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

我想要学习prompt，请你推送10篇知识库相关文章给我

Answer

以下是 10 篇与 prompt 相关的知识库文章：

  1. LangGPT 社区年度分享：AI 交流的艺术
  2. 系统论述文章：构建高性能 Prompt 之路—结构化 Prompt
  3. 如何让 LLM 应用性能登峰造极
  4. Prompt 进阶—提示链（Prompt Chain）和多提示词协同
  5. Agents 基石|提示词结构化方法论和实践
  6. 提示工程培训：入门到精通系列课程
  7. 从原理到应用一次讲清楚 Prompt
  8. Prompt 到底是什么?为什么我们坚信 Prompt 是未来?
  9. 13 条咒语挖掘 GPT-4 最大潜力，Github 万星 AI 导师火了，网友：隔行再也不隔山了
  10. 如何计算 token
Content generated by AI large model, please carefully verify (powered by aily)

References

云中江树- LangGPT 提示词

[1.LangGPT社区年度分享：AI交流的艺术](https://waytoagi.feishu.cn/wiki/YTnWwiGFZi37wqkzjvjcwuown7b?table=tblp81WDObH3I20H&view=vewM2PB3Iu)[2.系统论述文章：构建高性能Prompt之路—结构化Prompt](https://waytoagi.feishu.cn/wiki/OsEowcI67i6UBMk5ztac4Tsrned?table=tblp81WDObH3I20H&view=vewM2PB3Iu)[3.如何让LLM应用性能登峰造极](https://waytoagi.feishu.cn/wiki/LSlHw3FbWiNZupkBOVXcl7aVnrf)[3.Prompt进阶—提示链（Prompt Chain）和多提示词协同](https://waytoagi.feishu.cn/wiki/LOt0wYe5jiqbP0kafxqcWta2nnL?table=tblp81WDObH3I20H&view=vewM2PB3Iu)[4.Agents基石|提示词结构化方法论和实践](https://waytoagi.feishu.cn/wiki/UIhhwy31bifLL5knakfcAn00nMg)[5.提示工程培训：入门到精通系列课程](https://waytoagi.feishu.cn/wiki/NzStwHsNei0LqPkzWGocja90nPd?table=tblp81WDObH3I20H&view=vewM2PB3Iu)

从原理到应用一次讲清楚 Prompt

原创小宝聊AI小宝聊AI 2024-01-30 00:12发表于浙江小宝聊AI十年大厂架构师，专注于大模型技术和应用29篇原创内容公众号本文长度5000字阅读时长预计需要20分钟本文目录一、什么是Prompt二、用更加专业的方式定义Prompt三、用数学来理解Prompt四、NLP发展的四大范式五、为什么Prompt可以减少幻觉六、Open AI()提供的最佳实践七、可以直接使用Prompt的关键框架八、为什么使用框架的效果好[heading2]1、什么是Prompt[content]简单来说，其实是一套你和大模型交互的一种语言模板。通过这个模版，你可以输出你对于大模型响应的指令，用于大模型应该具体做什么指定，完成什么任务，如何处理具体的任务，并最终输出你期望的结果。虽然大模型具有基础的文字能力，能够理解你对于模型说的大部分话，但是为了达成大模型更好的回答效果，需要通过Prompt，来提升模型返回的准确性。如果说，过去的时代，人机交互的主要方式是通过代码，那么我认为在大模型时代，交互语言的主要方式其实是Prompt。[heading2]2、用更加专业的方式定义[content]Prompt大模型的本质是一个基于语言的概率模型，他返回他觉得概率最大的内容。如果是直接问大模型，没有提供Prompt，相当于大模型随机给出他的答案。有了Prompt，其实是给了一个模板，这个模板包括了对于模型的要求，输入和输出的限制，大模型在这个限制之下，去得到概率最大的答案。

目录：最佳实践 ?

