以下是关于 Coze 教程的相关内容： 可能是全网最好的 Coze 教程之一，能一次性带您入门 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： 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： 任何玩过 AI 对话产品的一般用户（如果没用过，可以先找个国内大模型耍耍）。 希望深入学习 AI 应用开发平台（如 Coze、Dify），对 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。 Coze 概述： 字节的官方解释：Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可在 Coze 平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单问答到处理复杂逻辑对话。并且，可将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。 个人认为：Coze 是字节针对 AI Agent 领域的初代产品，在 Coze 中称 AI Agent 为 Bot。 字节针对 Coze 部署了两个站点，分别是国内版和海外版。 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用字节自研的云雀大模型，国内网络可正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（可参考文档白嫖 ChatGPT4） 访问需要突破网络限制的工具 参考文档：https://www.coze.com/docs/zh_cn/welcome.html AI Agent 的开发流程： Bot 的开发和调试页面布局主要分为如下几个区块： 提示词和人设的区块。 Bot 的技能组件。 插件。 工作流。 Bot 的记忆组件。 知识库。 变量。 数据库。 长记忆。 文件盒子。 一些先进的配置。 触发器：例如定时发送早报。 开场白：用户和 Bot 初次对话时，Bot 的招呼话语。 自动建议：每当和 Bot 一轮对话完成后，Bot 给出的问题建议。 声音：和 Bot 对话时，Bot 读对话内容的音色。 下面会逐一讲解每个组件的能力以及使用方式。

以下是关于本地部署大模型并微调建立本地知识库的详细步骤： 一、使用 AnythingLLM 进行本地知识库搭建 1. 安装 AnythingLLM 安装地址：https://useanything.com/download 安装完成后进入配置页面，主要分为三步： 第一步：选择大模型 第二步：选择文本嵌入模型 第三步：选择向量数据库 2. 构建本地知识库 在 AnythingLLM 中创建自己独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式，提供了 Chat 模式（大模型根据训练数据和上传文档数据综合给出答案）和 Query 模式（大模型仅依靠文档中的数据给出答案）。 二、张梦飞的全本地部署教程 1. 部署大语言模型 下载并安装 Ollama 点击进入，根据电脑系统，下载 Ollama：https://ollama.com/download 下载完成后，双击打开，点击“Install” 安装完成后，将下方地址复制进浏览器中。如果出现下方字样，表示安装完成：http://127.0.0.1:11434/ 下载 qwen2:0.5b 模型 如果是 Windows 电脑，点击 win+R，输入 cmd，点击回车；如果是 Mac 电脑，按下 Command（⌘）+Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”，然后从搜索结果中选择“终端”应用程序。 复制相关命令行，粘贴进入，点击回车。 三、智能纪要中的相关内容 在智能纪要中，许键介绍了模型 API 调用方法与知识库创建，包括获取 API key 位置及调用设置，详细讲解了创建 Rag 应用（知识库）流程，如上传非结构化文件、数据解析、切分段落等操作，并回答了诸多问题。同时还涉及工作流创建、模型能力及相关问题的探讨，以及通义千问相关应用及明天课程安排交流等内容。 总之，本地部署大模型并建立本地知识库需要按照上述步骤进行操作和配置，同时不断实践和探索，以达到理想的效果。

以下是一些输入文本就可以输出视频的免费 AI 工具： 1. Stuart：实践中采用了 GPTSoVITS 和 BertVITS2 两个开源模型，项目免费且好用。可直接找到需要的音色，输入文字，点击“合成语音”生成后就能下载。 GPTSoVITS 在线一键语音生成合集：https://www.modelscope.cn/studios/xzjosh/GPTSoVITS/summary BertVITS2 在线一键语音生成合集：https://www.modelscope.cn/studios/xzjosh/BertVITS2/summary 2. Pika：是一款出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 3. SVD：如果熟悉 Stable Diffusion，可以安装这款最新的插件，在图片基础上直接生成视频。它是由 Stability AI 开源的 video model。 更多的文生视频的网站可以查看：https://www.waytoagi.com/category/38 。请注意，内容由 AI 大模型生成，请仔细甄别。

