蓝衣剑客：四万字长文带你通学扣子

蓝衣剑客：四万字长文带你通学扣子 蓝衣剑客：四万字长文带你通学扣子 Modified May 4, 2025 31400 33565 Code block Bash {{user input}} 文章名称(中文):这里显示文章的中文名称。 文章名称(英文)：这里显示文章的英文名称。 全篇总结 本文介绍了人工智能的发展历程及其在各领域中的应用，包括Agent技术和无人驾驶等。 主要贡献 本文详细讨论了人工智能技术的发展历史，并列举了其在多个实际应用中的成功案例，为未来研究指明了方向。 全篇主要内容 本文分为三个部分： 第一部分介绍了人工智能的发展背景； 第二部分详细阐述了当前人工智能技术在各领域中的应用； 第三部分展望了未来人工智能的发展趋势与挑战。 名称: 人工智能 解释: AI是研究领域 描述: 人工智能的方法 名称: 学习 解释: 学习是一种能力 描述: 使用算法学习 名称: 数据挖掘 解释: 从大量数据中获取信息 描述: 使用算法从大数据集中挖掘有价值的信息 知识点名称：人工智能 名词解释 ：人工智能是一种使机器具备人类智能的技术。 描述 ：人工智能（AI）是计算机科学的一个分支，涉及使计算机执行需要人类智能任务。简单来说，就是让计算机学会做人类会做事儿的方法与技术集合体。 示例 ：就像教一个Agent学会做家务，从擦桌子到煮饭，它都能做，而且越做越好，因为它会自己总结经验，提高效率。 知识点名称：机器学习 名词解释 ：机器学习是人工智能的一种方法，使计算机可以从数据中学习和改进性能的方法与技术集合体。 描述 ：机器学习是人工智能的一部分，它使用算法和统计模型让计算机系统逐步提高任务执行效率。可以理解为给计算机一些规则和数据，让它自己找到规律并变得聪明。 示例 ：比如你教一个机器来识别水果种类，一开始可能会让它看苹果、香蕉图片，然后告诉它哪个是苹果，哪个是香蕉。时间长了，机器就学会了通过这些图片的信息来识别不同水果。 反向示例： 输入: 用户上传了一篇关于“人工智能”的学术论文. 错误输出： Code block Bash {{user input}} 5.3 知识洞察 当我们提取知识点，学习新概念，或者从文章中挖掘新知识时，大脑需要执行复杂的信息抽取过程。这个过程往往效率不高（或者说没模型处理的效率高），因为它涉及到大量的知识关联工作。在大脑中构建这些关联，需要时间，这自然会导致效率的降低。 为了解决这个问题，我们可以采用一种快速总结或快速抽取的方法，先将关键知识点提炼出来。这样做可以显著提高效率。因此，我们接下来的工作是开发一个知识点洞察工具，这个工具将使我们能够快速识别和抽取关键信息，减少不必要的认知负担，从而提升我们学习和理解新知识的能力，帮助我们更高效地从海量文本中总结和掌握知识。 5.3.1 流程规划 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 在知识点总结的流程图中，我们可以看到知识输入主要分为三种类型。第一种是对 PDF 文档的阅读，这通常是我们获取学术资料或专业文档信息的方式。第二种是对文本输入的总结，这涵盖了我们通过阅读书籍、文章或其他书面材料来吸收知识的过程。第三种是对网页文字的总结，这包括我们在浏览互联网、参与在线讨论或阅读在线新闻时接触到的内容。 尽管图片也可以作为知识总结的一种形式，但由于图片所提供的信息量通常不如文字丰富，因此在本流程图中我们不将其作为主要考虑。然而，通过上述三种主要渠道的总结，已经能够很好地反映出我们日常收集信息的途径和方法。 💡 在日常工作中，我们会有将视频内容进行知识总结的需求。为了高效实现这一目的，这里有一个推荐大家使用的小技巧：首先，我们可以从视频网站上提取出视频的音频部分。接着，利用飞书妙记的免费语音转文字功能，将音频上传并转换成文本。一旦转写完成，便可以将这些文本下载下来。最后，将这些文本上传至该工具中，这样就可以方便地对视频内容进行快速总结和知识提炼。 