陪练机器人的workflow配置思路

以下为您推荐用于员工培训的陪练 AI 机器人： Coze 平台的英语陪练 AI Bot： 首先打开扣子的首页，直接点击左上角的创建 AI Bot 按钮。 在弹窗输入 Bot 的相关信息即可完成创建，接下来可细化其功能。 根据功能需求设计人设与回复逻辑。 基于需求调整模型设置，比如将对话轮数改为 20 轮。 主要使用了英文名言警句等插件。 设置开场白和预置问题，预置问题有参考价值。 最后设置 AI Bot 的语音，选择亲切的英语音色。 使用建议：直接使用豆包的语音通话方式，效果更好。 实际演示效果：包括视频演示、文字交流中的训练纠错、解读上传图片或文件的英文内容（目前支持在 Coze 端使用，豆包端暂不支持）。 试用链接：Coze 端

以下为您介绍一款 24 小时英语陪练 AI 软件： 这款软件是利用 AI 技术实现一对一英语陪练。在中国，很多人学了多年英语仍存在哑巴英语的问题，想提高口语但面临诸多困难，如没机会、不敢说、请外教费用高昂等。而现在借助 AI 发展，有了免费且随时可用的英语陪练。 使用建议：建议直接使用豆包的语音通话方式，效果更好。 实际演示效果： 视频演示：扮演英语水平较差的学习者。 文字交流中的训练纠错。 解读上传图片或文件的英文内容（目前支持在 Coze 端使用，豆包端暂不支持）。 直接试用： Coze 端使用链接：https://www.coze.cn/store/bot/7354381765919834127 豆包端使用链接：https://www.doubao.com/chat/22308348468226 教学步骤： 创建 AI Bot：首先打开扣子的首页，直接点击左上角的创建 AI Bot 按钮，在弹窗输入 Bot 的相关信息即可完成创建，然后细化其功能。 设计人设与回复逻辑：根据功能需求设计提示词。 调整模型设置：基于聊天为主的需求，建议将对话轮数记录改为 20 轮，方便训练口语考试时不忘记上下文。 插件：主要使用英文名言警句（get_one_eng_word & get_many_eng_words）随机获取英语名言，Simple OCR（ocr）识别图片中的文字。 设置开场白和预置问题：预置问题有参考价值，能满足学习需求。 设置语音：选择亲切的英语音色。

以下为您介绍一款 AI 英语陪练软件： Coze 可以免费为您提供 24 小时英语陪练服务。使用建议：建议直接使用豆包的语音通话方式，效果更好。 实际演示效果包括： 视频演示：扮演英语水平较差的学习者。 文字交流中的训练纠错。 解读上传的图片或文件的英文内容（目前支持在 Coze 端使用，豆包端暂不支持）。 直接试用： Coze 端使用链接：https://www.coze.cn/store/bot/7354381765919834127 豆包端使用链接：https://www.doubao.com/chat/22308348468226 教学步骤： 创建 AI Bot：首先打开扣子的首页，直接点击左上角的创建 AI Bot 按钮，然后在弹窗输入 Bot 的相关信息即可完成创建，接下来可细化其功能。 设计人设与回复逻辑：根据 AI Bot 的功能需求设计提示词。 调整模型设置：基于功能需求，以聊天为主的 AI Bot 建议多一些对话轮数的记录，可改为 20 轮。 插件：主要使用了英文名言警句可识别图片中的文字并返回结果。 设置开场白和预置问题：预置问题有参考价值。 设置语音：因为是英语陪练 AI Bot，选择比较亲切的英语音色。

