直播分身怎么搭建

以下是一些制作数字分身的方法和相关信息： 可以在一些网站如 Elevenlabs.io、speechify.com、Heygen 等自助购买服务，以低成本制作自己的数字人分身。 当 Coze 接入飞书后，将自己的知识数据上传到 Coze，基于个人知识库开发 bot，并将其部署到个人订阅号上，这个 bot 可以作为数字分身与粉丝互动。 通过整合知识库，并结合提示词进行情感或行为上的描述，可以创建一个 bot，形成自己的数字分身。

实现基于个人聊天记录的数字分身的最佳实践包括以下方面： 虚拟数字人的类型和驱动方式： 虚拟数字人通过各种技术创造，具有外观、行为和思想等人类特征，呈现为虚拟形象。 从驱动层面可分为中之人驱动和 AI 驱动两类。中之人驱动运用动作捕捉和面部捕捉技术实现交互，有上限且缺乏高并发和量产化能力；AI 驱动使用 AI 技术创建、驱动和生成内容，赋予感知和表达等交互能力。 虚拟数字人的应用类型： 服务型：如虚拟主播、助手、教师、客服和医生等，为物理世界提供服务。 表演型：如虚拟偶像，用于娱乐、影视等场景。 身份型：是物理世界“真人”进入虚拟世界的数字分身，在元宇宙中有广泛应用场景。 相关开源项目： 熊猫大侠基于 COW 框架的 ChatBot 最新版本支持多端部署、基础对话、语音识别、图片生成、丰富插件、Tool 工具和知识库等功能。可接入个人微信、微信公众号、企业微信应用，支持多种模型和个性化插件扩展，通过上传知识库文件自定义专属机器人，可作为数字分身、领域知识库、智能客服使用。项目地址包括 Github：https://github.com/zhayujie/chatgptonwechat ，Gitee：https://gitee.com/zhayujie/chatgptonwechat 。

以下是使用扣子完成 AI 数字分身搭建的步骤： 1. 登录扣子官网（https://www.coze.cn/）并注册。 2. 创建个人 Bot： 点击个人空间。 点击创建 Bot。 填入 Bot 的名字和功能介绍，以及上传或生成对应的头像。如果没想好，可以先随便填，后面可更改。 3. 在搭建生产力工具的过程中，要先深入了解自己的工作内容和需求，做出有针对性的规划。 4. 通过整合知识库，并结合提示词进行情感或行为上的描述，创建一个 Bot，形成自己的数字分身。 5. 构建整个 Flow 时要尽量减少控件使用（非必要不增加），越少的控件代表越少的逻辑，越少的逻辑代表越小的运行风险。 6. 对于复杂的批处理任务，尽量平衡批处理次数和并发，同时还要考虑模型的推理速度，不然会增大推理失败的概率。 需要注意的是，Coze 目前提供的组件，包括 bot 等工具，能满足一些基本的生产力搭建需求。虽然现阶段它还不支持循环等高级功能，但未来有望支持更多工作流的设计模式。自 Coze 推出以来，它已明确面向 C 端用户，这些用户能从中获得实质性好处。