在日常工作中，我们会有将视频内容进行知识总结的需求。为了高效实现这一目的，这里有一个推荐大家使用的小技巧：首先，我们可以从视频网站上提取出视频的音频部分。接着，利用飞书妙记的免费语音转文字功能，将音频上传并转换成文本。一旦转写完成，便可以将这些文本下载下来。最后，将这些文本上传至该工具中，这样就可以方便地对视频内容进行快速总结和知识提炼。 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 知识洞察的流程中，还有知识点总结子工作流。这个子工作流程是以嵌套形式出现在知识洞察工作流中的。 它首先对用户提交的文本进行全面的总结，提炼出文章的主旨。随后，插件将文本内容细分成若干段落，这样做有助于更细致地处理和理解信息。 在文本被合理分段后，分段总结节点将采用批处理的方法，逐段对内容进行深入分析。这一过程确保了每一段的知识点都能得到细致的梳理和总结。通过这种方式，工作流能够为用户呈现每个部分的核心要点，极大地提高了理解和吸收知识的效率。 5.3.2 流程提示词 5.3.2.1 知识点总结子工作流 此 Prompt 将对文章进行概括性总结。 文章名称(中文):这里显示文章的中文名称。 文章名称(英文)：这里显示文章的英文名称。 全篇总结 本文介绍了人工智能的发展历程及其在各领域中的应用，包括Agent技术和无人驾驶等。 主要贡献 本文详细讨论了人工智能技术的发展历史，并列举了其在多个实际应用中的成功案例，为未来研究指明了方向。 全篇主要内容 本文分为三个部分： 第一部分介绍了人工智能的发展背景； 第二部分详细阐述了当前人工智能技术在各领域中的应用； 第三部分展望了未来人工智能的发展趋势与挑战。 名称: 人工智能 解释: AI是研究领域 描述: 人工智能的方法 名称: 学习 解释: 学习是一种能力 描述: 使用算法学习 名称: 数据挖掘 解释: 从大量数据中获取信息 描述: 使用算法从大数据集中挖掘有价值的信息 此 Prompt 将对文章进行分段总结。 知识点名称：人工智能 名词解释 ：人工智能是一种使机器具备人类智能的技术。 描述 ：人工智能（AI）是计算机科学的一个分支，涉及使计算机执行需要人类智能任务。简单来说，就是让计算机学会做人类会做事儿的方法与技术集合体。 示例 ：就像教一个Agent学会做家务，从擦桌子到煮饭，它都能做，而且越做越好，因为它会自己总结经验，提高效率。 知识点名称：机器学习 名词解释 ：机器学习是人工智能的一种方法，使计算机可以从数据中学习和改进性能的方法与技术集合体。 描述 ：机器学习是人工智能的一部分，它使用算法和统计模型让计算机系统逐步提高任务执行效率。可以理解为给计算机一些规则和数据，让它自己找到规律并变得聪明。 示例 ：比如你教一个机器来识别水果种类，一开始可能会让它看苹果、香蕉图片，然后告诉它哪个是苹果，哪个是香蕉。时间长了，机器就学会了通过这些图片的信息来识别不同水果。 反向示例： 输入: 用户上传了一篇关于“人工智能”的学术论文. 错误输出： B. 任务分配 C. 智能体动态构建 六、本文总结 在我们深入探讨了关于数字分身和生产力工具的一系列话题之后，现在让我们做一个简洁的总结： 1. 自从 Coze 推出以来，它已经明确地面向 C 端用户，并且这些用户也能从中获得实质性的好处。 2. Coze 目前提供的组件，包括 bot 等工具，已经能够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，但我们可以期待，随着平台的发展，未来将支持更多工作流的设计模式。 3. 在我们搭建生产力工具的过程中，必须首先深入了解自己的工作内容和需求，这样才能做出有针对性的规划，进而开始构建这些工具。 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，我们可以创建一个 bot，形成自己的数字分身，这不仅能够提升个人形象，还能在数字世界中更好地代表自己。 