用 Coze(扣子) 打造 "最强" 浏览器书签助手(上)

1. 引言

😆一阵子没耍 Coze(扣子) ,最近不太忙,刚好有新 idea💥,倒腾个Bot耍耍😏,也赶下本期扣子活动的尾班🚗,蹭个参与🏆。扣子好像更新了不少东西啊,先可快速过下😄~

1.1. 扣子更新速览

1.1.1. 多Agents模式

对于 Agent是什么 的一个常见观点:

让AI以类似人的工作和思考方法来完成一系列任务,一个Agent可以是一个Bot,也可以是多个Bot的协作。

😁 扣子的 多Agents模式 就是:支持 组合多个Bot 来实现 功能更全面和复杂的Bot 。在Bot的 编排 页,可以进行 Agent模式的切换:

左侧 配置单Agent模式 时基本类似,只是作用域是 全局 的,将适用于所有添加的 Agent

右侧 画布 区域可以为 Bot添加 节点 ,默认自带一个 开始节点 ,可以设置新一轮对话的 起始节点

  • 上一次回复用户的节点:新消息继续发送给上次回复用户的节点。
  • 开始节点:所有消息都发送给Start节点,它将用户消息移交给适合的Agent节点。

然后,支持添加 三种类型 的节点:

Agent节点 → 可以独立执行任务的智能实体,🤔 感觉是支持 快速灵活搭建的Bot节点 (不用发布)~

Bot节点已发布 的可执行特定任务的 单Agent Bot

全局跳转条件 → 用户输入满足此节点的条件,立即跳转到Agent

优先级高于 节点选择 ,命中就直接跳,一个Bot最多添加 5个条件节点 ❗️ 随手缝合个支持多功能的Bot试试:

发下消息试试:

👏 可以,都正确调用了适合的Agent,多Agents的玩法和 工作流 很像,感觉是 执行任务粒度粗细划分~

1.1.2. 记忆-变量

😄 支持创建变量来保存一些 临时数据 ,在Bot的 编排页 ,找到 记忆-变量 ,点击+,可以对Bot中需要用到的变量进行编辑,比如我这里启用了 sys_uuid 用于获取的唯一ID,并添加了一个 city 用于保存用户所在城市:

然后在 预览与调试,回复一句:我在深圳,可以看到,变量设置成功:

点击右上角的 变量,可以看到保存的数据:

可以在 人设与回复逻辑 限定变量的 具体使用场景 ,接着,你还可以在 工作流 中添加 变量节点对变量值进行设置或读取。比如,随手建个工作流试试:

点击 试运行,需要选择关联的Bot,在此可以看到其中定义的变量:

点击运行后的输出结果:

😄 试运行这里肯定是拿不到用户id的,直接 发布工作流,然后添加到Bot里,编写Prompt来调用:

另外,如果用户更新了数据 (如:在会话中提供了新的城市),Bot会自动修改为最新值。

1.1.3. 记忆-长期记忆

模仿人脑形成对用户的个人记忆,基于这些记忆提供个性化回复,提升用户体验。主要包含两部分能力:

  • 自动记录并总结对话信息
  • 会在回复用户查询时,对总结的内容进行召回,在此基础上生成最终回复

🤔 感觉这个长期记忆就是 一种记录多轮对话上下文的管理机制 ,用于保持对话的连贯性。点击 编排页记忆-长期记忆,可以开启或关闭。

开启后,点击右上角 预览与调试 -长期记忆,可以看到总结的对话内容:

Tips:每个用户包括Bot开发者,只能看到和使用与Bot对话生成的记忆内容。

1.1.4. 技能-触发器

使Bot在 指定时间接收到特定事件 时自动执行任务,前者无需编写代码,后者会生成 Webhook URL,当你的服务端向这个 Webhook URL 发起HTTPS请求,会触发任务执行。

编排页-触发器 ,点击+添加触发器,比如添加一个 定时触发 的触发器,支持执行三种类型的任务:

WebHook类型的事件触发器配置稍微麻烦些,普通用户用不到,感兴趣可以看下官方文档对应介绍~

⚠️ 触发器只在Bot发布到 飞书 时才有效 ❗️ 每个Bot最多添加10个触发器。

1.1.5. 对话体验-快捷指令

对话输入框 上方配置一些 按钮 ,以供用户 快速发起预设对话

支持两种 指令行为 ,先是 直接发送-指令内容

然后是 直接使用插件或工作流,需要进行一些对应的参数配置:

配置完点击按钮会 弹窗,用户输入对应的参数,回车触发指令发送

支持 拖拽按钮 对指令进行排序,在飞书、微信等渠道支持直接 输入指令 (如: /fetch_weather) 唤起快捷指令。

1.1.6. 对话体验-背景图片

可以为Bot在 扣子Bot商店 添加对话背景图片,点击+上传,能看到横竖屏的效果预览,点击 确认 进行设置。

1.1.7. 对话体验-开场白支持Markdown语法

编排页 找到开场白,点击打开Markdown编辑器:

然后可以使用Markdown语法来编写Bot的开场白,右侧可以看到 效果预览

1.1.8. LLM模型更新

云雀 改名 豆包 ,支持 moonshot (月之暗面-kimi) 模型,后面的数字代表模型支持的 最大上下文长度,即它们能够处理的文本量,如: 8k 表示模型支持的最长上下文长度为8000 tokens,可以更具自己的实际情况进行选择。

1.1.9. 工作流-消息节点

支持在工作流中返回响应内容,可用于解决 回复消息较多工作流较长 导致用于 无法及时收到响应 的问题:

支持两种消息模式:

  • 非流式输出默认,接收到全部消息内容再一次性输出。
  • 流式输出打字机效果 ,上一个节点一边生成回复内容,一边通过消息节点进行输出,不用等全部内容加载完再返回。消息节点只有在 大模型节点后 可才可以开启 流式响应,如果配置了多个开启流式返回的消息节点,会按照工作流的执行顺序,先执行的消息节点优先输出消息。

1.1.10. 技能-图像流

前些天还在 编排页 看到过它,昨天再看没了,有消息说会在5.15的发布会后上线,但今天看还是无影🤷。支持通过 可视化的方式,对图像获取、生成、编辑和发布等功能进行组合,实现自定义的图像处理流程,相关功能:

💁‍♂️ 现在木得体验,等正式上线了再单独测评下~

1.2. 灵感乍现的瞬间

😄 了解完扣子都更新了啥,接着捋一捋笔者想做一个什么样的Bot,灵感来源💥:

互联网时代,许多人都养成了一种 囤积癖 ,看到好的文章、工具的第一反应就是 添加收藏/书签 ,理由是 以后有时间再看以后可能会用到 ,然后,基本没以后了,绝大概率就是在收藏夹吃灰🤣。接着,在某天某个情景,突然想起,自己有收藏过相关的链接,但苦寻许久,也可能找不到哪个链接了。🤡 2333,这就是没有养成定时整理 的习惯...

😄 由此萌生出做一个 浏览器书签助手 的Bot,支持:书签自动分类整理 + AI检索心仪书签,简易交互流程:

😏 思路有了,接着一步步来实现这个 Bot~

2. 实践过程

2.1. 文件上传

😀 有些读者可能还没导出过 书签文件,说下方法,依次点击浏览器的 (以笔者的Chrome为例):

设置 → 书签和清单 → 书签管理器右上角整理 (三个竖排点的图标) → 导出书签

然后会生成一个 bookmarks_年_月_日.html 的书签文件,如:

😄 先不看文件内容,琢磨下 文件上传 ,除了用户通过Bot上传外,插件和工作流的代码节点 ,都需要用到,就生成的文件,需要传到服务器,生成一个 访问文件的URL 。扣子是 支持上传文件 的,但很可惜,并不支持 html 格式 ☹️,尝试上传html后什么反应都没有:

