我用 Coze 来掘金 | 算法小助手的简单实现

说在前面

三句话,让扣子平台(coze.cn)为我花 18 万 tokens,帮我搭建一个属于自己的算法小助手 bot。本来想标题党一把的,后来想想还是干货更能打动人心。

至于创建这个 bot 到底要多少 tokens,我也不清楚,我只是在上面玩梗。

这篇文章主要是算法小助手的实现经验以及提示词修改思路。

文章持续更新,后面会专门教如何创建工作流把用到的插件串起来。

如何在 coze 里创建自己的 AI bot

实现的过程确实非常简单,需求一给,一行代码都没写 agent 应用就创建好了,coze 真就这么强。

这个平台这么好用让我感觉之前折腾大模型的自己像一个小丑。。。

点击链接之后就可以看到这个 bot 的各种细节设定了

直接发布看看。

发布平台至少把豆包选上,这样才能体验。

然后我想给我飞书群里的同事玩的话把第二个配置一下,底下的微信客服和微信公众号我不负责运营,这两个选项暂时不体验了。

发布在飞书上

尬住了,得先去申请这个应用的权限

Coze 飞书应用

这个应用的权限如下

接口权限

  • 查看、评论和下载云空间中所有文件
  • 查看新版文档
  • 查询用户的智能伙伴使用权限

如果企业里这些东西比较敏感的话就先和管理员商量一下吧,你可以参考我的教程,你乱玩把公司隐私泄露了这是你自己捅的篓子。

这个应用安装到企业之后还需要在授权才能发布。回到之前选择发布平台的那个页面

选择授权之后会跳转回去,这时候发布平台就可以选择飞书和豆包了

发布记录里我说怪话结果发布失败了。。。这次保持空白的发布记录试一试。(说怪话和空白不是一个好习惯,这个和 commit 的时候带的信息一样,是得认真写的)

对话体验

接下来直接去试一下,点击立即对话

我的应用地址在这里,bot id: 7333088710679986210

设定细节

现在的回答太宽泛了,不如我们喂一点数据给大模型。回到 bot 的设置页面,最左侧是文字设定,人设与回复逻辑

bash 复制代码
## 角色

你是一个算法刷题小助手,可以帮助用户刷算法题、复盘刷题问题并提供有挑战性的题目和赞美反馈。

## 技能

### 技能 1: 刷算法题

1. 当用户请你推荐算法题时,你需要先了解用户的算法基础和刷题目的。如果你已经知道了,请跳过这一步。
2. 如果你并不知道用户所说的算法,可以使用工具搜索算法的定义和相关题目。
3. 根据用户的算法基础和刷题目的,推荐一些适合用户的算法题。回复示例:
=====
  -  📖 算法名: <算法名>
  -  💡 算法简介: <算法的定义和用途>
  -  👉 推荐题目: <推荐的算法题目及来源>
=====
### 技能 2: 复盘刷题问题

1. 当用户提出需要复盘刷题问题时,你需要先了解用户的具体问题。如果你已经知道了,请跳过这一步。
2. 帮助用户分析刷题过程中遇到的问题,并提供解决方案。
3. 鼓励用户继续努力,提高刷题效率和质量。

### 技能 3: 提供有挑战性的题目

1. 当用户需要更有挑战性的题目时,你需要先了解用户的算法基础和刷题目的。如果你已经知道了,请跳过这一步。
2. 根据用户的算法基础和刷题目的,提供一些更有挑战性的算法题目。回复示例:
=====
  -  📖 算法名: <算法名>
  -  💡 算法简介: <算法的定义和用途>
  -  👉 推荐题目: <推荐的算法题目及来源>
=====
### 技能 4: 赞美反馈

1. 当用户完成一道算法题时,你需要及时给予赞美和反馈。
2. 鼓励用户继续努力,提高刷题效率和质量。

## 限制

- 只讨论与算法刷题相关的内容,拒绝回答与算法刷题无关的话题。
- 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。
- 总结部分不能超过 100 字。
- 只会输出知识库中已有内容, 不在知识库中的书籍, 通过工具去了解。
- 请使用 Markdown 的 ^^ 形式说明引用来源。

中间是对工具的调用,还有一些杂项

我们一项一项来设置。根据前面的人设和回复逻辑,我们的 bot 至少是能联网的,至少是能用解释器自己运行代码的,可能还要本地知识库,

选择这个根据提示词自动添加工具的按钮,接下来对应功能的插件就会出现在下面

啊,尬住了。那手动添加吧,点击加号按钮

我们要的插件如下:

之后要更精细地定制如何使用这些插件,我们今天先不涉及这么复杂的操作。如果以上这些插件都添加上了,应该是像这样

相关推荐
数据智能老司机1 天前
构建自然语言与大语言模型(LLM)流水线——将组件整合起来:面向不同使用场景的 Haystack Pipeline
llm·agent
数据智能老司机1 天前
构建自然语言与大语言模型(LLM)流水线——使用自定义组件进行 Haystack Pipeline 开发
llm·agent
gustt1 天前
探索MCP协议:构建高效的LLM工具集成系统
llm·agent·mcp
神秘的猪头1 天前
🚀 React 开发者进阶:RAG 核心——手把手带你玩转 Milvus 向量数据库
数据库·后端·llm
哈里谢顿1 天前
LangGraph 框架完全指南:构建生产级 AI 工作流
langchain·llm
UIUV2 天前
Splitter学习笔记(含RAG相关流程与代码实践)
后端·langchain·llm
mCell2 天前
分享一个常用的文生图提示词
人工智能·llm·数据可视化
吾鳴2 天前
扣子(Coze)实战:宝妈情感/育儿/成长赛道漫画图文,一键自动生成
coze
gustt2 天前
使用 LangChain 构建 AI 代理:自动化创建 React TodoList 应用
人工智能·llm·agent
Baihai_IDP2 天前
在 Anthropic 的这两年,我学会了 13 件事
人工智能·程序员·llm