构建一个 AI 数字人分身主要包括以下两个方面： 一、构建数字人躯壳 数字人的躯壳建模有多种方式： 1. 2D 引擎：风格偏向二次元，亲和力强，定制化成本低，在日本、东南亚等国家比较受欢迎，也深受年轻人喜欢。能将喜欢的动漫人物变成数字人的躯壳。代表是 Live2D Cubism。 2. 3D 引擎：风格偏向超写实的人物建模，拟真程度高，定制化成本高。目前有很多公司都在做这个方向的创业，已经可以实现用户通过手机摄像头快速创建一个自己的虚拟人身体。如 NextHuman、Unity，虚幻引擎 MetaHuman 等。但个人学习在电脑配置和学习难度上有一定门槛。 3. AIGC：虽然省去了建模流程，直接生成数字人的展示图片，但弊端也明显，算法生成的数字人很难保持 ID 一致性，帧与帧的连贯性上会让人有虚假的感觉。如果项目对人物模型真实度要求没有那么高，可以使用这种方案。典型的项目有 wav2lip等。AIGC 还有一个方向是直接生成 2d/3d 引擎的模型，而不是直接生成数字人的最终展示部分，但该方向还在探索中。 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。 二、构建数字人灵魂 有了数字人躯壳，还需要构建数字人的灵魂，让数字人具备各种智能，比如记得个人信息，充当个人助手；在某个领域具备更专业的知识；能处理复杂的任务等等。实现这些能力有以下几个工程关键点： 1. AI Agent：要想数字人像人一样思考就需要写一个像人一样的 Agent，工程实现所需的记忆模块，工作流模块、各种工具调用模块的构建都是挑战。 2. 驱动躯壳的实现：灵魂部分通过接口定义，躯壳部分通过 API 调用，调用方式可以是 HTTP、webSocket 等，视躯壳部分的实现而定。但包含情绪的语音表达以及如何保证躯壳的口型、表情、动作和语音的同步及匹配，目前主流方案只能做到预设一些表情动作，再做一些逻辑判断来播放预设，语音驱动口型相对来说成熟一些，但都是闭源的，效果可以参考 Nvidia 的 Audio2Face。 3. 实时性：由于整个数字人的算法部分组成庞大，几乎不能实现单机部署，特别是大模型部分，所以算法一般会部署到额外的集群或者调用提供出来的 API，这里面就会涉及到网络耗时和模型推理耗时，如果响应太慢就会体验很差，所以低延时也是亟需解决的一个问题。 4. 多元跨模态：仅仅是语音交互的数字人是远远不够的，人有五感（听觉、视觉、嗅觉、触觉、味觉），听觉只是其中一种，其他的感官可以根据实际需求来做，比如视觉可以通过添加摄像头数据来获取数据，再通过系列 CV 算法做图像解析等。 5. 拟人化场景：正常和人交流的时候不是线性对话，会有插话、转移话题等情况，这些情景需要通过工程丝滑处理。

目前在 AI 社交产品领域，有一些相关的探索和尝试。例如，某 AI 社交 APP 创始人认为，在社交场景中，核心分为陌生人社交和熟人社交。他们尝试过纯 AI 虚拟陪聊产品，但发现用户主要是年龄偏低的人群，商业价值相对较低，且可能被模型侵蚀。有效的用户留存来源于真实的人际关系，越接近熟人社交的场景，平台的用户留存能力越高。 同时，AI 赛道投资人认为，产品不应仅限于情感陪伴，应扩展为类人助手，解决理性严肃场景的问题解决和感性需求的满足。AI 社交软件的开发者认为，为用户打造数字分身、创造社交关系是有价值的，通过 AI Agent 可以在人与人之间创造新的社交关系，用户也愿意为这种新型社交互动支付相当的金额。但目前尚未有明确的专门以 AI 分身促进真人交友的成熟产品。

数字分身是指在虚拟世界中代表物理世界“真人”的存在。在不同的场景中有多种应用： 节目表演方面：如在节目单中，有“猜真人”这样的魔术互动类表演，通过数字分身增加趣味性；还有“亲情的应用场景（逝者）”，例如女儿通过逝者的数字分身再次对话。 实战课程方面：通过课程可以获得一比一数字人分身的定制体验，包括熟练使用多种热门数字人工具，掌握相关技术，了解商业应用场景及行业现状，将数字人融入工作流，还能获得进阶学习的自学路径，并且有交流群方便解决问题和交流心得。 价值探讨方面：身份型虚拟数字人在元宇宙中有广泛应用场景。服务型虚拟数字人具有功能属性，隶属于业务层，AI 创造出的虚拟“皮囊”具有一定价值。

如果您作为新手，想做智能体＋短视频/直播的培训但不懂搭建智能体，可以从以下几个方面开始学习： 1. 按照“五津:DeepSeek+扣子：1分钟生成小红书爆款单词视频”中的指导，创建智能体，输入人设等信息，并放上相关工作流。配置完成后进行测试，但千万不要直接发布。工作流中如【所有视频片段拼接】节点使用的插件 api_token 填的是您的 token，为避免他人调用消耗您的费用，您可以将 api_token 作为工作流最开始的输入，让用户购买后自行输入使用，然后再发布。 2. 参考“元子：WayToAGI 知识库究竟咋用？”中的内容，对于完全没有编程基础但对 AI 有一定概念的小白，可以从工具入门篇（AI Agent）中的“Agent 工具小白的 Coze 之旅”开始，了解相关搭建平台。 3. 学习“智谱 BigModel 共学营第二期：把你的微信变成超级 AI 助理”中的教程，包括注册智谱 Tokens 智谱 AI 开放平台（https://bigmodel.cn/），获取资源包（新注册用户注册即送 2000 万 Tokens，或通过充值/购买多种模型的低价福利资源包，如语言资源包、多模态资源包等，所有资源包购买地址：https://bigmodel.cn/finance/resourcepack ），然后进入【财务台】左侧的【资源包管理】查看自己的资源包，再进入智能体中心我的智能体开始创建智能体。