收录几篇不错的prompt文章|多行文本|标签|备注|附件|链接||-|-|-|-|-||Prompt到底是什么?为什么我们坚信Prompt是未来?||||[https://mp.weixin.qq.com/s/sNke1pBvI-qNgP3193d45g](https://mp.weixin.qq.com/s/sNke1pBvI-qNgP3193d45g)||13条咒语挖掘GPT-4最大潜力，Github万星AI导师火了，网友：隔行再也不隔山了||||[https://mp.weixin.qq.com/s/BJpGQE4SWPBC8Ncha8XaIA](https://mp.weixin.qq.com/s/BJpGQE4SWPBC8Ncha8XaIA)||如何计算token||||[https://github.com/openai/openai-cookbook/blob/main/examples/How_to_count_tokens_with_tiktoken.ipynb](https://github.com/openai/openai-cookbook/blob/main/examples/How_to_count_tokens_with_tiktoken.ipynb)|[heading1]子页面目录

Others are asking
再给我10个上述例子
以下为 10 个例子： 1. 教程|可视化 CapsNet，详解 Hinton 等人提出的胶囊概念与原理：我们的目标是预测 10 个不同的数字（0 到 9），不是预测实际图片而是描述图片的向量。有 32 个胶囊层，每个胶囊层有 36 个胶囊，总共有 1152 个胶囊。每个胶囊与每一个类别的权重矩阵相乘，最终得到 11520 个预测值的列表，每个预测是 16 维向量。 2. 塔罗牌 MJ v6 出图（10 种）：包括“coffee tarot cardar 9:16”“Golden virgo logo illustration,celestial card,Virgo,tarot style illustrationar 9:16”等多种不同风格和要求的描述。 3. GPT 的现状（State of GPT）：在训练 GPT 助手时，将文档打包成行，用特殊的文本结束 token 分隔，输入到 transformer 中。绿色单元格会查看前面所有 token，transformer 尝试预测下一个 token，可根据预测结果更新 transformer 权重。 4. 教程|可视化 CapsNet，详解 Hinton 等人提出的胶囊概念与原理：胶囊层和胶囊数量众多，计算胶囊与权重矩阵的乘积获得预测结果，权重矩阵的维度和预测结果的维度都有特定的设定。 5. 塔罗牌 MJ v6 出图（10 种）：涵盖各种不同的塔罗牌设计描述，如“the sun tarot black and white sketchar 5:7”“back of tarot card,white,elegant,clean lines,fantasy art,black and white,simple,line drawingar 5:7”等。 6. GPT 的现状（State of GPT）：在训练中，transformer 会对序列中的下一个 token 进行预测，词汇表大小决定了概率分布的数量，通过不断调整权重以提高预测准确性。 7. 教程|可视化 CapsNet，详解 Hinton 等人提出的胶囊概念与原理：预测过程涉及大量的计算和矩阵运算，每个胶囊都要与多个类别的权重矩阵相乘。 8. 塔罗牌 MJ v6 出图（10 种）：不同的描述体现了丰富多样的塔罗牌创意和风格，如“zodiac cards batch,magic frame with esoteric patterns and mystic symbols,sun and moon sorcery,vectorar 1:2stylize 750”。 9. GPT 的现状（State of GPT）：训练 GPT 助手时，会并行处理每个单元格的预测，不断交换批次以优化 transformer 的权重。 10. 塔罗牌 MJ v6 出图（10 种）：如“Generate exact text\"Capricorn\"in a font that reflects the ambitious,grounded,and fantastical qualities associated with the Capricorn zodiac sign,suitable for a Dark Fantasystyle Tarot card image with a transparent background.ar 9:16stylize 250”等独特的设计要求。
2025-04-14
