以下是为您介绍的一些类似语聚 AI、扣子、Dify.AI、腾讯元器、客悦等的智能体创建平台： 智能体是随着 ChatGPT 与 AI 概念爆火而出现的新名词，简单理解就是 AI 机器人小助手，类似移动互联网中的 APP 应用。目前有很多公司关注智能体在 AI 应用层的产品机会，比如在 C 端有社交方向的应用，用户注册后先捏一个自己的智能体，然后让其与他人的智能体聊天，两个智能体聊到一起后再真人介入；在 B 端，有帮助商家搭建智能体的机会。 国内有不少智能体开发平台，如字节的扣子，2 月 1 日字节正式推出其国内版，主要用于开发下一代 AI 聊天机器人。此外，还有 Dify.AI 等平台。像阿里的魔搭社区也属于此类平台。 扣子（Coze）是字节跳动旗下的新一代一站式 AI Bot 开发平台，无论是否具备编程基础，都能在该平台上迅速构建基于 AI 模型的各类问答 Bot，完成后还可发布到各种社交平台和通讯软件上供用户交互聊天。创建智能体通常包括起名称、写介绍、使用 AI 创建头像等简单步骤。

以下是快速创建调用 API 应用的步骤： 1. 了解请求的组成部分： Body：用于传递请求主体，GET 方法中通常不使用。 Path：定义请求路径，GET 方法中可编码参数在其中。 Query：定义请求查询部分，是 GET 方法常用的参数传递方式。 Header：定义 HTTP 请求头信息，通常不用于传递参数。 2. 配置输出参数： 在配置输出参数界面，可自动解析或手动新增参数。 包括设置参数名称、描述、类型、是否必填等。 对于 Object 类型参数，可添加子项。 3. 调试与校验： 在调试与校验界面填写输入参数并运行。 查看输出结果，Request 为输入传参，Response 为返回值。 4. 发布：在插件详情页右上角点击发布。 以创建调用 themoviedb.org API 应用为例： 注册并申请 API KEY：前往 themoviedb.org 注册，依次点击右上角头像 账户设置 API 请求 API 密钥 click here，选择 Developer 开发者，填写相关信息并提交，获取 API 读访问令牌备用。 构建 GPT：新创建 GPT，设置名字和描述，添加 Instructions 内容，并添加 Webpilot Action 和粘贴相关 Schema 内容。

以下为您介绍一些类似扣子、Dify.AI 的智能体创建平台： 腾讯元器：是一个智能体开发平台。 kimi：在智能体领域有所涉及。 需要注意的是，目前提示词攻击在业内是一个公开的秘密，国内外各大著名的 AI 厂商几乎无一幸免，其系统提示存在泄露的风险。

自建一个 Agent 可以按照以下步骤进行： 1. 从案例入门 三分钟捏 Bot Step 1：（10 秒）登录控制台 登录扣子控制台（coze.cn）。 使用手机号或抖音注册/登录。 Step 2：（20 秒）在我的空间创建 Agent 在扣子主页左上角点击“创建 Bot”。 选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”，并点击“确认”完成配置。如需使用其他空间，请先创建后再选择；Bot 名称可以自定义。 Step 3：（30 秒）编写 Prompt 填写 Prompt，即自己想要创建的 Bot 功能说明。第一次可以使用一个简短的词语作为 Prompt 提示词。 Step 4：（30 秒）优化 Prompt 点击“优化”，使用来帮忙优化。 Step 5：（30 秒）设置开场白 Step 6：（30 秒）其他环节 Step 7：（30 秒）发布到多平台&使用 2. 进阶之路 15 分钟做什么 查看下其他 Bot，获取灵感 1 小时做什么 找到和自己兴趣、工作方向等可以结合的 Bot，深入沟通 阅读以下文章：文章 1、文章 2、文章 3 一周做什么 了解基础组件 寻找不错的扣子，借鉴&复制 加入 Agent 共学小组 尝试在群里问第一个问题 一个月做什么 合理安排时间 参与 WaytoAGI Agent 共学计划 自己创建 Agent，并分享自己捏 Bot 的经历和心得 3. 在 WaytoAGI 有哪些支持 文档资源 交流群 活动 工具篇: 1. 人和动物的本质区别之一，就是会使用工具，因此工具也是智能体中非常基础和重要的一环。 2. 通常 Agent 框架中会自带非常多的工具，请先熟悉这些自带的工具。 制作工具 互联网 API 工具：Jina 说明： 手册：https://jina.ai/ 工具：高德 API 说明：是高德地图提供的一套开放接口，可以实现地图展示、地理编码、逆地理编码、路径规划、地点搜索等功能。开发者可以通过调用这些 API 来实现自己的地图应用。 手册：https://lbs.amap.com/api/ 本机软件 自行构建 平台自带工具/插件 特别推荐：大聪明的插件：webcopilot Coze.cn 插件列表： coze 插件说明文档 ?小技巧：采用罗文提供的提示词可以获取插件说明：（⚠️施工中...目前差错非常多，暂时处于不可用状态，在后续持续的共创活动中将逐步完善） 文章：LLM 驱动的自主 Agents | Lilian Weng 1. 实例探究 概念验证示例 引起了人们对建立以 LLM 作为主控制器的自治 Agents 的可能性的广泛关注。考虑到自然语言界面，它存在很多可靠性问题，但仍然是一个很酷的概念验证演示。AutoGPT 中的很多代码都是关于格式解析的。 这是 AutoGPT 使用的系统消息，其中{{...}}是用户输入。 是另一个项目，用于根据自然语言指定的任务创建整个代码存储库。GPTEngineer 被指示思考一系列较小的组件来构建，并根据需要要求用户提供输入以澄清问题。 以下是发送到 GPTEngineer 使用的 OpenAI ChatCompletion 端点的用于说明任务的示例对话。用户输入被包装在{{user input text}}。 然后，在这些澄清之后，Agents 进入代码编写模式并显示不同的系统消息。系统消息： 对话样本：

