搭建智能客服主要包括以下步骤： 1. 起个好名字和给它头像 进入 Bot 主页并开始创建 Bot，网址：https://www.coze.cn/home 起个好名字，例如“善良有爱专业的幼师” 选择头像，AI 生成后若不喜欢可重新生成 补充：创建 Bot 有两种方式，点击创建 Bot 适合使用过 Bot 且想好名称和描述的人；Coze Assistant 适合第一次创建 Bot 的人，会引导创建并自动生成一些内容，包括名称、头像、人设与回复逻辑、开场白文案、开场白预设问题等。 2. 教她技能 如果通过 Coze Assistant 方式创建 Bot，Coze 助理已帮您教她技能，您可按需修改完善。 起好名字和头像后，进入教她技能环节。 先查看整理布局，再找到编排、预览与调试。 在编排的人设与回复逻辑教她技能，例如：认识自己、掌握专业技能、不能做什么等。 3. 让她教别人 找到高级下开场白，点击展开，填写开场白文案、开场白预置问题。 开场白预置问题可设置多个。 勾选用户问题建议：在 Bot 回复后，根据 Prompt 提供最多 3 条用户提问建议。 添加语音选择：让她不仅会写，还会通过语音跟您交流。 点击“发布”。 4. 选择发布平台 Bot Store：Bot 会出现在 Coze Bot 商店中，获取更多曝光和流量。 豆包：一键发布到豆包 App，随时随地与 Bot 对话。 飞书：在飞书中直接@Bot 对话，提高工作生产力。 微信客服：微信沟通更高效，本次分享重点部分也是发布到微信客服中，相比其他平台稍微复杂，下面会按步骤引导。 微信公众号（服务号）：服务号针对企业，订阅号针对个人，两种账号不互通，服务号不支持个人注册，订阅号运营主体可为企业或个人，服务号运营主体只能是企业或其他机构。 微信公众号（订阅号）：托管公众号消息，助力微信运营无间断。 掘金：在掘金社区 AI 聊天室圈子与 Bot 互动。 因为已经配置过，下面是重新注册微信客服和解绑后重新配置微信客服的流程。

搭建智能 RAG 客服系统主要包括以下方面： 1. RAG 全貌概览： RAG 的流程分为离线数据处理和在线检索两个过程。 离线数据处理的目的是构建知识库，知识会按照某种格式及排列方式存储在其中等待使用。 在线检索是利用知识库和大模型进行查询的过程。 2. 应用场景： 以构建智能问答客服为例，了解 RAG 所有流程中的“What”与“Why”。 3. 客服系统的要求： 具备结构清晰、全面的 FAQ 库，覆盖常见问题并根据实际场景动态更新。 例如订票平台，可基于用户信息提前呈现可能遇到的问题及解答。 4. 企业客户实践案例： 内部业务助手：通过企业内部规章制度、部门结构、产品介绍等文档构建知识库，并借助 RAG 智能体实现内部知识问答功能。 5. RAG 提示工程： 在利用 RAG 架构构建智能问答系统时，“指代消解”是关键挑战之一，特别是在多轮对话场景中。 目前采用 Prompt 方法解决指代消解问题，会增加计算资源消耗和系统响应延迟，需权衡推理负荷、Token 消耗和问答准确性等因素，根据具体应用环境和需求做出合理选择。

