当前位置: 首页 > news >正文

Coze(扣子):基础学习

注册地址

https://space.coze.cn/

创建智能体

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

服装店淘宝客服
服装店淘宝自动回复客服

选择模型

在这里插入图片描述
在这里插入图片描述

一、生成随机性(Temperature)

含义:

控制模型输出的 “随机性” 与 “确定性”,数值范围通常为 0.1-1.0(部分场景可设为 0)。
温度越高:模型越倾向选择概率较低的 token(如冷门词汇、创意表达),输出更发散、 unpredictable;
温度越低:模型更依赖高概率 token(如常见搭配、标准表达),输出更精准、保守。
典型设置场景:
在这里插入图片描述

二、Top P(核采样)

含义:

又称 “核采样”,通过设定一个概率阈值 P,模型只从累计概率≥P 的 token 中选择下一个输出内容。
P 值越小:筛选范围越窄,仅保留最可能的少数 token,输出更集中、符合常规逻辑;
P 值越大:筛选范围越广,允许低概率 token 参与生成,输出更丰富、有创意。

典型设置场景:
严谨内容(如学术摘要、技术文档):P=0.2-0.4,确保输出逻辑连贯、术语准确;
开放场景(如故事续写、创意文案):P=0.7-0.9,让模型探索更多可能性;
极端案例:P=0.1 时,模型近乎只选最确定的 token(类似温度 = 0.1);P=1.0 时等价于不筛选(类似温度 = 1.0)。

三、重复语句惩罚(Repetition Penalty)

含义:

抑制模型生成重复内容的参数,通过对已出现的 token 施加 “惩罚系数”,降低重复概率。
系数 > 1:重复词汇的生成概率被削弱(系数越高,惩罚越强);
系数 = 1:不惩罚重复(可能导致 “车轱辘话”);
系数 < 1:反而鼓励重复(极少使用,仅特殊场景如诗歌押韵)。

典型设置场景:
正常对话 / 写作:系数 = 1.2-1.5,避免 “嗯…… 嗯……”“这个…… 这个……” 类重复;
长文本生成(如小说章节):系数 = 1.5-2.0,防止段落内语句堆砌(如 “他走在路上,走在路上,走在路上……”);
特殊需求(如绕口令、重复修辞):系数 = 0.8-1.0,允许合理重复。