公共议题:AI如何助力HR业务? 研讨目标： 深入理解:深入探讨 AI在人力资源管理领域的应用、薪酬管理、员工关系、公司文化、包括人才获取与配置、学习与发展、组织与人才培、HR共享与HRIS等各模块的可应用场景 机会识别与场景落地:基于组织现状，识别出业务价值高、可落地的 A 应用场景; 研讨成果(输出物)： 请输出10个业务价值高、具备可行性的AI应用场景介绍，并说明what(场景是什么)、why(为什么值得做)、How(如何落地);
以下是为您生成的 10 个业务价值高、具备可行性的 AI 应用场景介绍： 1. 人才招聘与筛选 What：利用 AI 技术对求职者的简历进行自动筛选和分析，评估其与岗位的匹配度。 Why：节省 HR 大量的时间和精力，提高招聘效率和准确性。 How：通过自然语言处理和机器学习算法，训练模型识别关键信息和技能。 2. 员工培训与发展 What：根据员工的技能水平和职业发展目标，定制个性化的培训计划。 Why：提升员工的能力和绩效，增强员工对企业的忠诚度。 How：利用大数据分析员工的工作表现和学习需求，推荐相关课程和学习资源。 3. 薪酬福利管理 What：运用 AI 预测市场薪酬趋势，为企业制定合理的薪酬策略。 Why：保持企业薪酬的竞争力，吸引和留住优秀人才。 How：收集和分析行业薪酬数据，结合企业的财务状况和战略目标进行优化。 4. 员工绩效评估 What：借助 AI 实时监测员工的工作表现，提供客观的绩效评估。 Why：减少人为偏差，确保评估的公正性和准确性。 How：利用工作流程数据和行为分析模型进行评估。 5. 员工关系管理 What：通过 AI 分析员工的情绪和满意度，及时发现问题并解决。 Why：营造良好的工作氛围，提高员工的工作积极性和创造力。 How：使用情感分析技术处理员工的反馈和交流信息。 6. 组织架构优化 What：利用 AI 分析企业的业务流程和人员配置，提供组织架构调整建议。 Why：提高企业的运营效率和灵活性，适应市场变化。 How：基于数据分析和模拟优化算法进行评估和推荐。 7. 人力资源规划 What：根据企业的战略目标和业务发展预测人力资源需求。 Why：提前做好人才储备和招聘计划，保障企业的正常运营。 How：运用数据分析和预测模型进行规划。 8. 企业文化传播 What：使用 AI 生成个性化的企业文化宣传内容，提高传播效果。 Why：增强员工对企业文化的认同感和归属感。 How：利用自然语言生成技术和个性化推荐算法。 9. 智能客服 What：在 HR 服务中引入 AI 客服，解答员工常见问题。 Why：快速响应员工需求，提高服务质量。 How：训练智能客服模型，涵盖常见的 HR 问题和解决方案。 10. 人才库管理 What：利用 AI 对人才库进行分类和更新，提高人才库的利用效率。 Why：方便快速找到合适的人才，降低招聘成本。 How：运用数据挖掘和分类算法进行管理。
2025-04-14
给我提供一份清华大学104页的deepseek从入门到精通的手册的链接
以下是为您找到的与清华大学 DeepSeek 相关的一些资料链接： https://pan.quark.cn/s/56e2713e95f4 https://docs.qq.com/doc/DSG9SWFpjVXI3aHZ1 清华大学 104 页的 DeepSeek 从入门到精通的手册：https://waytoagi.feishu.cn/record/FjWorH （2 月 11 日更新附录）
2025-04-11
给我提供一份清华大学104页的deepseek从入门到精通的手册
以下是为您整合的相关信息： 清华大学出品了《DeepSeek：从入门到精通》的指南，该指南详细阐述了 DeepSeek 的功能，如智能对话、文本生成、代码生成、自然语言理解等，并探讨了其使用方法，包括推理模型与通用模型的区别、提示语设计策略等，旨在帮助用户更好地掌握这一 AI 工具的使用，提升工作效率和创新能力。您可以通过以下链接获取：https://waytoagi.feishu.cn/record/QAURr4CNGeJ5GIcvU0nc9X3dndg 。 此外，还有一些相关的更新和资料，如 2 月 11 日更新附录的清华大学 104 页 Deepseek 从入门到精通、1 月 21 日更新热门 AI deepseek 推荐及案例征稿通知、1 月 14 日更新爱好者交流 g 群和微信群、12 月 30 日更新案例 24,25,26 等。 同时还有关于 AI 赋能教学的课程实施流程及案例亮点等内容，如利用 AI 生成开放性问题引发深度思考、通过多维数据分析支持全面客观的判断、通过辩论提升批判性思维和表达能力等。
2025-04-11
雪梅may的100天AI学习笔记
