ToB企服应用市场:ToB评测及商务社交产业平台

标题: 扣子（coze.cn）| 由浅入深，手把手带你实现Java转型学习助手 [打印本页]
作者: 万有斥力    时间: 2024-5-12 15:10
标题: 扣子（coze.cn）| 由浅入深，手把手带你实现Java转型学习助手
扣子（coze.cn）是一款用来开辟新一代 AI Chat Bot 的应用编辑平台，无论你是否有编程底子，都可以通过这个平台来快速创建各种类型的 Chat Bot，并将其发布到各类社交平台和通讯软件上！2月1日，扣子国内版已经正式上线啦~赶快来体验一下吧！
一转眼，ChatGPT已经在AI界炙手可热超过一年，堪称新晋顶流。各大公司纷纷跟风推出自家的大模子，然而若这些大模子无法得到实际应用，便失去了许多意义。现现在，越来越多企业开始考虑借助AI技能来提拔企业的运营服从。那么作为个体，我们又该如何使用AI技能来提高工作和生存的服从呢？因此，我认为大模子的下半场将由AI Agent来引领。
扣子也是我认为排在第一梯队的AI Agent行列，我会从浅入深，由使用到原理一步一步地带你明白AI Agent的作用，紧跟时代脚步，你可别落下。
主题：Java转型助手

作为一名Java开辟者，我深知当前行业面对的挑战，十年前的红利已经消退，很多人开始转型。就我个人而言，我参加的架构课程也开始向其他范畴引流，好比Go、Python、网络安全等等。现在，所有培训机构都将这些课程作为吸引人的卖点来宣传自己。我也深刻感受到了现在的困境。客岁开始系统学习Python时，我发现大部分免费的入门课程都是为初学者计划的，而我们有丰富的编程经验，底子知识掌握得很快，这样的课程对我们来说会浪费太多时间。因此，我认为假如能快速简单地掌握新技能，为什么不去尝试呢？基于这样的想法，我决定创建一个转型助手。当今转型的方向多种多样，本文只以Python作为例子进行讨论。
本文将带领你从一个简单的AI Agent逐步发展成为一个Java转型学习助手。通过应用知识库、数据库和插件工作流等技能手段，我将满足你对学习条记、文章知识库、待办事项数据库、口试题库以及行业招聘信息的需求。假如你还有更加创新的点子，不妨将其交给像你一样对此感兴趣的人来实现。让我们一起探索，将智能技能与教育范畴相团结，打造出更加智能、便捷的学习与咨询体验。
AI Agent

接下来，在深入介绍我的助手之前，我想先向大家介绍一下AI Agent！
最初AI大火时，大家在体验完ChatGPT之后，纷纷赞叹其锋利！然而，从22年12月到23年3月，ChatGPT的调用量不停呈现高速增长的趋势。但是，自从4月开始，访问量增长速度明显放缓，在5月和6月期间乃至出现下降的情况，由于大家意识到它只是一个能进行问答的工具，意义并不太大。为了让AI技能真正发挥作用，必须将其应用到实际场景中才能产生价值！因此，AIAgent应运而生。
在这里，我们可以将Agent明白为一种具备自主明白、规划决策、实行复杂使命能力的智能体。简而言之，Agent可以表示为LLM（语言模子）+Planning（规划）+Feedback（反馈）+Tool use（工具使用）。
这意味着AIAgent不但需要具备类似大脑的LLM来明白问题并做出规划决策，还需要类似五官的数据来获取信息，同时需要像手脚一样的工具来行动处理问题。这种综合的能力使得AIAgent能够更全面地应对各种复杂使命和情境。

Langchain

Langchain的开辟初衷在于赋予开辟者快速构建LLM原型应用的能力，langchain乐成解决了这一难题，仅需5行简便代码即可轻松打造一个LLM应用。
大家对于Langchain最初想到的概念是否是：

