当前位置: 首页 > news >正文

【coze扣子】第1篇:coze快速入门

文章目录

  • coze扣子
  • Coze优点
  • Coze智能体快速入门
    • 1、登录进入到个人主页
    • 2、创建智能体
    • 3、智能体组成部分
    • 4、智能体的发布
      • 人设与回复逻辑
      • LLM模型配置
        • 模型设置
          • 生成多样性(抽象程度)
          • Top P(话痨程度)
          • 重复语句惩罚
          • 携带上下文轮数
          • 最大回复长度
        • 技能
          • 插件
          • 触发器
            • 定时触发
            • 事件触发
          • 工作流
        • 知识
          • 文本
          • 表格
          • 照片
        • 记忆
          • 变量
          • 数据库
          • 长期记忆
          • 文件盒子
        • 对话体验
          • 开场白
          • 用户建议
          • 快捷指令
          • 语音
          • 用户输入方式
  • 总结

coze扣子

Coze是字节跳动推出的零代码AI应用开发平台,可以通过该平台快速创建各种类型的聊天机器人、智能体、AI应用和插件,并将其部署在社交平台和即时聊天应用程序中。https://www.coze.cn/

Coze优点

Coze整体解码简洁明了,提供了丰富模板和组件,通过拖拽即可快速搭建应用界面,能够轻松构建出美观、易用的应用界面,同时也支持与后端服务集成,功能相对简单,更适合开发轻量级应用,比如快速搭建一个简单的聊天机器人或小型的只能助手

Coze智能体快速入门

1、登录进入到个人主页

image-20250722230532274

2、创建智能体

image-20250722230923725

image-20250722231110567

image-20250722231314767

3、智能体组成部分

智能体主要分为三大块:人物设定与回复逻辑、智能体以及流程、预览调试模块

image-20250722232140261

4、智能体的发布

image-20250722232401265

人设与回复逻辑

人设与回复逻辑主要涉及一些提示词工程,采用的是md格式,可以自己编写也可以AI自动生成提示词

image-20250722232840715

LLM模型配置

image-20250722232858260

模型设置

主要为智能体选择大脑配置,各种主流大语言模型都可以

image-20250722233020589

image-20250722234503576

生成多样性(抽象程度)
#1 temperature解释:
调高温度会使得模型的输出更多样性和创新性,反之,降低温度会使输出内容更加遵循指令要求但减少多样性。建议不要与 “Top p” 同时调整# 2 不同模式## 精确模式:
在需要严格遵循指令、输出准确无误的场合,如生成正式文档、代码、法律文件等,应使用较低的生成随机性数值,接近 0,使模型更倾向于选择最可能的词汇,确保输出的稳定性和准确性。例如在金融报告生成中,需准确呈现数据和事实,低随机性可避免出现不恰当的表述。## 平衡模式:
对于大多数日常应用场景,如一般的问答系统、信息检索回复等,可将生成随机性设置为中等水平,既能保证一定的多样性,使回答不会过于单调,又能基本遵循指令,提供较为准确的信息。## 创意模式:
当进行创造性任务,如小说创作、诗歌写作、创意广告文案撰写等,可适当调高生成随机性数值。较高的随机性能让模型探索更多的词汇组合和表达可能性,产生更具创意和独特性的内容,但要注意可能会出现一些偏离主题或不太符合逻辑的情况,需要后期适当筛选和修改
Top P(话痨程度)
#1  Top p 为累计概率: 
模型在生成输出时会从概率最高的词汇开始选择,直到这些词汇的总概率累积达到 Top p 值。这样可以限制模型只选择这些高概率的词汇,从而控制输出内容的多样性。建议不要与 “生成随机性” 同时调整# 2 不同模式
## 精确模式:
若追求输出内容的高度精确性和专业性,如学术论文生成、专业技术文档编写等,可将 Top - p 设置为较低值,如 0.5 - 0.7。这样模型会专注于选择概率较高的常见词汇和表达方式,减少意外和不相关内容的出现,使输出更符合专业规范和预期。## 平衡模式:
在日常对话、普通文章写作等场景中,可将 Top - p 设为 0.7 - 0.9。适中的 Top - p 值能让模型在保证一定准确性的基础上,使用更多样的词汇和表述方式,使生成的文本更自然、流畅,也更具可读性。## 创意模式:
当需要激发创意和获得独特的观点时,如头脑风暴、创意设计讨论等,可将 Top - p 提高到 0.9 以上,甚至接近 1。此时模型会考虑更多低概率的词汇,从而产生更具多样性和意外性的内容,有助于开拓思路和创新
重复语句惩罚
# frequency penalty: 
当该值为正时,会阻止模型频繁使用相同的词汇和短语,从而增加输出内容的多样性
携带上下文轮数
# context
设置带入模型上下文的对话历史轮数。轮数越多,多轮对话的相关性越高,但消耗的 Token 也越多。# token: 文字个数-带的上下文多,多给他发了文字--》用第三方平台,根据token收费-花钱多
最大回复长度
# 控制模型输出的 Tokens 长度上限。通常 100 Tokens 约等于 150 个中文汉字英文token有多个意思-令牌-发送或回复的字数# 可能:我   是一个token喜欢  是一个token爱你  晴天
技能
插件