以下是关于一键生成数据分析报告的相关内容： 舆情管理大师汽车 bot 小队： 专业版采集：最低成本获取专业级数据，不改变搜索习惯，适配任何业务，约束大模型采集范围，节省人工判断和处理数据时间，用于 Bot 调取数据、员工跟进数据源，功能设计可一劳永逸采集大量数据，适用于主体需要长期监控的业务（车型），主、副关键词组合搜索提高采集全面性，适合表格导入批量采集等场景。 一键报告：包括车型维度报告、事件维度报告，深度融合 coze 与飞书，构建高效数据流转体系，采集结果实时更新，数据入表，智能总结链接内容、打分辅助判断，关键信息一目了然，确保信息时效性，快速响应与跟进提升效率，视频直转文字，提炼关键内容用于复审，简化人工筛选过程，大模型对每条舆情打分，实现自动化打标签。 Claude 官方提示词（中文版含 API Prompt）： 公司内情员：从冗长报告中提炼关键信息，识别风险，总结成备忘录。 网站大师：根据用户需求一键生成单页网站，以 HTML 文件形式交付，嵌入 JavaScript 和 CSS，设计应具有视觉吸引力、响应性和用户友好性。 Excel 公式大神：根据用户描述的计算或数据操作创建 Excel 公式，收集编写公式所需信息，提供详细解释和分解公式组成部分。 营销：定制营销报告： 提问模板： 根据不同来源数据生成详细报告分别汇报给下属、跨部门平级和领导。 根据数据回答特定问题并给出结论与图表，如最近一个季度销售趋势及影响因素、客户反馈与营销策略效果、营销活动投资回报率及优化方向。 根据数据报表提炼 3 个重要结论汇报给领导。 步骤： 明确数据分析目标，如理解业务、优化业务或预测未来。 收集整理与清洗相关数据，包括销售数据、客户反馈、财务报告等，通过多种方式收集并做简单清洗。 让 ChatGPT 学习相关数据含义和用法，输入不同来源数据让其理解。 进行数据分析给出重要结论，包括提高销售额和市场份额的策略和活动、影响客户满意度和忠诚度的因素、影响财务报告的因素等。 根据汇报对象身份进行可视化调整，报告可包括销售趋势、客户分析、竞争分析、市场细分、营销效果评估等方面信息，针对不同身份的人报告有所不同。

使用 AI 写毕业论文需要注意以下几点： 1. 虽然可以向 LLM 寻求写作建议甚至直接要求其帮忙写论文，但这并非道德的使用方式。 2. 论文写作领域中，AI 技术提供了多方面的辅助，包括文献搜索、内容生成、语言润色和数据分析等。常用的工具和平台有： 文献管理和搜索：Zotero 可自动提取文献信息，Semantic Scholar 是 AI 驱动的学术搜索引擎。 内容生成和辅助写作：Grammarly 提供文本校对等，Quillbot 可重写和摘要。 研究和数据分析：Google Colab 支持 AI 和机器学习研究，Knitro 用于数学建模和优化。 论文结构和格式：LaTeX 结合自动化和模板处理格式，Overleaf 是在线 LaTeX 编辑器。 研究伦理和抄袭检测：Turnitin 和 Crossref Similarity Check 检测抄袭。 3. AI 文章排版工具方面，有以下选择： Grammarly 不仅检查语法拼写，还能改进排版风格。 QuillBot 可改进文本清晰度和流畅性。 Latex 常用于学术论文排版，有 AI 辅助的编辑器和插件。 PandaDoc 是文档自动化平台。 Wordtune 是 AI 写作助手。 Overleaf 是在线 Latex 编辑器，适合学术写作。 选择工具时应根据文档类型、出版标准和个人偏好来决定。对于学术论文，Latex 和 Overleaf 受欢迎；一般文章和商业文档，Grammarly 和 PandaDoc 等可能更适用。但使用时要结合自身写作风格和需求，并仔细甄别内容。

以下是关于生成稳定的 AI 视频的相关信息： 工具推荐： Runway： 网址：https://app.runwayml.com/videotools/ 官方使用教程：https://academy.runwayml.com/ 知识库详细教程： 特点：支持文生视频、图生视频、视频生视频；文生视频支持正向提示词、风格选择、运镜控制、运动强度控制、运动笔刷，支持多种尺寸，可设置种子值；生成好的视频可以延长时间，默认生成 4s 的视频；使用英文提示词。 Stable video： 网址：https://www.stablevideo.com/generate 知识库详细教程： 特点：支持文生视频、图生视频，仅英文；图生视频不可写 prompt，提供多种镜头控制；文生视频先生成 4 张图片，选择其中一张图片以后再继续生成视频。 技术差异： 代表产品如 Runway，在端到端视频生成中，涉及的技术包括 GAN 生成对抗网络、VAE 变分自编码器和 Transformer 自注意力机制。 GAN 生成对抗网络：是一种无监督的生成模型框架，能生成视觉逼真度高的视频，但控制难度大、时序建模较弱。 VAE 变分自编码器：可以学习数据分布，像压缩和解压文件一样重建视频数据，能根据条件输入控制生成过程，但质量较 GAN 略低。 GAN、VAE 生成视频速度快，但存在生成质量和分辨率较低、长度短、控制能力弱的缺点。 Transformer 自注意力机制：通过学习视频帧之间的关系，理解视频的长期时间变化和动作过程，对长视频建模更好，时序建模能力强，可实现细粒度语义控制，但计算量大。 当前面临的问题及解决方案： 当前仍面临生成时间长、视频质量不稳定、生成的视频语义不连贯、帧间存在闪烁、分辨率较低等问题。解决方案包括使用渐进生成、增强时序一致性的模型等方法，上述的补帧算法、视频完善策略也可在一定程度上缓解问题。 制作技巧： 在镜头衔接上要写运镜提示词，描述多种运镜方式，否则画面会乱变。在做视频时要不断尝试参数。