以下是一些可以作为俄语陪练的 AI 工具： 1. 语言学习应用： Duolingo：使用 AI 个性化学习体验，根据进度和错误调整练习内容，通过游戏化方式提供词汇、语法、听力和口语练习。下载应用，选择俄语，按课程指引学习。 Babbel：结合 AI 技术，提供个性化课程和练习，重点是实际交流所需语言技能。注册账户，选择俄语课程，按学习计划学习。 Rosetta Stone：使用动态沉浸法，通过 AI 分析学习进度，提供适合的练习和反馈。注册并选择俄语，使用多种练习模式（听力、口语、阅读和写作）学习。 2. AI 对话助手： ChatGPT：可模拟对话练习，提高语言交流能力。在聊天界面选择俄语，与 AI 对话练习，询问语法、词汇等问题，模拟实际交流场景。 Google Assistant：支持多种语言，包括俄语，可进行日常对话练习和词汇学习。设置为俄语，通过语音命令或文本输入互动，练习日常用语。

以下为您介绍两款 AI 口语陪练工具： 1. Elsa Speak： 如同私人英语教练，能找出您的每一个小错误。 涵盖商务到日常等各种实用话题，如同与全球英语母语者闲聊。 帮助您摆脱死记硬背，进行实战练习。 链接：https://elsaspeak.onelink.me/rEuf/tqkeqwml 、https://x.com/xiaohuggg/status/1710613957466304792?s=20 2. Coze 英语陪练： 可以根治哑巴英语，提供 24 小时免费陪练。 建议使用豆包的语音通话方式，效果更好。 有视频演示、文字交流中的训练纠错、解读上传图片或文件的英文内容（部分功能有平台限制）。 Coze 端链接：https://www.coze.cn/store/bot/7354381765919834127 豆包端链接：https://www.doubao.com/chat/22308348468226

搭建公司内部具有数字人智能问答、AI 陪练、个人学习规划与点评、业务方案生成等功能的智慧知识平台，需要以下几个关键步骤： 1. 需求分析：明确公司的业务需求、用户群体特点以及对各个功能模块的具体要求。 2. 技术选型：选择适合的技术框架和工具，例如自然语言处理技术、机器学习算法、数据库管理系统等。 3. 数据准备：收集和整理大量的相关数据，包括业务知识、常见问题、员工学习资料等，并进行数据清洗和预处理。 4. 数字人智能问答模块：利用自然语言处理技术和深度学习模型，训练数字人能够理解用户的问题并提供准确的回答。 5. AI 陪练模块：设计有效的训练场景和算法，让 AI 能够与员工进行互动式的陪练，提供反馈和指导。 6. 个人学习规划与点评模块：根据员工的学习历史和能力水平，制定个性化的学习规划，并能够对学习成果进行点评和建议。 7. 业务方案生成模块：基于公司的业务数据和需求，利用数据分析和生成模型，为用户提供可行的业务方案。 8. 系统集成与测试：将各个模块集成到一个统一的平台中，并进行充分的测试，确保系统的稳定性和功能的完整性。 9. 用户培训与推广：对员工进行系统使用的培训，提高用户的接受度和使用率。 10. 持续优化：根据用户的反馈和实际使用情况，不断优化和改进平台的功能和性能。

AI workflow 和 Agent 在企业中的应用价值和场景各有特点。 Agentic Workflows 具有以下优势： 1. 灵活性、适应性和可定制性：能够根据任务难度进行调整和演变，通过组合不同模式实现定制，在需求和复杂性增长时进行迭代升级。 2. 在复杂任务上的性能提升：将复杂任务分解为更小、可管理的步骤，显著优于确定性的零样本方法。 3. 自我纠正和持续学习：能够评估自身行为，完善策略，从过去经验中学习，在每次迭代中变得更有效和个性化。 4. 操作效率和可扩展性：可以高精度自动化重复任务，减少人工操作和运营成本，还能轻松扩展。 Agentic Workflow 的应用场景包括原子设计模式的组合、与人类反馈循环集成等。例如，Agentic RAG 在检索增强生成流程中引入了一个或多个 AI Agents，在规划阶段可进行查询分解等操作，还能评估数据和响应的相关性和准确性。 一般来说，Workflow 是一系列旨在完成特定任务或目标的相互连接的步骤。最简单的工作流是确定性的，遵循预定义步骤序列。有些工作流利用大模型或其他 AI 技术，分为 Agentic 和非 Agentic 两类。非 Agentic 工作流中，大模型根据指令生成输出。Agentic Workflow 是由单个或几个 AI Agents 动态执行的一系列连接步骤，被授予权限收集数据、执行任务并做出决策，利用 Agents 的核心组件将传统工作流转变为响应式、自适应和自我进化的过程。 综上所述，不能简单地说 AI workflow 在企业中比 Agent 应用价值和场景更多，这取决于企业的具体需求和任务特点。

