Bootstrap

基于扣子(Coze)打造第一个智能体——个性化对话机器人


AI时代,确实能够大幅提高很多工作的效率,这篇文章就演示制作一个旅游攻略小红书笔记制作工具。

这个工具如何要通过代码编写,至少需要一个星期的时间,但是通过智能体半天的时间就可以搞定。

一,智能体体验

我们参考扣子Bots商店里面的这两个智能体,亲自动手打造一个智能体。

在这里插入图片描述

智能体1:来一场说走就走的旅行
智能体2:来一躺说走就走的旅行

本质上,它们都是对话机器人。
在这里插入图片描述

二,动手打造一个自己的智能体

1,主页点击创建机器人

1.1 创建一个新的机器人

在这里插入图片描述

1.2 修订Bot基础信息

在这里插入图片描述

1.3 工具编排信息修订人设和回复逻辑、增补开场白等

点开机器人后,我们发现,扣子在创建这个机器人的过程中,根据机器人的名称已经生成了提示词,主要是机器人的人设和技能。

所以,这一步,其实我们无需做什么。

在这里插入图片描述

一个具备基本沟通能力的机器人就已经创建完成,我们可以测试一下。

在这里插入图片描述
当然,此时的机器人功能还比较弱。

2,使用插件优化机器人

上述第一步结束,我们可以发现,结果并不理想。

因此我们下一步需要调整下大模型,增补一下人设和逻辑设定。

1)首先根据需求调整大模型的参数

在这里插入图片描述

  • 要了解相关的旅游目的,至少需要有多轮的对答,因此我们修改上下文轮数为15
  • 要求输出的内容会比较多,改正输出的长度为 2048 token
  • 大模型,保留使用豆包·function call 模型,后续调试若有问题,可以再修改

注意 : 修改 token 和轮数,会导致 token 的急剧增加,需要依据实际需要调整

2)调整提示词,优化人设和技能

# 角色
你是超厉害的小红书旅游博主,擅长给出高性价比旅行计划和超实用建议分享超赞旅游经验和攻略,推荐有趣目的地,给出实用旅行建议。

## 技能
### 技能 1: 了解目的地特色
1. 深入挖掘不同旅游地的独特之处,为用户提供深度体验推荐
2. 使用工具搜索目的地信息,了解其热门最点和小众宝藏地。


### 技能 2: 提供个性化计划
1. 根据用户需求,制定个性化旅行计划,包括行程安排和费用预算。
2. 考虑用户旅行时间、目的地、预算和兴趣爱好,确保计划的可行性。

### 技能 3: 分享前沿建议
1. 关注旅游行业最新趋势,提供前沿旅游建议。
2. 结合爆款关键词,如“宝藏目的地”“绝绝子是点”等,吸引用户关注。


## 限制
- 只聊旅游相关话题,保证专业性和实用性。
- 遵循小红书风格,用口语化生动表达。
- 内容按格式组织,不偏离要求。
- 考虑用户需求制定计划和建议,充分考虑用户的旅行时间、出发地、目的地、预算、天气等因素。
- 文案中融入一些小红书的关键词,可从列表中选出:我宣布、我不允许、请大数据把我推荐给、真的好用到哭、真22的可以改变阶级、真的不输、永远可以相信、吹、钱必看、狠狠搞钱、一招拯救、正确姿势、正确打开方式、摸鱼誓停、停止摆烂、救命!、啊啊啊啊啊啊啊!、以前的...vs现在的...再数一遍、再也不怕、教科书股、好用哭了、小白必看、宝藏、绝绝子、神器、都给我冲、划重点、打开了新世界的大门、YD5、秘方、压箱底、建议收藏、上天在提醒你、挑战全网、手把手、揭秘、普通女生、沉浸式、有手就行、打工人、吐血整理、家人们、隐藏、高级感、治愈、破防了、万万没想到、爆款、被夸爆

修改之后,再次测试。

在这里插入图片描述
这个结果就比第一次好多了。

3)增加网络搜索插件

但还不够好,我们可以尝试增加一些网络搜索插件。

在这里插入图片描述

在添加插件界面,搜索需要的插件,然后点击添加即可。

在这里插入图片描述

最终我们添加的插件如下。
在这里插入图片描述

添加完成后,再次测试。

在这里插入图片描述
我们发现这次对话,机器人使用必应搜索,给出了参考文章,结果更加详细。

3,使用工作流优化机器人输出

3.1 旅游机器人的业务流程

提到工作流,不要感觉有什么高大上的,工作流本质就是我们完成一件事情的流程。

比方说,我们这个对话机器人“说走就走的旅行”,它的工作就是根据用户的要求给出旅游攻略,其工作流程如下:

  • 理解用户提出的要求,从用户的需求描述中提取出发地与目的地,以及用户的其他要求,比如酒店预算
  • 根据用户的要求调用搜索引擎,找到最热门的攻略作为参考,这就要用到我们配置的必应搜索插件
  • 调用携程插件搜索酒店信息
  • 调用携程插件查询出行方式并给出推荐
  • 调用必应插件搜索目的地推荐景点
  • 输出旅行计划、酒店推荐、出行推荐、景点推荐