以下是关于百炼工作流的相关信息： 为了快速定位问题，大家尽量把截图附上。 应用回复结果与工作流返回结果可能不一致，感觉像是对返回结果又进行了一次 AI 处理。售后支持回复不建议使用工作流，称百炼的工作流不好使。 关于百炼的 token 余额，只看到了 token 使用日统计，没看到余额。查询单个模型的免费额度信息：登录后，点击模型广场，选择模型并点击下方的查看详情按钮，即可查看免费的总额度，剩余额度，及到期时间。如点击查看详情后，发现没有免费额度信息，则需要查看该模型是否有赠送额度机制，如核实有赠送额度，那可能是免费额度有效期已经到期，到期后将不显示免费额度模块。更详细信息参考：https://alidocs.dingtalk.com/i/nodes/NZQYprEoWo4bv5X1UzRAEaLaV1waOeDk?utm_scene=person_space 登录失败的相关问题。 开通百炼模型时提示额度不足，比赛结束希望继续使用模型，免费额度用完后可登录阿里云官网点击右上角头像点击充值。 此外，阿里云百炼地址:https://bailian.console.aliyun.com/ 。开通满血版 R1 模型，在模型广场找到 DeepSeekR1 并授权，页面上可看到免费的 100w 额度和已使用量，每个人都会免费送 100w 额度，过期了就亏了。DeepSeekR1 模型是阿里云自主部署的，在阿里强大的技术实力下做了推理优化，强过 99.99%的市面上教的满血版本地部署的性能。用完还有免费的蒸馏版的 R1 模型，也是 100w token，这些模型都可以在“首页”或者“直接体验”直接使用，或者直接模型效果对比，也可以用 API 调用，比如 chatbox 直接使用。百炼应用开发新增加了模板，可以从模板来学习应用搭建。工作流可以用来让不同模型在同一任务创作。 使用场景示例： 法律合规改写：客户是一家招聘平台，每天需要处理百万级别的企业招聘需求，通过百炼工作流封装多个法律合规 Agent 判断企业端的要求是否符合劳动法要求，是否有性别歧视风险等等，并自动改写，减少了大量人力审核的需求。 关键信息抽取&打标签：客户是一家法催机构，每天需要处理十万到百万级别的借款人的相关信息，包括数额、借款时长、沟通次数以及反馈等等的大量不同来源的文本，通过百炼工作流，客户构建并串联了案件画像 Agent、借款人画像 Agent、法院画像 Agent 并最终通过打标签 Agent 经过意图分析节点自动化执行下一步，减少了大量律师数据整理，分析以及归类的工作。 智能助理&客服：客户是一家有 C 端 APP 的教育机构，有几十万的 DAU，客户通过百炼工作流搭建了首页的智能助手，通过意图分类的能力，将不同的用户 Query 分发到不同的场景模型中，针对用户自己的场景进行回答。