智能体（Agent）和工作流（Workflow）的定义及区别如下： 智能体（Agent）： 可以有多种定义。一些客户将其定义为能够长期独立运行的全自动系统，可使用各种工具完成复杂任务。 在 Anthropic 中，智能体是由 LLM 动态指导自身流程和工具使用的系统，能够自主控制任务完成方式。 工作流（Workflow）： 是通过预定义代码路径来编排 LLM 和工具的系统。 每个组块可以看成是一个函数，其中混杂了传统函数、调用第三方服务的函数和基于 LLM 的函数。 总的来说，智能体更强调 LLM 对自身流程和工具使用的动态指导和自主控制，而工作流则更侧重于通过预定义的代码路径来编排 LLM 和工具。

AI Agent 和 Agentic Workflow 存在以下区别： AI Agent： 基本框架：由“LLM + 规划 + 记忆 + 工具使用”构成，大模型 LLM 充当“大脑”。 规划方面：包括子目标分解、反思与改进，将大型任务分解为较小可管理的子目标，能对过去行动进行自我批评和反思，从错误中学习并改进未来步骤。 记忆方面：用于存储和调用相关信息。 Agentic Workflow： 驱动角色工作流变革：使用多智能体协作的方法，让不同角色的 Agent 按照任务要求自主规划选择工具、流程进行协作完成任务。 涉及人机协同关系：生成式 AI 的人机协同分为嵌入式、副驾驶、智能代理 3 种产品设计模式，在不同模式下，人与 AI 的协作流程有所差异。 重塑获取信息的方式：如搜索引擎和基于大模型的聊天机器人在获取信息上目标一致，ChatGPT 的出现被认为将对传统搜索引擎带来颠覆。 包含多种设计模式：如反思、工具使用、规划、多智能体协同等。反思是让 Agent 审视和修正自己生成的输出；工具使用指 LLM 生成代码、调用 API 等工具进行操作；规划是让 Agent 分解复杂任务并按计划执行；多智能体协同是多个 Agent 扮演不同角色合作完成任务。

智能体（Agent）和工作流（Workflow）的区别主要体现在以下几个方面： 1. 定义和功能： 智能体是由 LLM 动态指导自身流程和工具使用的系统，能够自主控制任务完成方式。 工作流是通过预定义代码路径来编排 LLM 和工具的系统。 2. 运行方式： 智能体可以长期独立运行，是全自动的系统，能使用各种工具完成复杂任务。 工作流中的子任务是人为编排的，属于手动编排。 3. 组成和特点： 工作流中的每个组块可以看成是一个函数，包括传统函数、调用第三方服务的函数和基于 LLM 的函数。由这三类函数组合而成的工作流被称为超函数，它不同于传统函数，形式上是用自然语言编写的程序，功能上可以模拟人的高阶思维。 智能体在架构上与工作流有所区分，其更强调自主性和动态性。 在实际应用中，工作流的灵活性和可控性能够将智能体能力的天花板往上顶一大截，例如可以在流程中加入人类 Knowhow、进行专家测试试跑、引入图的概念灵活组织节点等。评价一个 Agent 平台好不好用，可以从基座模型的 function calling 能力、workflow 的灵活性以及平台创作者的 workflow 编写水平等方面考量。