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。简单的就是最美的。 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。 七、我的一些感想 经过半个月的深入摸索和学习，我对 Coze 平台持有相当高的评价。它为许多人提供了机会，让那些原本不熟悉 AI 的人也能在这个新时代中乘风破浪。虽然 Coze 平台目前还有待完善，我相信随着不断的改进和迭代，它将带来更优质的体验，并成为大家在 AI 时代中的一个优势。 我们正处在消费者端（C 端）应用爆发的前夕，能够提前接触并掌握这些技术，无疑将为个人带来巨大的优势。我期望这些内容能够激发大家的思考，提供新的认知和启发。 感谢大家的阅读和支持，谢谢！ You don't have permission to access this synced block. Please log in and try again. Log In You don't have permission to access this synced block. Please log in and try again. Log In 一、前言 在本文中，我设定了一个特别的目标：同时面向两个层面的读者。一方面，我希望能够触及那些没有技术背景的普罗大众，帮助大家降低学习门槛，通过浅显易懂的语言理解如何使用 AI 来提高工作效率，让大家能够轻松地跟随并应用 AI 技术。 另一方面，我也期待那些已经拥有一定技术背景或实践经验的读者，能够在文章中获得更深层次的理解，更好地掌握和运用 Coze。毕竟，Coze 的官方手册虽然提供了大量信息，但仍有许多实际操作中的避坑指南和技巧未能涵盖。我希望通过本文，填补这些空白，为读者提供那些在手册中找不到的实用信息和个人见解。 如果读者能够从我的文章中感受到价值，无论是对于 AI 初学者还是有经验的用户，那都将是我最大的欣慰。我期望这些文章能够成为连接理论与实践、普及与深入的桥梁，帮助每个人在 AI 的道路上更进一步。 二、使用 Coze 最大的好处——一个平台上完善自己的生产力系统 2.1 尝试搭建生产力系统的痛苦之路 最近，我开始构建自己的个人生产力工具系统。我发现，许多人在搭建个人生产力系统时都会面临类似的挑战：市场上有关生产力系统的资料和工具琳琅满目，选择众多而各有特色。 以我最近研究的 Obsidian 为例，这是一个功能丰富的知识管理工具，拥有庞大的社区支持和众多插件。尽管 Obsidian 在开源社区支持和插件丰富度方面表现出色，但其学习曲线较陡峭。作为本地化工具，Obsidian 虽然能够辅助工作流程，但在数据跨设备同步方面存在局限，并且与我们熟悉的 Word 或 Excel 等工具操作习惯大相径庭。 虽然它提供了一种类似于知识图谱的知识关系体系可视化方式，但在思维导图创建和展示方面确实不足。当需要一个功能完备、直观的思维导图工具时，我们可能不得不转向 Xmind 或其他专业脑图软件，这些软件在思维导图领域提供更深入的专业支持。Obsidian 的这些不足意味着用户无法在一个统一平台上实现所有生产力工具的优势集成（虽然有很多插件帮助你集成各类 Web 端应用或者是用插件当作某些软件的替代品），并可能需要频繁切换多个工具以满足不同的工作需求。 👍 所以在个人生产力系统搭建上，我的个人感受就是：用会的远比用高大上的强得多（可能不适用于每个人） 所以在个人生产力系统搭建上，我的个人感受就是：用会的远比用高大上的强得多（可能不适用于每个人） 2.2 为什么是字节生态，而不是阿里生态？ 可能有人会好奇，为什么在众多生产力工具中，我会特别提到字节系而不是阿里系。在这里，我想阐明的是，虽然都他们都有优秀的系列工具，但它们的侧重点和目标用户群体有所不同。 起初，我们可能认为钉钉主要面向 C 端用户，但事实上，钉钉在早期就已经开始推出与 AI 相关的智能体验。我记得那在 2023 年末，钉钉就已经开始在企业内部推广这些智能功能。