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

flowith根据自然语言构建一个直接使用的工作流吗,如何向flowith提出要求

Answer

Flowith 可以根据自然语言构建工作流。即使没有专业编程技能,只要能用清晰的自然语言描述出想要的各个 Agents 具备的行为和功能,就可以快速制作多 Agents 应用或创建代理式工作流。

使用工作流的步骤如下:

  1. 配置工作流:
    • 在 Code 节点内使用 IDE 工具,通过 AI 自动生成代码或编写自定义代码逻辑,来处理输入参数并返回响应结果。
    • 该节点支持 JavaScript、Python 运行时,需注意不同运行时的特定事项。
    • 可在 IDE 底部单击尝试 AI,并输入自然语言设定代码逻辑,也可选中代码片段通过快捷键唤起 AI 并输入自然语言让其修改代码。
  2. 通过工作流数据库节点操作数据表:
    • 在工作流中添加数据库节点对数据表进行操作,可通过 NL2SQL 方式和代码方式进行调用,支持完整读写模式。
    • 参考以下操作添加并配置工作流节点:
      • 单击页面顶部的工作流页签,然后单击创建工作流。
      • 输入工作流名称和使用描述,然后单击确认。
      • 在基础节点页签下,将数据库节点拖入到工作流配置画布区域。
      • 根据相关信息配置数据库节点,包括输入添加 SQL 执行中需要的参数,输入要执行的 SQL 语句,可单击自动生成使用大模型生成 SQL。

需注意不支持 Select*语法、多表 Join 操作,最多返回 100 行数据。在配置数据库节点前,要确保已经搭建了一个 Bot,并在这个 Bot 中创建好了数据表。

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

References

OpenAI又开源了!不用代码就能构建复杂多Agents实时语音协作系统

在以前,我们知道,要制定一个Agent、搭建多Agents应用、实现多Agents之间的交互,往往需要复杂的编程知识和大量的开发工作,比如MetaGPT、CrewAI、XAgent、微软的AutoGen。你不仅要精通各种编程语言、开发环境搭建,还需要对Agent规则制定等方面有一定的了解。而这个项目最大的亮点在于,它允许你使用自然语言来制定Agent以及它们之间的交互规则,并且引入了低延时的Realtime API。所以也就有了上面官方的承诺,20分钟构建一个多Agents实时语音应用。也就是说,即使你没有专业的编程技能,只要你能用清晰的自然语言描述出你想要的各个Agents具备的行为和功能,你就可以快速制作一个多Agents应用,或者是创建一个代理式工作流,一个工作流中的每个节点都有一个特定的Agent待命。好家伙,有嘴就行?话不多说,让我们先看一下官方提供的示例:在这个简单场景里,一共有两个Agent。一个叫greeter,可以理解为系统的接待员;另一个叫haiku,是一个专门写三行俳(pái)句诗(日本的一种古典短诗)的Agent。连接这个系统:1.接待员Agent greeter就会过来招呼你,问你是否需要来首俳句诗?2.你回答是的。3.这时候应用就切换到写诗的Agent haiku,向你打招呼,只要提供一个主题,它就可以为你写诗(上来第一件事就是为你写诗,有点子浪漫)。4.你回答AGI。5.于是,它就写下了上面的诗。那么,这个浪漫的系统是怎么定制的呢?其实只需要3步:

使用工作流

你可以在Code节点内使用IDE工具,通过AI自动生成代码或编写自定义代码逻辑,来处理输入参数并返回响应结果。配置示例,参考[生成随机数](https://www.coze.cn/docs/guides/workflow_use_code)。该节点支持JavaScript、Python运行时。在编码时你需要注意:|运行时|注意事项||-|-||JavaScript|JavaScript支持TypeScript,提供静态语言编码体验。<br>JavaScript中,仅内置了dayjs(版本1.8.36)和lodash(版本4.17.20)两个三方依赖库。<br>JavaScript运行时遵循[WinterCG](https://wintercg.org/)规范,支持[Minimum Common Web Platform API](https://common-min-api.proposal.wintercg.org/)列举的大多数API,具体可用的API你可以在IDE内编码时参考代码提示。||Python|Python中,仅内置了requests_async和numpy两个三方依赖库,requests_async依赖库与requests类似,但需要await。<br>Python运行时暂不支持Http.client方式的请求。|在节点内的Code区域单击Edit in IDE可通过IDE编辑和调试代码。具体使用说明如下:使用AI生成代码你可以在IDE底部单击尝试AI,并输入自然语言设定代码逻辑,AI将自动生成代码。你也可以选中代码片段,通过快捷键(macOS为CommandI、Windows为Ctrl+I)唤起AI,并输入自然语言让AI帮助你修改代码。补全代码