ComfyUI 的工作流主要包括以下内容： 低显存运行工作流：目的是让 FLUX 模型能在较低显存情况下运行。分阶段处理思路为，先在较低分辨率下使用 Flux 模型进行初始生成，然后采用两阶段处理，即先用 Flux 生成，后用 SDXL 放大，有效控制显存使用，最后使用 SD 放大提升图片质量。工作流流程包括初始图像生成（Flux）阶段的 UNETLoader 加载 flux1dev.sft 模型、DualCLIPLoader 加载 t5xxl 和 clip_l 模型、VAELoader 加载 fluxae.sft 等步骤，以及图像放大和细化（SDXL）阶段的 CheckpointLoaderSimple 加载 SDXL 模型、UpscaleModelLoader 加载 RealESRGAN_x4.pth 用于放大等步骤。 工作流相关网站： Openart.ai：流量较高，支持上传、下载、在线生成，免费账户有 50 个积分，加入 Discord 可再加 100 积分，开通最低每月 6 美元套餐后每月有 5000 积分。 ComfyWorkflows 网站：支持在线运行工作流，实际下载量和访问量略少于 openart。 Flowt.ai：https://flowt.ai/community 提示词自动生成 ComfyUI 工作流：英伟达整了个花活，通过画图提示词自动生成匹配的 ComfyUI 工作流，命名为 ComfyGen（comfy 生成器），目前仅支持文生图模型。英伟达称其可以生成高质量的图并泛化到其他领域，做了对比测试，效果基本一致甚至更符合人类对提示词的判断和理解，与 C 站上人类写的提示词对比效果略胜一筹，但项目未开源。

以下是一些关于 workflow 的著名论文或相关内容： 1. 5 月 9 日艾木分享的《Workflow》，其中包含关于 workflow 的理论探讨、对 AGI 的正确理解与思考、如何客观看待大语言模型的基础表现、人工智能在编程领域的应用及挑战、从提示词工程到 flow 工程：AI 在代码生成领域的研究与应用、人工智能在开源项目测试集中的表现与工作流的重要性、关于 workflow 的介绍与案例演示等内容。 2. 艾木的《如何用 Coze 制作一个信息检索 Bot（含 Workflow 的基础用法）》，提到 Coze 的 Workflow 为制作 Agents/Bots 提供很大的灵活性和便捷性，对 Workflow 中的函数进行了分类，并提出了超函数（Hyperfuction）的概念。 3. 2024 年 8 月 20 日的更新中，有《[AI Agent 产品经理血泪史（二）欲知方圆，则必规矩【Workflow 篇】》，聚焦于工作流（Workflow）在 AI 智能体中的重要性，回顾了集成平台的演变，探讨了工作流在自动化和手动编排中的应用以及如何提升灵活性以应对不断变化的需求。 4. 还有《[张梦飞：【全网最细】从 LLM 大语言模型、知识库到微信机器人的全本地部署教程》和《[ComfyUI 工作流：黑猴子悟空换脸报错解决大法》等相关内容。

以下是关于社群机器人的相关内容： 制作 Coze 社群机器人的大致流程看似步骤繁多，但由于 Coze 本身的设计和强大的社区力量，实际操作并不复杂，关键是要“迈出第一步”。在制作过程中，与社区成员设计方案时的深入讨论、在 Coze 平台上灵活组装功能时的高效畅快以及在不断调试优化中见证机器人成长，都充满乐趣。未来会有更多社区加入制作社群机器人的行列，让更多人感受 AI 智能体的魅力，那时的社群机器人不仅是助手，更是凝聚社区集体智慧的伙伴。目前的社区机器人还有不足，作者会继续优化，看其能否更好地服务社区。 如果对学习 Coze 和 AI Agent 有兴趣，可以加入免费的 AI Agent 共学群，该群组会基于 WaytoAGI 社区等高质量信息源分享相关玩法、经验和前沿资讯。可搜索微信号 Andywuwu07 或扫描二维码加微信，备注 AI 共学以便被拉入群。 此外，以综合服务的社群机器人为例，一个好的文章或复杂任务不是一次 AI 工作就能完成的，需要任务拆解，比如对用户问题做意图判断，根据意图将线路转接到正确的专属 AI 机器人那里，整个过程称为工作流，通过搭建工作流来完成复杂任务。

