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

langchain还有哪些应用? 可否提供langchain初学者的教程

Answer

LangChain 是一个用于开发由语言模型驱动的应用程序的框架,它提供了广泛的应用可能性。以下是一些LangChain的应用示例,以及为初学者提供的教程资源:

  1. 聊天机器人(Chatbots):构建具备记忆能力的聊天机器人框架,可以进行实时交互并提供用户友好的界面。
  2. 文本总结(Summarization):对长文本或文档进行自动总结,提取关键信息。
  3. 文档问答(Question and Answering Over Documents):使用文档作为上下文信息,基于文档内容进行问答。
  4. 信息抽取(Extraction):从文本内容中抽取结构化信息。
  5. 结果评估(Evaluation):分析并评估语言模型输出结果的质量。
  6. 数据库问答(Querying Tabular Data):从数据库或类数据库内容中抽取数据信息。
  7. 代码理解(Code Understanding):分析代码并从代码中获取逻辑,支持代码相关的问答。
  8. API交互(Interacting with APIs):使语言模型能够理解和调用API,以获取或发送数据。
  9. 智能体(Agents):使用语言模型进行任务分析和决策,并调用工具执行决策。

对于LangChain初学者,可以访问官网,以下是一些教程资源:

  • 快速入门:提供了安装LangChain及其组件的基本命令和步骤。
  • LangChain快速上手教程:以浅显易懂的方式介绍了LangChain的安装和基本概念。
  • LangChain中文入门教程:为中文用户提供的入门教程,包括安装和基本操作。
  • LangChain框架介绍:介绍了LangChain框架的核心价值主张和设计理念。

这些资源可以帮助初学者理解LangChain的基本概念,安装过程,以及如何开始构建自己的LangChain应用程序。

Content generated by AI large model, please carefully verify (powered by aily)

References

Others are asking
知识库中的LangChain和LangGraph的内容有哪些 ?
以下是关于 LangChain 和 LangGraph 的相关内容: LangChain: LangChain 是一个由 Harrison Chase 开发的开源 Python 库,旨在支持使用大型语言模型(LLM)和外部资源(如数据源或语言处理系统)开发应用程序。 它提供了标准的接口,与其他工具集成,并为常见应用程序提供端到端链。 设计主张集中在模块化组件上,这些组件提供用于使用 LLM 的行为抽象,并为每个抽象提供实现的集合,从而允许开发人员构造新链或实现现成的链。 LangChain 和 RAG 的关系: LangChain 是一个用于构建高级语言模型应用程序的框架,提供了实现 RAG 所必需的工具和组件。 RAG 即检索增强生成,是一种结合了检索(检索外部知识库中相关信息)和生成(利用 LLM 生成文本)的技术。 LangChain 作为框架,与 RAG 的关系包括:是框架与技术的关系,允许通过模块化组件构建 RAG 应用程序,简化开发过程,提高性能,支持构建复杂的 RAG 应用。 关于大模型 RAG 应用中的 LangChain: 有从产品视角出发的分享,包括项目背景、初步体验和评测结果等。 预计会分成 3 篇分享,分别是 LangChain 框架初体验、调优思路分享、如何测评。
2025-04-12
langchain到底是什么。如何理解。
LangChain 是一个用于构建高级语言模型应用程序的框架,旨在简化开发人员使用语言模型构建端到端应用程序的过程。 它具有以下特点和优势: 1. 提供了一系列工具、组件和接口,使利用大型语言模型(LLM)和聊天模型创建应用程序更便捷。 2. 核心概念包括组件和链,组件是模块化构建块,可组合创建强大应用,链是一系列组件或其他链的组合,用于完成特定任务。 3. 具有模型抽象功能,能为用例选择合适模型,并利用组件构建应用。 4. 支持创建和管理提示模板,引导语言模型生成特定输出。 5. 允许开发人员定义处理步骤链,完成复杂任务。 6. 支持构建代理,能使用语言模型做决策并调用工具。 7. 支持多种用例,如针对特定文档的问答、聊天机器人、代理等,可与外部数据源交互收集数据,并提供内存功能维护状态。 LangChain 还是一个为简化大模型应用开发而设计的开源框架,通过提供模块化的工具和库,允许开发者轻松集成和操作多种大模型,将更多精力投入到创造应用的核心价值上。其设计注重简化开发流程,支持广泛的模型,具备良好的可扩展性,以适应业务需求变化。作为得到社区广泛支持的开源项目,拥有活跃的贡献者和持续更新,提供全面的文档和示例代码帮助新用户快速掌握,同时充分考虑了应用的安全性和用户数据的隐私保护,是多语言支持的灵活框架,适用于各种规模的项目和不同背景的开发者。 LangChain 官方手册:https://python.langchain.com/docs/get_started/introduction/