数据库

通过在工作流中添加数据库节点对数据表进行操作。在工作流中可通过NL2SQL方式和代码方式进行调用,支持完整读写模式。下图是工作流中数据库节点配置示例。当发布工作流后,在用户与Bot对话时,大语言模型会根据需要调用工作流,按照工作流中数据库节点中配置的SQL来执行数据表操作。参考以下操作,在工作流中添加并配置工作流节点。在工作流中配置数据库节点前,确保你已经搭建了一个Bot,并在这个Bot中创建好了数据表。1.单击页面顶部的工作流页签,然后单击创建工作流。2.输入工作流名称和工作流的使用描述,然后单击确认。工作流名称和描述可以帮助大语言模型理解什么场景下需要调用该工作流。1.在基础节点页签下,将数据库节点拖入到工作流配置画布区域。2.根据以下信息配置数据库节点。2.1.输入:添加SQL执行中需要的参数,可以是一个变量,也可以是一个固定值。2.2.SQL:输入要执行的SQL语句,可以直接使用输入参数中的变量。可单击自动生成使用大模型生成SQL。在弹出的页面中,选择这个数据库工作流生效的Bot和数据表,然后使用自然语言描述要执行的操作,单击自动生成生成SQL语句,最后单击使用。不支持Select*语法。不支持多表Join操作。最多返回100行数据。