然后在代码节点,试下写提示词让AI写下代码,看能否套出 文件上传相关的代码

AI生成的代码:

🤡 打扰了,所以 文件上传 这块得自己想办法了,需要一枚 云存储 ,这里直接上 七牛云,上传文件的核心代码:

python 复制代码
from qiniu import Auth, put_file, etag

access_key = 'access_key'
secret_key = 'secret_key'
bucket_name = '仓库名称'
q = Auth(access_key, secret_key)
base_url = "http://xxx.com/{}" # 仓库域名

def upload_file(file_path):
    file_name = file_path.split('/')[-1]
    token = q.upload_token(bucket_name, file_name)
    ret, info = put_file(token, file_name, file_path, version='v2')
    # 上传成功滑后返回文件的url
    if ret['key'] == file_path and ret['hash'] == etag(file_path):
        return base_url.format(file_name)


if __name__ == '__main__':
    print(upload_file("rabbit.ico"))

然后,问题来了:用户咋上传生成标签文件的url ?总不能让他们每次传文件,都要手动去改 upload_file() 传递的文件名吧🤣?随手用 PySimpleGUI 库 (4.60.5, 5后的版本要付费) 写个有简单页面的 exe:

python 复制代码
import PySimpleGUI as ps_gui

# 构造GUI页面
def main_gui():
    # 判断 config.txt 文件是否存在
    access_key = ''
    secret_key = ''
    bucket_name = ''
    if os.path.exists("config.txt"):
        with open("config.txt", "r") as f:
            lines = f.readlines()
            access_key = lines[0].strip()
            secret_key = lines[1].strip()
            bucket_name = lines[2].strip()
    layout_control = [
        [
            # access_key的输入框
            ps_gui.Frame(layout=[
                [ps_gui.Text("Access Key"), ps_gui.InputText(key="access_key", default_text=access_key)],
                [ps_gui.Text("Secret Key"), ps_gui.InputText(key="secret_key", default_text=secret_key)],
                [ps_gui.Text("Bucket Name"), ps_gui.InputText(key="bucket_name", default_text=bucket_name)],
            ], title="请输入七牛云相关参数"),
            ps_gui.Button("保存", key="save")],
        [
            ps_gui.Frame(layout=[
                [ps_gui.FileBrowse("选择文件", key='file_browser', enable_events=True)]
            ], title="请选中要上传的文件"),
            ps_gui.Frame(layout=[
                [ps_gui.Text("", key="file_path")]
            ], title="当前选中文件"),
            ps_gui.Button("上传", key="upload")
        ],
        [
            ps_gui.Text("文件URL", key="result_label"),
            ps_gui.Text("", key="result"),
            ps_gui.Button("复制", key="copy")
        ],
    ]
    window_panel = ps_gui.Window("七牛云文件上传助手", layout_control)
    while True:
        event, value = window_panel.read()
        if event == ps_gui.WIN_CLOSED:
            break
        if event == 'save':
            with open("config.txt", "w") as f:
                f.write("{}\n{}\n{}\n".format(value['access_key'], value['secret_key'], value['bucket_name']))
            ps_gui.popup("保存成功")
        if event == 'file_browser':
            file_path = value[event]
            window_panel['file_path'].update(file_path)
        if event == "upload":
            file_path = window_panel['file_path'].get()
            if file_path:
                url = upload_file(file_path, value['access_key'], value['secret_key'], value['bucket_name'])
                if url:
                    window_panel['result_label'].update("上传成功:")
                    window_panel['result'].update(url)
                else:
                    window_panel['result_label'].update("上传失败:")
                    window_panel['result'].update("")
            else:
                ps_gui.popup("请选择文件后上传")
        if event == "copy":
            url = window_panel['result'].get()
            if url:
                ps_gui.clipboard_set(url)
                ps_gui.popup("已复制到剪切板")
            else:
                ps_gui.popup("请先上传文件")
    window_panel.close()


if __name__ == '__main__':
    main_gui()