2025-03-21
什么是langchain
LangChain 是一个用于构建高级语言模型应用程序的框架,旨在简化开发人员使用语言模型构建端到端应用程序的过程。 它具有以下特点和优势: 1. 提供一系列工具、组件和接口,使创建由大型语言模型(LLM)和聊天模型支持的应用程序更易实现。 2. 核心概念包括组件和链,组件是模块化的构建块,链是组合在一起完成特定任务的一系列组件(或其他链)。 3. 具有模型抽象功能,提供对大型语言模型和聊天模型的抽象,便于开发人员选择合适模型并利用组件构建应用。 4. 支持创建和管理提示模板,引导语言模型生成特定输出。 5. 允许开发人员定义一系列处理步骤,按顺序执行完成复杂任务。 6. 支持构建代理,能使用语言模型做决策并根据用户输入调用工具。 7. 支持多种用例,如针对特定文档的问答、聊天机器人、代理等,可与外部数据源交互收集数据,还提供内存功能维护状态。 LangChain 是一个为简化大模型应用开发而设计的开源框架,通过提供模块化的工具和库,允许开发者轻松集成和操作多种大模型,将更多精力投入到创造应用的核心价值上。其设计注重简化开发流程,支持广泛的模型,具备良好的可扩展性,适应不断变化的业务需求。作为得到社区广泛支持的开源项目,拥有活跃的贡献者和持续更新,提供全面的文档和示例代码帮助新用户快速掌握,在设计时充分考虑应用的安全性和用户数据的隐私保护,是多语言支持的灵活框架,适用于各种规模的项目和不同背景的开发者。 LangChain 官方手册:https://python.langchain.com/docs/get_started/introduction/
2025-03-11
如何通过langchain实现上传 一个客户需求文档,生成一个产品规格书doc格式的文档
要通过 LangChain 实现上传客户需求文档并生成产品规格书(doc 格式),可以按照以下步骤进行: 1. 上传文档:用户可以上传包含知识的文档,支持 txt、pdf、docx 等格式,LangChain ChatChat 会将文档转换为 Markdown 格式。 2. 文本切割:为便于分析和处理,将长文本切割为小块(chunk)。 3. 文本向量化:将切割的 chunk 通过 embedding 技术,转换为算法可以处理的向量,存入向量数据库。 4. 问句向量化:用户提问后,同样将用户的问句向量化。 5. 语义检索匹配:将用户的问句与向量数据库中的 chunk 匹配,匹配出与问句向量最相似的 top k 个。 6. 提交 prompt 至 LLM:将匹配出的文本和问句,一起添加到配置好的 prompt 模板中,提交给 LLM。 7. 生成回答:LLM 生成回答,返回给用户。
2025-02-27
LangChain
LangChain 是一个用于构建高级语言模型应用程序的框架,具有以下特点和功能: 旨在简化开发人员使用语言模型构建端到端应用程序的过程,提供了一系列工具、组件和接口,使创建由大型语言模型(LLM)和聊天模型支持的应用程序更易实现。 核心概念包括组件和链,组件是模块化的构建块,链是组合在一起完成特定任务的一系列组件(或其他链)。 具有模型抽象、提示模板和值、链、代理等功能。 支持多种用例,如针对特定文档的问答、聊天机器人、代理等,且可与外部数据源交互并提供内存功能。 LangChain 与 RAG(检索增强生成)的关系: 框架与技术:LangChain 作为框架,提供实现 RAG 必需的工具和组件,RAG 技术可在其框架内实施利用。 模块化实现:允许开发者通过模块化组件构建 RAG 应用程序。 简化开发:通过提供现成的链和提示模板简化 RAG 应用开发过程。 提高性能:利用 LangChain 实现 RAG 可创建更高效、准确的应用程序,尤其在需大量外部信息辅助决策的场景。 应用构建:通过丰富的 API 和组件库支持构建复杂的 RAG 应用,如智能问答系统、内容推荐引擎等。 在开发 LangChain 应用时,构建 RAG 应用的相关组件包括数据加载器、文本分割器、文本嵌入器、向量存储器、检索器、聊天模型等,一般流程如下:(具体流程未给出,如有需要请补充提问)
2025-02-24
详细介绍下langchain