然而，这些功能主要还是服务于企业用户，而非广泛的 C 端用户。 相比之下，飞书和 Coze 则更多兼容 C 端用户，它们提供了与众不同的体验，尤其是对于那些与 AI 技术不太相关或者不太熟悉的普通人。Coze 的推出，为这些用户提供了一个提升工作效率的机会，让他们也能够享受到智能工具带来的便利。 这就是为什么我会特别强调飞书和 Coze 的原因。它们不仅仅是工具，更是一个让更多人能够接触和利用 AI 技术，提升个人生产力的机会。在这个快速发展的时代，这样的工具对于帮助我们提高效率、适应变化具有重要意义。 2.3 Coze 能对接哪些平台？ 在下方的流程图中，我们可以清晰地看到 Coze 具备强大的接入能力，能够与多种终端应用进行无缝集成。这种灵活性使得 Coze 可以根据集成的应用环境，发挥不同的功能和效果。 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 例如，当 Coze 接入飞书时，它转变成了一个强大的生产力工具。用户可以利用这一集成，提升个人或团队的工作效率，实现任务管理、文档协作等。 进一步地，当 Coze 与微信集成时，它能够扩展其功能，服务于个人数字分身，或者作为企业的客服和运营人员，通过服务号与用户进行互动。 同样，如果 Coze 接入了豆包这样的移动应用，用户便可以在移动端与智能助手进行对话，这不仅增强了移动端的用户体验，还有助于提升流量和用户参与度。 最后，当 Coze 接入掘金这样的社区平台时，它可以通过 bot 来活跃社区氛围，同时充当运营人员的角色，促进社区的互动和内容分享。 综上，当字节跳动推出 Coze 时，它不仅是一个独立产品，而是整合到整个生产力工具体系中。Coze 可以使普通用户也能打造完整生产力流程，不管是后端还是前端。所以说，Coze 推出背后深层意义在于完善字节跳动生态系统，并非仅仅提供新工具。 2.4 作为个人来说应该关注哪些？ 鉴于这篇文章面向的是广大读者群体，我们作为个人，更应聚焦于个人能力的提升，这包括提高办公效率、学习效率、打造个性化的数字身份等等。因此，在审视图中的红色标记部分时，我们会发现许多内容都集中在个人应用端，而不是企业端。 例如，当 Coze 接入飞书后，它所做的不仅是将 AI 技术集成到个人的生产力体系中，用 AI 赋能个人的生产力，一站式地帮助用户完成大量工作。这种集成在一个平台内的优势是巨大的，因为它提供了便捷和效率。 进一步地，当我们将自己的知识数据上传到 Coze，我们便能够构建起一个个人知识库。基于这个知识库，我们可以开发一个 bot，并将其部署到个人订阅号上。这个 bot 将作为我们的数字分身，与订阅号上的粉丝进行互动。 虽然这个数字分身可能没有传统前端界面那样直观的形象化展示，但它的行动和回应都是基于你丰富的个人知识。因此，这个数字分身能够在一定程度上实现与粉丝的自然交流，即便它的存在更多是通过文字和信息的交换来体现。 📌 如何创建数字分身我们将在下一篇讲述，大家先有个前期了解。 如何创建数字分身我们将在下一篇讲述，大家先有个前期了解。 三、 Coze 简介 Coze 是字节跳动推出的一站式 AI 开发平台，支持无代码生成 AIAgent。该平台的创立旨在简化 AI 开发过程，让用户无需编写代码也能创建、管理和部署 AI 工具，提高工作效率。 作为一个全面集成的开发环境，Coze 让每个人都能够轻松上手，无论他们的编程背景如何，都能够迅速构建出功能多样的 AI 问答 Bot。这些 Bot 不仅能够应对基础的问答，更能处理复杂的逻辑对话，展现出高度的智能和灵活性。 Coze 的便捷性不仅体现在开发过程中，用户还能将完成的 Bot 一键发布到各大社交平台和通讯软件，让更广泛的用户群体享受到与 Bot 互动的乐趣。这一功能极大地扩展了 AI Bot 的应用场景和影响力。 Coze 针对不同市场提供了国内版和国际版，分别通过 www.Coze.cn 和 www.Coze.com 访问。