Others are asking
flowith
Flowith 是致力于打造“终极形态的 AI 创作工具”,探索人和 AI 终极交互形态的产品。 2025AGENT 智能体全球创作大赛正在进行中,截止时间为 3 月 28 日。参赛者可使用多种 Agent 技术平台,所有参赛作品需包含详细实施过程和成果展示。该比赛联合多个平台面向全球创作者开放,设有丰厚奖金,第一名 15000 元,第二名 8000 元,第三名 5000 元,第四名、第五名 3000 元,各个赛道第一名 3000 元,同时获奖作品有机会获得流量支持。 Flowith 在 24 年初公测发布时获得大量关注和报道,还获得 Meta、Google、Nvidia、OpenAI 等企业的支持与合作,2024 年 8 月正式发布亮相时夺得 Product Hunt 榜单桂冠,已服务数十万海内外用户,预计 2025 年第二季度用户数超百万。 其相关信息如下: 学习资料: 报名链接: 官网:https://try.flowith.io/ 产品网站: 产品文档及详细说明:https://doc.flowith.io/ 官方小红书: X: Product Hunt: 此外,有人使用 Flowith 解决了拆解/统筹能力方面的问题,比如在写文章时,其基于画布式的交互像增添了一个外挂大脑。Flowith 的比较模式可以让用户不用做选择,比如要求多个主流模型输出大纲,然后根据结果决定使用哪个模型继续任务。
2025-03-30
flowith
Flowith 是致力于打造“终极形态的 AI 创作工具”,探索人和 AI 终极交互形态的产品。 2025AGENT 智能体全球创作大赛正在进行中,参赛者可使用多种 Agent 技术平台,包括但不限于 Manus、Flowith Oracle、OpenManus、Coze 等,截止时间为 3 月 28 日。比赛面向全球创作者开放,联合了微博、小红书、即刻等平台,所有参赛作品需包含详细实施过程和成果展示,获奖作品有机会与顶尖 AI 公司和投资机构直接对话,并有丰厚的奖金,第一名 15000 元,第二名 8000 元,第三名 5000 元,第四名、第五名 3000 元,各个赛道第一名 3000 元,同时还有机会获得微博、小红书、即刻等平台的流量支持。学习资料: 。 Flowith 在 24 年初公测发布时获得大量海内外关注、知名科技媒体主动报道,并获得 Meta、Google、Nvidia、OpenAI 等企业的官方支持与合作,2024 年 8 月正式发布亮相时夺得 Product Hunt 榜单桂冠,已服务数十万海内外用户,预计 2025 年第二季度用户数将超百万。 其相关信息如下: 官网:https://try.flowith.io/ 产品网站: 产品文档及详细说明:https://doc.flowith.io/ 官方小红书: X: Product Hunt: 此外,有人在使用 Flowith 时发现,它基于画布式的交互,能像外挂大脑一样解决拆解/统筹能力方面的问题。比如在写文章时,其比较模式能让用户不用在多个大模型中做选择,可让多个主流模型输出内容后再决定使用哪个模型继续工作,如在 O1、Deepseek R1、Claude 3.5 和 3.7 中选择适合传播的 Deepseek R1 来继续创作。
2025-03-28
flowith知识库的用法
Flowith 知识库的用法包括以下方面: 1. 拆解创作任务: 将复杂的创作任务拆解到合适的颗粒度,为 AI 提供指导,例如拆解创作“科幻预见未来”的步骤。 明确关键任务节点和围绕其展开的主线任务。 2. 建立定向知识库: 将相关内容导入到 flowith 的知识花园中作为 AI 可调用的知识库,例如将《梦想与颠覆》卡牌的相关内容转化为文字上传。 打开智能拆分模式,让 AI 自动分析和优化拆分逻辑,形成知识“种子”。 激活知识库后,AI 会启用知识关联功能,使输出内容更具针对性。 可以发布或分享自己的知识库,也可在知识市场中使用他人的。 3. 构建知识库: 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,并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 处理文件。 4. 选择知识库提问: 在页面左侧可看到检索资料的来源,并可点击显示按钮展现所有原始信息。 Flowith 可以进行“可视化”的追问,能明确看到问答之间的序列关系。 可以在画布上平行提问,默认延续前面的问题,鼠标点击画布其他部分可新开问题。 不同的提示词面对同样的上下文会有不同结果,详细和强化的提示词能使答案更聚焦、详细。
2025-03-26
flowith
