我用扣子写了个舔狗之王Bot ?

前言

之所以有这篇文章也是因为看到了官方的站内信。用了扣子有一段时间了,说实话功能很强大[cn!=com],想着和大家一块交流学习下。

效果

访问地址

舔狗之王Bot链接: 点我【兄弟们轻点,别玩坏了。如果响应异常信息就是舔狗语录插件被限制请求了,不影响其它问题回答】

创建自己的Bot

1.1 创建Bot

登录coze 进入个人空间,点击创建bot

创建之后进行编排操作。这里用到了 插件 (这里的插件用的我自己创建的。下面会介绍如何创建自己的插件)以及工作流(下面也会介绍如何创建工作流)。也可以预置开场白以及预置开场白问题。

在编排的过程中,可以调试看效果,有问题再进行修改。

1.2 发布Bot

如果调试没有问题,右上角进行发布操作。发布的时候可以填写发布记录也能自动生成,选择发布平台以及分类,发布之后其它人可以使用你创建的bot了。

点击立即对话或者链接即可访问

下面发布之后的效果

创建自己的插件

2.1 创建插件

个人空间 点击顶部插件 ,右上角创建插件,填写对应的信息。注意这里的名字就是bot里面插件用到的名字。我这里选择的是在 Coze IDE 里面创建的。根据个人习惯选择编程语言。我这里选择了python

选择工具名以及介绍,大家自定义即可。

2.2 编写代码

点击运行,默认代码示例输出结果为 hello world

这里以示例简单介绍下接收参数 和 输出参数的语法。元数据里面我先定义了两个参数。分别用于接收和输出。

代码

python 复制代码
from runtime import Args
from typings.dog.dog import Input, Output

"""
Each file needs to export a function named `handler`. This function is the entrance to the Tool.

Parameters:
args: parameters of the entry function.
args.input - input parameters, you can get test input value by args.input.xxx.
args.logger - logger instance used to print logs, injected by runtime.

Remember to fill in input/output in Metadata, it helps LLM to recognize and use tool.

Return:
The return data of the function, which should match the declared output parameters.
"""
def handler(args: Args[Input])->Output:
    content = args.input.msg
    return {"content": content}

效果 【这里吐槽一下,右上角测试代码输入那里,光标位置真的不好用】

2.3 舔狗语录插件效果图

创建工作流

个人空间 点击顶部工作流,右上角创建工作流,填写对应的信息。点击试运行进行调试,调试没有问题了,点击发布即可。

结束语

希望这个bot能帮助到兄弟们。最后祝愿兄弟们都能找到心中的那个她。

更多资料

参考:扣子帮助文档

BotID:7359088713748037671

相关推荐
老胖闲聊6 分钟前
Python Rio 【图像处理】库简介
开发语言·图像处理·python
码界奇点26 分钟前
Python Flask文件处理与异常处理实战指南
开发语言·python·自然语言处理·flask·python3.11
浠寒AI31 分钟前
智能体模式篇(上)- 深入 ReAct:LangGraph构建能自主思考与行动的 AI
人工智能·python
weixin_505154461 小时前
数字孪生在建设智慧城市中可以起到哪些作用或帮助?
大数据·人工智能·智慧城市·数字孪生·数据可视化
Best_Me071 小时前
深度学习模块缝合
人工智能·深度学习
YuTaoShao1 小时前
【论文阅读】YOLOv8在单目下视多车目标检测中的应用
人工智能·yolo·目标检测
花生工具箱2 小时前
【Coze工作流教程】合同自动审查工作流
coze
行云流水剑2 小时前
【学习记录】如何使用 Python 提取 PDF 文件中的内容
python·学习·pdf
算家计算2 小时前
字节开源代码模型——Seed-Coder 本地部署教程,模型自驱动数据筛选,让每行代码都精准落位!
人工智能·开源
伪_装2 小时前
大语言模型(LLM)面试问题集
人工智能·语言模型·自然语言处理