以下是关于输入文本生成视频的相关内容： 使用 Adobe Firefly 生成视频： 1. 在上，选择“生成视频”。 2. 在 Generate video 页面上，在 Prompt 字段中输入文本提示，您还可以使用 Upload 选项在 Image 部分上传图像用于第一帧，并为视频剪辑提供方向参考。 3. 在 General settings 部分，确定 Aspect ratio 和 Frames per second。 4. 在 Advanced 部分，可使用 Seed 选项添加种子编号来控制 AI 创建内容的随机性。 使用 Pika Labs 生成视频： 1. 加入 Pika Labs 的 Discord 频道：在浏览器中打开链接，点击加入邀请 https://discord.gg/dmtmQVKEgt 。 2. 在 generate 区生成：左边栏出现一只狐狸的头像就意味着操作成功了，如果没成功点开头像把机器人邀请至服务器。接着在 Discord 频道的左侧，找到“generate”子区，随便选择一个进入。 3. 生成视频： 输入指令生成：输入/create，在弹出的 prompt 文本框内输入描述，比如/create prompt:future war,4K ar 16:9，按 Enter 发送出去就能生成视频。 本地图片生成：输入/create，在弹出的 prompt 文本框内输入描述，点击“增加”上传本地图片，就能让指定图片生成对应指令动态效果。 4. 喜欢的效果直接右上角点击下载保存到本地。如果对生成的视频不满意，如图像清晰度不够高或场景切换不够流畅等，可以点击再次生成按钮，系统会进一步优化生成的效果。 Pika Labs 被网友评价为目前全球最好用的文本生成视频 AI，其生成服务和 midjourney 一样，都托管在 discord 中，目前内测免费。

以下是关于 AI 优化库存管理和员工排班的相关内容： 库存管理： 1. 利用 AI 预测需求，优化库存管理，减少积压和缺货情况。 2. AI 可以分析不同产品的销售速度、市场趋势等数据，为库存的补货和调整提供决策依据。 3. 通过 AI 生成的库存周转分析工具，预测滞销品并推荐促销策略。 员工排班： 1. 智能排班优化，根据客流预测自动调整员工排班表。 2. 实时话术提示工具，在员工与客户沟通时 AI 推荐应答策略。 3. 自动化周报生成，汇总销售数据、客户反馈生成可视化报告，为排班提供参考。 4. 培训模拟考试系统，基于产品知识库生成随机测试题，提升员工能力，优化排班安排。 5. 客户潜力评分系统，根据消费行为自动标记高价值客户，据此安排合适的员工服务。 6. 舆情预警系统，实时监测负面评价并推送处理建议，灵活调整员工工作安排。 7. 客户流失预测模型，通过行为数据预警流失风险，合理安排员工进行客户维护。 8. 会议纪要自动生成，转录会议录音并提取任务清单，辅助排班决策。 9. 员工满意度分析，通过匿名问卷分析员工工作痛点，优化排班以提高员工满意度。

以下是关于 AI 技术在茶饮行业的影响分析及在连锁奶茶店应用的设想： 影响分析： 1. 提升运营效率：通过自动化流程和智能预测，优化库存管理、员工排班等环节。 2. 改善客户体验：利用智能客服快速响应顾客咨询，提供个性化推荐。 3. 精准营销：基于大数据分析顾客偏好，制定更有针对性的营销策略。 应用设想： 1. 智能点单系统：根据顾客的历史订单和偏好，为其推荐饮品和搭配。 2. 库存管理优化：借助 AI 预测销售趋势，精准控制原材料库存。 3. 员工培训辅助：利用虚拟培训工具，提升员工的服务技能和产品知识。 4. 营销决策支持：通过数据分析，确定最佳的促销活动和推广渠道。 目前的知识库中，相关的具体研究报告主要有： 1. 浙江大学：《DeepSeek 技术溯源及前沿探索朱强》（2025/03/19），介绍了语言模型从基于统计的 Ngram 到 Transformer 的技术演化，以及大模型的发展，如 GPT 系列。 2. 浙江大学：《DeepSeek：回望 AI 三大主义与加强通识教育报告》（2025/03/05），围绕人工智能展开，介绍其发展历程、三大主义、技术进展、应用成果以及教育举措。 3. 清华大学：《气象人工智能技术与应用报告》（2024/12/25），围绕气象人工智能展开，介绍了其发展和应用情况。 如需下载这些研究报告，可。

以下是 AI 在茶饮或餐饮行业的一些实践： 中昊智达是一家智能饮茶机研发与运营服务商，专注于智能饮茶机的研发、生产和市场投放。该公司整合了茶叶种植、生产、销售和体验等多方资源，构建了完整的产业链，致力于为消费者提供便捷的茶饮服务。 有人对利用 ComfyUI 的底层原理搭建适用于中医药房自动抓药或养生茶饮茶方的工作流感兴趣。 大雍是新茶饮行业的全栈服务商，在 AI 社群的共创项目里主要负责剧本创意和分镜脚本部分。