国际版以其更为丰富的插件能力，如 GPT4V、DALLE 等，提供了更为强大的功能，特别是在绘图、视频生成和文档生成方面，为 Agent 的制作提供了更多可能性。 www.Coze.cn www.Coze.com 在模型选择上，Coze 为用户提供了多样化的选项。国际版用户可以直接使用 GPT4 模型（之前免费，现在似乎已经开始收费），而国内版用户则可以免费使用国内的大模型（已知有 BaiChuan、GLM、MoonShot 等）。Coze 的自动构建功能，允许用户以对话的形式快速生成 Bot 应用，同时，用户还可以对自动生成的 Prompt 进行细致的定制和优化，以满足特定的开发需求。 Coze 的插件系统是其强大功能的另一大亮点。用户可以根据自己的需求选择预置插件，或者发挥创造力，开发自定义插件，从而大幅扩展 Bot 的功能和应用范围。同时，Coze 的记忆库功能，包括知识库和数据库，为 Bot 提供了强大的数据支持，确保了大模型在处理信息时的准确性和效率。 📌 详细内容可至 Coze 官方手册了解：https://www.Coze.cn/docs/guides/knowledge 详细内容可至 Coze 官方手册了解：https://www.Coze.cn/docs/guides/knowledge 3.1 知识库 Coze 的知识库功能不仅支持上传和存储外部知识内容，还提供了多样化的检索能力。这一功能特别设计来解决大模型可能出现的幻觉问题和专业领域知识的不足，显著提升了大模型回复的准确性。 Coze 的知识库主要包括两大核心能力：一是能够存储和管理外部数据；二是增强检索能力。 数据管理与存储 Coze 支持从多种数据源，如本地文档、在线数据、Notion、飞书文档等渠道上传文本和表格数据。上传后，系统会自动将知识内容切分成多个片段进行存储，并允许用户自定义内容分片规则，比如通过分段标识符或字符长度等方式进行内容分割。 增强检索 此外，Coze 还提供了多种检索方式来对存储的内容片段进行高效检索，例如全文检索可以通过关键词快速找到相关的内容片段并召回。基于这些召回的内容片段，大模型将生成最终的回复内容。 应用场景 Coze 支持上传文本内容及结构化表格数据，以适应各种使用场景。例如，在创建虚拟形象与用户交流时，你可以将相关语料保存在知识库中。后续 Bot 将通过向量匹配召回最相关语料，并模仿该虚拟形象的语言风格进行回答。在客服场景中，将用户常见问题和产品使用手册等信息上传至 Coze 知识库中，Bot 可以利用这些信息精准地解答用户疑问。对于特定行业应用，如汽车领域，你可以创建包含各种车型详终参数的数据库，在用户查询特定车型信息时，Bot 可通过召回相关记录进一步提供精确信息，如百公里油耗等详情。 3.2 Coze 上的 Bot 在 Coze 平台上，"Bot"这个术语实际上指的是智能体，也就是 Agent。这些智能体是创作的核心，它们能够执行各种任务，从简单的信息检索到复杂的数据分析和自动化流程。它们通过预设的提示词来响应用户的需求。Bot 在 Coze 上的应用非常广泛，它们可以集成不同插件、工作流等，提供定制化的服务。 Coze 上，Bot（Agent）分为两种模式：单 Agent 模式和多 Agent 模式。 单 Agent 模式指的是只有一个 Agent 负责处理所有任务。这一模式适用于简单的任务处理，其中 Agent 根据一个长的指令和设定的角色来完成任务。这种模式的优点是简单直接，但可能在处理复杂任务时效率不高。 相对地，多 Agent 模式允许多个 Agent 协作完成复杂任务，每个 Agent 都可以根据特定的提示和技能独立操作。这些 Agent 通过设置的“跳转条件”相互连接，基于特定关键词或用户请求在不同 Agent 之间切换，以高效完成复杂的任务流程 。 例如，在多 Agent 模式下，可以设置一个负责邮件的 Agent 和一个管理日历的 Agent。邮件 Agent 可以使用 Microsoft Outlook 插件来发送和检查邮件，而日历 Agent 则负责创建、更新和列出日历事件 （Toolify）。