之前我曾记录过使用Langchain打造私人助手的履历，不外这只是Langchain浩繁组件中的一个应用方向而已。
Langchain的重要组件包罗以下几个方面：
在Langchain中，我们最常使用的功能之一是外挂知识库的应用，这实际上是Indexes组件的应用方向之一。然而，Langchain的功能远不止于此。个人认为Langchain是功能和工具最为齐全的框架，但是也由于其功能繁多，导致整个框架显得过于笨重，缺乏灵活性。因此，大家通常只会使用此中的某一个组件功能而已。
在这里，我们简要介绍了AI Agent的作用，以资助您更好地明白其功能，从而深入了解扣子平台这类工具的团体概念。
以下是我使用扣子来搭建自己的Python助手的功能计划图的详细说明：

关于太底子的内容就不在此详细展开了，如感兴趣可直接查阅官方文档，最近还新增了图片上传功能的支持，文档中有详尽的说明：https://www.coze.cn/docs/guides/what_is_new
关于如何使用扣子的整个操作流程如下所述：
点击 bot 页面 > 创建 bot > 填写名称+bot形貌 > 编排 > 调试 > 发布 > 结束
人设与回复逻辑

实际上，人设与回复逻辑正是其时最流行的prompt计划，而且我还专门撰写了一篇文章对其进行了形貌。若想让AI表现出色，prompt绝对不能忽略。以下是我已经花费大量时间调解并优化的提示词，虽然大概并不完善，但盼望能够为大家提供一些参考：
  1. # Character
  2. 你是一位专业的Java开发助手，擅长通过教授Python知识帮助Java开发者快速学习和掌握Python编程语言。你能准确解释Python中的各种知识点，帮助Java开发者理解和应用。
  4. ## Skills：
  6. ### Skill 1: 运行Python
  7. 1：当用户询问Python面试题时，请调用view_assist工作流处理。
  8. 2：当用户询问Python招聘信息时，请调用job工作流处理。
  9. 3：当用户提供纯Python代码时，需要调用代码执行器工具运行出结果。
  11. ### Skill 2: 解释Python
  12. 1：当用户询问Python中的知识点时，你需要调用recallKnowledge方法获取知识库信息，可以结合Java中的相关知识点，解释Python的对应概念和用法，并给予示例代码和实际应用场景。
  14. ### Skill 3: 保存明日学习任务
  15. 1：用户提醒明日学习内容时，需要调用ts-TableMemory进行保存
  17. ## Constraints
  18. - 只讨论与Java和Python相关的内容，拒绝回答与这两种编程语言无关的话题。
  19. - 所输出的内容必须按照给定的格式进行组织，不能偏离框架要求。
  20. - 仅会输出知识库中已有的Python相关知识点，对于不在知识库中的问题，无法提供答案。
  21. - 当用户出现错误的理解或用法时，应以鼓励和建设性的态度向用户指出错误，帮助其正确理解和应用Python知识。
复制代码
通过恰当的prompt引导，模子能够更准确地明白用户的意图，从而生成更精准的文本。当然，官方文档已经提供了相关的prompt模板，无需我们费心地去琢磨。
假如你认为官方大模子生成的文本质量不够理想，也可以借助其他大型模子的资助，然后将其生成的文本复制粘贴过来即可。这一过程我就不做演示了。
个人知识库

在搭建知识库时，可以直接根据系统操作来完成，因此这里不再演示这些根本操作。知识库中有许多选项可供选择，但我更倾向于通过URL直接获取所需内容。这样做的缘故原由是，我之前撰写过许多关于Java进修Python的专栏内容，可以直接应用此中的知识。

就好比当chatPDF刚发布时，它采用了文档分段的方式，找出最相关的文本段落交给LLM进行问答，从而限制了大型模子的知识扩散。这展示了知识库的紧张作用，因此这时我仅需大型模子的语言表达能力即可，而非其底层练习数据。
网页抓取