以下是关于 AI 直播的相关信息： 1. AI 春晚： 是由 WaytoAGI 社区组织，由 300 多位 AI 爱好者共同创作的 AI 作品。 运用了多种先进技术，包括数字人 AI 生图文声视频、AI 转会、AI 音乐模型训练等。 作品时长约 150 分钟，涵盖多种类型节目。 于 24 年大年初一当晚直播，18 万人在线观看，后续视频播放量超 200 万，媒体曝光量超 500 万。 多个节目登录央视网，孵化了数个优质项目与团队。 完整版链接：https://www.bilibili.com/video/BV15v421k7PY/?spm_id_from=333.999.0.0 相关进度： 2. AI 梦：一丹一世界（下）2025 年 2 月 8 日副本： 是 AI 炼丹直播共学课第二节课。 比赛要求：参加由麦乐园和摩达社区发起的比赛，须用摩搭平台和麦橘超然模型作为底膜训练 Lora，提交训练好的 Lora 及用其生成的六张以上高质量、展现完整世界观的作品。 作图思路分享：分三步，明确创作主题即锚点，确定主体及联想角色设定，增加叙事感。 图片构成因素：包括构图、色彩以及光影。 构图介绍与分析：构图指在框架或空间内元素的摆放位置等，好的构图能引导观看者并创造和谐平衡。构图分类包括景别（远景、全景、中景、近景、特写）和拍摄视角（俯视、平视、仰视，正面、侧面、背面）。构图要素有主体、陪体、前景、背景、点线面。构图方式如点中心构图、九宫格构图、三分法构图、对称构图、对角线构图、曲线构图、框架构图、三角形构图等。在 AI 绘图中，推荐中景及以上景别，全身景别可能需开 AD 跳以确保作图质量。 3. 字节 Trae Windows 版相关： 正式推出，免费。 为帮助大家使用 AI 编程实现想法，联合 AI 编程社会推出两个活动： AI 编程重磅直播：邀请在 AI 编程领域取得成绩的嘉宾深度交流，由黄叔亲自主持，还邀请了 Eric（Cubeone AI 创始人）等嘉宾。欢迎大家预约直播。 AI 编程训练营：WaytoAGI 和 AI 编程社推出为期 2 周左右的共学营，包含图文教程、视频、直播内容，社群内有老师答疑，完全免费。黄叔会在训练营里教大家做出多个 AI 应用。 Trae Windows 版本已上线，Mac 版本也可下载，官网地址：https://www.trae.ai/

数字人直播的相关内容如下： 盈利方式： 直接卖数字人工具软件，分实时驱动和非实时驱动两类。实时驱动在直播时能改音频话术，真人接管，市面价格在一年 4 6 万往上（标准零售价）。非实时一个月 600 元，效果差，类似放视频的伪直播，市场价格混乱，靠发展代理割韭菜。 提供数字人运营服务，按直播间成交额抽佣。 适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；不适用于服装，过品快，衣服建模成本高。 适用于虚拟商品，如门票、优惠券等。 不适用于促销场景，这涉及主播话术、套路，调动直播间氛围能力等。 电商直播分为达播跟店播，数字人直播跑下来效果最好的是店播，数据基本能保持跟真人一样。 壁垒和未来市场格局： 时间拉长，技术上没壁垒。但目前看仍有技术门槛，单纯靠开源算法拼的东西，实时性、可用性不高。比如更真实的对口型，更低的响应延迟等。 不会一家独大，可能 4 5 家一线效果，大多二三线效果公司。因为它只是工具，迁移成本低。 真正把客户服务好，能规模化扩张的公司更有价值。疯狂扩代理割韭菜，不考虑客户效果的公司，售后问题很麻烦。 有资源、有业务的大平台下场，可能会带来降维打击，例如剪映马上要做，如果不仅提供数字人，还提供货品供应链、数据复盘分析等等，全环节打通会绑定商家，很难打。 数字人的简介：数字人是指运用数字技术创造出来的人，虽然现阶段不能做到像科幻作品中的人型机器人一样具备高度智能，但已在生活各类场景中触手可及，且随着 AI 技术发展，正在迎来应用爆发。目前业界没有关于数字人的准确定义，一般可根据技术栈不同分为两类，一类是由真人驱动的数字人，重在通过动捕设备或视觉算法还原真人动作表情，主要应用于影视行业以及现下火热的直播带货，其表现质量与手动建模精细程度及动捕设备精密程度直接相关，不过随着视觉算法进步，现在在没有昂贵动捕设备情况下也可通过摄像头捕捉到人体骨骼和人脸关键点信息，从而做到不错的效果。