是用 Pyinstaller 打包成exe,执行下述命令:

bash 复制代码
pyinstaller --onefile --noconsole --name "七牛云文件上传助手" app.py

双击打包后的exe:

👏 OK,文件上传获取远程文件URL的问题 Fix🥳

2.2. 书签提取

😄 接着到 读取并解析书签文件 ,对其中的书签进行提取,打开 书签html文件 研究下规律:

分析结果如下

  • DL→ 书签的一个分组/文件夹
  • DT → 书签文件夹标题/具体书签项
  • ADD_DATE → 第一次添加的时间戳
  • LAST_MODIFIED → 上次修改的时间戳
  • HREF → 标签链接
  • ICON → 标签对应网页图标Base64

😏 Coding 时间到,新建 插件 ,创建方式选 在 Coze IDE 中创建 ,IDE运行时选 Python3 ,点击 确认:

创建完会跳页面,点击 在IDE中创建工具,写下工具名称和介绍,点确定,然后就可以写代码了🎉,逻辑:

  • 定义一个BookmarkItem的类存 书签标题书签链接书签创建时间图标
  • 请求用户传入的 书签文件URL,读取文件内容。
  • 编写 正则表达式 提取所有书签信息,保存为json文件并上传。
  • 输出:文件url、错误信息。

添加下 requestsqiniu 依赖库,然后写出具体实现代码:

python 复制代码
from runtime import Args
from typings.extract_bookmark_list.extract_bookmark_list import Input, Output
import re
import requests
from qiniu import Auth, put_file, etag
import time
import os
import json

# 提取书签的正则
bookmark_item_pattern = re.compile(r'A HREF="(.+?)" ADD_DATE="(\d+)" ICON="(.*?)">(.*?)</A>')

# 七牛云相关配置
access_key = 'xxx'
secret_key = 'yyy'
bucket_name = 'zzz'
base_url = "http://xxx.yyy.zzz/{}"
q = Auth(access_key, secret_key)

class BookmarkItem:
    def __init__(self, title, url, add_date, icon):
        self.title = title
        self.url = url
        self.add_date = add_date
        self.icon = icon

    def __str__(self):
        return str(self.__dict__)


# 读取在线文件内容
def read_file_from_url(file_url):
    response = requests.get(file_url)
    # 避免中文乱码
    response.encoding = response.apparent_encoding
    if response:
        return response.text
    else:
        return None

# 保存文件
def save_file(uuid, content):
    file_path = "{}{}{}_{}.json".format(os.getcwd(), os.sep, uuid, int(time.time() * 1000))
    with open(file_path, 'w', encoding='utf-8') as f:
        f.write(content)
    return file_path

# 上传文件到七牛云
def upload_file(file_path):
    q = Auth(access_key, secret_key)
    file_name = file_path.split('/')[-1]
    token = q.upload_token(bucket_name, file_name)
    ret, info = put_file(token, file_name, file_path, version='v2')
    if ret['key'] == file_name and ret['hash'] == etag(file_path):
        return base_url.format(file_name)
    return ''


def handler(args: Args[Input])->Output:
    # 获取用户输入的uuid
    sys_uuid = args.input.sys_uuid
    file_url = args.input.input_file_url
    file_content = read_file_from_url(file_url)
    if file_content:
        match_results = bookmark_item_pattern.findall(file_content)
        bookmark_item_list = []
    if match_results and len(match_results) > 0:
        for result in match_results:
            bookmark_item_list.append(BookmarkItem(result[3], result[0], result[1], result[2]))
        bookmark_json = json.dumps(bookmark_item_list, default=lambda obj: obj.__dict__, ensure_ascii=False)
        output_file_url = upload_file(save_file(sys_uuid, bookmark_json))
        return {"output_file_url": output_file_url, "error_msg": ""}
    else:
        return {"output_file_url": "", "error_msg": "未检索到书签项"}

