富的模板库和预定义形状;实时协作功能,适合团队使用。 官网: 2. Whimsical: 简介:Whimsical 是一个专注于用户体验和快速绘图的工具,适合创建线框图、流程图、思维导图等。 功能:直观的用户界面,易于上手;支持拖放操作,快速绘制和修改图表;提供多种协作功能,适合团队工作。 官网: 3. Miro: 简介:Miro 是一个在线白板平台,结合 AI 功能,适用于团队协作和各种示意图绘制,如思维导图、用户流程图等。 功能:无缝协作,支持远程团队实时编辑;丰富的图表模板和工具;支持与其他项目管理工具(如 Jira、Trello)集成。 官网: 使用 AI 绘制示意图的一般步骤: 1. 选择工具:根据您的具体需求选择合适的 AI 绘图工具。 2. 创建账户:注册并登录该平台。 3. 选择模板:利用平台提供的模板库,选择一个适合您需求的模板。 4. 添加内容:根据您的需求,添加并编辑图形和文字。利用 AI 自动布局功能优化图表布局。 5. 协作和分享:如果需要团队协作,可以邀请团队成员一起编辑。完成后导出并分享图表。 需要注意的是,虽然 AI 可以帮助绘制流程图,但根据马斯克的成事五步法,第一步是质疑需求。画图的目的是加深理解,通过亲自动手画图来巩固印象。如果让 AI 画,可能会失去这个锻炼机会。而且,现在的 AI 也可能画不出好看的流程图,画出来的东西也可能难以修改。
2025-04-14
如何通过提交的pdf文件自动生成流程图。
目前在 AI 领域,直接通过提交的 PDF 文件自动生成流程图还存在一定的技术挑战。通常情况下,需要先将 PDF 文件中的内容进行解析和提取,然后利用专门的流程设计工具或软件来手动创建流程图。但随着技术的不断发展,未来可能会有更便捷和高效的方法来实现这一功能。
2025-04-13
可以自动生成流程图的网站
以下是一些可以自动生成流程图的网站: 1. :这是一个 Web 工具,采用可视化拖拽的方式生成流程图。优点是直观,缺点是需要花时间在布局上。 2. :注册登录后,可在模板库中搜索“项目管理流程图”,然后进行编辑、优化布局等操作,还能利用 AI 自动布局功能优化图表外观,最后保存和分享,或导出为 PDF、PNG 等格式。 3. 通过语法渲染成图形的方式,代表语法为。其优点包括只用关注逻辑,文本即图形,方便直接嵌入在 markdown 文件中,且不同渲染引擎可渲染成多种样式;缺点是有点抽象。 生成流程图的流程如下: 1. 确定制作目标。 2. 通过自然语法描述逻辑,生成 Mermaid 图形语法。 3. 在线校验测试是否成功。
2025-04-08
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
用文生图来画插画风格的系统流程图、概念图有哪些快速上手的prompt、平台和教程
以下是关于用文生图来画插画风格的系统流程图、概念图的快速上手的 prompt、平台和教程: 平台:Tusiart Prompt 提示词: 用英文写您想要 AI 生成的内容,不用管语法,仅使用单词和短语的组合去表达需求,单词、短语之间用英文半角逗号隔开。 描述逻辑通常包括人物及主体特征(服饰、发型发色、五官、表情、动作),场景特征(室内室外、大场景、小细节),环境光照(白天黑夜、特定时段、光、天空),画幅视角(距离、人物比例、观察视角、镜头类型),画质(高画质、高分辨率),画风(插画、二次元、写实)。 教程: 1. 定主题:确定您需要生成的图的主题、风格和要表达的信息。 2. 选择基础模型 Checkpoint:按照主题找内容贴近的 checkpoint,如麦橘、墨幽的系列模型。 3. 选择 lora:在生成内容基础上,寻找内容重叠的 lora 以控制图片效果及质量。 4. ControlNet:可控制图片中特定图像,如人物姿态、特定文字等,高阶技能可后续学习。 5. 局部重绘:下篇再教。 6. 设置 VAE:无脑选择 840000 这个即可。 7. 负向提示词 Negative Prompt:用英文写您想要 AI 避免产生的内容,单词和短语组合,中间用英文半角逗号隔开。 8. 采样算法:一般选 DPM++2M Karras,也可留意 checkpoint 详情页上模型作者推荐的采样器。 9. 采样次数:选 DPM++2M Karras 时,采样次数在 30 40 之间。 10. 尺寸:根据喜好和需求选择。 辅助网站: 1. http://www.atoolbox.net/ :通过选项卡方式快速填写关键词信息。 2. https://ai.dawnmark.cn/ :每种参数有缩略图参考,更直观选择提示词。 3. https://civitai.com/ :可抄作业,复制图片的详细参数用于生成。 下次作图时,可先选择模板,点击倒数第二个按钮快速输入标准提示词。
2025-03-28
如何用AI生成流程图
以下是几种使用 AI 生成流程图的方法: 1. 使用 Lucidchart 生成项目管理流程图: 注册并登录:。 选择模板:在模板库中搜索“项目管理流程图”。 编辑图表:根据项目需求添加和编辑图形和流程步骤。 优化布局:利用 AI 自动布局功能,优化图表的外观。 保存和分享:保存图表并与团队成员分享,或导出为 PDF、PNG 等格式。 2. 使用 Midjourney 生成 B 端产品页面的流程图: 图片描述:把找到的设计参考图上传到 Midjourney 中,得到一个专属的链接,再使用「参考图链接+文本描述」的方式生成图像。 使用方法:例如想得到一个带有交互流程的 UI 界面图,先把找好的素材图上传到 Midjourney 中。在 Midjourney 中复制参考图的链接再加上文字提示,如「参考图链接+node UI」,就能得到和参考图很类似的设计图。如果想要纯正面、扁平效果的设计流程图,可以继续调整文字提示,如「参考图链接+flat UI,node UI,frontal」。如果想要手绘风格、黑白风格的交互设计图,在文字提示中加入「参考图链接+node UI,drawing style,frontal,black and white,flat UI,2D,no shadow」。 加入参数:Midjourney 生成的图默认是正方形,如果想得到其他比例的图,需要在文字描述中加入特定的参数来做到这一点,如「aspect」或「ar」。比例为 9:16 的设计图,使用提示「参考图链接+node UI,black and whitear 9:16」;或者 16:9 的图「参考图链接+node UI,ar 16:9」。 组件设计:Midjourney 的作用不同于设计软件,利用 AI 能在几秒钟内得到很有创造力的图像,这些设计图能为后面的设计提供更多灵感。除了生成整张的设计图,还可以扩宽思路,利用 AI 输出多种风格的设计组件,探索更多设计风格的可能性。例如,扁平组件系统的关键词:「UI kit,flat design,outline,ar 16:9」。 3. 使用 ChatGPT 生成各种流程图、时序图等: 确定制作目标:明确要生成的流程图类型,如时序图或流程图。 通过自然语法描述逻辑:用自然语言描述生成 Mermaid 图形语法。 在线校验测试是否成功:最后测试生成的图形是否符合预期。
2025-03-27