画出流程图如下:
在这里插入图片描述

3.2 工作流的实现

① 新建工作流

在这里插入图片描述

点击添加工作流进入工作流编辑界面。

在这里插入图片描述
在编辑器左侧是各种不同的工作流结点,我们常用的结点:

  • 大模型,这个是必须的
  • 文本处理
  • 消息,消息就是最后的输出,也是必须,不然就相当于这个机器人是个哑巴,能听懂,也能干活,就是没有结果给你
② 初识工作流

每次创建新的工作流,进入编辑界面后,默认有两个工作流结点,一个开始一个结束。

在这里插入图片描述

③编辑开始结点

在这里插入图片描述

开始结点是必须的,这个界面就对应机器人对话界面,用来接收用户的输入。

注意这个节点有一个输入模块,代表传输到这个节点的信息,每个节点都必须有输入。

下面是存储输入信息的变量名称,如果有一点编程知识,就比较好理解。

变量名是为了方便在后面的结点中引用当前结点的信息。

比如用户在对话机器人中输入“我要从佛山去北京3天旅游,酒店预算不超过500元”,这句话就会被存入到变量"BOT_USER_INPUT"或者“query”中,在后面的结点中就可以通过这两个名称来获取用户的输入了。

这里说是用户的输入,主要是这个节点是开始结点,接受的就是用户的输入。

后续节点的输入一般是其前面节点的输出。

注意,"BOT_USER_INPUT”是默认的变量,不能修改,“query”是我们新增的变量,为了演示用,不加也可以,这两个变量存储的都是用户的输入。

④增加大模型节点-处理用户输入

接收到用户输入后,就要将输入交给大模型进行文本处理,所以开始结点后需要一个大模型结点。

在这里插入图片描述

在左侧节点类型列表中选择大模型,点击+号或者拖拽到编辑区都可以。

在这里插入图片描述
节点之间需要用连线表示先后关系,把鼠标放在图中小蓝点上,按下鼠标右键拖出一条线,指向下一个节点的边框的小蓝点,就有一条线把这两个节点连接在一起,表示前后顺序关系。

注意,上一步不可缺少,只有连上之后,后节点才能获取前节点的信息。

⑤编辑大模型节点
选择大模型

扣子提供了很多大模型可供选择,我们选择字节的豆包大模型。

在这里插入图片描述

选择输入

大模型的输入就是开始结点的输出,点击右侧输入框就会打开一个下拉列表,选择开始结点,开始结点提供两个输出,就是我们前面提到的变量,这两个随便选一个。

在这里插入图片描述

给大模型设置提示词

大模型必须要配合提示词才能工作,且提示词的好坏影响最终的结果。

注意下面的提升词中“{{input}}”,表示的是用户输入的文本内容。

sourceCity是指从用户输入的文本中匹配到旅游的起点,sourceCity也是变量名,会作为大模型节点的输出,在后续的节点中使用。

其他依次类推。

# 角色
你是一个文本分析器,能够准确地从给定文本中提取信息,并按照特定格式输出为 JSON 数据。

给定文本

{{input}}


## 技能
### 技能 1:提取信息
1. 从输入的文本中提取出发地城市名称、目的地城市名称、日期和返程日期等信息。
2. 如果无法确定某个信息,可以询问用户以获取更多上下文。

### 技能 2:转换信息
1. 将提取到的城市名称转换为拼音写法,如“佛山”转换为“foshan”。
2. 将提取到的日期描述转换为实际的具体日期,格式为 YYYY-MM-DD。
3. 根据提取到的交通工具信息,若没有交通信息,则默认选为“飞机”。
4. 若没有固定的出发地,则默认从"北京"出发
5. 若没有固定的出发日期,则默认从“明天”出发

### 技能 3:输出 JSON
1. 按照指定的 JSON 格式输出结果,包括 sourceCity(出发地城市拼音)、sourceCityZh(出发地城市名称)、destinationCity(目的地城市拼音)、destinationCityZh(目的地城市名称)、departureDate(出发日期)、returnDate(返程日期)和 transportation(交通工具)。

## 限制
- 只处理与提取和转换文本信息相关的任务,拒绝回答与该任务无关的问题。
- 输出的 JSON 数据必须严格按照给定的格式,不能有任何偏差。
- 如果输入的文本中缺少关键信息,应尽可能询问用户以获取更多上下文,而不是随意猜测或假设。
给大模型设置输出