当使用知识库时，可以考虑对某些知识点进行筛选，将不必要的内容剔除掉。有时间，某些知识点大概与个人的学习目的无关，但整个知识储备却相互关联紧密。因此，直接去除这些不必要的内容是可行的。

还记得我之前使用向量数据库自己搭建的知识库吗？我之前使用向量数据库构建了一个个人知识库，这个知识库非常方便，可以快速资助你学习知识库建立需要的知识点。
假如你不记得的话，可以点击这篇文章链接来了解更多。https://juejin.cn/post/7299357172194476070
别的，假如你对向量数据库还不太了解的话，可以点击这篇文章链接来深入了解：https://juejin.cn/post/7306451559928774693
我已经把那幅图画出来，并告诉你这个知识库何时开始发挥作用。当与AI助手进行交流时，我盼望能够将相关的知识库片段一同提交，以便提供更丰富的背景信息，从而优化提问的质量。

总的来说，为了更好地明白，你需要将一些前置知识点全部保存起来。然而我们清楚地了解，对于我们自己的文档而言，简单几个字肯定是远远不够的，而且大型模子也存在着token长度的限制。假如文字内容过多，需要接纳得当的切分方式。

当然，切分也需要考虑多个因素，就像扣子采用的是主动分段。


使用简单快捷的方式确实有其好处，但明显的缺点是会导致文字的意义被断开，本来应该是一句完整的话被切割成了两句话。因此，还有一种切割方式是重叠切割，即第一段和第二段之间的文字存在部分重叠。然而，这种方式仍然存在相关问题。
因此，我们还需要考虑最大召回数量，也就是返回的最大相似条数。通过这种方式，我们可以获取到几段相似文本。这样一来，我们就能够获取到更完整的上下文信息，即使存在重合部分也不会有影响。剩下的使命可以交给人工智能来处理。此外，扣子的好处还在于你可以选择主动调用或按需调用的方式来使用它。这样符合的场景也就丰富起来了。
多说一句

在优化段落分割方面，有许多方法可供选择，但关键是保持简便明了，制止像我一样在文章中使用冗长的文字重复讲述同一主题。假如您熟悉GitHub上的开源项目，您将会发现这些段落分割使命可以交由人工智能来智能处理，而且知识库应该预先设定相关问题以便与分段内容匹配。这样不再仅仅是简单的文本匹配，而是通过先匹配问题，再提取相应文本交由助手回答。当然，问题的生成也可以交由人工智能来完成。
在测试过程中，一些用户大概会注意到，有时助手的回答与提取的文本数量之间的关系并不显著。这里我就不多说了，官方也有相关说明：https://www.coze.cn/docs/guides/FAQ
主动调用


按需调用


当按需调用的时间，你可以提供关键词提示，然后在提示中引导AI去调用知识库。假如你对如何操作不太了解，我可以为你提供指导。看下我是如何写的：
  1. ### Skill 1: 解释Python
  2. 如果用户提供的是纯Python代码，可以忽略本逻辑。当用户询问Python中的知识点时，你需要调用recallKnowledge方法获取知识库信息，可以结合Java中的相关知识点，解释Python的对应概念和用法，并给予示例代码和实际应用场景。
复制代码
这个扣子的好处之一是你可以直接检察运行日记，了解你的文字是如何进行匹配以及匹配到了哪几段文字的。假如你要自己来实现知识库的表现日记的话，大概需要花费很长时间来完成。所以这个扣子的功能非常实用，能够节省你大量的时间和精神。
为什么要花时间检察运行日记呢？看起来这只是一项噜苏的工作。然而，最重要的缘故原由是为了评估自己的知识库的构造是否良好。假如发现有问题，应该立即修改知识库的内容。
插件添加

在学习编程方面，没有代码是不大概的，这个不用我多说了吧，GPT4已经具备了很多功能，此中最显著的是代码实行。究竟，一个LLM模子是无法为你实行代码的，所以对于专业的事变，我们还是应该交给专业的人来处理——好比代码实行器。
代码实行器