Flowith 是致力于打造“终极形态的 AI 创作工具”,探索人和 AI 终极交互形态的产品。 2025AGENT 智能体全球创作大赛正在进行中,截止时间为 3 月 28 日。参赛者可使用包括但不限于 Manus、Flowith Oracle、OpenManus、Coze 等任何 Agent 技术平台。所有参赛作品需包含详细实施过程和成果展示,联合微博、小红书、即刻等多个平台面向全球创作者开放。比赛奖金设置为:第一名 15000 元,第二名 8000 元,第三名 5000 元,第四名、第五名 3000 元,各个赛道第一名 3000 元,同时还有机会获得微博、小红书、即刻等平台的流量支持。学习资料: 。 在 24 年初公测发布时,Flowith 获得大量海内外关注、知名科技媒体主动报道,并获得 Meta、Google、Nvidia、OpenAI 等企业的官方支持与合作,2024 年 8 月正式发布亮相时,夺得 Product Hunt 榜单桂冠。已服务数十万海内外用户,预计 2025 年第二季度用户数将超过百万。 更多信息: 官网:https://try.flowith.io/ 产品网站: 产品文档及详细说明:https://doc.flowith.io/ 官方小红书: X: Product Hunt: 使用指南方面,创建多线程任务流时,首先需选择合适的 AI 模式,一般任务常规模式即可,针对复杂任务有 Oracle(先知)模式。Oracle 模式会根据提示词理解目的,自动拆分子任务,并让用户介入每个任务提供引导或确认产出,类似 AI 驱动的人机共创模式。在起始的提示词中需讲明创作目的、角色、语言风格、读者画像、内容和执行方式。以分析《少数派报告》为例,确定驱动力等任务节点后,可新建对应节点并给出明确提示词展开主线任务。
2025-03-25
flowith
Flowith 是致力于打造“终极形态的 AI 创作工具”,探索人和 AI 终极交互形态的产品。 2025AGENT 智能体全球创作大赛正在进行中,截止时间为 3 月 28 日。参赛者可使用包括但不限于 Manus、Flowith Oracle、OpenManus、Coze 等任何 Agent 技术平台。所有参赛作品需包含详细实施过程和成果展示,联合微博、小红书、即刻等多个平台面向全球创作者开放。比赛奖金设置为:第一名 15000 元,第二名 8000 元,第三名 5000 元,第四名、第五名 3000 元,各个赛道第一名 3000 元,同时还有机会获得微博、小红书、即刻等平台的流量支持。学习资料: 。 Flowith 在 24 年初公测发布时获得大量海内外关注、知名科技媒体主动报道,并获得 Meta、Google、Nvidia、OpenAI 等企业的官方支持与合作,2024 年 8 月正式发布亮相时夺得 Product Hunt 榜单桂冠。已服务数十万海内外用户,预计 2025 年第二季度用户数将超过百万。 更多信息: 官网:https://try.flowith.io/ 产品网站: 产品文档及详细说明:https://doc.flowith.io/ 官方小红书: X: Product Hunt: 在使用方面,创建多线程任务流时,首先要选择合适的 AI 模式,一般任务常规模式即可,针对复杂任务有 Oracle(先知)模式。Oracle 模式会根据提示词理解目的,自动拆分子任务,并会主动让用户介入到每个任务之中,提供引导或是确认产出,类似 AI 驱动的人机共创模式。在创作过程中,要明确创作目的、角色、语言风格、读者画像、内容和执行方式等。
2025-03-21
除了flowith之外,有哪些类似的产品可用,可以自动创建工作流并执行
以下是一些类似 flowith 可以自动创建工作流并执行的产品: 1. Refly:通过明确使用场景和构建完整的 WorkFlow 来帮助创作者降低认知负担。 2. FunBlocks AIFlow:在产品设计上致力于减少用户的认知负担。 此外,ComfyUI 也可通过拖入工作流文件来自动加载工作流,例如生成绿幕素材和绿幕素材抠图的工作流,其工作流文件链接为:https://pan.quark.cn/s/01eae57419ce 提取码:KxgB 。您可以对照相关内容进行学习。
2025-03-17
自然语言转换为sql
以下是关于自然语言转换为 SQL 的相关信息: DuckDBNSQL7B 模型能够将自然语言转换成 SQL 代码,使非专业用户能轻松与数据库交互,它基于大量真实和合成的 DuckDB SQL 查询训练。相关链接:https://github.com/NumbersStationAI/DuckDBNSQL 、https://x.com/xiaohuggg/status/1751081213459415164?s=20 Claude 官方提示词中有将日常语言变成 SQL 查询语句的相关内容。 以下是一些推荐的 text2sql 相关的 AI 工具及其链接: Text2SQL:将英文转换为 SQL 查询。链接:https://toolske.com/text2sql/?ref=theresanaiforthat ai2sql:高效且无错误的 SQL 构建器。链接:https://www.ai2sql.io/ EverSQL:从 SQL 查询翻译英文文本。链接:https://www.eversql.com/sqltotext/ SupaSQL:从 NLP 生成 SQL 查询。