用户可以通过主菜单轻松在不同 Agent 之间切换，实现任务的高效分配和处理。 这种模式的灵活性和扩展性极大地提升了工作流的效率和 Agent 的功能性，适合需要多功能处理和高度定制的 AI 应用场景。 以下是 Bot 可以使用的常用工具和配置，我整理成表格形式以方便查看： 功能 描述 插件 Coze 提供了丰富的插件选项，允许通过 API 连接来集成各种平台和服务，从而扩展 Bot 的功能。无论是利用新闻插件搜索最新资讯，还是使用搜索工具在线查找信息，你都可以轻松调用或创建定制插件来实现。 工作流 工作流是一种强大的工具，用于设计和实施复杂的功能逻辑。通过拖拽不同的任务节点，你可以构建复杂的多步骤任务，有效提高 Bot 处理任务的效率。 图像流 图像流提供了一个可视化的操作界面，允许你灵活地添加处理节点，设计出符合预期的图像处理流程。 触发器 触发器允许 Bot 在设定的特定时间或发生特定事件时自动执行任务，是自动化处理的关键组件。 知识库 知识库功能使你能够添加和利用本地或在线的文本内容和数据表，支持 Bot 提供更准确和实用的回答。 变量 变量功能帮助 Bot 存储用户的个人信息，如语言偏好，使回复更加个性化和精准。 数据库 数据库功能提供了一个简单而高效的方式来管理和操作结构化数据，支持自然语言的数据插入和查询。该功能还支持多用户模式，提供灵活的读写权限控制。 长期记忆 长期记忆功能使 Bot 能够形成对用户的个人记忆，基于这些记忆提供个性化的回复，以此来提升用户体验。 卡片 卡片功能允许你自定义 Bot 生成的内容的格式，以卡片形式展示，增强交互体验。 大模型 通过人设与回复逻辑中的一系列设定，编排 Bot 的具体执行任务和执行逻辑。 功能 功能 描述 描述 插件 插件 Coze 提供了丰富的插件选项，允许通过 API 连接来集成各种平台和服务，从而扩展 Bot 的功能。无论是利用新闻插件搜索最新资讯，还是使用搜索工具在线查找信息，你都可以轻松调用或创建定制插件来实现。 Coze 提供了丰富的插件选项，允许通过 API 连接来集成各种平台和服务，从而扩展 Bot 的功能。无论是利用新闻插件搜索最新资讯，还是使用搜索工具在线查找信息，你都可以轻松调用或创建定制插件来实现。 工作流 工作流 工作流是一种强大的工具，用于设计和实施复杂的功能逻辑。通过拖拽不同的任务节点，你可以构建复杂的多步骤任务，有效提高 Bot 处理任务的效率。 工作流是一种强大的工具，用于设计和实施复杂的功能逻辑。通过拖拽不同的任务节点，你可以构建复杂的多步骤任务，有效提高 Bot 处理任务的效率。 图像流 图像流 图像流提供了一个可视化的操作界面，允许你灵活地添加处理节点，设计出符合预期的图像处理流程。 图像流提供了一个可视化的操作界面，允许你灵活地添加处理节点，设计出符合预期的图像处理流程。 触发器 触发器 触发器允许 Bot 在设定的特定时间或发生特定事件时自动执行任务，是自动化处理的关键组件。 触发器允许 Bot 在设定的特定时间或发生特定事件时自动执行任务，是自动化处理的关键组件。 知识库 知识库 知识库功能使你能够添加和利用本地或在线的文本内容和数据表，支持 Bot 提供更准确和实用的回答。 知识库功能使你能够添加和利用本地或在线的文本内容和数据表，支持 Bot 提供更准确和实用的回答。 变量 变量 变量功能帮助 Bot 存储用户的个人信息，如语言偏好，使回复更加个性化和精准。 变量功能帮助 Bot 存储用户的个人信息，如语言偏好，使回复更加个性化和精准。 数据库 数据库 数据库功能提供了一个简单而高效的方式来管理和操作结构化数据，支持自然语言的数据插入和查询。该功能还支持多用户模式，提供灵活的读写权限控制。 数据库功能提供了一个简单而高效的方式来管理和操作结构化数据，支持自然语言的数据插入和查询。该功能还支持多用户模式，提供灵活的读写权限控制。 