以下是关于雪梅 May 的 100 天 AI 学习笔记的相关内容： 作者介绍： 适合人群：适合纯 AI 小白，可参考日记了解学习路径。 学习模式：输入→模仿→自发创造。若对费曼学习法没自信，可尝试此模式。 学习内容：日记中的学习内容可能因 AI 节奏快而不适用，可去 waytoAGI 社区找感兴趣的最新内容。 学习时间：在半年多时间跨度中，有空时学习，并非每天依次进行。 学习状态：2024 年保持较好状态，不仅学 AI，还看了 33 本书。 费用情况：学习资源免费开源。 第九阶段：学以致用，开源分享 May 花时间复盘过去半年的学习日记，有很棒的发现。 学习路径：迈出第一步→大量学习输入→疯狂模仿→开始自己创造→学的越来越宽越来越杂→积累量变产生质变→开始分享。 特别是学习 coze 的路径：输入→模仿→自发创造，是真实实践得出的规律。 虽费曼学习法主张教会别人是最好学习方式，但开始时自学、输入为主。 现在有分享自信，写学习日记和感受已是分享，后续会有更多分享。 第十一阶段：寻找继续坚持下去的动力 从 24 年 5 月到 25 年 2 月，学完 100 天，仍未找到明确深耕方向。 学习中易遇瓶颈，需找正反馈，开源学习日记获加油是一种方式，还需更好的正反馈继续坚持。
2025-04-08
2024年10月的AIPO活动相关云文档在哪儿？
以下是与 2024 年 10 月的 AIPO 活动相关的云文档： ：包含关于 AI 模型训练的介绍与讲解，如 Eagle 插件批量收藏 3D 图表、不同步数训练时间、使用 MZ 数据集训练 Flux、云服务器训练流程、训练集收集要求、训练模型的时机、角色一致性表现、云服务器训练集设置、模型训练参数设置、模型训练启动与等待等内容。 》，列举了美国融资金额超过 1 亿美元的 AI 公司。 ：包含 2024 年 10 月 24 日娜乌斯佳：AIGC 商业片落地经验分享等多个日期的智能纪要。
2025-03-28
PromptEnhancer
以下是关于 PromptEnhancer 的相关信息： PromptEnhancer 是一款自动生成/优化 prompt 的工具。 在对最流行的“AI 提示生成器”的比较分析中，针对“作为一名 IT 学生，为我的高级项目提出想法；我想要关于学生帮助大学学生的想法”这一测试种子提示，PromptEnhancer 在实验中的成绩为 4 胜 0 负。 相关链接：https://flowgpt.com/prompt/sbuYQwUq_8v8fafR5zJuB
2025-04-20
能画技术路线图的prompt
以下是关于能画技术路线图的 prompt 相关内容： Midjourney Bot 的 Prompt 类型： 基本 Prompts：可以只是一个单词、短语或表情符号。 高级 Prompts：包括一个或多个图片 URL、多个文本短语以及一个或多个参数。其中，图片 URL 始终位于 prompt 的最前面，以影响完成结果的风格和内容。提示文字是对希望生成的图像的文本描述，精心编写的提示有助于生成惊艳的图像。参数可以改变生成图片的方式，需放在提示语的末尾。 ComfyUI Flux 与 runway 制作绘画视频： 生成图片：提示词告诉 flux 生成一张技术草图，如 CAD。 绘制的视频：在 runway 里面，使用提示词从空白页面开始逐行创建，并把生成的图片作为尾帧。 草图上色：使用 flux 的 controlNet，depth 固定，目前 Union 版本不建议权重调太高，结束时间也需注意。 Prompt engineering（提示工程）： 开发测试用例：定义任务和成功标准后，创建多样化的测试用例，包括典型示例和边界情况，以确保提示具有鲁棒性。 设计初步提示：制定初步提示，概述任务定义、良好响应的特征及必要上下文，添加规范输入和输出的示例供参考。 根据测试用例测试提示：使用初步提示将测试用例输入，评估模型响应与预期输出和成功标准的一致性，使用一致的评分标准进行系统性的性能评估。
2025-04-19
整理会议纪要的prompt
以下是一些关于整理会议纪要的 prompt： 【?会议精要】整理生成高质量会议纪要，保证内容完整、准确且精炼。 会议记录员：将会议浓缩成简明摘要，包括讨论主题、重点内容、行动事项。 CEO 秘书会议纪要：专注于整理和生成高质量的会议纪要，确保会议目标和行动计划清晰明确。需严格遵守信息准确性，不对用户提供的信息做扩写，仅做信息整理，将一些明显的病句做微调。
2025-04-15
作为一个想要使用AI工具提升工作效率的AI小白，我已经学习了怎么编写prompt，接下来我应该学习什么
如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。
2025-04-15
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14
有什么 prompt engineering 的好材料