LangChain 是一个用于构建高级语言模型应用程序的框架,旨在简化开发人员使用语言模型构建端到端应用程序的过程。 它具有以下特点和优势: 1. 提供一系列工具、组件和接口,使基于大型语言模型(LLM)和聊天模型创建应用程序更轻松。 2. 核心概念包括组件和链,组件是模块化构建块,可组合创建强大应用,链是一系列组件或其他链的组合,用于完成特定任务。 3. 具有模型抽象功能,提供对大型语言模型和聊天模型的抽象,便于开发人员选择合适模型并利用组件构建应用。 4. 支持创建和管理提示模板,引导语言模型生成特定输出。 5. 允许开发人员定义处理步骤链,按顺序执行完成复杂任务。 6. 支持构建代理,能使用语言模型做决策并根据用户输入调用工具。 7. 支持多种用例,如特定文档问答、聊天机器人、代理等,可与外部数据源交互收集数据,还提供内存功能维护状态。 LangChain 是一个开源框架,为简化大模型应用开发而设计。它通过提供模块化的工具和库,允许开发者轻松集成和操作多种大模型,将更多精力投入到创造应用的核心价值上。其设计注重简化开发流程,支持广泛的模型,具备良好的可扩展性以适应业务需求变化。作为社区广泛支持的开源项目,拥有活跃的贡献者和持续更新,提供全面的文档和示例代码帮助新用户快速掌握。同时,在设计时充分考虑应用的安全性和用户数据的隐私保护,是多语言支持的灵活框架,适用于各种规模的项目和不同背景的开发者。 LangChain 官方手册:https://python.langchain.com/docs/get_started/introduction/
2025-02-14
我是一个AI Agent初学者,现在我想要捏一款Agent,目的是喂给Agent固定材料之后对其做提问,让Agent学习完我的材料之后,在不联网的情况下对我问出的问题做出贴切材料的回答,现在请你告诉我如何操作
以下是捏制一个满足您需求的 AI Agent 的操作步骤: 1. 规划: 制定任务的关键方法,总结任务目标与执行形式。 将任务分解为可管理的子任务,确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施: 在 Coze 上搭建工作流框架,设定每个节点的逻辑关系。 详细配置子任务节点,并验证每个子任务的可用性。 3. 完善: 整体试运行 Agent,识别功能和性能的卡点。 通过反复测试和迭代,优化至达到预期水平。 AI Agent 相关概念: AI Agent 是基于大型语言模型(LLM)和其他技术实现的智能实体,其核心功能在于自主理解、规划决策、执行复杂任务。 Chain:通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤,可以接受一些输入变量,产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 Router:可以使用一些判定(甚至可以用 LLM 来判定),然后让 Agent 走向不同的 Chain。例如:如果这是一个图片,则 a;否则 b。 Tool:Agent 上可以进行的一次工具调用。例如,对互联网的一次搜索,对数据库的一次检索。 常见的 AI Agent 类型包括: Responser Agent:主 agent,用于回复用户(伪多模态)。 Background Agent:背景 agent,用于推进角色当前状态(例如进入下一个剧本,抽检生成增长的记忆体)。 Daily Agent:每日 agent,用于生成剧本,配套的图片,以及每日朋友圈。 Background Agent 每隔一段时间运行一次(默认 3 分钟),分析期间的历史对话,变更人物关系(亲密度,了解度等),变更反感度,如果超标则拉黑用户,抽简对话内容,提取人物和用户的信息成为“增长的记忆体”,按照时间推进人物剧本,有概率主动聊天(与亲密度正相关,跳过夜间时间)。
2025-03-23
我是一个AI Agent初学者,现在我想要捏一款Agent,目的是喂给Agent固定材料之后对其做提问,让Agent学习完我的材料之后,在不联网的情况下对我问出的问题做出贴切材料的回答