链接:https://supasql.com/ SQLgenius:使用自然语言的 SQL 查询生成器。链接:https://sqlgenius.app/ SQL Chat:与数据库进行自然语言聊天的 SQL 客户端。链接:https://www.sqlchat.ai/ SQL Ease:从自然语言输入生成 SQL 查询。链接:https://sqlease.buildnship.in/ Talktotables:翻译和查询数据库。链接:https://talktotables.com/ 此外,还有几个知名的 text2sql 项目,如 SQLNet(使用深度学习方法解决 text2sql 任务的项目)、Seq2SQL(将自然语言转换为 SQL 查询的序列到序列模型)、Spider(一个大规模的 text2sql 数据集及其相关的挑战)
2025-03-31
什么是AI板块的“自然语言处理”
自然语言处理(NLP)是人工智能和语言学领域的分支学科。它包括让电脑对输入的语言进行认知和理解,将其转化为有意义的符号和关系,并根据目的进行处理。自然语言处理涵盖了多个方面和步骤,基本包括认知、理解、生成等部分。其旨在处理和运用自然语言,例如把计算机数据转化为自然语言。自然语言处理涉及多门学科,如概率论、统计学、逼近论、凸分析、计算复杂性理论等。在计算机科学中,为了让计算机能理解和处理自然语言这种复杂多样、具有语境依赖性和模糊性的信息,引入了 Token 化的概念,将复杂的文本数据分解成更小、更易于计算机处理的单元,如单词、短语或标点符号,从而更有效地进行语言处理和提取意义。
2025-01-04
我想用coze搭建一个智能体,关于自然语言课程的期末复习指南,要将我的教材导入扣子作为知识库,智能体支持用户提问,搜索知识点,结合知识库和互联网搜索的内容给出问答,需要使用多智能体或工作流,使用卡片功能进行显示,请给出我搭建这个智能体的步骤
以下是使用 Coze 搭建一个关于自然语言课程期末复习指南智能体的步骤: 1. 访问 Coze 官网(https://www.coze.cn),注册并登录。 2. 点击页面左上角的⊕,通过【标准创建】填入智能体的基本信息。 3. 了解 Bot 开发调试界面: 人设与回复逻辑(左侧区域):设定智能体的对话风格、专业领域定位,配置回复的逻辑规则和限制条件,调整回复的语气和专业程度。 功能模块(中间区域): 技能配置: 插件:扩展智能体的专业能力,如计算器、日历等工具。 工作流:设置固定的处理流程和业务逻辑。 图像流:处理和生成图像的相关功能。 触发器:设置自动化响应条件。 知识库管理: 文本:存储文字类知识材料。 表格:结构化数据的存储和调用。 照片:图像素材库。 记忆系统: 变量:存储对话过程中的临时信息。 数据库:管理持久化的结构化数据。 长期记忆:保存重要的历史对话信息。 文件盒子:管理各类文档资料。 交互优化(底部区域): 开场白:设置初次对话的问候语。 用户问题建议:配置智能推荐的后续问题。 快捷指令:设置常用功能的快速访问。 背景图片:自定义对话界面的视觉效果。 预览与调试(右侧区域):实时测试智能体的各项功能,调试响应效果,优化交互体验。 4. 设定智能体的人设与回复逻辑后,为智能体配置对应的技能,以保证其可以按照预期完成目标任务。例如,以获取 AI 新闻的智能体为例,需要为它添加一个搜索新闻的接口来获取相关新闻。具体操作如下: 在智能体编排页面的技能区域,单击插件功能对应的+图标。 在添加插件页面,选择相关功能,然后单击新增。 修改人设与回复逻辑,指示智能体使用相应插件来搜索所需内容。 (可选)为智能体添加开场白,让用户更好地了解智能体的功能。开场白功能目前支持豆包、微信公众号(服务号)。 5. 配置好智能体后,在预览与调试区域中测试智能体是否符合预期。可单击清除图标清除对话记录。 6. 完成测试后,将智能体发布到社交渠道中使用。具体操作如下: 在智能体的编排页面右上角,单击发布。 在发布页面输入发布记录,并勾选发布渠道。 单击发布。 更多内容,请访问 Coze 官方文档: 英文版:https://www.coze.com/docs/welcome.html 中文版:https://www.coze.cn/docs/guides/welcome
2024-12-20
是否可以理解为agent生成工作流的过程,是通过与agent进行自然语言实现的,而不用预设固定的规则和流程
Coze 是一个 AI 平台,它允许用户创建自己的 AI Bot。在 Coze 中,用户可以使用工作流来设计 Bot 的行为。工作流是由一系列大模型组件组成的,每个组件都可以执行特定的任务,例如解析用户输入、进行条件判断和生成回答等。 Coze 的工作流设计支持动态用户需求传入,这意味着用户可以通过自然语言来动态调用条件流程,而不是通过传统编程的固定条件匹配和调用。这种设计使得 Coze 的 Bot 更加灵活和智能,能够更好地满足用户的需求。 下面是一个 Coze 工作流的示例: 1. 第一步是使用大模型组件解析用户输入的信息,以确定它是否满足提示词条件。 2. 如果满足条件,则执行下一步。 3. 如果不满足条件,则再次调用大模型组件,其提示词与 AI Bot 的提示词几乎相同。 4. 最后,到达结束节点,生成回答。 通过这种方式,Coze 的 Bot 可以根据用户的输入动态调整其行为,以提供更准确和有用的回答。