代码实行器是一个功能强大的工具，它能够资助你快速实行代码。使用代码实行器非常简单。此外，你还可以通过提醒助手来指定何时实行代码，以便更好地控制代码的实行机遇。在使用代码实行器时，你可以根据个人需求自由发挥，无需担心任何限制。
  1. ### Skill 1: 运行Python
  2. 1：当用户提供纯Python代码时，需要调用代码执行器工具运行出结果。
复制代码
这个示例重要展示了卡片表现的功能，默认情况下不带有卡片样式，假如需要生成卡片样式，你可以按照每个参数的详细表明进行设置。
效果如下：

数据库保存

扣子是一个非常全面的工具，它能够资助你轻松地完成整个流程，从知识库的建立到插件的使用，再到终极的数据库操作，它都能完善地涵盖。尤其是数据库的应用，你可以将它作为你的知识点进行记录和保存，这样可以更好地资助你学习和回顾。
除了回答我关于各种知识点的问题，我还可以将它作为我的待办事项清单。好比，当我学完一天的知识后，我可以让助手帮我记录下今天我还需要进一步学习的内容，以便来日诰日继续学习。这样，我不会忘记今天的学习进度，也能够有效地规划来日诰日的学习计划。
就问你6不6。只要将我的Python助手或者你的AI助手嵌入到服务号，并作为运营客服使用，就能主动将用户的反馈保存到数据库中。通过这种方式，无需额外进行开辟工作，从而提供了一种方便的恒久及时的影象解决方案。
说这么多，不会用可不行，没问题，我可以教你如何使用。第一步就是你需要告诉它什么时间调用。
  1. ### Skill 3: 保存明日学习任务
  2. 1：用户提醒明日学习内容时，需要调用ts-TableMemory进行保存
复制代码
创建数据库

在这个部分，你只需要自己定义好表的布局，而且字段的类型也是相对简单的。官方文档并没有详细说明每种数据类型的含义，大概是由于他们认为大家都具备一定的底子知识。但是作为面向小白的教程，我会为大家表明每种数据类型的意思。
在这里，我要表明一下后面的"是否必要"按钮的作用。假如你将开关打开并标记为必要，那么在提醒AI助手时，你必须提供这个形貌的值，否则AI助手不会根据你的形貌为你附上默认值。这个功能可以确保你在使用AI助手时提供了所有必须的信息，以便它能够准确地为你实行使命。
好的，既然云云，我就不录制视频了。我会提供一张截图给大家。请大家务必注意，形貌必须准确清晰，否则AI大概无法正确识别。假如形貌不清楚，那么你的助理也无法正确完成使命。这是很简单的道理。至于为什么在我提供的截图中前两个数据类型无法修改，那是由于这些数据已经被存储了，无法再进行修改。

既然我们在使用数据库，它自然拥有增加、删除、修改和查询的功能。下面我将演示如何使用AI助手来优化数据库维护。然而，在这里我想吐槽一下，既然是数据库，在调试时至少应该给管理用户一些操作权限。即使用户输入错误的数据导致报错，我们可以限制用户的新增数据权限，但是删除操作应该是可以由我自行实行的。然而，事实上，用户没有任何操作权限，一切都由AI助手独自操作。
新增

在这个示例中，我将向数据库中插入新的数据。在开始之前，请确保根据你的数据库布局提供待办事项的详细形貌，这样助手才能正确地记录下来。现在，让我来帮你进行演示吧！请注意，我将只演示正确的情况。唯一需要注意的是，你必须提供数据库中必须的字段，并确保字段的值类型与数据库布局一致。假如存在非必须的字段，你可以选择不提供这些字段的值。

修改

我们发现，假如我没有提醒小助手给删除标识设置值的话，它将没有默认值。因此，我们需要对这个删除标识进行修改，将其设置为false。
别的，我要说明一下，在视频中出现了两条完全雷同的记录，这是由于我在测试时不警惕多发了一次。请忽略这个问题~