以下是为您提供的关于捏制 AI Agent 的相关知识: 一、手捏 AI Agent 的思路 在 Coze 中创建工作流驱动的 AI Agent,简单情况可分为 3 个步骤: 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务,确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 在 Coze 上搭建工作流框架,设定每个节点的逻辑关系。 详细配置子任务节点,并验证每个子任务的可用性。 3. 完善 整体试运行 Agent,识别功能和性能的卡点。 通过反复测试和迭代,优化至达到预期水平。 二、AI Agent 的概念 AI Agent 是基于大型语言模型(LLM)和其他技术实现的智能实体,其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念: 1. Chain:通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤,可以接受一些输入变量,产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router:可以使用一些判定(甚至可以用 LLM 来判定),然后让 Agent 走向不同的 Chain。例如:如果这是一个图片,则 a;否则 b。 3. Tool:Agent 上可以进行的一次工具调用。例如,对互联网的一次搜索,对数据库的一次检索。 同时,需要三个 Agent: Responser Agent:主 agent,用于回复用户(伪多模态)。 Background Agent:背景 agent,用于推进角色当前状态(例如进入下一个剧本,抽检生成增长的记忆体)。 Daily Agent:每日 agent,用于生成剧本,配套的图片,以及每日朋友圈。 三、Agent 的“明斯基时刻” 心灵社会理论认为,智能是由许多简单的 Agent(分等级、分功能的计算单元)共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能,通过协作实现复杂的智能行为。 其特点包括: 1. 多重层次:心灵社会将智能划分为多个层次,从低层次的感知和反应到高层次的规划和决策,每个层次由多个 Agent 负责。 2. 功能模块:每个 Agent 类似于功能模块,专门处理特定类型的信息或执行特定任务,如视觉处理、语言理解、运动控制等。 3. 分布式智能:智能不是集中在单一的核心处理单元,而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性,应对复杂和多变的环境。 同时,在《心灵社会》中,明斯基还详细描述了不同类型的 Agent 及其功能: 专家 Agent:拥有特定领域知识和技能的 Agent,负责处理复杂的任务和解决特定问题。 管理 Agent:协调和控制其他 Agent 的活动,确保整体系统协调一致地运行。 学习 Agent:通过经验和交互,不断调整和优化自身行为,提高系统在不断变化环境中的适应能力。
2025-03-23
请推荐1~2款适合初学者的AI编程助手和编程学习工具
以下是 1 2 款适合初学者的 AI 编程助手和编程学习工具: v0:适合初学者,能为编程提供一定的辅助和支持。 Bolt:对新手友好,有助于初学者在编程过程中获得帮助和指导。 此外,还有一些其他常见的适合初学者的工具,如 GitHub Copilot,它支持多种语言和 IDE,能为程序员快速提供代码建议;通义灵码,提供行级/函数级实时续写、自然语言生成代码等多种能力。您可以根据自己的需求选择最适合您的工具。
2025-03-18
初学者教程
以下为您提供一些适合初学者的 AI 教程资源: Blender 相关: 新手免费入门教程:https://flowus.cn/share/bf6780f53c0a43999e6cdf4a9f48d52b Blender 插件的安装方法和汉化、包括疑难杂症解决:https://flowus.cn/share/79f8f60ac2e94d669a56572d2cda5641 Up B 站空间:https://space.bilibili.com/206992617?spm_id_from=333.1007.0.0 关于 Blender 找工作问题:https://flowus.cn/share/7000d5e84ca94f0cb493406b08c29e3f Blender 插件寻找与下载:https://flowus.cn/share/42a2af8dbaf04d1db309fe33dcb061d2 Blender 资产、贴图、等等免费网站:https://flowus.cn/share/606da95d9130451f96000fe3789e3a42 提升审美网站:https://flowus.cn/share/0f6bad6a46034b8082a27a8c69bb1caa 面向 AI 应用的同学: 微软的 AI 初学者课程:https://microsoft.github.io/AIForBeginners/ AI for every one(吴恩达教程):https://www.bilibili.com/video/BV1yL411u7q6 大语言模型原理介绍视频(李宏毅):https://www.bilibili.com/video/BV1TD4y137mP/ 谷歌生成式 AI 课程:目录:https://ywh1bkansf.feishu.cn/wiki/DTm0way7QiKyHckMXsjc00kIn6e ChatGPT 入门:目录:https://ywh1bkansf.feishu.cn/wiki/QddLw0teKi7nUCkDRIecskn3nuc 微信机器人共学教程第一天教程 COW 部署的配置环境: 刚才在这里保存的“外网面板地址”,点击打开。