构建自己的 AI 助理可以参考以下步骤： 1. 确定功能范围： 支持用户发送“关键字”，自助获取您分享的“AI 相关资料链接”。 能够回答 AI 相关知识，优先以“您的知识库”中的内容进行回答，若知识库信息不足则调用 AI 大模型回复，并在答案末尾加上“更多 AI 相关信息，请链接作者：jinxia1859”。 能发布在您的微信公众号上，作为“微信客服助手”。 2. 准备相关内容： 根据 AI 助理的目的和核心能力，编写 prompt 提示词。 整理“关键字”与“AI 相关资料链接”的对应关系，可用 word、txt、excel 等格式。 创建自己的【知识库】，用于回答 AI 相关知识。 创建【工作流】，控制 AI 按照要求处理信息。 准备好自己的微信公众号，以便发布机器人。 3. 设计详细步骤： 先展示 AI 助理的【最终效果】界面。 构建 AI Agent 还可以类比为培养一位职场新人，包括规划阶段明确目标，将具体任务拆解为可管理的子任务并设计执行方法；实施阶段搭建工作流程，为子任务设置操作指南并验证输出质量；优化阶段通过反复测试和调整，优化性能，直到稳定输出高质量结果。您可以设定一个任务目标，动手构建专属的 AI 助理。

以下是一些常见的 AI 科研工具： AI 研究工具：Claude、ChatGPT、Bing Chat、Perplexity 图片处理：DallE、Leonardo、BlueWillow、Midjourney 版权写作：Rytr、Copy AI、Wordtune、Writesonic 设计：Canva、Clipdrop、Designify、Microsoft Designer 网站搭建：10Web、Framer、Hostinger、Landingsite 视频处理：Klap、Opus、Invideo、Heygen 音频处理：Murf、LovoAI、Resemble、Eleven Labs SEO 优化：Alli AI、BlogSEO、Seona AI、Clearscope Logo 设计：Looka、LogoAI、Brandmark、Logomaster 聊天机器人：Droxy、Chatbase、Voiceflow、Chatsimple 自动化工具：Make、Zapier、Bardeen、Postman 如果您有医学课题需要 AI 给出修改意见，可以考虑使用以下专业工具： Scite.ai：是一个为研究人员、学者和行业专业人员打造的创新平台，提供引用声明搜索、自定义仪表板和参考检查等工具，能简化学术工作。 Scholarcy：可以从文档中提取结构化数据，并通过知识归纳引擎生成文章概要，包含关键概念、摘要、学术亮点、学术总结、比较分析、局限等板块的内容。 ChatGPT：强大的自然语言处理模型，可提供有关医学课题的修改意见。 在论文写作方面，以下是一些常用的 AI 工具和平台： 文献管理和搜索： Zotero：结合 AI 技术，自动提取文献信息，帮助管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 内容生成和辅助写作： Grammarly：提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，精简和优化论文内容。 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化，进行复杂的数据分析和模型构建。 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化编写过程。 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 使用这些工具时，应结合自身写作风格和需求，选择最合适的辅助工具。