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。

以下是搭建微信机器人的步骤： 1. 登录成功后，找另一个人私聊或者在群中@您，就可以看到机器人的正常回复，此时表示已通。 2. 如果想为这个 AI 赋予提示词，可以返回相应步骤进行更改。例如在“目录 4 里的第 17 步”或“第三章，第 7 步”，其中双引号内的 value 部分，便是设置 AI 提示词的地方。 3. 此后，进行任何更改，都需要重新打印登陆二维码。并且一个月内，不要上来就加好友、最好不要私聊聊天。 4. 报错"wxsid"是因为微信未实名，实名即可解决。 5. 如果没有手机登录，可以使用夜神模拟器模拟手机登录。 6. 重新在“文件”的【终端】里，直接输入 nohup python3 app.py&tail f nohup.out 重新扫码登录。 7. 多次重新登录后，就在宝塔“首页右上角点击重启，重启一下服务器”，清理进程。 8. 熟悉 linux 操作的话，也可以通过重启进程的方式来重启服务。 9. 如果想退出机器人，在手机微信上找到桌面版已登录的信息，点击退出桌面版即可。 此外： 1. Link AI 提供的 100 个，合计 3500 万 GPT3.5 Token 的礼品码。可以用来实现画图、搜索、识图等功能，COW 插件里几乎都支持使用 LinkAI 平台。完成机器人搭建，机器人拉群里，领兑换码。 2. 添加微信，拉您进机器人群，先行体验。 如果您仍旧遇到问题，可以先查询社区知识库，或者加“通往 AGI 之路”群，社区小伙伴们会尽力帮助。也可以加 Stuart 个人微信询问。

创建飞书 AI 机器人的步骤如下： 1. 工作流搭建： 打开 Comfyui 界面后，右键点击界面，即可找到 Comfyui LLM party 的目录，您既可以学习如何手动连接这些节点，从而实现一个最简单的 AI 女友工作流，也可以直接将工作流文件拖拽到 Comfyui 界面中一键复刻。 2. 飞书机器人创建： 飞书应用建立： 在中创建自建应用。 进入应用获取 app_id 与 app_secret。 添加应用能力>开启机器人应用能力。 权限管理>消息与群组>选择需要的权限打开。 安全设置>将 comfyUI 运行的电脑 IP 加入白名单。 发布机器人以应用生效。 获取群组或用户 id： 要先把创建的机器人拉到群组中或者拉进私聊。 飞书开发平台找到发送消息的开发文档。 右侧点击获取 token。 选择 receive id type，chat_id 对应群组，open_id 与 user_id 对应个人，点击选择成员，复制对应的 id 即可。 如果需要让机器人发送语音，需要自行在电脑上安装 ffmpeg 。