长期记忆 长期记忆 长期记忆功能使 Bot 能够形成对用户的个人记忆，基于这些记忆提供个性化的回复，以此来提升用户体验。 长期记忆功能使 Bot 能够形成对用户的个人记忆，基于这些记忆提供个性化的回复，以此来提升用户体验。 卡片 卡片 卡片功能允许你自定义 Bot 生成的内容的格式，以卡片形式展示，增强交互体验。 卡片功能允许你自定义 Bot 生成的内容的格式，以卡片形式展示，增强交互体验。 大模型 大模型 通过人设与回复逻辑中的一系列设定，编排 Bot 的具体执行任务和执行逻辑。 通过人设与回复逻辑中的一系列设定，编排 Bot 的具体执行任务和执行逻辑。 ❗ 请注意，在 Bot 中所提到的“人设与回复逻辑”功能，实质上指的是 system prompt。这一功能是指定 Bot 如何根据设定的角色和逻辑进行回答，从而确保其回复符合预设的人物特性和行为逻辑。而“提示词”是 user prompt。请大家一定不要搞混，这个东西很基础，也很关键！ 请注意，在 Bot 中所提到的“人设与回复逻辑”功能，实质上指的是 system prompt。这一功能是指定 Bot 如何根据设定的角色和逻辑进行回答，从而确保其回复符合预设的人物特性和行为逻辑。而“提示词”是 user prompt。请大家一定不要搞混，这个东西很基础，也很关键！ 3.3 插件 插件是一个功能性工具集，可以包括一个或多个应用程序接口（API）。Coze 目前已整合了多种插件，覆盖了资讯阅读、旅游出行、效率办公、图片理解等领域的 API 和多模态模型。利用这些插件，你可以显著扩展你的 Bot 的功能。例如，通过在你的 Bot 中加入新闻搜索插件，Bot 便能够实现新闻信息的搜索功能。 如果 Coze 现有的插件不能完全满足你的需求，你还可以自行开发自定义插件来整合所需的 API，从而更加灵活地提升和优化你的 Bot 的性能。 以下是 Coze 目前支持的创建插件的形式，供大家参考： 3.4 工作流 工作流支持通过可视化方式组合插件、大语言模型、代码块等功能，实现复杂且稳定的业务流程编排，如旅行规划和报告分析。当目标任务场景包含多个步骤且对输出结果的准确性和格式有严格要求时，配置工作流尤为适宜。工作流由多个节点构成，这些节点是其基本单元，包括大语言模型 LLM、自定义代码、判断逻辑等。每个工作流默认包含开始节点和结束节点；开始节点是工作流的起始点，可以包含用户输入信息，而结束节点则用于返回工作流的运行结果。不同节点可能需要不同的输入参数，这些参数分为引用和输入两类：引用指前面节点的参数值，输入则支持设定自定义的参数值。 以下是 Coze 中的工作流支持的节点： 📌 需要特别指出的是，Coze 目前不支持真正意义上的循环节点，这意味着目前在 Coze 上只能构建有限迭代的线性工作流。 需要特别指出的是，Coze 目前不支持真正意义上的循环节点，这意味着目前在 Coze 上只能构建有限迭代的线性工作流。 在典型应用场景中，入门级场景可能仅添加一个节点来构建简单工作流。例如，使用获取新闻插件构建一个获取新闻列表的工作流；使用大模型节点接收并处理用户问题等。更进阶的场景则通过多个节点组合构建逻辑较复杂的工作流。例如，在搜索并获取指定信息详情的场景中，先通过插件能力进行关键词搜索、然后通过代码节点过滤指定信息、最后通过插件能力获取信息详情；或者在通过条件判断识别用户意图的场景中，通过大模型节点处理用户消息，并将消息分类后通过条件节点分别处理不同类型的消息。这些详细配置教程提供了实际操作指南以帮助理解和应用各种功能。 四、 如何在 Coze 上创建工作流、Bot 在开始深入探讨生产力工具的创新之前，让我们先来了解如何在 Coze 上创建工作流，并将其配置到 Bot 上，确保其顺畅运行。这一步是掌握如何使用 Coze 的关键环节。 📌 如果你是 Coze 的新手，我建议你先从这里开始学习。如果你已经熟悉在 Coze 上创建工作流和 Bot 的操作，那么你可以跳过这部分内容，直接进入下一环节。 如果你是 Coze 的新手，我建议你先从这里开始学习。如果你已经熟