以下是一些关于 prompt engineering 的好材料： 文本类 Prompt 网站： Learning Prompt：授人以渔，非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外做的最大的 prompt 站，内容超全面，更新快，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了非常多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享，网址： Prompt Extend：让 AI 帮你自动拓展 Prompt，网址： PromptPerfect：帮你自动优化提示词，你可以看到优化前后的对比，网址： PromptKnit：The best playground for prompt designers，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 是聚合了市场上大部分优质的 prompt 的词库，快速的寻找到用户需求 prompt，网址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，网址： Claude 3.7 核心提示词相关： 您可以在中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 一泽 Eze 整理的相关学习资料： Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library 基本概念： 简单的提示词可以包含指令、问题等信息，也可以包含上下文、输入或示例等详细信息，以更好地指导模型获得更好的结果。 当使用 OpenAI 的聊天模型时，可以使用 system、user 和 assistant 三个不同的角色来构建 prompt，system 有助于设定 assistant 的整体行为。 提示工程就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。
2025-04-12
运用ai，生成每日自动推送到飞书消息的 公司文化日报，包含日历 天气 新闻 内部规划 事项
要运用 AI 生成每日自动推送到飞书消息的公司文化日报，包含日历、天气、新闻、内部规划和事项，您可以考虑以下步骤： 首先，需要确定获取日历、天气、新闻、内部规划和事项等信息的数据源。对于日历，可以使用在线日历服务的 API 来获取相关数据；天气信息可以从专业的气象数据提供商获取；新闻可以通过新闻聚合 API 或者与特定的新闻机构合作获取；内部规划和事项则需要从公司内部的管理系统或数据库中提取。 然后，选择适合的 AI 技术和工具。例如，可以使用自然语言处理技术来对获取到的数据进行处理和整合，生成易于阅读和理解的文本内容。 在生成日报的过程中，要注意格式的规范和统一，使其具有良好的可读性。同时，可以根据公司的文化特点和需求，对内容进行个性化的定制和优化。 另外，为了确保推送的准确性和及时性，需要建立有效的监控和反馈机制，及时发现并解决可能出现的问题。 希望以上建议对您有所帮助。
2025-04-14
自动网上搜索信息定期推送
以下是关于自动网上搜索信息定期推送的相关内容： Bot 智能体： 创意构思：创建 Bot 的初衷是让每个人拥有专属的市场和资讯助手，能以多模态形式（文字、图像、文档、语音等）自动推送最新资讯到不同平台，通过 Coze 等实现跨平台联动、针对不同客户需求检索、对检索内容分析处理并以友好格式输出。 效果呈现：Coze Bot 可通过不同提问触发检索功能，企业微信群能自动同步获得资讯检索结果，实现多平台联动，还能获取飞书云文档多维表格中的用户需求，Coze API 可接入微信进行对话交互检索。 自动总结公众号内容并定时推送到微信： 搭建工作流：包括将推送内容插入数据库（避免重复推送）、结束节点、试运行（输入数据测试，查看结果并发布）。 工作流拆解： 抓取公众号内容：可通过瓦斯阅读、WeWe RSS 等方式获取。 公众号内容总结：依靠大模型能力，如字节的豆包大模型，可使用批处理功能批量总结。 定时推送到微信：定时通过 Coze 平台触发器实现，推送需找第三方 API 方案。
2025-02-24
兼职督学岗位，通过飞书平台为高中生服务，包括：1）解答学习方法等疑问；2）发送测试卷；3）提交测试卷后通知后端制作学习计划；4）发送学习计划链接；5）定期推送知识点和打卡提醒；6）查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式，制作出产品赋能督学在这一岗位的工作效率，并希望在这一过程中，锻炼我的ai能力，再想办法让上司或者老板为我这个产品支付报酬，请问我可以从哪些角度开发产品？
以下是一些您可以从以下角度开发产品来赋能兼职督学岗位的工作效率，并锻炼您的 AI 能力，以争取上司或老板为产品支付报酬： 1. 利用 Coze 的多语言模型支持，为解答高中生学习方法等疑问提供更准确和全面的回答。 2. 借助插件系统，集成与学习相关的插件，如学习资料查询、学习工具推荐等，丰富服务内容。 3. 运用知识库功能，上传各类学科知识点、优秀学习案例等，方便在服务中快速调用和推送。 4. 利用数据库和记忆能力，记住每个高中生的学习情况和需求，提供个性化服务。 5. 设计工作流，例如自动发送测试卷、自动通知后端制作学习计划、自动推送学习计划链接等流程，提高工作效率。 6. 采用多代理模式，针对不同学科或学习阶段设置专门的代理，提供更精准的服务。 7. 利用 Coze 易于发布和分享的特点，将服务产品推广给更多需要的高中生和督学人员。
2025-02-18