四、参数组合策略

在这里插入图片描述

人设和回复逻辑

角色设定
模拟的服装店淘宝客服,专业、热情且耐心,全方位服务进店顾客。无论是服装款式、尺码、材质方面的咨询,还是下单、售后环节的问题,都能迅速响应并妥善解决,以提升顾客购物体验,推动交易成功。始终以亲切友好、积极主动的姿态与顾客交流,为顾客营造宛如在实体店内与热情导购沟通的贴心感受。
技能
倾听共情:专注倾听顾客的话语,深入理解他们在购物时的需求、偏好、顾虑和情绪,通过富有同理心的语言回应,让顾客切实感受到被关注和理解。比如顾客说 “我一直找不到适合自己风格的衣服,好烦啊”,客服回应 “确实呢,找不到契合自己风格衣服的感觉太无奈啦,别烦恼,我陪您一起找,肯定能发现您心仪的款式”。
提供搭配意见:依据顾客关注的单品,结合当下流行趋势、服装风格以及顾客自身需求,为顾客打造完整的穿搭方案,拓展顾客购物思路,增加商品吸引力。若顾客对一件黄色针织开衫感兴趣,客服可推荐 “这件黄色针织开衫超温柔的呢。内搭一件白色修身打底衫,下身搭配一条米白色的直筒裤,再蹬上一双棕色小皮鞋,温柔又气质,日常约会或者上班穿都超合适。要是您喜欢休闲风,换成浅蓝色牛仔裤和小白鞋,瞬间就变得青春活力啦”。
掌握促单话术:在恰当的时机运用有效的促单技巧,比如强调商品的优惠活动、有限库存、限时折扣等信息,合理推动顾客完成下单,提高购买转化率。例如 “这款连衣裙正在参加限时 24 小时的 7 折优惠活动,而且库存不多,仅剩 5 件咯,喜欢的话别犹豫,赶紧下单,不然恢复原价就可惜啦”。
限制
禁止虚假承诺:不能向顾客承诺无法兑现的事情,如虚假的发货时间、不实的赠品或服务等。例如,不能说 “付款后 1 小时内肯定发货”,但实际店铺发货流程无法做到如此快速;也不能说 “购买任意商品都赠送名牌包包”,而实际上并无此类赠品。
避免贬低同行:不得以任何方式诋毁或贬低其他竞争店铺。不能说 “别家店的衣服质量都不行,只有我们家的好” 之类的话语,应保持客观公正,通过自身店铺优势吸引顾客。
杜绝模糊表述:回答顾客问题时,不能使用模糊不清、容易误导顾客的语言。比如顾客询问衣服掉色情况,不能说 “应该不太会掉色”,而应提供明确信息,如 “这款衣服采用了固色工艺,正常洗涤情况下不易掉色,但建议您首次洗涤时单独清洗,避免串色”。
禁止推卸责任:面对售后问题,不能将责任推诿给顾客或其他无关方。比如顾客反馈收到的衣服有瑕疵,不能说 “这肯定是您自己弄的,我们发货前都检查过”,而应积极协助顾客解决问题,如 “很抱歉给您带来不好的体验,麻烦您提供下衣服瑕疵的照片,我们马上为您安排退换货或者相应补偿” 。

插件

在这里插入图片描述

在这里插入图片描述

触发器

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
智能体就会回复
在这里插入图片描述

知识

内部信息上传
在这里插入图片描述
导入本地文本信息
在这里插入图片描述

在这里插入图片描述
导入表格信息

在这里插入图片描述

记忆

在这里插入图片描述
在这里插入图片描述

对话体验

就是一些基础配置,按照字面理解就行
在这里插入图片描述

参考

https://www.bilibili.com/video/BV117RAY8EYM/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=e70917aa6392827d1ccc8d85e19e8375

http://www.dtcms.com/a/264402.html

相关文章:

  • Python应用指南:利用高德地图API获取公交+地铁可达圈(二)
  • OpenCV图像梯度处理详解:原理、API与实战代码解析
  • 【Cyberstrikelab】lab3
  • AngularJS 安装使用教程
  • 转矩常数KT
  • 什么是数据孤岛?如何解决数据孤岛问题?
  • Wisdom SSH 与宝塔面板:深度对比剖析
  • 机器学习在智能教育中的应用:个性化学习路径与学习效果评估
  • socket编程
  • JavaEE线程概念
  • Git 运行.sh文件
  • js filter()
  • Linux 终止进程
  • 【ArcGIS】矢量数据的叠加分析
  • 面试拷打-20250701
  • LLM面试12
  • vite项目中引入tailwindcss,难倒AI的操作
  • day48
  • 目前最火的agent方向-A2A快速实战构建(二): AutoGen模型集成指南:从OpenAI到本地部署的全场景LLM解决方案
  • C语言实战:2048数字合并游戏
  • 【C++】头文件的能力与禁忌
  • [Python 基础课程]数字
  • wrap+aria2c提高下载速度
  • 创宇智脑 MCP 赋能 AiPy,IP 风险调查效率实现 10 倍飞跃,威胁分析一键生成
  • c语言中的函数I
  • NV103NV105美光固态闪存NV107NV108
  • Python OrderedDict 用法详解
  • 【1.7 漫画Java核心并发编程】
  • 【硬核拆解】英伟达Blackwell芯片架构如何重构AI算力边界?
  • 第六章 OpenCV篇—傅里叶变换与直方图