2024-05-08
LlamaIndex 对比 langchain Extraction 哪个对提取自然语言中的格式化数据更好一些?
如果您需要从自然语言文本中提取格式化数据,LLamaIndex 可能是一个更好的选择,因为它提供了各种 Pydantic 程序,可以帮助您将输入的文本字符串转换为结构化的 Pydantic 对象。 然而,如果您的任务不涉及自然语言,或者您更熟悉 LangChain 的工作方式,那么 LangChain Extraction 也可能是一个不错的选择,因为它可以帮您提取非自然语言文本中的格式化数据。
2024-04-01
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
comfyui动画片工作流怎么构建
构建 ComfyUI 动画片工作流的步骤如下: 1. 打开 Comfyui 界面后,右键点击界面,找到 Comfyui LLM party 的目录。您可以学习手动连接节点来实现最简单的 AI 女友工作流,也可以将工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 2. 从 ollama 的 github 仓库找到对应版本并下载。启动 ollama 后,在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。 3. 若 ollama 连接不上,很可能是代理服务器的问题,请将 127.0.0.1:11434 添加到不使用代理服务器的列表中。 此外,还有以下相关工作流搭建的信息供您参考: 1. 搭建艺术二维码工作流:打开 ComfyUI 导入相应工作流。工作流所用到的节点包括大模型节点(可选择如 AWPainting、primemixanything、xxmix9realistic v40 等,并提供了相应链接)、关键词节点、Lora 节点、ControlNet 节点(选用 qrcode_monster V2 版本,下载链接:https://huggingface.co/monsterlabs/control_v1p_sd15_qrcode_monster/tree/main/v2 )、采样器节点(Step 选择高步数,35 50 即可,采样器默认的 euler a/dpmpp 2m sde )。 2. 搭建 ComfyUI 基础工作流:从零开始搭建时,首先准备加载大模型的节点,在工作区鼠标右键点击,选择 Add Node > 选择 loaders > 选择 Load Checkpoint,并选择对应的模型。然后加载 Conditioning(条件),在工作区鼠标右键点击,选择 Add Node > 选择 Conditioning > 选择 CLIP TEXT Encode,输入正反向提示词。添加采样器时,部分参数设置与 WEB_UI 有所不同,如 seed 值只有固定、随机、每次增加、每次减少这四个选项,采样器和调度器是分开的。
2025-04-13
构建知识库有什么要注意的?
构建知识库时需要注意以下几点: 1. 在使用在线检索流程生成结果时: 重排序的结果通常因大模型上下文有限制而不会都被使用,可以设置阈值进行截断,如只使用前 3 5 个文档,或只取相关性分数大于某个值的文档。 一些先进的 RAG 系统会对选中的文档进行摘要或压缩,以在有限空间内包含更多相关信息。 2. 对于后置处理,可能包括敏感内容检测和移除、格式化输出等。 3. 创建智能体的知识库时: 手动清洗数据可提高准确性,如创建画小二课程的 FAQ 知识库时,飞书在线文档中每个问题和答案以分割。 对于本地文档,不能一股脑全部放进去训练,应先放入大的章节名称内容,再按固定方式细化处理。 4. 使用 Coze 搭建知识库时: 文档的分片策略会严重影响查询结果,RAG 方案存在跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等问题。 希望以上内容对您有所帮助。
2025-03-25
如何构建知识库
构建知识库的方法主要有以下两种: 使用 flowith 构建知识库: 1. 选择“Manage Your Knowledge Base”,进入知识库管理页面。 2. 点击左上角的加号,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. Flowith 会对文件逐个进行抽取等处理,无需操心具体过程,等待处理完毕。 5. 处理完毕后,可以在知识库管理页面测试检索,输入关键词过滤相关内容。 使用 Dify 构建知识库: 1. 准备数据:收集需要纳入知识库的文本数据,包括文档、表格等格式,并对数据进行清洗、分段等预处理,确保数据质量。 2. 创建数据集:在 Dify 中创建一个新的数据集,并将准备好的文档上传至该数据集,为数据集编写良好的描述。 3. 配置索引方式:Dify 提供了三种索引方式供选择,包括高质量模式、经济模式和 Q&A 分段模式,根据实际需求选择合适的索引方式。 4. 集成至应用:将创建好的数据集集成到 Dify 的对话型应用中,作为应用的上下文知识库使用,在应用设置中配置数据集的使用方式。 5. 持续优化:收集用户反馈,对知识库内容和索引方式进行持续优化和迭代,定期更新知识库,增加新的内容以保持时效性。 总的来说,Dify 提供了一个可视化的知识库管理工具,关键步骤包括数据准备、数据集创建、索引配置,以及将知识库集成到应用中并持续优化。