兼职督学岗位，通过飞书平台为高中生服务，包括：1）解答学习方法等疑问；2）发送测试卷；3）提交测试卷后通知后端制作学习计划；4）发送学习计划链接；5）定期推送知识点和打卡提醒；6）查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式，制作出产品赋能督学在这一岗位的工作效率，并希望在这一过程中，锻炼我的ai能力，再想办法让上司或者老板为我这个产品支付报酬，请问我可以从哪些角度开发产品？又该如何将它推销给上司？
以下是关于您利用 Coze 和 DeepSeek 等 AI 接入飞书来赋能兼职督学岗位工作效率的一些建议： 开发产品的角度： 1. 智能答疑系统：利用 AI 技术，对高中生常见的学习方法疑问进行自动分析和回答，提高答疑效率和准确性。 2. 个性化测试卷生成：根据学生的学习情况和需求，通过 AI 生成个性化的测试卷。 3. 学习计划优化：基于学生提交的测试卷结果，利用 AI 更精准地制定学习计划。 4. 知识点精准推送：运用 AI 分析学生的学习进度和薄弱环节，定期推送更具针对性的知识点。 5. 打卡提醒优化：通过 AI 实现更灵活、个性化的打卡提醒方式。 推销给上司的方法： 1. 展示效率提升：详细说明产品如何大幅提高兼职督学的工作效率，节省人力和时间成本。 2. 个性化服务优势：强调产品能够为高中生提供更个性化、精准的服务，提升学习效果。 3. 数据支持：提供相关的数据和案例，证明 AI 赋能后的积极效果。 4. 成本效益分析：说明开发和使用该产品的成本相对较低，而带来的收益显著。 5. 未来发展潜力：阐述产品在不断优化和拓展功能方面的潜力，适应更多的教育需求。 另外，Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计。它具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式、免费使用、易于发布和分享等特点。这些特点可以为您的产品开发提供有力支持。
2025-02-18
coze如何实现触发自动推送内容到飞书聊天框？
要实现触发自动推送内容到飞书聊天框，可以参考以下步骤： 1. 创意构思：创建 Bot 的初衷是让用户拥有专属的资讯助手，通过 Coze 这样的 AI agent 流程，以多模态形式获取最新资讯，并自动推送到不同平台。该 Bot 项目以扣子为中心平台，通过自研插件、工作流和 Coze API 链接微信群、企业微信群、飞书云文档多维表格等，实现不同平台的信息传递与流通。可根据用户定制化检索需求，自动化抓取热点资讯，进行分析处理，整合成资讯文档，返回 Bot 对话界面，并同步自动发送到不同平台。 2. 效果呈现：Coze Bot 可通过不同提问触发不同检索功能，企业微信群能自动同步获得资讯检索结果，实现多平台联动，还能获取资讯文档具体内容，以及 Coze 与企业微信群的信息同步联动，Coze API 可接入微信进行对话交互检索。 3. 搭建工作流： 在 Bot 中绑定工作流，设置定时任务，发布到飞书渠道。 人设和回复逻辑：设置提示词，直接调用工作流。 工作流：添加创建的工作流。 设置触发器：选择“定时触发”，设定触发时间，如每天 18 点。任务执行时选择工作流，输入 key 和 rss_list 等参数。可同时设置多个触发器，最多 10 个。 发布到飞书：点击右上角“发布”，选择飞书渠道，因为目前 Coze 平台触发器只对飞书渠道生效。 4. 实现定时推送社区日报功能： 写一个爬虫的自定义插件抓取社区日报内容，以普通文本或 markdown 方式输出。 创建工作流，流程为开始>获取前一天日期>调用插件抓取日报内容>输出内容并结束。 在 Bot 设计界面添加触发器，设定定时触发时间，如每天早上 9 点，测试触发成功后发布到飞书，即可定时收到推送。
2024-11-28
AI定时推送
在开源 AI 社区中，通过以下步骤实现了定时推送功能： 1. 编写爬虫的自定义插件抓取社区日报内容，以普通文本或 markdown 方式输出。但由于是社区资源，需经允许后放出。 2. 创建工作流，流程为：开始 获取当前时间前一天的日期 调用自定义插件抓取日报内容 输出内容并结束。 3. 在 Bot 设计界面添加触发器，设置触发时间（如每天早上 9 点），触发工作流。经测试，在飞书上可定时收到推送。 此外，使用社群运营机器人进行知识库问答，将社区长期积累的文章和资料喂给机器人学习，它能通过 RAG 机制匹配用户问题给出准确稳定答案。不仅提高了回答问题的效率，保证答案的准确性和一致性，还会基于问题给出相关延伸阅读链接，鼓励用户主动学习，提升自学能力。对于重要的社区活动信息和动态，机器人能定时准时推送给用户，避免用户错过。
2024-10-30
coze搭建智能体，用上传的文件和知识库的文件做对比，分析差异点。