微信机器人的配置步骤如下： 1. sum4all 配置 进入插件目录：/root/chatgptonwechat/plugins 找到 sum4all 插件目录下的 config.json.template，复制并粘贴重命名为：config.json 注册并获取 sum4all key：https://pro.sum4all.site/register?aff=T6rP ，新用户注册有送免费额度，大家先使用这个进行试用，后续可改为自己的 openAI key。 把复制的 key，粘贴到 sum4all 的 config.json 文件内。（上方有功能阐述，你想要哪个，就把哪个改成 ture） 2. Apilot 配置 进入插件目录：/root/chatgptonwechat/plugins 找到 Apilot 文件下的 config.json.template，复制并粘贴重命名为：config.json 去 https://admin.alapi.cn/account/center 注册，并复制 key 把复制来的 key，粘贴进入。保存。 3. 分段对话配置替换 找到这个路径：/root/chatgptonwechat/channel/wechat，直接下载以下文件进行替换。 此外，微信的配置相对较简单，只需要主项目的 config.json 文件看看是否有"channel_type"参数，参数值为："wx"，即："channel_type":"wx"。完成以上所有配置部分后，可以准备启动步骤了： 使用 nohup 命令在后台运行程序。 执行完启动脚本，等待 30s 左右，会看到终端有一个微信登录的二维码，微信扫码登录。 如果您想使用更多辅助功能，比如使用总结文件能力，总结网页内容能力，此时需要安装各种插件。这部分配置查看插件配置管理部分。

利用飞书多维表格做一个类似于客服机器人，可以按照以下步骤进行： 1. 创建一个拟人化的 bot，比如起名叫青青，设定其为人设是一个可爱有趣的少女，擅长回答各种刁钻的问题。完成 BOT 捏好后点击发布。 2. 发布时配置飞书多维表格： 输出为文本时，第一步配置为文本。 配置多维表格输入表单，选择用控件的字段选择器，给字段标题随便起个名字如“question”。 在完善捷径的商家信息这里，可以选择全量发布，也可以选择仅自己可用。为了审核快一些，可以选择仅自己可用。等审核通过之后，就可以在飞书多维表格里面看到发布成功。 3. 还可以探索字段捷径的各种玩法（不含 bot），比如直接创建一个多维表格，第一列是几个成语，第二列是 AI 字段捷径生成的对成语的解释。左边输入一列，比如一列成语，右边配置 AI 字段。 此外，还有一些相关信息供您参考： “Show Me 扣子 AI 挑战赛大消费行业专场圆满落幕，探索 AI 与大消费行业的深度结合”中提到了一些相关作品，如帮助企业快速建立产品智能客服体系、ERP 高智版：扣子销售订单管理大师、亚马逊商品评论智析、AI 电商设计师等。 2024 年历史更新（归档）中包含了关于飞书多维表格字段捷径配置 COZE 的 BOT 青青的相关内容。

以下是新手学习 AI 的完整步骤流程： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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，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，通过实践巩固知识，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。 此外，以“Windsurf 零基础开发”为例，AI 开发网站的操作步骤如下： 1. 开发目标：以“Windsurf 学习共创社区”为例，借助 AI 能力快速构建现代化 Web 应用。 2. 技术选型：Vue + TypeScript。 3. 目标用户：零基础开发学习者。 4. 参考项目：Cursor101。 5. 开发流程： 需求分析与代码生成。 环境配置自动化。 问题诊断与修复。 界面优化与细节打磨。 功能迭代与完善。 在开发过程中，输入需求让 windsurf 进行 code，它会将开发思路讲解并给出环境命令，可能会出现报错，将报错信息返回给 cascade，经过自动检查后修复 bug，不断优化细节，如优化导航栏和首页，插入细节图片等。

