5月8日 大圣分享《Coze全流程搭建 》
输入“/”快速插入内容
5月8日 大圣分享《Coze全流程搭建 》
5月8日 大圣分享《Coze全流程搭建 》
大圣：胎教级教程：万字长文带你使用Coze打造企业级知识库
📄
概览
智能纪要内容由 AI 生成，可能不准确，请谨慎参考，这些内容不代表平台立场
总结
会议讨论了 AI agent 的入门知识、产品介绍、实际应用和未来发展方向，以及自然语言处理模型的使用、调试技巧、工作流设计等内容，主要包括以下几点：
1. 共学小组的目的和课程安排。
2. AI GEN agent 的入门和 COS 的搭建。
3. 大圣与 COS 结缘的历程。
4. 分享的大纲，包括大圣与 COS 结缘的历程、扣子的两个站点及产品基本使用、产品资料问答机器人案例、调试工作流的小技巧。
5. 创建 AI 机器人的步骤和方法。
6. 扣子（Kazi）平台的基本使用方法。
7. 知识库的使用方法和注意事项。
8. 工作流的创建和应用。
待办
智能章节
本章节主要介绍了 AI agent 共学小组的目的、内容安排以及大圣与扣子结缘的历程。会议首先由 AJ开场，介绍了共学小组的目标是帮助大家进行 COS 入门，并一起操作搭建 AI agent。大圣分享了自己与扣子结缘的历程，初始 AIGC 后，开始使用 ChatGPT 等工具，并学习了提示词工程。但在使用过程中，大圣发现大模型存在训练数据时效性、企业私有数据无法回答、上下文 token 限制等缺陷。为了解决这些缺陷，大圣接触到了 AI agent 概念，并搜索到了扣子。
本章节主要介绍了 AI agent 的概念，并通过举例对比了有 agent 和没有 agent 两种情况下完成任务的过程和结果，以此来说明引入 agent 的原因。最后大圣提出 AI agent 的公式为大模型加规划加记忆加工具。
本章节主要介绍了 AI agent 的概念和作用，以及扣子（cos）的定义、功能和国内外版本的区别。其中，AI agent 是指能够自主执行任务的智能体，它可以通过大模型、规划、memory 和工具等元素来实现。扣子（cos）是一款一站式 AI bot 开发平台，用户可以在平台上搭建基于 AI 模型的各类文达 bot，从而解决复杂逻辑问题，并将这些 bot 发布到社交平台上与用户互动。国内外版本的扣子（cos）主要区别在于使用的大模型不同，国内版本使用字节自研的云雀大模型，海外版本则支持 GPT 3.5、GPT 4 和 GPT Turbo 等模型。
本章节主要介绍了如何使用 GPT-4 创建免费的小 bot 以及如何创建简单的 bot。首先介绍了 GPT-4 的免费使用 GPT-4 的小 bot 来了解 cos 的界面，包括 create bot、home 页面、personal、bot store、public configure、plug in store 和 teams 等功能。接着通过一个小机器人演示了创建 bot 的过程，包括描述、图片生成、选择模型等步骤。bot 的三个组成部分：提示词、技能、知识/记忆，并讲解了如何添加插件以增强 bot 的功能。最后通过实际操作展示了如何使用 GPT 4 创建一个具有联网和画图能力的 bot。
本章节主要讲解了智能客服的业务需求和实现方式。首先介绍了企业中常见的 QA 文档，并提出了将资料全部给 AI，让 AI 与客户对接的想法。接着，通过具体的例子解释了知识库的作用，即上传资料后，大模型会消化这些知识，用户提问时能够通过知识库的内容回答问题。最后，演示了如何创建知识库，包括添加知识库、描述等操作。
本章节主要介绍了知识库的使用方法，包括上传 local documents 时可以选择自定义切片，将文档分割成段落，以及使用三个井号对文档进行标识，从而让知识库切成规整的切片。同时，会议还强调了文档的结构化对知识库问答质量的重要性。