2025-03-20
我是新手小白,如何用最简单的方式构建多智能体
对于新手小白构建多智能体,以下是一种较为简单的方式: 1. 快速搜索补充参考信息:根据用户的任务调研市场上主流的开源搜索引擎技术架构,使用搜索工具 API WebSearchPro 补充更多信息,具体可参考。 2. 用模型规划和分解子任务:使用大模型如 GLM40520 帮助规划,把用户问题拆分成若干子搜索任务,并转换为 JSON 格式。JSON 格式处理可参考。 3. 用搜索智能体完成子任务:AI 搜索智能体具备联网搜索和自主分析并进行多轮搜索任务的能力。智能体 API 的调用方式可参考。智能体 id 为 659e54b1b8006379b4b2abd6,简介为连接全网内容,精准搜索,快速分析并总结的智能助手。 4. 总结子任务生成思维导图:智能体能调用各种插件,如思维导图、流程图、PPT 工具等,可根据工作需要选择。智能体 API 的调用方式可参考。智能体 id 为 664e0cade018d633146de0d2,简介为告别整理烦恼,任何复杂概念秒变脑图。 另外,OpenAI 官方开源的多智能体框架「Swarm」具有一定优势,其「Handoffs」处理了不同智能体之间交接的逻辑。例如构建客服多智能体,可能只需要准备普通接线客服和宽带客服两个 Agent 。 在实际操作中,如创建 Coze 智能体获取笔记和评论信息,要创建智能体并使用单 Agent 对话流模式,编排对话流,进行测试和发布等步骤。发布时要注意相关配置,如输出类型、输入类型等。
2025-03-20
如何构建多模态知识库?
构建多模态知识库可以参考以下步骤: 1. 图像知识库方面:通过多模态的能力对图片信息进行检索理解。效果测试时,上传一张图片,在图像数据库里找到相关信息,然后结合内容进行回复。 2. 构建图片索引: 新建结构化数据表时,将图片索引所在列的字段类型设置为 link。需注意新建数据表后,无法再新增或修改字段类型为 link。 创建结构化知识库时,对于需要建立图片索引的 link 类型字段,在旁边的下拉列表中选择图片。创建知识库后,无法再新建或修改图片索引。 3. 多模态知识库还包括构建图片型索引需结构化数据表,字段类型设置为 link,以实现 FAQ 中向用户推送图片信息。
2025-03-19
我想找一个可以把服装图片用ai的方式直接‘穿’在另一张图片的模特身上
以下是两种可以将服装图片用 AI 的方式“穿”在另一张图片的模特身上的方法: 方法一:使用 ComfyUI GeminiAPI 1. 在 Google 的 AI Studio 申请一个 API key(需要网络环境),有免费的额度,网址为:https://aistudio.google.com/apikey?hl=zhcn 。 2. 安装相关依赖,根据使用的情况选择手动安装(如果使用 ComfyUI 便携版或自己的 Python 环境)或通过 ComfyUI Manager 安装。 手动安装:安装相关依赖。 通过 ComfyUI Manager 安装:在 ComfyUI 中安装并打开 ComfyUI Manager,在 Manager 中搜索“Gemini API”,然后点击安装按钮。 方法二:使用【SD】 1. 进行 SAM 模型分割:来到图生图中,提示词输入“蓝色毛衣”,蒙版区域内容处理改为“填充”,尺寸改为和图像一致,重绘幅度为 1。 2. 处理可能出现的问题:如蒙版区域较大导致的衔接问题,可以通过降低重绘幅度或添加一个 openpose 来控制人物的身体,得到正确的姿势。 3. 选择合适的重绘功能:除了使用图生图的局部重绘,还可以使用 controlnet 的局部重绘功能,控制模式选择“更注重提示词”,具体效果可自行试验选择。
2025-04-09
怎么使用AI根据一篇论文直接生成PPT
以下是使用 AI 根据一篇论文直接生成 PPT 的一些方法和步骤: 1. 利用 AI 摘要论文内容并生成大纲列表,或者让 AI 根据主题扩充成大纲列表乃至具体内容。 2. 可以使用特定的 AI 工具,如 Claude 和 Gamma.app 。Claude 能帮助快速寻找符合条件的论文、提取精炼论文中某部分信息,并找到适合的 PPT 制作工具及教会使用。 例如,通过与 Claude 对话解决学术网站的条件搜索问题,如“帮我搜索一下营销领域最权威的期刊是哪几本”等。 3. 给 AI 一段数据、描述信息媒介的进化史、总结文章全文等,让其进行可视化展示。 4. 模型选择方面,目前推荐 Claude 3.7 Sonnet ,可通过 POE 调用 Claude 等方式。 需要注意的是: 1. 别指望有一段提示词复制就能得到满意的结果,这是一个和 AI 互动的过程,需要反复尝试。 2. 使用 AI 生成“PPT”实际上是基于模型的 HTML 输出能力,并非真的 PPT 格式,目前无法在 PPT 里进行二次深度编辑。