很抱歉，您提供的知识库内容中没有与光伏业务中财务工作与 AI 结合进行业务赋能的参赛方案框架相关的信息。但以下是为您生成的一个可能的参赛方案框架示例： 一、整体参赛方案思路 本次参赛方案旨在探索如何将 AI 技术应用于光伏业务中的财务工作，以实现更高效、精准和智能化的业务赋能。通过深入分析光伏行业的特点和财务工作的需求，结合先进的 AI 技术，提出创新的解决方案，提升财务工作的效率和质量，为公司的光伏业务发展提供有力支持。 二、光伏财务业务与 AI 结合的具体方向 1. 财务预测与分析 利用机器学习算法对光伏项目的成本、收益进行预测，为投资决策提供数据支持。 分析市场趋势和政策变化对财务状况的影响，提前制定应对策略。 2. 风险评估与管理 运用大数据和人工智能技术，对光伏项目的风险进行实时监测和评估。 建立风险预警模型，及时发现潜在的财务风险。 3. 成本优化与控制 通过智能算法优化供应链管理，降低采购成本。 分析生产过程中的能耗数据，实现成本的精细化控制。 4. 财务报表自动化生成与审计 利用自然语言处理技术自动生成财务报表，提高工作效率。 运用 AI 辅助审计，提高审计的准确性和效率。 三、展示方案大致框架 1. 项目背景与目标 介绍光伏行业的发展现状和公司的业务情况。 阐述将财务工作与 AI 结合的目标和意义。 2. 技术方案与实现 详细介绍所采用的 AI 技术和算法。 展示技术方案的实现过程和关键步骤。 3. 应用案例与效果 分享实际应用案例，展示 AI 在财务工作中的具体应用场景。 分析应用效果，如成本降低、效率提升、风险控制等方面的成果。 4. 未来展望与挑战 展望 AI 在光伏财务领域的未来发展趋势。 探讨可能面临的挑战及应对策略。 5. 总结与结论 总结方案的核心内容和创新点。 强调对公司光伏业务的价值和贡献。 以上框架仅供参考，您可以根据实际情况进行进一步的细化和完善。

以下是二次元与 AI 结合变现的一些思路： 1. 以 API 形式链接 Zion 和 Coze，为 dify、kimi 等大模型和智能体制作收费前端。您可以参考相关教程，如： 2. 自定义配置变现模版的 UI 交互、API、数据库等拓展功能，支持在 Zion 内自由修改，可参考文档配置。相关链接如下： 支付： Actionflow： 权限： 代码组件： 3. 微信小程序变现模版正在开发中，不久将会上线。目前实现小程序端可以通过 API 形式搭建。 4. Zion 支持小程序、Web、AI 行为流全栈搭建，APP 端全栈搭建 2025 上线。 在摊位信息方面，有以下与二次元和 AI 结合的示例： 1. 乐易科学院：通过 AI 的技术，结合量子、暗物质、天体运行规律等能量形式，从科学、物理学、天文学、心理学等方面讲解国学和传统文化。可以通过技术方式批八字、调风水、进行性格色彩分析，让每个人找到方向，成为更好的自己。摊位区域为 C，编号 27，类型为玄学+科学。 2. AIGC 策划程序美术（3AI 简称 3A 游戏）应用独立游戏开发，摊位区域为 C，编号 76，类型为游戏宣传。 3. AI 人像摄影绘画，摊位区域为 C，编号 77，类型为照片。 4. 主题是：B2B AI 营销与 AI 落地项目快速落地，涵盖 3 个方向： AI 训练 to b，出应用，智能体 agent，文生图生视频都涉及。 美国独立站搭建，工作流给模特戴上珠宝饰品。 Google seo 与 AI 结合。 在 AI 原画设计方面，Niji·journey 5 是一款在二次元领域表现出色的绘画 AI 工具。二次元作品具有较高的规律性，角色、场景和物品往往有明显的风格特征和设计规律，AI 能够更容易地从海量训练数据中学习和总结这些规律。同时，二次元角色设计更注重创意和审美，而非真实世界的物理规律，这使得 AI 在设计过程中可以专注于发挥其“想象力”和“创造力”。