本章节主要讲解了知识库的添加和调用方式。首先，大圣为大家介绍了如何将知识库添加到 bot 中，并指出添加后可以通过命令调用或自动调用两种方式让 bot 调用知识库。接着，大圣通过实际操作展示了 bot 调用知识库的过程，并强调了命令调用的细节会在后续课程中由罗文详细讲解。最后，大圣提出了 V1 版本的 bot 无法回答某些问题，并展示了如何通过工作流来串联扣子的重要组件，进入到第二版本。
本章节主要介绍了知识库的第二个版本需求，包括用户提问、知识库回答、大模型精简总结并回复、存储用户问题和大模型回答、review 回答内容、根据用户设置的语言回答问题等功能。为了实现这些需求，现场创建了一个工作流，并在其中使用了大模型、代码节点、变量节点和数据库节点等组件。
本章节主要介绍了工作流的创建过程和如何选择用户的问题以及知识库的搜索策略。首先介绍了工作流的节点类型和输入输出的概念，强调了编程思维中的输入和输出概念，以及在使用 knowledge 组件时如何选择输入。接着讲解了如何选择用户问题和知识库的搜索策略，包括语义搜索、混合搜索和全文检索，并选择了混合搜索。最后强调了召回和相似度等参数需要深入了解和优化。
本章节主要介绍了如何将知识库的输出内容传递给大模型，并在大模型中进行精简，以及如何在机器人中设置和使用变量。首先，选择 GPT-4-8K 作为模型，选择 question 和 knowledge 的 output 作为输入参数，并介绍了变量的概念和使用方法。接着，演示了如何在机器人中创建一个变量并使用它。最后，解决了编辑 workflow 时遇到的一些问题。
本章节主要介绍了如何设置变量以及使用提示词来指导大模型。首先，大圣解释了如何从变量中获取值，并将其作为输入传递给大模型。接着，大圣强调了提示词在 AI 政策中的重要性，并通过演示比较了中文和英文提示词的效果。最后，大圣建议大家使用英文提示词以获得更流畅的输出。
本章节主要介绍了如何使用提示词和变量控制大模型的输出，并将用户问题和大模型回答存储到数据库中。大圣强调了数据库的重要性，并建议为每个 bot 创建一个数据库。此外，还讨论了数据库录入不准确、数据库不共享以及 cos 知识库容量有限的问题，并提供了相应的解决方案。
本章节主要介绍了如何使用 SQL 语言在数据库中进行操作，包括插入、删除、更新和查询等。大圣还分享了一个小技巧，即把表名和字段名告诉 ChatGPT，让它自动生成 SQL 语句。此外，大圣还介绍了如何使用 ChatGPT 生成 Python 代码，并通过添加节点解决了 ChatGPT 处理结果不稳定的问题。
最后，大圣介绍了如何使用大模型的能力，包括将变量输出给外围的 bot 进行加工，以及让模型直接按照特定格式生成内容。
本章节主要介绍了工作流的调试技巧。首先提出在工作流测通后才能进行 publish，接着以实际操作展示了如何进行调试，包括查看每个节点的输入和输出、展开所有内容进行调试、根据报错信息进行修改等。最后强调了在实际生产中需要考虑模型的速度和质量，并通过更换问题和模型来减少知识库的输出，以避免报错。
本章节主要介绍了调试工作流的几个小技巧。首先，要学会查看 display result，针对单个节点进行测试，以检查每个节点是否符合预期。其次，当遇到莫名其妙的错误时，需要展开所有内容，因为错误可能隐藏在未展开的部分。最后，本章节还强调了提示词的不确定性，尤其是当提示词较长且复杂时。为了解决这个问题，可以使用 agent 和多 agent，将用户的问题分类后交给不同的大模型处理，以提高输出的稳定性。完成后，即可 publish 工作流。
本章节主要讨论了如何让机器人明确调用工作流的问题。大圣提出了两种方法：一是在代码中使用单引号标注工作流的名称，以提升机器人的表现；二是使用纯净的、未经修改的原始用户问题作为工作流的输入。此外，大圣还介绍了如何设置变量“user language”，以实现根据用户偏好的语言进行互动。
本章节主要介绍了变量的用法和多 agent 的调用，并强调了大模型的不稳定性和扣子的实际应用。其中提到可以使用大模型写文章、出图、写封面、收集新闻等，并且扣子可以验证想法、制作产品原型。