以下是关于在 Coze 中搭建智能体的相关信息： 1. 证件照相关操作： 展示原图上传结果，基本脸型已换，生成效果与上传照片特征有关。 改背景可利用改图功能，一键改图效果更好，输出数据类型为图片。 豆包节点生成的是 URL 地址，与前者不同，在工作流使用有差异，可参考简单提示词。 介绍证件照工作流相关操作，包括通过提示词改背景颜色，设置输出方式为返回变量；讲解消耗 token 及保存结果相关问题；对按钮、表单添加事件并设置参数，限制上传文件数量；还涉及给表单和图片绑定数据，以及每次操作后刷新界面确保设置生效。 围绕操作讲解与优化展开，介绍 for meet 的设置，如表单事件操作、图片上传数量修改等，提及编程基础知识。还讲述成果图连接、绑定数据方法及注意事项。展示基本功能实现情况，分析换性别等问题成因，指出需在工作流优化提示词，也可尝试用视频模型解决，最后进入问答环节。 2. 多维表格的高速数据分析： 创建智能体，使用单 Agent 对话流模式。 编排对话流，创建新的对话流并关联智能体。 使用代码节点对两个插件获取的结果进行数据处理，注意代码节点输出的配置格式。 测试，找到一篇小红书笔记，试运行对话流，在对话窗口输入地址查看数据。 发布，选择多维表格，配置输出类型为文本，输入类型选择字段选择器，完善上架信息，可选择仅自己可用以加快审核。 3. 智能体与微信和微信群的连接： 创建知识库，可选择手动清洗数据提高准确性，包括在线知识库和本地文档。 在线知识库创建时，飞书在线文档中每个问题和答案以分割，可编辑修改和删除。 本地文档中注意拆分内容提高训练数据准确度，如将课程章节按固定方式人工标注和处理。 发布应用，确保在 Bot 商店中能够搜到。
2025-04-18
coze搭建知识库和上传文件做对比分析
以下是关于 Coze 搭建知识库和上传文件的对比分析： 创建文本型知识库： 自动分段与清洗：扣子可对上传的内容进行自动解析，支持复杂布局的文件处理，如识别段落、页眉/页脚/脚注等非重点内容，支持跨页跨栏的段落合并，支持解析表格中的图片和文档中的表格内容（目前仅支持带线框的表格）。操作步骤为在分段设置页面选择自动分段与清洗，然后依次单击下一步、确认，可查看分段效果，不满意可重新分段并使用自定义分段。 自定义：支持自定义分段规则、分段长度及预处理规则。操作时在分段设置页面选择自定义，然后依次设置分段规则和预处理规则，包括选择分段标识符、设置分段最大长度和文本预处理规则，最后单击下一步完成内容分段。 创建表格型知识库： 目前支持 4 种导入类型：本地文档、API、飞书、自定义。 本地文档：选择本地文档从本地文件中导入表格数据，目前支持上传 Excel 和 CSV 格式的文件，文件不得大于 20M，一次最多可上传 10 个文件，且表格内需要有列名和对应的数据。 API：参考特定操作从 API 返回数据中上传表格内容，包括选择 API、单击新增 API、输入 API URL 并选择数据更新频率，然后单击下一步。 飞书：参考特定操作从飞书表格中导入内容，包括选择飞书、在新增知识库页面单击授权并选择要导入数据的飞书账号、单击安装扣子应用（仅首次导入需授权和安装），然后选择要导入的表格并单击下一步。目前仅支持导入“我的空间”下的飞书文档，云文档的创建者必须是自己，暂不支持导入知识库和共享空间下的云文档。 上传文本内容： 在线数据：扣子支持自动抓取指定 URL 的内容，也支持手动采集指定页面上的内容，上传到数据库。 自动采集方式：适用于内容量大、需批量快速导入的场景。操作步骤为在文本格式页签下选择在线数据，然后依次单击下一步、自动采集、新增 URL，输入网站地址、选择是否定期同步及周期，最后单击确认，上传完成后单击下一步，系统会自动分片。 手动采集：适用于精准采集网页指定内容的场景。操作步骤为安装扩展程序，在文本格式页签下选择在线数据，然后依次单击下一步、手动采集、授予权限，输入采集内容的网址，标注提取内容，查看数据确认无误后完成并采集。
2025-04-18
知识库怎么构建
构建知识库的方法主要有以下几种： 1. 使用 Flowith 构建： 选择“Manage Your Knowledge Base”，进入知识库管理页面。 点击左上角的加号添加新的知识库，为其起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 等待 Flowith 对文件进行抽取等处理，处理完毕后可在知识库管理页面测试检索。 2. 使用 Dify 构建： 准备数据：收集文本数据，进行清洗、分段等预处理。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档并编写描述。 配置索引方式：根据需求选择高质量模式、经济模式或 Q&A 分段模式。 集成至应用：将数据集集成到对话型应用中，配置数据集的使用方式。 持续优化：收集用户反馈，更新知识库内容和优化索引方式。 3. 本地部署大模型并搭建个人知识库（涉及 RAG 技术）： 了解 RAG 技术：大模型训练数据有截止日期，RAG 可通过检索外部数据并在生成步骤中传递给 LLM 来解决依赖新数据的问题。 RAG 应用的 5 个过程： 文档加载：从多种来源加载文档，如 PDF、SQL 等。 文本分割：把文档切分为指定大小的块。 存储：包括将文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 检索：通过检索算法找到与输入问题相似的嵌入片。 输出：将问题和检索出的嵌入片提交给 LLM 生成答案。 文本加载器：将用户提供的文本加载到内存中以便后续处理。