2025-04-01
怎么根据一篇论文直接生成PPT
以下是根据一篇论文直接生成 PPT 的一些方法和建议: 1. 利用 Gamma app:将 Claude 的答案放到 Google Docs 中,再导入 Gamma app 可自动转成初始只有文字的 PPT,然后可给 Gamma app 发送指令进行美化。 2. 提取论文中的关键图表: 检查论文在线版本:有些期刊会发布数字版本,包含原文、数据、图表等,可在论文首页或期刊网站查找相关链接下载。 联系论文作者:通过网络查找作者联系方式,说明兴趣,可能获取电子版论文全文。 咨询研究数据库:大学和公共图书馆通常订阅研究文献数据库,可联系馆员请求帮助。 3. 对于生成 PPT 的其他方式,如将文件转换为 PDF 格式(其他格式也可,但 PDF 效果更好),注意处理图片(网络图片复制 url 用 markdown 格式写入文档,自己的图片使用图床服务托管生成公链)和视频(找到公网视频地址用 markdown 格式写入)。 4. 让 AI 帮忙摘要论文内容生成大纲列表,或根据主题扩充成大纲列表乃至具体内容,在特定场景下可直接使用生成的 PPT,如学生快速为小组展示配 PPT。同时,还有多种 PPT 模板可供选择,如子弹布局、带文本布局的图标、统计布局、金字塔布局等。
2025-04-01
用ai建立知识库和直接使用ai有什么区别、
用 AI 建立知识库和直接使用 AI 主要有以下区别: 直接使用 AI 时,AI 生成的内容可能较为笼统模糊,就像遇到只会说“很急,今天就要”却不提供具体指导的领导。若想让 AI 成为得力助手,需对复杂任务进行拆解,提供方法论和定义输出格式。 建立知识库就如同为 AI 准备了“教科书”。知识库灵活,但偶尔会出现查不到内容而“猜题”的情况。例如,将《梦想与颠覆》卡牌等相关内容导入作为 AI 可调用的知识库,后续在创作中激活知识库,AI 会根据场景自动匹配库内素材,使输出更具针对性。 相比之下,微调类似于让 AI“自己真的学会了整本书”,答题更快更准,但训练成本高。微调适合高精度、长期任务,而知识库更适合临时查找、快速问答。
2025-03-30
目前的AI设计软件,能直接生成课程海报吗
目前的 AI 设计软件能够直接生成课程海报。例如 Claude 这款工具,其 Artifact 功能强大,无需专业设计技能和代码编写,也无需使用 PS 等软件,仅通过输入提示词和对话交流,就能生成课程海报,还能根据需求进行修改,如合并课程、添加日历、调整色彩等。 此外,还有一些其他的 AI 海报生成工具: 1. Canva(可画):https://www.canva.cn/ ,提供大量模板和设计元素,AI 功能可协助选择颜色搭配和字体样式。 2. 稿定设计:https://www.gaoding.com/ ,智能设计工具采用先进人工智能技术,自动分析和生成设计方案。 3. VistaCreate:https://create.vista.com/ ,提供大量设计模板和元素,用户可使用 AI 工具创建个性化海报,智能建议功能可帮助快速找到合适设计元素。 4. Microsoft Designer:https://designer.microsoft.com/ ,通过简单拖放界面创建演示文稿、社交媒体帖子等视觉内容,集成丰富模板库和自动图像编辑功能。 另外,还有一个海报设计的案例分享——东阿阿胶。其步骤包括得到需求、提取元素、绘制线稿、用 controlnet 转绘上色、ps 优化、定稿。具体为:确定需求并提取元素,如风格要潮流插画、有唐代元素和国潮等;绘制线稿,根据需求调整元素,如将驴子换成琵琶等;拆分元素线稿,绘制单个元素使其更精致,方便后期替换;利用拼接好的线稿跑图抽卡,选出合适的进行 ps 优化;最后根据客户需求进行元素替换得到定稿。上色运用的大模型为 GhostMix 鬼混_V2.0,lora 模型为“盒子系列——平面国潮插画_v1.0:182ba9e2f576”,controlnet 模型为“Module:lineart_coarse,Model:contr”。
2025-03-26
我需要一个直接能查询boss直聘信息的ai搜索工具
Coze 是一个提供丰富插件的平台,其中部分插件可能对您查询 boss 直聘信息有所帮助。Coze 提供的插件涵盖众多领域,包括搜索引擎、文本分析、图像识别等。其国内版本(https://www.coze.cn/store/plugin )中的一些插件具有实用功能,例如猎聘插件,可以帮助用户根据工作经验、教育经历、地理位置、薪水、职位名称、工作性质等条件搜索猎聘上提供的招聘信息。但需要注意的是,Coze 中可能没有直接针对 boss 直聘信息的查询插件。
2025-03-18