大模型从用户输入的信息中匹配到关键信息,并提取保存,以便下游节点获取使用。

比如规划路线的节点就需要使用出发地城市和目的地城市。
在这里插入图片描述

⑥增加必应搜索结点

接下来要根据前面的大模型结点提取到的关键信息搜索小红书,获取优质笔记,并参考笔记生成新的推荐。

所以需要一个搜索结点。

在这里插入图片描述
注意,要连接前面的大模型结点和搜索结点,连线由大模型指向搜索结点。

在这里插入图片描述

搜索节点的关键词就是用户的输入,所以这个节点的输入变量query选择应用开始节点的变量query

⑦在搜索节点后增加大模型节点-输出小红书攻略

必应搜索到结果后,会将交给大模型,以便大模型进行处理 ,输出规划。

分别设置大模型、选择输入、给出提示词,后续不再详述。

在这里插入图片描述
为了后续方便,将这个大模型命名为:攻略大模型
在这里插入图片描述

提示词参考:

你是一名资深的小红书旅游博主,擅长对旅行计划进行管理和输出。

针对查询到的旅游攻略进行整理,并以小红书爆款旅行文案的方式输出。

获取到的旅游攻略参考如下 


{{input}}

⑧增加酒店搜索插件节点

在这里插入图片描述
有两点需要注意:

  • ①这个结点是搜索目的酒店,所以输入是大模型提取出来的目的地城市。
  • ②连线是由开始节点后的大模型指向酒店搜索节点

在这里插入图片描述

⑨增加大模型节点处理酒店搜索结果-输出酒店攻略

加入一个大模型节点,注意以下两点:

  • 由酒店搜索节点指向大模型
  • 做如下配置
    在这里插入图片描述

这个大模型命名为:酒店大模型

在这里插入图片描述

提示词:

## 回答

请回答以下内容:
{{input}}
⑩增加插件-天气查询节点

选择墨迹天气插件作为天气查询节点,做如下配置:

  • start_time: 大模型输出字段 departureDate
  • city: 大模型输出字段 destinationCityZh
  • end_time: 大模型输出字段 returnDate

在这里插入图片描述

⑪增加大模型节点处理天气结果-输出天气结果

在天气查询节点后增加大模型节点处理天气查询结果。

在这里插入图片描述

这个大模型命名为:天气大模型

在这里插入图片描述

提示词:

## 分析
分析以下使用 ```括起来的文本:

{{input}}

⑫增加插件-航班查询节点-出发机票

这个节点是第一个处理用户输入的大模型节点的后续节点。

增加一个查询出发航班的节点。

  • arr_city,目的城市,destinationCityZh
  • dep_city,出发城市,sourceCityZh
  • flight_date,出发日期,departureDate
    在这里插入图片描述
⑬ 增加大模型节点处理出发机票搜索结果-输出去程机票

在这里插入图片描述
这个大模型命名为:去程机票大模型

在这里插入图片描述

提示词:

## 分析
分析以下使用 ```括起来的文本:

{{input}}


## 返回
解析文本内容,将相关的旅游出行的结果以表格方式呈现给用户,并提出相应的体贴建议等
⑭增加插件-航班查询节点-返程机票

处理出发机票后,接着查询返程机票,注意节点依赖关系。

增加一个查询出发航班的节点。

  • arr_city,目的城市,sourceCityZh
  • dep_city,出发城市,destinationCityZh
  • flight_date,出发日期,returnDate
    在这里插入图片描述
⑮ 增加大模型节点处理返程机票搜索结果-输出返程机票

在这里插入图片描述
这个大模型命名为:返程机票大模型

在这里插入图片描述

提示词:

## 分析
分析以下使用 ```括起来的文本:

{{input}}


## 返回
解析文本内容,将相关的旅游出行的结果以表格方式呈现给用户,并提出相应的体贴建议等
⑯ 增加5个消息结点用以输出前面5个大模型的结果

在这里插入图片描述
这五个消息节点分别用来输出5个大模型的结果:

  • 总攻略的结果
  • 天气结果
  • 酒店结果
  • 去程航班结果
  • 返程航班结果

在这里插入图片描述

在这里插入图片描述

3.3 工作流整体概览

在这里插入图片描述

附录:AI Agent 常用的一些共同概念

提示词(人设与回复逻辑功能)

Bot 的提示词是一种自然语言指令,告诉大语言模型(LLM)执行什么任务。

搭建 Bot 的第一步就编写提示词,为Bot设定身份和目标,Bot 会根据大语言模型对人物设定和回复透辑的理解,来响应用户问题。

因此提示编写的越清淅明确,Bot 的回复也会越符合预期。

插件

通过 API 连接集成各种平台和服务,扩展 Bot 能力。

扣子平台内置丰富的插件供你直接调用,你也可以创建自定义插件,将你所需要的 API 集成在扣子内作为插件来使用。

工作流

一种用于规划和实现复杂功能透辑的工具,你可以通过拖捷不同的任务节点来设计复杂的多步骤任务,提升 Bot 处理复杂任务的效率。

记忆库

扣子的记忆库功能可以保留和理解对话细节,并支持添加外部知识库给模型补充知识,使 Bot 与用户的互动更加有针对性和个性化,你可以通过以下方式来存储和管理外部知识。

知识库

支持上传本地或线上内容,然后将这些内容分制成知识分片,通过语义匹配给模型补充知识

;