以下是关于 DeepSeek 辅助写论文的相关信息： 中山大学发布的报告《李煜政：从技术突破到场景落地：大模型发展图谱与 DeepSeek 创新应用》（2025/03/25）指出，DeepSeek 在办公上可辅助公文写作、文档阅读与整理；在学习研究中，助力论文写作、知识搜索；还能用于创意设计、编程、表格处理等场景，提升效率与质量。如需下载研究报告，需加入知识星球（https://t.zsxq.com/18DnZxlrl）。 成都的尹睿认为可以用 DeepSeek 快速分析案例，辅助写咨询策划报告。DeepSeek 的案例分析能力为咨询策划报告提供了极强的效率赋能，能通过结构化数据提取和逻辑推理，快速定位关键信息，生成具备商业洞察的初步框架。若能在动态知识图谱联动、多模态决策沙盘、战略假设压力测试、风格化表达适配器等维度增强，将实现从“分析助手”到“策略共创伙伴”的跃迁。 在关于 AI 工具的探讨与展望中，DeepSeek 在写文方面全面领先，但长文会太发散，文风用力过猛，可能导致审美疲劳，且模型多样性不够，相同 prompt 提问多次答案雷同。写理性文章时，可先与 DeepSeek 讨论思路，再用 Cloud 3.5 批量生成。今年是 AI 大年，各模型厂压力大，开源使技术路径公开，大厂都在努力赶超，未来 AI 可能能追本溯源解决最原始需求，带来人类的黄金时代。Sam Altman 提出投资提升自身内在状态等以对冲 AGI 和 ASI 未来的风险，科幻小说家可能是未来史学家。可以让 Deepseek 模仿特定小说家的文学方式创作小说，需在提示词中描述文风特征，如鲁迅的文风特点等。用 O1 模型对 AI 创作的字数控制有一定效果，也可通过多轮对话让 AI 增删改查来调整字数。大家可以在腾讯频道发布用 AI 写的小说并鉴赏，比较谁写的更有意思。还回顾了之前用 AI 创作的相关经历，如用分制法完成复杂任务、开源提示词等，并探讨将以往优秀创作在 R1 模型中重新尝试。

如果您要分析代码功能，可以参考以下步骤： 1. 准备工作： 分析要拷贝页面的技术栈，可通过打开 https://www.wappalyzer.com/ 输入要分析的网站地址获取。 截图要克隆的网页。 分析页面功能，如顶部导航栏、页面主体区域（包括分类在左边、文章列表在右边、标题位置、文章卡片展示位置、文章列表和分类区域）、底部导航栏。 2. 开始克隆出效果，并逐渐完善： 根据分析拆分后续要实现的内容，如先实现文章列表部分和底部导航栏。 对于文章列表部分，可使用提示词根据图片实现，注意不要直接点击全部接受，先看效果，不符合需求可拒绝或让 AI 解释新增代码的作用。 对于左侧菜单栏，可通过提示词实现，如要求内容是文章的分类，在页面滚动时菜单会吸顶。若出现异常，可选中所有异常添加到对话，让 AI 解决。 可让 AI 添加注释解释每段代码对应的功能，以便精准提出修改建议。 明确提示词，说清楚要实现的功能的位置、大小、效果。 3. 对于 AI Review（测试版）： 这是一项可查看代码库中最近更改以捕获潜在错误的功能。 您可以单击各个审阅项以查看编辑器中的完整上下文，并与 AI 聊天获取详细信息。 为让其更有利，您可为 AI 提供自定义说明以专注于特定方面，如性能相关问题。 目前有几个选项可供选择进行审核，如查看工作状态、查看与主分支的差异、查看上次提交。

以下是关于代码可视化的相关内容： 常用的图表、公式和结构可视化代码语言及工具： |名称|用途|举例| |||| |AsciiMath|数学公式和方程表示|x2+y^2=r^2| |Graphviz|绘制图形、流程图|digraph G{A>B;B>C;}| |PlantUML|流程图、序列图、类图等|@startuml Alice>Bob:Hello| |ChemDraw XML|化学分子式表示|<molecule><atom>H</atom></molecule>| |OpenSCAD|3D CAD 设计|cube| |Circuitikz|电路图|\\begin{circuitikz}\\draw;\\end{circuitikz}| |AsciiDoctor=1.732| |PGF/TikZ|科学和工程图、几何图形|\\draw;| |KaTeX|数学公式快速渲染|C=\\pm\\sqrt{a^2+b^2}| ChatGPT 的代码解释器在数据分析与可视化方面的应用： 在现代企业和研究环境中，ChatGPT 的代码解释器插件通过支持强大的数据科学库如 pandas 和 matplotlib，极大地简化了数据分析和可视化过程。用户可以直接通过自然语言请求，指导 ChatGPT 进行数据操作和生成图表。例如，市场分析师可以分析产品销售数据并展示不同地区的销售表现，环境科学家可以分析过去十年的气温变化数据。但需注意，如果图示是中文的，可能显示不了，需要上传字体文件上去，此问题暂时还未解决。 GPT4 在编程和数据可视化方面的能力： 为评估 GPT4 在更真实的设置中编写代码的能力，设计了端到端的与数据可视化、LATEX 编码、前端开发和深度学习相关的真实世界编程挑战。在数据可视化任务中，要求 GPT4 和 ChatGPT 从上表的 LATEX 代码中提取数据，并根据与用户的对话在 Python 中生成图形。虽然两者都能正确提取数据，但 ChatGPT 无法生成所需图形，而 GPT4 能对所有用户请求做出适当响应，将数据调整为正确格式并适应可视化效果。