以下是关于数字人直播的相关信息： 会议讨论： 目前在电商直播上探索数字人业务，电商并非因适合数字人而选择，而是前期宣传及未发现更好场景。 数字人在电商领域不能成为壁垒，配套的运营服务才是续费关键。 电商直播分达播和店播，数字人直播在店播效果最佳，数据能与真人相近。 不建议商家依赖数字人，现阶段数字人服务多为辅助。 盈利方式： 直接卖数字人工具软件，分实时驱动（一年 4 6 万往上）和非实时驱动（一个月 600 元，效果差，市场价格混乱）两类。 提供数字人运营服务，按直播间成交额抽佣。 适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；不适用于服装，过品快且建模成本高。 适用于虚拟商品，如门票、优惠券等。 不适用于促销场景，涉及主播话术、套路及调动氛围能力等。 店播场景下数字人直播效果较好。 壁垒和未来市场格局： 长期看技术上无壁垒，目前有技术门槛，如更真实对口型、更低响应延迟等。 不会一家独大，可能 4 5 家一线效果，大多二三线效果公司。 把客户服务好、能规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击。 数字人简介： 数字人是运用数字技术创造的，虽现阶段不能高度智能，但在生活场景中已常见，且随 AI 技术发展迎来应用爆发。业界尚无准确定义，一般分真人驱动和算法驱动两类。真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，应用于影视和直播带货，表现质量与建模和动捕设备精密程度相关，视觉算法进步使无昂贵设备也能有不错效果。

以下是关于 AI 数字人直播的相关信息： 社区 AI 讲师招募要求： 具有丰富的企业端 AI 实践经验，涵盖多个场景，如 AI 生成爆款内容、公域阵地场景（包括矩阵号和 IP 号搭建、短视频和直播等）、私域阵地场景（朋友圈、小红书、社群、个人 IP 等）、服务自动化工具、快速搭建数据分析看板、跨境电商场景（如 tiktok 视频制作及投放、电商图片设计、精准营销、语言翻译、AI 独立站建设、社媒私域、批量混剪、海外达人直播、无人直播（数字人直播）等）。 具备良好的表达能力，能清晰阐述技术和业务方面的沉淀。 招募流程：感兴趣的小伙伴提交个人简历（包括基本信息介绍、学历、专业、工作经验，以及 AI 企业端的案例），预约电话面谈，面谈通过后进行公开课试讲。 AI 数字人直播盈利方式： 直接销售数字人工具软件，分为实时驱动（一年 4 6 万往上）和非实时驱动（一个月 600 元，效果差，市场价格混乱）两类。 提供数字人运营服务，按直播间成交额抽佣。 AI 直播卖货适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；虚拟商品，如门票、优惠券等。 电商直播中店播效果较好，数据基本能保持跟真人一样；不适用于促销场景和服装品类。 AI 直播的壁垒和未来市场格局： 长期来看技术上无壁垒，目前仍有技术门槛，如更真实的对口型、更低的响应延迟等。 不会一家独大，可能有 4 5 家一线效果的公司，大多为二三线效果公司。 能把客户服务好、实现规模化扩张的公司更有价值，疯狂扩代理割韭菜、不考虑客户效果的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击。 此外，昨晚参与了一场 AI 数字人（虚拟人）的会议讨论，相关总结可查看飞书云文档，会议原声链接也有上传。有从业者认为：现在做电商直播可能只是因为前期宣传和未发现其他更好场景；在电商领域，数字人配套的运营服务才是关键，续费客户多是因为服务；店播中数字人直播效果较好，实时互动必要性不高；不建议商家依赖数字人，目前阶段数字人服务多为辅助。