以下是一些 AI 陪伴的好产品： 1. Character.ai：这是一个 AI 虚拟陪伴平台，用户能与数百个 AI 驱动的角色交流，还可创建自己的角色并赋予其各种特性。 2. Replika：一款 AI 虚拟陪伴应用，用户可设计理想伴侣，其会存储记忆并在未来对话中参考，甚至能发送照片。 3. Talkie：主打情感路线的 AI 虚拟陪伴应用，设计有大量 npc，游戏和休闲娱乐体验感强，每个 npc 都有自己的剧情体系，交流中会触发抽取卡牌机会。 AI 陪伴已进入成长爆发期，可能看起来是小众市场，但实际上已成为生成式 AI 主流应用场景之一。网页端和移动端数据表明其正变得越来越普及。例如，在网页端榜单上，Character.ai 领跑 AI 陪伴榜单。 陪伴应用的范畴也在迅速扩大，不仅限于“男友”“女友”概念，还涵盖友谊、指导、娱乐、医疗保健等方面。一些早期研究显示，AI 在诊断准确性和患者沟通技巧上能超越真人医生，如 Replika 聊天机器人帮助部分用户减轻了自杀念头。 移动端和网页端应用在 AI 使用类型上有明显不同。网页端产品更倾向支持内容创作和编辑的复杂工作流程，如 ElevenLabs、Leonardo、Gamma 等。移动端应用更倾向通用型助手，不少模仿了 ChatGPT。

以下是关于 AI 基础的全面介绍： 一、AI 背景知识 1. 基础理论：人工智能、机器学习、深度学习的定义及其之间的关系。 2. 历史发展：简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：简介强化学习的基本概念。 四、评估和调优 1. 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习资源和方法 1. 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念。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，找到一系列为初学者设计的课程。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。特别推荐李宏毅老师的课程。 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），根据自己的兴趣选择特定的模块进行深入学习。掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试：理论学习之后，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。 七、书籍推荐 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，认知神经科学之父经典力作，系统了解认知神经科学的发展历史、细胞机制与认知、神经解剖与发展、研究方法、感觉知觉、物体识别、运动控制、学习与记忆、情绪、语言、大脑半球特异化、注意与意识、认知控制、社会认知和进化的观点等。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让你系统神经元的细胞和分子生物学、突触传递、认知的神经基础、感觉、运动、神经信息的加工、发育及行为的出现、语言、思想、感动与学习。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域内的一本世界级名著，涵盖了神经科学的方方面面，系统介绍了神经生物徐的基本概念、神经系统的功能及细胞和分子机制。

普通人学习 AI 可以参考以下步骤： 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，如图像、音乐、视频等，可根据自身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，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库分享实践后的作品和文章。 5. 体验 AI 产品： 与现有的 AI 产品互动，如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人，了解其工作原理和交互方式。 此外，还可以参考以下方法： 1. 万能公式法：问 AI【一个（xxx 职业）需要具备哪些知识？】，AI 就可给出知识框架，然后根据知识框架每一个小点去问，就能让 AI 工具帮你指数级深度思考。 2. 寻找优质信息源：像没有技术背景的普通人，学习或了解 AI 最好的信息源在「即刻」App 的“”等免费圈子里。 3. 信息爆炸之做减法的小 tips： 只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）。 只解决具体问题，不做泛泛了解。从问题中来，到问题中去。 只关注核心能力，不关注花式玩法，用 AI 扬其长避其短。 只关注理清需求和逻辑，不死记硬背提示词。 先关注提升认知/洞察，然后再谈技巧。 对于纯 AI 小白，如果还在观望 AI 不知从何入手，可以参考《雪梅 May 的 AI 学习日记》。其学习模式是输入→模仿→自发创造。学习资源免费开源，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。

以下是关于 AI 基础的知识： 一、背景知识 了解人工智能、机器学习、深度学习的定义及其之间的关系，简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：了解强化学习的基本概念。 四、评估和调优 1. 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习建议 1. 了解 AI 基本概念：阅读相关部分，熟悉术语和基础概念，了解主要分支及联系，浏览入门文章。 2. 开始学习之旅：在入门课程中学习生成式 AI 等基础知识，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习。 3. 选择感兴趣模块深入：AI 领域广泛，可根据兴趣选择特定模块，如掌握提示词技巧。 4. 实践和尝试：理论学习后进行实践，巩固知识，使用各种产品创作作品，并分享实践成果。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等互动，了解工作原理和交互方式。 此外，为您推荐三本神经科学相关的基础学科书籍： 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，系统了解认知神经科学的多方面内容。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让您系统了解神经元的相关知识。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域的名著，涵盖神经科学的方方面面。