以下是为您整理的关于 AI 修图软件和相关工具的信息： AI 修图软件： HDAidMaster：云端工具，在建筑设计、室内设计和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster，软件 UI 和设计成果颜值高。 Maket.ai：主要面向住宅行业，在户型设计和室内软装设计方面有探索，能根据输入需求自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期可引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，能将建筑全寿命周期内的信息集成管理。 AI 去水印工具： AVAide Watermark Remover：在线工具，支持多种图片格式，操作简单，可去除多种元素。 Vmake：可上传最多 10 张图片，快速去除水印，适合社交媒体图片分享。 AI 改图神器：提供智能图片修复去水印功能，支持多种上传方式，操作方便。 用 AI 快速做一张满意的海报： 可以使用无界 AI，网址为 https://www.wujieai.cc/ 。其做图逻辑类似于 SD，优势在于国内网络稳定使用、有免费出图点数、支持中文关键词输入、无需额外下载风格模型可直接取用。使用模型如皮克斯卡通，案例应用场景为朋友圈 po 图，画幅比例选择 1:1。关键词类别包括场景、氛围、人物、造型、情绪、道具、构图、画面、特殊等方面。

国内有以下 AI 修图软件： 无界 AI：可用于生成海报底图，并能按照一定流程完成海报制作，包括确定主题与文案、选择风格与布局、生成与筛选、配文与排版等步骤。 脸猫：具有图片生成功能。 小悟空：原生的个人助理。 AI 绘画大师：原生的图片生成软件。 AI 变脸：原生的图片生成工具。 Ai 绘画：全能的 AI 绘图创作工具。

以下是学习 AI 的步骤： 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作品。 在知识库查看大家实践后的作品、文章分享，并分享自己的实践成果。 5. 体验 AI 产品： 与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）进行互动，了解其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。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术（如机器学习、深度学习等）。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 为了在医疗保健中让 AI 产生真正的改变，应投资创建一个模型生态系统，让“专家”AI 像优秀的医生和药物开发者那样学习。成为顶尖人才通常从多年的密集信息输入开始，通过正规学校教育和学徒实践，从该领域出色的实践者那里学习，获得有助于在复杂情况下确定最佳答案的直觉。对于 AI，应通过使用彼此堆叠的模型来训练，而不是仅依靠大量数据和期望一个生成模型解决所有问题。例如，先训练生物学的模型，再是化学的模型，然后添加特定于医疗保健或药物设计的数据点。预医学生的课程从化学和生物学基础开始，设计新疗法的科学家也需要经历多年相关学习和研究，这种学习方式有助于培养处理涉及细微差别决策的直觉。

以下是一些提高 RAG 应用准确率的方法： 1. 基于结构化数据来 RAG： 避免数据向量化和语义搜索的问题，直接利用原始数据和 LLM 的交互，提高准确率。因为结构化数据的特征和属性明确，能用有限标签集描述，可用标准查询语言检索，不会出现信息损失或语义不匹配的情况。 减少 LLM 的幻觉可能性，LLM 只需根据用户问题提取核心信息和条件，并形成标准查询语句，无需理解整个文档语义。 提高效率，省去数据向量化和语义搜索过程，直接使用标准查询和原始数据进行回复，且结构化数据的存储和更新更易更省空间。 增加灵活性，适应不同数据源和查询需求，只要数据是结构化的，就可用此方法进行 RAG。 2. 参考行业最佳实践，如 OpenAI 的案例： 从较低的准确率开始，尝试多种方法，标记哪些被采用到生产中。 通过尝试不同大小块的信息和嵌入不同内容部分，提升准确率。 采用 Reranking 和对不同类别问题特别处理的方法进一步提升。 结合提示工程、查询扩展等方法，最终达到较高的准确率，同时强调模型精调和 RAG 结合使用的潜力。 3. 深入了解 RAG 的基础概念： RAG 由检索器和生成器组成，检索器从外部知识中快速找到与问题相关的信息，生成器利用这些信息制作精确连贯的答案，适合处理需要广泛知识的任务，如问答系统，能提供详细准确的回答。