以下是关于数字人直播的相关信息： 会议讨论总结： 目前做数字人电商直播，可能只是因为前期宣传及未发现其他更好场景。 数字人配套的运营服务才是电商领域的关键，续费客户多因服务而非数字人本身。 数字人直播在店播场景效果较好，数据能与真人相当。 不建议商家依赖数字人，现阶段数字人服务多为辅助。 盈利方式： 直接卖数字人工具软件，包括实时驱动（一年 4 6 万往上）和非实时驱动（一个月 600 元，效果差，市场价格混乱）。 提供数字人运营服务，按直播间成交额抽佣。 适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；不适用于服装等过品快、建模成本高的商品。 适用于虚拟商品，如门票、优惠券等。 不适用于促销场景。 店播场景下数字人直播效果较好。 壁垒和未来市场格局： 长期看技术上无壁垒，目前有技术门槛，如更真实的对口型、更低的响应延迟等。 不会一家独大，可能 4 5 家一线效果公司，大多为二三线效果公司。 能把客户服务好、规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击。 数字人简介： 数字人是运用数字技术创造出来的人，虽现阶段不能高度智能，但在生活场景中已常见，且随 AI 技术发展迎来应用爆发。业界尚无准确定义，一般可根据技术栈分为真人驱动和算法驱动两类。真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，应用于影视和直播带货，表现质量与建模和动捕设备精密程度相关，视觉算法进步使无昂贵设备也能有不错效果。

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。

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。

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。

以下是将模型的输出存入到多维表中的步骤： 1. 逐步搭建 AI 智能体： 搭建整理入库工作流。 设置大模型节点提取稍后读元数据，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000，以确保能完整解析长内容网页。 进行日期转时间戳，后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳，需要使用「日期转时间戳time_stamp_13」插件进行格式转化。 把稍后读元数据转换为飞书多维表格插件可用的格式，飞书多维表格插件目前（2024 年 08 月）只支持带有转义符的 string，以 Array<Object>格式输入，所以必须将之前得到的元数据数组进行格式转换。 添加「飞书多维表格add_records」插件，只需要设置{{app_token}}与{{records}}参数，将元数据写入飞书表格。 2. 搭建 Coze 工作流： 打开 Coze 的主页，登录后，在【工作空间】创建一个智能体。 在编排页面，给智能体编辑好人设，可先写一个简单的，然后点右上角自动优化，系统会自动补全更精细的描述。点击工作流的+，创建一个工作流。 大模型节点把 input 给到 DeepSeek，让 DeepSeek 按照提前规定的输出框架生成对应文案。 生图节点将输出给到图像生成组件画图。 结束输出时，两个输出给到最终的 end 作为最终的输出。注意在编写系统提示词时，如果需要 input 可被 DeepSeek 调用，需要用{{input}}作为参数引入，不然大模型不知道自己需要生成和这个 input 相关的结果。编排完，点击【试运行】，调试至满意后点击发布。

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。

以下是关于搭建在线知识库和在线客服的相关内容： RAG 流程： 自顶向下，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。 以构建智能问答客服为例，了解 RAG 流程中的“是什么”与“为什么”同等重要。 创建智能体： 手动清洗数据创建知识库： 点击创建知识库，创建画小二课程的 FAQ 知识库。 知识库的飞书在线文档中，每个问题和答案以“”分割。 选择飞书文档、自定义，输入“”，可编辑修改和删除。 点击添加 Bot，可在调试区测试效果。 本地文档： 注意拆分内容以提高训练数据准确度。 以画小二课程为例，先放入大章节名称内容，再按固定方式细化处理每个章节。 发布应用：点击发布，确保在 Bot 商店中能搜到。 开发：GLM 等大模型外接数据库： 项目启动：包括 web 启动（运行 web.py，显存不足调整模型参数，修改连接）、API 模式启动、命令行模式启动。 上传知识库：在左侧知识库问答中选择新建知识库，可传输 txt、pdf 等。可以调整 prompt，匹配不同的知识库，让 LLM 扮演不同的角色，如上传公司财报充当财务分析师、上传客服聊天记录充当智能客服等。MOSS 同理。