元数据 配置下输入输出参数:

接着 输入 处点击 自动生成 ,把 input_file_url 的值替换为上传的书签文件url,点击 运行 试试:

打开输出文件的URL:

😄 书签列表提取成功🎉~

2.3. 数据清洗

看了下书签列表,发现有些书签是有问题的 → 没有titile ,而后面的 分类整理AI搜索 都是很依赖标题的,需要为没有title的书签设置title。🤔 在请求站点时,title字段 一般都会返回 (即便弄了反爬),毕竟是 SEO (搜索引擎优化) 中一个重要的考虑因素,当然,还有一些其它有用的信息:

然后,requests 库的请求是 同步 的,发送一个请求,程序要等服务器响应后才继续执行,如果没title的书签比较多,耗时会比较久,节点太久没返回输出 ,会直接报错,整个工作流就崩了。

😄 所以,这里需要尽可能地快完成,直接上 异步请求+代理 ,前者用的 aiohttp ,后者用的 亮数据,因为时不时有些数据爬取的单子,经常用到代理IP,用得最多的还是它,主要有以下几点:

  • 代理 IP 质量和稳定性比较高,支持获取指定区域的代理IP (国内、国外)。
  • 支持API调 无头浏览器 爬数据,自动过验证码、重试和指纹管理。
  • 提供数据服务,有些都不用自己爬。
  • 🌚 最重要一点,不用各种恶心的个人/企业认证

这里需要 动态IP真人住宅代理,直接写出爬取代码:

python 复制代码
import aiohttp
import asyncio
import re

proxy = 'http://代理地址:端口'
title_pattern = re.compile(r'>([^<]*)</title>')

async def fetch(bookmark):
    async with aiohttp.ClientSession() as session:
        try:
            async with session.get(bookmark['url'], proxy=proxy, ssl=False) as response:
                if response:
                    bookmark['title'] = title_pattern.search(await response.text()).group(1)
                    return bookmark
        except Exception as e:
            print(str(e))


async def task(json_content):
    # 构造异步请求任务列表
    tasks = [fetch(bookmark) for bookmark in json_content]
    # 等待所有任务完成
    results = await asyncio.gather(*tasks)
    return results

def handler(args: Args[Input])->Output:
    result = asyncio.get_event_loop().run_until_complete(task(bookmark_json))
    return {"result": result}

2.4. 简单分类

💁‍♂️ 数据清洗完,就该分类了,一个简单粗暴的思路:

遍历提取书签 域名 作为Key,值为同一域名下的书签列表,写 PromptAI模型 判断它属于什么类型的站点,然后分类。

新建一个 工作流

  • 开始节点:传入书签json文件的url
  • 代码节点:读取文件,遍历书签,组装prompt往后传递
  • 大模型节点 :使用 moonshot (128k) 模型来执行前面组装的prompt
  • 代码节点 :提取 分类标签,并未每个书签添加上次字段,最后返回更新后的json数据

拖拽下节点:

解析Json拼Prompt节点 的代码如下:

python 复制代码
import requests_async
from urllib.parse import urlparse

async def main(args: Args) -> Output:
    params = args.params
    output_prompt = """
    请帮我联网对网站进行分析,不要遗漏任何一个,严格按照这样的json格式返回:

    ```
    [
        {
            "website_url": <网站链接>,
            "website_name": <网站中文简称>,
            "website_category": <网站分类,只显示一个最准确的>
        }
    ]
    ```

    具体网站列表如下:

    """
    website_str = ""
    input_file_url = params["file_url"]
    response = await requests_async.get(input_file_url)
    netloc_set = set()
    if response:
        response_json = response.json()
        for bookmark_info in response_json:
            netloc = urlparse(bookmark_info['url']).netloc
            netloc_set.add(netloc)
    for netloc in netloc_set:
        website_str += " - {}\n".format(netloc)
    ret: Output = {
        "output_prompt": (output_prompt + website_str).strip(),
    }
    return ret