以下是关于 AI 绘画提示词的思路和模板的相关内容： 提示词模板的相关网站： 1. Majinai： 2. 词图： 3. Black Lily： 4. Danbooru 标签超市： 5. 魔咒百科词典： 6. AI 词汇加速器： 7. NovelAI 魔导书： 8. 鳖哲法典： 9. Danbooru tag： 10. AIBooru： 描述逻辑： 通常的描述逻辑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）。 辅助工具和方法： 1. 利用相关功能型辅助网站，如 http://www.atoolbox.net/，通过选项卡方式快速填写关键词信息。 2. 参考 https://ai.dawnmark.cn/，其每种参数有缩略图可参考，更直观选择提示词。 3. 去 C 站（https://civitai.com/）抄作业，每张图有详细参数，可复制粘贴到正向提示词栏，注意图像作者使用的大模型和 LORA，也可选取部分好的描述词，如人物描写、背景描述、小元素或画面质感等。 在制作游戏 PV 时的应用： 1. 在故事背景创作阶段，结合 chatGPT 发散制作游戏背景世界观，针对话术改进故事，筛选满意的故事框架内容优化。 2. 引导 ChatGPT 用分镜形式描述。 3. 使用 new bing 共创的故事分镜。 4. 利用 ChatGPt 制作 midjourney 提示词工具，使用生动感性术语和具体细节描述场景，告知 MJ 格式后进入 midjourney 绘图，包括制作 logo。 5. 统一 MJ 风格描述词，建立 AI 描述词模板，根据不同内容更换（如视角、景别、情绪词、画面色调），生成不同画面，提高效率和统一性。 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，查看加入标准提示词后的效果。

RAG（RetrievalAugmented Generation，检索增强生成）是一种结合检索和生成能力的自然语言处理架构，旨在为大语言模型（LLM）提供额外的、来自外部知识源的信息。 LLM 需要 RAG 进行检索优化的原因在于其存在一些缺点： 1. LLM 无法记住所有知识，尤其是长尾知识，受限于训练数据和学习方式，对长尾知识的接受能力不高。 2. LLM 的知识容易过时且不好更新，微调效果不佳且有丢失原有知识的风险。 3. LLM 的输出难以解释和验证，存在黑盒不可控以及受幻觉等问题干扰的情况。 4. LLM 容易泄露隐私训练数据。 5. LLM 规模大，训练和运行成本高。 RAG 具有以下优点： 1. 数据库对数据的存储和更新稳定，不存在学不会的风险。 2. 数据库的数据更新敏捷，可解释且不影响原有知识。 3. 数据库内容明确、结构化，加上模型的理解能力，能降低大模型输出出错的可能。 4. 知识库存储用户数据便于管控用户隐私数据，且可控、稳定、准确。 5. 数据库维护可降低大模型的训练成本。 在优化 RAG 性能方面，对于向量化基本平权的情况，可引入来源机制进行改进，对向量化的数据进行综合评分，如相似度置信度等，然后再进行 rebank。特别是对于私有化数据，业务方清楚数据的置信度，有优化空间。

以下是一些关于使用 DeepSeek 的创业思路： 1. 将 Agent 封装成 Prompt，并将 Prompt 储存在文件中，以保证最低成本的人人可用，同时减轻调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计阈值系统，后续根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而非 Lisp（有难度）和 Markdown（运行不稳定）。 用户对 DeepSeek 的使用场景包括但不限于： 1. 脑爆活动方案。 2. 生成会议纪要和方案，稍加修改即可呈现高质量的会议总结。 3. 本地搭建超级 AI 助手。 4. 与飞书结合批量处理客户评论。 5. 分析总结复盘内容。 6. 生成专业专用软件详细使用过程。 7. 写课程方案、做产品最小 MVP、做创业想法梳理。 8. 检索资料搜索。 9. 编程，推荐装机硬件。 10. 写小说大纲和细纲，系统查资料，评估买车等。 11. 做雷达算法框架、自媒体公众号文章。 12. 批处理，完成原型设计，产品深度思考，勾画 MVP 关键点，评估。 13. 做项目工作。 14. 教小朋友学英语。 15. 学习量化交易。 16. AI 咨询，为企业赋能。 17. 自动提醒团队形成。 18. 结合飞书多维表格+DeepSeek 搭建创业软件小助手，一句话生成软件落地方案。 19. 解决数学建模的解题思路。 20. 问诊推荐感冒中成药。