(有小伙伴反馈,命令输出的地址是 login 结尾的,点击打不开。那您只需要把 login 改成 http://xxx.xxx.xx.xxx:8888/tencentcloud 就可以了) 输入账号密码,即上图中的 username、password 第一次进入会让您绑定一下,点击免费注册,注册完成后,返回此页,登录账号。 首次会有个推荐安装,只安装第一个即可。其他的取消勾选。
2025-03-16
Coze 智能体 教程 初学者 3个月内的内容
以下是为初学者提供的 Coze 智能体相关教程,预计在 3 个月内可以完成学习: 1. 页面布局: 常见的左右、上下布局及嵌套方法,包括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。 溢出处理方式及内边距影响,建议初学者用固定宽高布局。 换行布局及元素分布设置,用于图片排版。 证件照应用搭建过程及布局设置,如创建应用、清理页面,设置第一个 div 容器,证件照基础界面为上下布局,分标题、示例、操作展示三块,需拖三个容器,顶部高度大概 100。 2. 证件照应用的用户界面搭建与业务逻辑构建: 用户界面搭建,包括各部分尺寸、布局、组件设置,如文本、图片、表单等。 业务逻辑搭建,创建工作流,添加图片理解、图像生成、智能换脸等插件,设置参数、提示词,并告知文档地址在社区智能体 1.3 共学里。 3. 工作流与代码(重度用户): 对于轻度用户,不需要工作流;对于重度用户,可参考官方文档:https://www.coze.cn/docs/guides/welcome 。 工作流的优势,如解决速度慢和可能出错的问题。 介绍主工作流和 AI Project 工作流,以及中间用到的 python 代码和结合工作流修改的「人设与回复逻辑」。 4. 基础通识课: 在 cos 主页有新手教程文档,可据此构建智能体。 工作流偏向节点调用,可通过 prompt 构建提示词并优化。 能调用多种插件,可添加图像流、触发器和知识库,知识库可上传多种格式内容及在线链接以沉淀知识。 Nimbus 介绍智能交互相关内容,包括有趣的智能体、插件商城、扣子案例、模型社区并答疑。 AI 编程课前准备及相关工具、账号注册说明,如注册阿里云账号、安装无影、注册 GitHub 账号等。
2025-03-12
初学者可以从哪些方面上手
对于初学者上手 AI,以下是一些建议: 1. 调度器和采样器方面:可以从 Euler 或 DDIM 开始,因为它们提供了良好的平衡点,便于快速了解生成过程。如果对生成过程中的稳定性和细节处理有严格要求,可以考虑 DPM++ SDE Karras、LCM 和 Dynamic Thresholding 这样的采样器。在需要快速生成图像的情况下,DPM fast、Euler 和 DDIM Fast 是不错的选择。如果希望生成更具创意或独特风格的图像,可以尝试 Heun、DPM++ 3M SDE Palefire 以及 Restart 采样器。对于高要求的图像生成任务,推荐使用 DPM++ 3M SDE Karras、DPM2 Exponential 和 LCM 这些经过优化的采样器。 2. 基本概念方面: 阅读「」部分,熟悉 AI 的术语和基础概念,了解人工智能及其主要分支(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。 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。 选择感兴趣的模块深入学习,掌握提示词的技巧。 3. 实践方面: 理论学习之后进行实践,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。 4. 体验方面: 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。 5. Prompt 方面: 认真写出自己的第一个 prompt,理解 GPT 的工作原理,至少先真正理解以下几个问题:GPT 说人话的能力是怎么来的、“涌现”的产生、prompt 的概念和意义、为什么现阶段我们不得不用 prompt。推荐两个课外阅读,即 B 站 UP Yjango(于建国博士)很早前发布的相关视频。 您还可以关注获取更多内容。
2025-03-11