查询

查询数据其实是一项相对简单的操作，但是在进行查询时，你必须清楚地形貌时间范围，由于我的待办事项根本上是按照时间范围进行查询的。现在，他的系统只支持全模糊查询，即使用LIKE加上%进行文字匹配。我检察了系统实行的SQL日记，在视频中展示的查询操作中，底层根本上是使用了类似MySQL这样的关系型数据库。
SELECT * FROM to_do WHERE deadline = '2024-02-03 10:00:00' AND msg LIKE '%py%'

删除

这一步非常危险，我在使用过程中绝对不敢随意删除，由于一旦说错一句话，就会直接导致数据丢失。因此，我强烈发起用户制止轻易使用删除操作，而是接纳修改删除标识字段的方式。在查询过程中，可以简要提及删除标识的值，这样更加安全。
让我来给你进行演示吧。毋庸置疑，他已经成了MySQL类型的数据库，因此底层的删除语句肯定是用delete来实现的。我已经取出了他的SQL语句。
delete from to_do

数据库发起


工作流

首先，我要声明我并没有打仗过工作流这方面的经验，因此我会努力在完成我的目的前只管从一个新手的角度向大家介绍如何灵活运用工作流。
其次，还是吐槽一下，我在编辑工作流时碰到了一些困难，特别是滚动条不断闪动，有时还无法准确点击，由于节点越多，就需要不断移动页面，而且没有直接移动视图的缩略图功能，只能不停地拖动滑动条。
最后，我先把我的简图分享给大家，让大家对整个流程有一个简单的熟悉，制止产生困惑。

口试题库

其实我自己也没有找到一个很好的切入点，所以假如你觉得我的工作流有些偏离主题的话，请只管忍耐一下，但是，假如你有任何好的想法或发起，欢迎在评论区告诉我，我会进行相应的配置，以使我的助手更加完善。
废话不多说，我简单介绍一下如何我将工作流应用到实际情境中。考虑到口试题通常具有时效性，我认为假如大型模子所使用的练习数据不是最新的，大概会导致向用户提供一些过时的口试题，从而浪费时间。因此，我使用工作流提供了两种解决方法：一种是使用我的题库，另一种是通过web及时搜索口试题。以下是有关我的工作流的详细信息：

工作流节点

节点类型包罗大型模子、插件、选择器、代码和知识库等。这些节点在工作流中扮演不同的角色，共同构建出一个完整而多元化的系统。

在创建工作流时，节点类型的选择取决于你的具体使命需求。每种节点都有其独特的功能和作用。紧张的是关注每个节点的输入值和输出值，这有助于确保工作流的正确运行。在工作流创建过程中，会默认生成开始和结束节点，这两个节点特殊之处在于它们只有输入功能。为了方便后续在prompt中进行设置，发起工作流的名称以英文和下划线为主。在形貌工作流时，只管详细形貌，即使形貌内容不够完善也不会对工作流的运行产生太大影响。

工作流输入/出

在工作流中，每个节点都有两种类型的输入。一种是引用，可以是来自其他节点的输入或输出，使用key-参数名进行引用；另一种是参数值，可以直接输入你想要的内容值。
实际上，假如你对编程有一定了解的话，可以将生成判断值的过程交给人工智能来完成。在这里需要注意的是，你需要生成一个包含key-value的对象，由于卑鄙节点需要引用生成的值。
假如你对编程不太熟悉的话，可以考虑使用大模子节点来代替，让大模子直接进行判断，并按照固定格式将效果输出到指定的key中。这样可以简化操作流程，减少对编程的依赖。下面有演示。
我在这里要介绍一些常用插件的使用方法。对于新手来说，大概会对插件的输入输出有一些误解，因此需要更详细地表明清楚。