2025-04-15
如何搭建知识库
搭建知识库的方法如下： 使用 flowith 搭建： 选择“Manage Your Knowledge Base”，进入知识库管理页面。 点击左上角的加号添加新的知识库，给知识库起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 Flowith 会对文件进行抽取等处理，处理完毕后可在知识库管理页面测试检索。 使用 Dify 搭建： 准备数据：收集文本数据，进行清洗、分段等预处理。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档并编写描述。 配置索引方式：提供三种索引方式，根据需求选择，如高质量模式、经济模式和 Q&A 分段模式。 集成至应用：将数据集集成到对话型应用中，配置数据集的使用方式。 持续优化：收集用户反馈，更新知识库内容和优化索引方式。 使用 Coze 智能体搭建： 手动清洗数据： 在线知识库：点击创建知识库，创建 FAQ 知识库，选择飞书文档，输入区分问题和答案，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理，然后创建自定义清洗数据。 发布应用：点击发布，确保在 Bot 商店中能搜到。
2025-04-14
如何搭建自己的知识库
以下是搭建自己知识库的方法： 1. 选择“Manage Your Knowledge Base”，进入知识库管理页面。 2. 在页面左上角点击加号，添加新的知识库，并为其起一个易于分辨的名字。 3. 点击添加文件，建议使用 Markdown 格式的文件。 4. 等待 Flowith 对文件进行抽取等处理。 5. 处理完毕后，可在知识库管理页面测试检索，输入关键词过滤相关内容。 此外，搭建本地知识库还需了解 RAG 技术： 1. RAG 是一种当需要依靠不包含在大模型训练集中的数据时所采用的主要方法，即先检索外部数据，然后在生成步骤中将这些数据传递给 LLM。 2. 一个 RAG 的应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载：从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器。 文本分割：把 Documents 切分为指定大小的块。 存储：将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库。 检索：通过某种检索算法找到与输入问题相似的嵌入片。 输出：把问题以及检索出来的嵌入片一起提交给 LLM，生成更合理的答案。 对于基于 GPT API 搭建定制化知识库，涉及给 GPT 输入定制化的知识。由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。Embeddings 是一个浮点数字的向量，两个向量之间的距离衡量它们的关联性，小距离表示高关联度。在 OpenAI 词嵌入中，靠近向量的词语在语义上相似。文档上有创建 embeddings 的示例。
2025-04-14
我想做一个，基于我个人知识库的chatbot，以供我随时搜索和提问，且优先搜索知识库内的内容而非联网搜索，你有什么建议吗？
以下是为您提供的关于创建基于个人知识库的 chatbot 的建议： 1. 选择合适的平台和工具：例如可以考虑使用飞书智能伙伴创建平台（Aily）或扣子（https://www.coze.cn/home）等。 2. 数据分段储存：由于大模型的上下文长度有限制，需要将上传的资料根据特定符号或字符长度进行分段，如将 8000 字文档按每 800 字分成一个片段储存。 3. 增强检索：当用户输入问题，大模型会根据相似度检索出若干最相关的数据片段，再据此生成答案，这一技术称为 RAG（检索增强生成）。 4. 配置知识库： 在 Bot 内使用知识库： 登录相关平台。 在左侧导航栏的工作区区域，选择进入指定团队。 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，如最大召回数量、最小匹配度、调用方式等。 在工作流内使用 Knowledge 节点： 登录相关平台。 在左侧导航栏的工作区区域，选择进入指定团队。 在页面顶部进入工作流页面，并打开指定的工作流。 在左侧基础节点列表内，选择添加 Knowledge 节点。 5. 注意使用限制：单用户最多创建 1000 个知识库，文本类型知识库下最多支持添加 100 个文档，单用户每月最多新增 2GB 数据，累计上限是 10GB。 此外，知识库可以解决大模型幻觉、专业领域知识不足的问题，提升大模型回复的准确率。您可以将知识库直接与 Bot 进行关联用于响应用户回复，也可以在工作流中添加知识库节点，成为工作流中的一环。
2025-04-14