deepseek官方教程
以下是关于 DeepSeek 的官方教程相关信息: 火山方舟 DeepSeek 申请免费额度教程,包含多种 API 使用方式,如飞书多维表格调用、Coze 智能体调用、浏览器插件调用。可以使用邀请码 D3H5G9QA,通过邀请链接 https://www.volcengine.com/activity/deepseek?utm_term=202502dsinvite&ac=DSASUQY5&rc=D3H5G9QA 邀请可拿 3000 万 tokens,畅享 671B DeepSeek R1,活动截止至北京时间 20250218 23:59:59。同时,火山方舟大模型服务平台的模型服务计费文档有更新,DeepSeekR1、V3 模型分别提供了 50 万免费额度和 API 半价活动。 有关于一线教师的 AI 需求与高效工具推荐,如让模型创作诗歌、生成宣传标语、提示库(https://apidocs.deepseek.com/zhcn/promptlibrary)、代码解释、内容分类、角色扮演(自定义人设)、散文写作、文案大纲生成、模型提示词生成等。 2 月 14 日的社区动态中,有《突破 DeepSeek R1 能力天花板,火山引擎扣子+飞书一站式企业解决方案》《羊毛快薅|字节火山上线了 DeepSeek 系列模型并悄悄更改了模型服务价格...》等内容,还附上了飞书多维表格、Coze 的接入使用方法等。此外,还有关于 DeepSeek 关键 9 篇论文及创新点的讲解,以及 DeepSeek 官方发布的 R1 模型推荐设置。
2025-04-15
Mcp教程
以下是关于 MCP 教程的相关内容: 资源链接: 什么是 MCP 以及为什么要用它: Model Context Protocol(模型上下文协议),简称 MCP,是由 Anthropic 公司提出的一个开放标准,旨在解决 AI 模型与外部数据源和工具之间的连接问题。 MCP 就像是 AI 世界的“USBC 接口”,它提供了一种标准化的方式,让 AI 应用能够轻松连接到各种数据源和工具,不需要为每个新连接重新开发接口。 MCP 解决的主要问题包括: 碎片化集成:以前每个 AI 应用都需要单独开发与各种数据源的连接。 重复工作:不同团队重复构建相似的集成方案。 “N 乘 M 问题”:当有 N 个 AI 客户端需要连接 M 个数据源时,可能需要 N×M 个自定义集成。 希望这篇教程能帮助您了解 MCP 的基础知识,并开始构建自己的 MCP 服务器!随着实践的深入,您会发现 MCP 为 AI 应用与数据源及工具的集成提供了简单而强大的解决方案。 本篇内容由 Genspark 制作 https://www.genspark.ai/autopilotagent_viewer?id=c10e49b3228d4f65be347ab34777aaf8
2025-04-15
coze 教程
以下是为您提供的 Coze 教程相关信息: 一泽 Eze 的教程:可能是全网最好的 Coze 教程之一,一次性带您入门 Coze 工作流。即使是非技术出身的爱好者也能上手跟学,一站式学会 AI Agent 从设计到落地的全流程方法论。阅读指南:长文预警,请视情况收藏保存。核心看点包括通过实际案例逐步演示用 Coze 工作流构建能稳定按模板要求生成结构化内容的 AI Agent、开源 AI Agent 的设计到落地的全过程思路、10+项常用的 Coze 工作流的配置细节、常见问题与解决方法。适合人群为玩过 AI 对话产品的一般用户,以及对 AI 应用开发平台(如 Coze、Dify)和 AI Agent 工作流配置感兴趣的爱好者。注:本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中,附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容,以供前置或拓展学习。 其他相关基础教程: 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) 大聪明:保姆级教程:Coze 打工你躺平 (https://waytoagi.feishu.cn/wiki/PQoUwXwpvi2ex7kJOrIcnQTCnYb) 安仔:Coze 全方位入门剖析免费打造自己的 AI Agent (https://waytoagi.feishu.cn/wiki/SaCFwcw9xi2qcrkmSxscxTxLnxb) 基础教程:Coze“图像流”抢先体验 (https://waytoagi.feishu.cn/wiki/AHs2whOS2izNJakGA1NcD5BEnuf) YoYo:Coze 图像流小技巧:探索视觉艺术的隐藏宝藏 (https://waytoagi.feishu.cn/wiki/CTajwJnyZizxlJk8a4AcJYywnfe) 【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 (https://waytoagi.feishu.cn/wiki/ExHMwCDZ7i6NA7knCWucFvFvnvJ)