输入前面生成的 json文件url 进行测试:

大模型节点直接使用输出结果作为 提示词,试运行后的输出结果:

🤔 输出格式 是没错的,就是数量太少了,才11条,估计是 提示词太长 导致的,拆成10个网站列表,然后模型使用 批处理,修改下代码节点:

大模型节点也改改:

试运行看看效果:

Nice,基本都拿到了,接着就是为每个书签添加对应的分类了,

python 复制代码
import json


async def main(args: Args) -> Output:
    params = args.params
    website_json = json.loads(params['website_json'])
    new_website_list = []
    ret: Output = {}
    # 存域名-分类的字典
    website_category_dict = {}
    llm_results = params['llm_result']
    for llm_result in llm_results:
        for website in json.loads(str(llm_result['output'])):
            website_category_dict[website['website_url']] = website['website_category']
    for website in website_json:
        for website_category_key in website_category_dict.keys():
            if website_category_key in website['url']:
                website['category'] = website_category_dict[website_category_key]
                new_website_list.append(website)
        ret['output_json'] = json.dumps(new_website_list)
    return ret

最后输出的json字符串:

👏 Nice,分类都安排上了~

2.5. 生成书签文件

接着就是写插件,来解析上面的字符串,生成可以导入到浏览器的书签文件。☹️这一步是真的 ,反复调整生成后的书签文件,然后浏览器导入书签测试。要么就是不显示分组,要么就是不显示书签,折腾了大半天终于成功导入😭,给出具体实现代码:

python 复制代码
from runtime import Args
from typings.json_to_bookmark_file.json_to_bookmark_file import Input, Output
import requests
from qiniu import Auth, put_file, etag
import time
import os
import json

# 七牛云相关配置
access_key = 'xxx'
secret_key = 'yyy'
bucket_name = 'zzz'
base_url = "http://xxx.yyy.zzz/{}"
q = Auth(access_key, secret_key)

# 读取在线文件内容
def read_file_from_url(file_url):
    response = requests.get(file_url)
    # 避免中文乱码
    response.encoding = response.apparent_encoding
    if response:
        return response.text
    else:
        return None

# 保存文件
def save_file(uuid, content):
    file_path = "{}{}{}_{}.html".format(os.getcwd(), os.sep, uuid, int(time.time() * 1000))
    with open(file_path, 'w', encoding='utf-8') as f:
        f.write(content)
    return file_path

# 上传文件到七牛云
def upload_file(file_path):
    q = Auth(access_key, secret_key)
    file_name = file_path.split('/')[-1]
    token = q.upload_token(bucket_name, file_name)
    ret, info = put_file(token, file_name, file_path, version='v2')
    if ret['key'] == file_name and ret['hash'] == etag(file_path):
        return base_url.format(file_name)
    return ''

# 生成书签文件内容
def gen_bookmark_file_content(json_content):
    result_content = """
<!DOCTYPE NETSCAPE-Bookmark-file-1>
<!-- This is an automatically generated file.
     It will be read and overwritten.
     DO NOT EDIT! -->
<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">
<TITLE>Bookmarks</TITLE>
<H1>Bookmarks</H1>
<DL><p>
    <DT><H3 ADD_DATE="1678077635" LAST_MODIFIED="1679623908" PERSONAL_TOOLBAR_FOLDER="true">书签栏</H3>
<DL><p>
"""
    # 生成分类字典
    category_dict = {}
    bookmark_list = json.loads(json.loads(json_content))
    for bookmark in bookmark_list:
        if category_dict.get(bookmark['category']) is None:
            category_dict[bookmark['category']] = []
        category_dict[bookmark['category']].append(bookmark)
    # 获取当前时间戳
    timestamp = str(int(time.time()))
    for key, value in category_dict.items():
        # 分组标签
        group_str = '<DT><H3 ADD_DATE="{}" LAST_MODIFIED="{}">{}</H3>\n<DL><p>\n'.format(timestamp, timestamp, key)
        # 书签标签
        for bm in value:
            bookmark_str = '<DT><A HREF="{}" ADD_DATE="{}" ICON="{}">{}</A>\n'.format(bm['url'], bm['add_date'],
                                                                                      bm['icon'], bm['title'])
            group_str += bookmark_str
        group_str += "</DL><p>\n"
        result_content += group_str
    result_content += "<p></DL><p></DL><p>"
    return result_content