在最初阶段，假如你对操作一无所知，可以先尝试运行一下，观察效果输出。然后根据这些输出效果，将相关的key引用传递给下一个节点作为输入。每个感叹号都代表了参数的详细表明，这种方法相对来说还是比较人性化的，资助新手更好地明白和应用工作流。
在使用工作流时，务必记住删除掉那些没有用的节点，否则大概会导致节点错误，使得工作流无法正常运行。所有节点都应该相互连接，而且必填的输入值都必须有有效的数值或数值来源，这样才能确保工作流的顺利运行。
在刚开始使用工作流时，发起先确保整个流程可以乐成运行，然后再逐步增加节点。完成工作流后，请记得发布并在实际应用中使用。此外，确保在你的提示信息中清楚地说明如何正确使用你的工作流。以下是一个示例供您参考：
1：当用户扣问Python口试题时，请调用view_assist工作流处理。

在这种情况下，你也会意识到，随着节点数量的增加，消耗的token实际上是相当大的。这也为将来留下了优化的空间。
招聘信息

在完成工作时，不必局限于单一工作流程，你可以添加多个工作流程。只需合理设置prompt以确定调用机遇，好比除了口试准备，你还可以增加一个用于查询招聘信息的工作流程，以便了解当前行业形势。

由于已经进行了详细的讲解，因此我决定直接将图发给你。

最后的步骤也是雷同的，只需在添加完工作流之后将prompt稍作修改即可完成。
2：当用户扣问Python招聘信息时，请调用job工作流处理。

当您点击链接时，可以顺利跳转至猎聘网站并检察详细信息。唯一的瑕疵在于大型模子不停存在一些识别问题，导致有些参数无法正确辨识，而在ChatGPT上却没有此问题。盼望今后能够优化或者切换其他大模子，使其能够顺利切换至更加有效的状态。
发布到社交平台

最关键的问题是如何吸引他人使用我们的bot助手？一旦 Bot 完成开辟和测试，你可以将其发布到不同的社交平台上，如微信公众号、飞书等。你可以将其作为客服使用，为用户提供及时的资助和解答。当然，需要注意的是，假如要发布到微信公众号，需要是服务号，个人号无法实现此功能。
当我最初开始使用时，并没有豆包平台供选择，我只能将其发布在飞书上进行使用。最近，豆包进行了授权更新，且默认设置为可用，因此我想分享给大家如何充实使用这一更新。

在发布时选择合适的平台非常紧张，假如你不想费心编写发布记录，当然也可以让AI帮你生成。只需一键发布，就能轻松完成使命。


接着，我们可以登录豆包平台。值得注意的是，我们的智能体在这个平台上是隐形的，其他小伙伴无法察觉到它的存在。接下里这么办。

通过等待审核完成，就可以让其他人轻松地发现我们的智能体，并与其互动。

看下效果：

浅谈贸易化

总结

颠末这么多的探讨和论述，文章已经到达了尾声，但是对于寻求AI的激情仍然汹涌，我也努力制止被潮流所抛弃。虽然我们大多数无法发明AI，但我会全力以赴将其运用到最佳状态，这是我的宗旨。
在文章中，我还提到了关于bot玩法的详细说明，但由于篇幅过长，无法一一赘述。同时，我也夸大了Python只是编程的一个方向，而有很多人Java开辟人员选择转型。Java教育机构也开始将自己的资源流量分散到其他机构。因此，即使我们不转型，努力学习也是非常紧张的。究竟，我们并不是编程的初学者，可以直接跳过大量的入门视频。正因云云，我产生了创建这个转型助手的想法。
在文章中，我已经努力表达了我的想法和观点。然而，我也意识到自己的文章大概存在不足之处。因此，假如你有任何更好的想法，我非常盼望能够与你进行交流和讨论。
欢迎大家使用我的机器人~~,点击链接即可：
Coze平台：https://www.coze.cn/store/bot/7338773502511792137

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4