2025-04-13
如何使用MCP?提供教程
以下是关于如何使用 MCP 的详细教程: 前置准备工作: 任选一个客户端软件进行配置,大致分为四步: 1. 填入大模型 API 密钥。 2. 找到 MCP 配置界面。 3. 填入 MCP Server 对应的 json 脚本。 4. 使用 MCP。 不同客户端软件的配置方法: 1. Cherry Studio(推荐): 版本:2025 年 4 月发布的 1.1.17。 配置大模型 API:填入之前准备好的 AiHubMix 的 API 密钥。 配置 MCP:例如,图中填写的就是 Playwright 的 MCP Server 和百度地图的 MCP Server。 使用 MCP。 2. Cursor(推荐): 配置大模型 API:如果 Cursor Pro 在免费试用期,这一步可以不做;如果不在免费试用期,最好的办法是氪金,也可以试试填入之前准备好的 AiHubMix 的 API 密钥。 配置 MCP Server:填入 MCP Server 的 json,保存。 回到 Cursor 的 MCP 配置页面,等待几秒钟,多点几次蓝色框里的按钮,直到绿灯亮起,并显示出所有 MCP 工具。 使用 MCP:Ctrl+Shift+L 新建对话,将模式设置为 Agent。 3. Claude Desktop: 配置 MCP Server:用文本编辑器(VSCode、Sublime Text 等)打开 claude_desktop_config.json 文件,填入 MCP Server 对应的 json 文件,保存。 重启 Claude Desktop。 查看 MCP Server 连接状态。 使用 MCP。 MCP 的好处: 1. 简化开发:一次整合,多次复用,不再重复开发。 2. 灵活性强:轻松切换 AI 模型或工具,无需复杂的重新配置。 3. 实时互动:长连接保证数据实时更新。 4. 安全可靠:内置标准化安全和权限控制。 5. 扩展性强:AI 系统扩展时,只需连接新的 MCP 服务器。 传统 API 更适合的场景: 1. 需要细粒度控制、功能严格限制。 2. 更偏好紧耦合以提升性能。 3. 希望最大化交互的可预测性。 快速集成 MCP 的步骤: 1. 定义能力:明确您的 MCP 服务器提供哪些功能。 2. 实现 MCP 层:按照协议标准进行开发。 3. 选择通信方式:本地连接(标准输入输出)或远程连接(如 WebSockets)。 4. 创建资源/工具:开发或连接您的数据源和服务。 5. 建立客户端连接:与 MCP 服务器建立安全稳定的连接。 MCP 与 API 的比较: MCP 与传统 API 之间的主要区别在于: 1. 单一协议:MCP 充当标准化的“连接器”,因此集成一个 MCP 意味着可能访问多个工具和服务,而不仅仅是一个。 2. 动态发现:MCP 允许 AI 模型动态发现可用工具并与之交互,而无需对每个集成进行硬编码知识。 3. 双向通信:MCP 支持持久的实时双向通信 类似于 WebSockets。AI 模型既可以检索信息,也可以动态触发操作。 以 Cursor 驱动 blender 自动化建模的 MCP 项目为例: 首先,在 github 上找到项目说明(https://github.com/ahujasid/blendermcp)。以 Mac 安装为例,首先要安装一个 uv 包(如果不懂,就直接新建一个项目文件夹后,将相关需求丢给 AI)。显示 uv 安装完毕后(初次使用可能需要安装一系列的环境,只要一路让 AI 安装就可以了),还是找到点击界面右上角的小齿轮图标。找到 MCP 模块 Add new global MCP server,将相关内容粘贴进去。退回 MCP 界面时,就会发现已经连接上了这个 blender 服务器,并且增加了很多具体功能。
2025-04-13
AI视频教程