def handler(args: Args[Input])->Output:
    sys_uuid = args.input.sys_uuid
    bookmark_json_file_url = args.input.bookmark_json_file_url
    # 读取json文件内容
    content = read_file_from_url(bookmark_json_file_url)
    # 生成书签html文件后返回url
    output_file_url = upload_file(save_file(sys_uuid, gen_bookmark_file_content(content)))
    return {"output_file_url": output_file_url}

测试下代码试试:

把生成后的书签html文件下载到本地,浏览器导入:

2.6. AI书签检索

这部分就是把所有标题丢给大模型,让它去找其中可能与用户输入关键字最接近的20个书签,起一个代码节点拼prompt:

ini 复制代码
import requests_async

async def main(args: Args) -> Output:
    ret: Output = {}
    bookmark_dict_list = []
    params = args.params
    input_file_url = params['input_file_url']
    keyword = params['keyword']
    prompt_str = """
    请从下面的列表中选择与 {} 相关度最高的20个,以字符串数组的形式返回:
""".format(keyword)
    response = await requests_async.get(input_file_url)
    if response:
        response_json = response.json()
        for bookmark_info in response_json:
            prompt_str += " - {}\n".format(bookmark_info['title'])
            bookmark_dict_list.append({bookmark_info['title']: bookmark_info['url']})
        ret['prompt_str'] = prompt_str
        ret['bookmark_dict_list'] = bookmark_dict_list
    return ret

运行测试下:

接个大模型节点,执行下生成的prompt,输出结果:

😄 不错,后面再加个代码节点,关联下书签链接,格式化下输出结果:

python 复制代码
import re

async def main(args: Args) -> Output:
    params = args.params
    match_str = params['match_str']
    bookmark_dict_list = params['bookmark_dict_list']
    keyword = params['keyword']
    output_str = 'AI检索到可能与【{}】匹配的书签如下:\n'.format(keyword)
    fetch_title_pattern = re.compile(r'\d+. ?(.*?)\n')
    title_results = fetch_title_pattern.findall(match_str)
    for bookmark_dict in bookmark_dict_list:
        for title in title_results:
            if bookmark_dict['title'] == title:
                output_str += "- [{}]({})\n".format(title, bookmark_dict['url'])
    ret: Output = {
        "output_str": output_str,
    }
    return ret

接着试运行看看 工作流 的输出结果:

OK,运行无误,接着建个Bot把这些都串起来~

2.7. 写个Bot串起来

🤡 随便写点东西:

然后我希望通过 指令 的形式来使用Bot:

  • /tidy 书签html文件URL → 自动整理书签分类
  • /search 书签html文件URL 关键词 → 书签检索

然后要建一个 自动整理书签分类 的工作流:

试运行 输出结果如下:

配置下 快捷指令 调用工作流

书签检索也配上,点击按钮后,输入对应的参数值:

回车 看看输出结果:

🤷估计是 收藏夹整理 的工作流耗时比较久,所以一直报 运行中止 ,但是 试运行 又是可以的,后续看下这块怎么优化吧,毕竟大模型批处理10次 🤣

3. 小结

🤡 还是低估了这个 Bot的复杂度大模型输出结果的不稳定性 ,踩坑两天,大部分时间都花在改改上了,勉强实现了一个简单的雏形,虽然可用性 ≈ 0,不过也有收获,比如,使用 Coze IDE 开发 两个小技巧😏:

插件测试没问题,工作流调用,一跑就报错,而且全是这个错

😳 能从这个错误信息里看出为啥报错吗?不能 ❗️,你只能知道插件挂了,没任何意义... 😏 那就自己 兜底 ,给插件代码包一层 try-except元字典 里配一个存错误信息的字段:

然后插件蹦的时候,你就能看到错误了,比如我上面的错误就是在这个目录写文件没权限:

💁‍♂️ 而且这样玩还有一个好处 → 插件测试直接通过,无脑发布~

插件开发时能写文件,工作流不行

🤷‍♀️ 我上面的报错就是这个,估摸着是不想让人在服务器上 乱拉💩(建文件) ,所以工作流的这个路径没给写权限。🤔 插件还是只用来处理和返回数据,当然,硬要拉,也是可以的,一种粗暴的方式就是向上和向下递归遍历可以写文件的目录,不过不建议这样玩哈 😄:

python 复制代码
def has_write_permission(directory):
    """检查目录是否有写权限"""
    return os.access(directory, os.W_OK)

def find_writeable_directory_upwards(directory):
    """向上递归查找有写权限的目录"""
    if has_write_permission(directory):
        return directory
    parent_directory = os.path.dirname(directory)
    if parent_directory == directory or parent_directory == '':
        # 已经到达根目录或无更上一级目录,仍未找到有写权限的目录
        return None
    return find_writeable_directory_upwards(parent_directory)

def find_writeable_directory_downwards(directory):
    """向下递归查找有写权限的目录"""
    for root, dirs, files in os.walk(directory):
        if has_write_permission(root):
            return root
        for name in dirs:
            dir_path = os.path.join(root, name)
            if has_write_permission(dir_path):
                return dir_path
    # 如果当前目录及所有子目录都没有写权限
    return None

def find_writeable_directory():
    """找到一个可写入的目录"""
    current_directory = os.getcwd()
    if has_write_permission(current_directory):
        return current_directory
    
    # 向上查找
    writeable_directory_upwards = find_writeable_directory_upwards(current_directory)
    if writeable_directory_upwards is not None:
        return writeable_directory_upwards
    
    # 向上未找到,尝试向下查找
    return find_writeable_directory_downwards(current_directory)


# 调用处
writeable_directory = find_writeable_directory()

😊 然后也有一些新的灵感,比如:

  • 使用 多Agent模式 来解耦,一个Bot专门处理收藏夹整理,一个Bot专门处理书签搜索。
  • 数据库 来存解析后的书签数据,不用每次都贴一个url。
  • 标签分组规则 的细化,比如:支持多级目录,基于用户的分组规则对未分组书签进行分组。
  • 书签搜索 :支持搜索词 精准搜索AI模糊搜索,搜索结果附上精简的总结
  • 等等...

🥰 后续会继续打磨,敬请期待~

bot ID: 7368480012469239845

相关推荐
Guofu_Liao1 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
ZHOU_WUYI5 小时前
3.langchain中的prompt模板 (few shot examples in chat models)
人工智能·langchain·prompt
如若1235 小时前
主要用于图像的颜色提取、替换以及区域修改
人工智能·opencv·计算机视觉
老艾的AI世界5 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
DK221515 小时前
机器学习系列----关联分析
人工智能·机器学习
Robot2515 小时前
Figure 02迎重大升级!!人形机器人独角兽[Figure AI]商业化加速
人工智能·机器人·微信公众平台
浊酒南街6 小时前
Statsmodels之OLS回归
人工智能·数据挖掘·回归
畅联云平台7 小时前
美畅物联丨智能分析,安全管控:视频汇聚平台助力智慧工地建设
人工智能·物联网
加密新世界7 小时前
优化 Solana 程序
人工智能·算法·计算机视觉
hunteritself7 小时前
ChatGPT高级语音模式正在向Web网页端推出!
人工智能·gpt·chatgpt·openai·语音识别