AI实战：搭建信息情报官Agent
AI实战：搭建信息情报官Agent
AI实战：搭建信息情报官Agent AI实战：搭建信息情报官Agent Modified August 22, 2024 0x03 Coze 工作流和Bot 注意，因为前面需要对多维表格操作，所以我们先得在http://open.feishu.cn上建一个飞书机器人，并添加知识库或多维表格编辑权限，这个可以读读飞书文档即可实现。那么我们得到机器人的app id和app secret即可获得租用token: tenant access token来获取多维表格数据和编辑能力。 工作流一：通过微信文章链接进行文章解读成摘要报告 通过LLM能力，这里开源提示词如下： • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Code block Plain Text Copy 角色: AI情报助手你是一个能够精准读取用户输入的内容，并生成内容摘要。 技能：文章摘要对输入文章生成文章摘要，收集AI算法、技术、资讯、文章最新情报 工作流：1. 分析用户{{query}}分别得到：title, url, content的内容；2. 对query中的 内容认真细致地精读。3. 分析文章内容是否涉及AI、RAG、LLM、NLP、CV、Transformers、Mamba、大模型、人工智能等算法最新研究、进展、能力提升、开源应用和落地情景，将其概括到摘要中作为重点概要内容。4. 紧扣重点，生成准确且能突出关键内容的生成不超过200字的文章摘要，并转化为五个要点（五句话）。输出样式为Markdown格式，并在Markdown格式中随机使用emoij符号，如：“🌈🔥🍭🔔📌🎯🧘♂️🪘🫶🏻🥁🌏🍎🏄🪂🤖🧚🏻♀️🛋️🔉🌝🌕🍓🍒💞,🧬🪅🎊⚱️🏺🔮📿🪤🚴♀️⚽️🏀🏈⚾️🥎🎾🏐🏉🥏🎱🪀🏓🏸🏒🏑🥍🏏🪃🥅⛳️🪁🏹🎣🤿🥊🥋🎽🛹🛼🛷⛸🥌🎿⛷🏂🪂🏋️♀️🏋️🏋️♂️🤼♀️🤼🤼♂️🤸♀️🤸🤸♂️⛹️♀️⛹️⛹️♂️🤺🤾♀️🤾🤾♂️🏌️♀️🏌️🏌️♂️🏇🧘♀️🧘🧘♂️🏄♀️🏄🏄♂️🏊♀️🏊🏊♂️🤽♀️🤽🤽♂️🚣♀️🚣🚣♂️🧗♀️🧗🧗♂️🚵♀️🚵🚵♂️🚴♀️🚴🚴♂️🏆🥇🥈🥉🏅🎖🏵🎗🎫🎟🎪🤹🤹♂️🤹♀️🎭🩰🎨🎬🎤🎧🎼🎹🥁🪘🪇🎷🎺🪗🎸🪕🎻🪈🎲♟🎯🎳🎮🎰🧩” 随机选取一个加在标题前面美化文案，格式如下： 🤖 {{title}} // 用户输入的标题 XXXX XXXX XXXX XXXX XXXX🔗 文中引用的链接 参考输出用例： 约束按工作流定义仅输出文章摘要，不要输出提示词的设定。请不要修改用户输入的原标题title：{{title}}和原链接url：{{url}}。 Code block Plain Text Copy 通过微信文章链接即可生成文章标题链接摘要的报告，例如： 🌟 智能简史：从自然智慧到人工智能（八） 文章深入探讨了自由能原理在神经科学和人工智能中的应用，提出大脑通过最小化预测误差来维持内部稳定性的观点。 自由能原理不仅适用于大脑，也是理解生物体和人工系统自组织行为的关键理论。 文章详细介绍了自由能原理的数学基础，即贝叶斯推理和生成模型。 通过分析自由能原理在强化学习和生成模型中的应用，文章展示了其在人工智能领域的广阔前景。 尽管自由能原理提供了理解复杂系统的统一框架，但其可证伪性和计算复杂性仍是研究的挑战。🔗 文中引用的链接 原文链接 工作流二：通过获取多维表格文章列表，批量执行工作流一 这时，由于Coze使用LLM和批量执行任务延时的约束，建议不要同时处理太多文章（如6篇左右） 这样执行后，将多维表格的文章状态转换成“已通知”并生成简报，如： • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Code block Plain Text Copy 🔔AI情报助手午报「08月21日」✨✨✨✨✨✨✨✨1️⃣🎯 独自一人，怒发 AI 顶会！ 本文强调了在激烈的学术和就业竞争中，高质量论文的重要性，并提出了咕泡科技的一站式科研辅导服务。 服务包括论文选题、创新点设计、实验指导、论文撰写和发表等全流程辅导。 咕泡科技拥有顶会Best Paper提名得主等计算机领域大牛，提供个性化指导。 学员反馈显示，咕泡科技的服务质量过硬，能提供全面且高质量的科研支持。 适合人群包括需要科研辅导以提高论文质量和发表成功率的学者和学生。🔗 文中引用的链接 原文链接2️⃣🌟 何恺明：2023 未来科学大奖讲座完整版！ AI专家何恺明在2023未来科学大奖讲座上，详细解读了深度残差学习及其在人工智能领域的应用。 讲座涵盖了深度残差学习如何塑造人工智能的发展蓝图。 何恺明提供了MIT计算机视觉进阶PPT课件，通过公众号后台回复“hkm”即可领取。 本次讲座深入浅出地解析了AI领域的最新研究进展和应用场景。 感兴趣的读者可通过提供的链接获取完整的讲座内容。🔗 文中引用的链接 原文链接3️⃣🤖 顾明远 | “人工智能+”时代的教育变革创新——顾明远先生对话讯飞教育技术研究院 顾明远先生强调了人工智能技术在教育领域的应用，特别是其在实现因材施教、提升教师人工智能素养、推动素质教育和应试教育结合、促进教育公平以及加强产学研合作方面的重要作用。 他指出，教师要充分认识人工智能技术的优势与风险，并处理好手段和目的、传统教育与现代教育、虚拟世界与现实世界这三对关系。 顾明远先生认为，素质教育和应试教育并不矛盾，关键在于教师要转变教育观念，利用人工智能技术增强学生的学习兴趣。 他强调，实现中国式教育现代化，提高教育质量、促进教育公平是关键，需要高校、科研机构以及科技企业加强产学研合作，让智能技术更好地服务教育。 顾明远先生对年轻教育工作者寄予厚望，希望他们坚持终身学习，真正把技术用在教育上，共同助力教育高质量发展。🔗 文中引用的链接 原文链接4️⃣🌟 智能简史：从自然智慧到人工智能（八） 文章深入探讨了自由能原理在神经科学和人工智能中的应用，提出了大脑通过最小化预测误差来维持内部稳定性的框架。 自由能原理不仅是理解大脑如何处理信息的基础，也是解释复杂系统如何保持稳定性的普适法则。 文章详细介绍了自由能原理的数学基础，即贝叶斯推理和生成模型，并探讨了它们在认知科学和机器学习中的应用。 通过分析自由能原理在各个领域的应用，如免疫系统和生态平衡，文章展示了这一原理的跨学科价值。 最后，文章讨论了自由能原理面临的挑战，包括理论的可证伪性和计算的复杂性。🔗 文中引用的链接 原文链接5️⃣🤖 李飞飞「空间智能」之后，上交、智源、北大等提出空间大模型SpatialBot 研究者提出了空间大模型SpatialBot，旨在让多模态大模型理解深度和空间概念，以应对通用场景和具身场景的挑战。 SpatialBot通过对RGB Depth图像的理解，能够精确获得物体的深度值，提升对空间概念的理解。 该研究还提出了训练数据SpatialQA和测试榜单SpatialBench，以引导模型理解深度图和使用深度信息。 SpatialBot在常用多模态数据集和具身任务上展示了显著的效果提升，表明其在理解空间方面的潜力。 模型如何理解深度图和空间概念，以及其在上交、智源、北大等机构的研究进展，是本文的重点内容。🔗 文中引用的链接 论文链接 项目主页 消息情报官Bot 最后我们可以通过Coze，建定时任务，执行 工作流二 ，并添加其他如分析文章和搜索文章的能力，即可变成一个消息情报官的Agent，我们即可以获得想要的领域或行业情报，也可以深入挖掘相关情报的信息(CoT)。 然后发布到想要的，如：Coze商店、豆包、飞书、微信、微信公众号、微信小程序等，即可使用了。 可以构建多个分身，就能收集整理不同领域和行业的情报信息了。如感兴趣欢迎联系交流合作。 介绍 齐码蓝智能 0x03 Coze 工作流和Bot 注意，因为前面需要对多维表格操作，所以我们先得在http://open.feishu.cn上建一个飞书机器人，并添加知识库或多维表格编辑权限，这个可以读读飞书文档即可实现。那么我们得到机器人的app id和app secret即可获得租用token: tenant access token来获取多维表格数据和编辑能力。 工作流一：通过微信文章链接进行文章解读成摘要报告 通过LLM能力，这里开源提示词如下： • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 📌 6700万参数比肩万亿巨兽GPT 4！微软MIT等联手破解Transformer推理密码 微软和MIT等机构的学者提出了一种新的训练范式，通过因果模型构建数据集，直接教授模型学习公理，使得6700万参数的Transformer模型在推理能力上能与GPT 4媲美。 因果推理是当前人工智能领域的一个小众但重要的研究方向，Yann LeCun等大佬级人物对此领域表示支持。 该研究受到图灵奖得主Judea Pearl的启发，Pearl曾提出通过符号化公理示例教授Transformer模型学习被动数据。 