以下是为您提供的 AI 视频教程相关内容: AI 让古画动起来的教程: 1. 对于简单的图,找原图直接写提示词即可。若碰到多人多活动的复杂图,需把长图分多个模块,比如将一张图分成 4 个模块。 2. 智能抠图,用工具把要动的内容去除掉,用 AI 生成图片部分。若有水印,可以把图片向下拓展一部分,然后截掉。 3. 将要拿来动起来的部分抠出,放在绿幕背景里或者画的背景颜色,导出图片。 4. 用 AI 视频生成工具写入提示词让图片动起来,如即梦、海螺、混元等工具,不停尝试抽卡。 5. 用剪映把抽卡合格的视频放在去掉内容的背景图片,通过色度抠图调整去掉视频的背景。多个视频放在背景图片,一起动即可。 AI 视频相关的软件教程: 包括视频模型如 luma Dream Machine、可灵、MiniMax 海螺 AI、Sora、Vidu 等,工具教程如 Hedra,视频工具如 VIGGLE,以及应用教程如视频转绘、视频拆解等。相关链接如下: WaytoAGI X 剪映的 AI 创意视频征集令·第 1 期: 1. 征集内容:使用 AI 功能创作的创意视频成片,也可投稿 AI 创意视频的教程(教大家如何做一个 AI 创意视频)。AI 功能包括但不限于:AI 对口型、AI 改动作、AI 配音、克隆音色、AI 音乐、AI 特效、AI 图文成片、AI 剪视频等。不包括纯图片生成或纯视频生成的内容(特指用 AI 工具生成的图片、图生视频,但视频里没有添加 AI 功能)。 2. 创作工具:主要使用「剪映」平台工具创作,可多使用剪映平台的 AI 功能/新功能;部分 AI 效果若剪映无法实现,可使用其他软件创作。 3. 内容价值:视频需有消费价值,要有一定内容主题,有故事感、或者有梗、或者有核心观点表达,让用户有持续观看和点赞、收藏的欲望。缺少内容主题、过于简单、过于模板化的内容将不予通过。在抖音、小红书等平台点赞量高的内容,审核通过率大大提升! 4. 原创度:作品需要原创、极具创意和独特性,且符合当代年轻群体的审美和兴趣喜好,不可照搬、抄袭他人创意,一经发现将取消活动奖励,视情节严重情况回收灵感发布权限。 5. 作品延展度:作品有可模仿性,其他创作者看完后,可模仿学习或二创。比如:前期素材易获取,后期素材易剪辑或处理,让其他视频创作者有强烈的模仿欲望,且对自己模仿或二创视频有成就感和分享欲。 6. 作品时长:时长适中,最短不低于 15 秒,最长不建议超过 3 分钟。
2025-04-13
AI出设计图教程
以下是关于 AI 出设计图的教程: 使用 Midjourney 生成 UI 界面: 页面指令:指定生成某个页面(如首页、登录页等),只需添加页面指令描述,如“landing page”(登录页)、“Profile Page”(个人资料页)。 社交平台:关键词“landing page”可生成社交平台的登录页设计。 信息类:关键词“Profile Page”可生成人力资源类产品的个人资料页,包含照片、自我介绍、基本信息等内容。 Midjourney 产出的设计图视觉效果不错,适合在 APP 设计的初始阶段,如头脑风暴和风格探索中为设计师提供灵感和创意。但目前要直接用于开发仍有距离。 使用 Claude 生成设计稿的技巧: 引用 Tailwind CSS 写组件样式,确保色彩、响应式和基础组件的美观度。 按照特定的四个技巧可让 Claude 设计出美观的界面或组件。 生成设计稿的方法:将生成的代码部署到线上,使用 html.to.design 这个 Figma 插件将网页转换为设计稿,但每天免费次数有限。 进阶技巧和关键词: 图片内容一般分为二维插画和三维立体两种表现形式。 主题描述:可描述场景、故事、元素、物体或人物细节等。描述场景中的人物时应独立描述,避免长串文字,否则 AI 可能识别不到。 设计风格:可通过找风格类关键词参考或垫图/喂图,让 AI 根据给出的图片风格结合主题描述生成相应风格的图片。对于材质的描述,关键词的运用较为复杂,需要针对特定风格进行“咒语测试”。
2025-04-12
可否输入一次同时使用多个人工智能
360 于 8 月 1 日发布了集合国内 16 家主流模型的 AI 助手。用户可以通过其桌面客户端和浏览器等多个入口随时唤起,支持在同一问题上同时使用多个模型进行解答。当用户不确定选择哪个模型时,AI 助手会通过意图识别自动选择模型。您可以体验一下:https://bot.360.com
2025-01-05
可否将 coze 平台上的 bot 部署到微信小程序上?应该怎么做?
将 Coze 平台上的 Bot 部署到微信小程序上可以参考以下步骤: 1. 通过 Coze 建立定时任务,执行工作流二,并添加如分析文章和搜索文章等能力,使其成为一个消息情报官的 Agent。 2. 发布到想要的平台,如微信小程序等。 3. 登录宝塔面板,在宝塔面板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。 在宝塔面板中操作,包括添加 Docker 中的“项目模板”等。 将编译好的内容复制进来,创建容器,选择容器编排,填入模板和名称。 查看运行情况,手动刷新日志,若看到“WeChat login success”,则成功将 Bot 接入微信。 4. 记下要对接的 Coze AI Bot 的 Bot ID,在其设计界面所在的链接中获取,然后将 Bot 发布到 Bot as API 上。
2024-09-09