插件有分为官方和第三方插件(开发者开发),添加对应插件就能同于智能体有了对应插件的功能,就当做给你的智能体配置对应的技能或者工具。

image-20250722233454166

触发器

触发器主要是分为两种,定时触发和事件触发。顾名思义,定时触发就是根据用户所在的时区创建定时任务,事件触发就定制一个事件来进行触发,目前只支持飞书平台

image-20250722233532331

定时触发

image-20250722233751970

事件触发

image-20250722233821189

工作流

Coze工作流是一种高效的自动化工具,旨在帮助用户通过简单的节点和插件搭建复杂的业务流程,是整个智能体中最重要的部分。

通过创建工作流,添加配置节点,使得智能体满足复杂的需求。

知识

主要用于对互联网上没有的,本地知识库(内部资料)的整合

文本

添加md文档搜,搜索内部独家资料内容,会搜索到

image-20250722235143889

表格

导入excel,可以搜索上传excel中的内容

image-20250722235234086

照片

上传照片后,进行标注,可以对照片的标注内容进行搜索

image-20250722235331462

记忆
变量

设置变量后,只要输入相关,就会以变量形式保存起来,以后只要提及这个变量,就会输出

image-20250722235410493

数据库

image-20250722235435885

长期记忆

一旦开启,智能体会自动总结,保存关键信息,自动保存,后续我们输入会从记忆中获取(它总结,不受我们控制)

文件盒子

用于保存和管理用户发送的文件。用户发送消息时,智能体能够查找和引用这里的文件进行回复。还支持用户通过发送消息,管理和删除自己的文件。如图片、视频、音频、文档等。

对话体验
开场白

每次打开智能体时的输出

用户建议

关闭后,每次智能体回复完,不会再显示建议

快捷指令

给智能体创建一个快捷键

image-20250722235636476

语音

可以跟智能体就行语音通话,并且选择智能体的音色

image-20250722235737811

用户输入方式

用户与智能体交互的方式,文字交流或者语言进行交流

总结

Coze是字节跳动推出的零代码AI应用开发平台,可以通过该平台快速创建各种类型的聊天机器人、智能体、AI应用和插件,智能体主要包括人设和LLM模型设置,以及可以发布到各个平台上。

http://www.dtcms.com/a/291731.html

相关文章:

  • 消息队列学习
  • 3.4 安全-分布式-数据库-挖掘
  • LNMP平台部署
  • 【uboot/kernel1】启动流程,环境变量,内存,initramfs
  • 【大模型记忆实战Demo】基于SpringAIAlibaba通过内存和Redis两种方式实现多轮记忆对话
  • 本地代理和服务器代理区别
  • 【AI时代速通QT】第五节:Qt Creator如何引入第三方库,以OpenCV为例
  • 深入解析MIPI C-PHY (三)C-PHY 功耗屠龙刀
  • FunASR 说话人识别 Xvector 环境版本配置
  • 一文读懂深度模型优化器,掌握炼丹工具
  • 【数学建模】基础知识
  • FTP考点
  • SparkSQL 聚合函数 COUNT 对 NULL 值的处理
  • css3地球转动模型(动态数据)
  • RxSwift 核心解析
  • 生成式AI導論 2024】第9講:以大型語言模型打造的AI Agent 学习记录
  • Nacos 注册中心高频面试题及解析
  • v0+claude+cursor构建初始脚手架
  • ADA4522-2ARMZ-R7 ADI亚德诺 双通道零漂移运算放大器 工业高精度测试设备应用
  • 您需要了解的有关 GIS 中基于位置和基于属性的查询的所有信息
  • [pdf epub]《软件方法》电子书202507更新下载
  • thinkphp入门
  • 企业级IIS配置手册:安全加固/负载均衡/性能优化最佳实践
  • C++性能优化擂台技术文章大纲
  • Axios Token 设置示例
  • MySql 运维性能优化
  • React 项目性能优化概要
  • Vue-21-利用Vue3的axios+Python的flask实现前后端交互功能
  • 精密全波整流电路(二)
  • 以太网基础⑥ ZYNQ PS端 基于LWIP的TCP例程测试