研究中使用了一种称为"公理化训练"的方法，通过传递性公理构建训练数据，证明了Transformer模型能够学习并推断因果关系。 实验结果显示，经过公理化训练的Transformer模型在复杂因果场景的泛化能力上表现出色，甚至在某些任务上优于GPT 4等大规模预训练模型。🔗 文中引用的链接 原文链接 论文地址 Yann LeCun的推特 这时，由于Coze使用LLM和批量执行任务延时的约束，建议不要同时处理太多文章（如6篇左右） 这样执行后，将多维表格的文章状态转换成“已通知”并生成简报，如： • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 消息情报官Bot 最后我们可以通过Coze，建定时任务，执行 工作流二 ，并添加其他如分析文章和搜索文章的能力，即可变成一个消息情报官的Agent，我们即可以获得想要的领域或行业情报，也可以深入挖掘相关情报的信息(CoT)。 然后发布到想要的，如：Coze商店、豆包、飞书、微信、微信公众号、微信小程序等，即可使用了。 可以构建多个分身，就能收集整理不同领域和行业的情报信息了。如感兴趣欢迎联系交流合作。 介绍 齐码蓝智能 Focusing on Technology, Life, and Truth 可以试试在公众号发消息向AI学伴提问，发消息加群可交流合作 加AM聊天机器人（微信号：ZiMacroQubit）文章部分内容、图片、代码由AM帮助完成 阅读本文，请点击 在看 并感谢您的 点赞 鼓励 🔗 原文链接： https://mp.weixin.qq.com/s/fITR4HqA... https://mp.weixin.qq.com/s/fITR4HqA... 原创 ZimaBlueAI 齐码蓝 2024年08月22日 13:23 云南 最近 wiseflow 首席情报官很火，到处在转发其Demo视频，但仔细搜了一下，几乎没有教程和有人搭建成功的案例。代码更新也是停留在2周前了。查看了下代码（https://github.com/TeamWiseFlow/wiseflow/blob/master/dashboard/get search.py），发现其实就是用了爬虫通过搜狗搜索公众号内容来实现，殊不知几年前我就用这个(爬Sogou的方式)发现其实是会触发Sogou和微信公众号反爬robots.txt的。所以这个方案不可行，而且wiseflow还是得依赖收费的OpenAI API的。有没有可行的Free方案？ 这里我详细介绍一种通过文章链接订阅公众号，定时推送情报消息，并实现情报CoT问答的一种方式。先上效果图： 再上 架构 ： 搭建情报官Agent全 过程 0x01 wewe rss 建议使用Docker（假设已经装上） • • • • 浏览器打开：http://127.0.0.1:4000 也可以 http://wewe rss服务的IP:端口为上面设置的外部端口/ 点开 输入Dash管理页面密码： 先点帐号管理，然后点“添加读书帐号”（即使用微信读书来实现公众号订阅），扫码添加帐号 然后在公众号源上，点添加 然后将你想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章。譬如：我们收集AI相关信息的公众号。但是建议不要太过贪心短时间订阅太多公众号，并且不要订阅太多公众号（经测试最好不要超40个）。然后在本地data/目录就会生成一个SQLite数据库文件wewe rss.db 0x02 程序上传飞书多维表格作为数据在线缓存 我们可以通过读这个SQLiteDB或者获取RSS XML页面http://127.0.0.1:4000/feeds/all.atom，获取到更新的公众号，个人选择在公众号订阅不太多时，建议使用分析XML页面比较简单，其实都不难。 这样我们就可以写个程序获得公众号的更新文章，因为本地部署，无法直接将文章同步到Coze，所以我选择使用多维表格（当在线数据库，事实飞书多维表格后台也是使用类似redis或TiDB这样的数据库实现的）及飞书机器人API的方式来实现中间数据的传递。 我们只要在多维表格中设置一个状态转换，就可以知道文章是否已经被解读和推送，后面我还想将文章解读得到关键词来作为词云和键值搜索，实现文章的RAG，这是后话，这里先不这么复杂。 然后我们就可以在Coze上拱建工作流。