一篇文章教会你如何使用coze打造旅游助手工作流

了解Coze

首先,你需要了解Coze是什么,它提供了哪些功能,以及它如何帮助你构建旅游助手。Coze可能是一个虚构的工具,但假设它是一个提供API、数据库支持、用户界面组件等的框架。

Coze,虽然是一个虚构的名称,但我们可以想象它是一个专为开发者设计的集成开发环境(IDE),它提供了一整套工具和资源,让创建软件变得更加高效和直观。想象一下,如果你是一位厨师,你需要各种食材和厨具来制作一道美味的菜肴。Coze就像是你的厨房,里面已经为你准备好了所有必需的食材和工具,你只需要发挥你的创意,将它们组合起来,就能快速制作出你想要的软件"大餐"。

Coze可能包括以下几个特点:

  • 用户界面组件:提供预制的按钮、输入框等界面元素,让开发者可以快速搭建应用界面。
  • API集成:允许开发者轻松接入各种在线服务,比如地图、天气、社交媒体等。
  • 开发模板:提供多种应用类型的模板,帮助开发者快速开始项目开发。
  • 代码编辑器:内置强大的代码编辑器,支持语法高亮、代码补全、错误检测等功能。
  • 测试工具:集成自动化测试工具,帮助开发者确保代码质量。
  • 部署支持:提供一键部署功能,让开发者可以轻松将应用发布到服务器或云平台。
  • 社区和文档:拥有活跃的开发者社区和详尽的文档,为开发者提供学习和交流的平台。

简而言之,Coze就像是一个为软件开发量身定做的多功能工具箱,让即使是初学者也能快速上手,构建出功能丰富的应用程序。

开始打造

创建bot

进入主页面我们点击创建Bot,工作空间我们选择个人空间 ,然后输入我们旅游助手名称简介 ,下面有个图片生成,我们随便生成一个

工作流卡片设置

开始

因为我们的助手是根据我们输入的数据进行读取分析,所以我们在开始的节点卡片中设置变量input

大模型

在左侧选择节点中选择添加一个大模型节点

这里提供了很多AI模型,我们选择就选豆包

然后设置输入输出变量

这个大模型主要用来提取要去的城市和出发时间及结束时间

大模型_1

添加大模型_1,设置我们的输入city,使用的是大模型卡片中输出的city

添加提示词

输入一个数组nameList为旅游景点名单

这个大模型用来获得要去的城市中,必玩的十个旅游景点

试运行结果

大模型_2

这里由于我们得到的上一个大模型_1卡片输出为一个数组,所以这个大模型_2我们要选择批处理,设置参数名为item1,参数值为大模型_1的nameList。

设置我们所需信息的变量

这个模型用于分析各个景点的信息(名称,简介,室内外,建议游玩时长,所在区域)

试运行结果


必应图片搜索

添加能够提供图片的插件

还是选择批处理运行, 选择游玩景点的名单作为输入,进行搜索

大模型_3

批处理运行大模型_2的输出和必应图片搜索的输出:

输入对应的参数名:

添加提示词:

css 复制代码
将{{name}} 赋值 给name

将{{desc}} 赋值 给desc

将{{times}} 赋值 给times

将{{is_room}} 赋值 给is_room

将{{towns}} 赋值 给towns

将{{picture_list[0].contentUrl}}赋值组picture1_url

将{{picture_list[0].hostPageUrl}}赋值组picture1_host

将{{picture_list[1].contentUrl}}赋值组picture2_url

将{{picture_list[1].hostPageUrl}}赋值组picture2_host

将{{picture_list[2].contentUrl}}赋值组picture3_url

将{{picture_list[2].hostPageUrl}}赋值组picture3_host

设置输入的变量参数:

运行结果:

结束

最后是结束节点

整合连接卡片

试运行

如果能够在各个节点中看到运行结果就说明我们成功创建了一个旅游助手的工作流

结尾

以上就是此次关于coze工作流的介绍,希望本文对您有所帮助,感谢阅读!

相关推荐
IT古董11 分钟前
【机器学习】机器学习的基本分类-强化学习-策略梯度(Policy Gradient,PG)
人工智能·机器学习·分类
mahuifa12 分钟前
混合开发环境---使用编程AI辅助开发Qt
人工智能·vscode·qt·qtcreator·编程ai
四口鲸鱼爱吃盐14 分钟前
Pytorch | 从零构建GoogleNet对CIFAR10进行分类
人工智能·pytorch·分类
蓝天星空27 分钟前
Python调用open ai接口
人工智能·python
睡觉狂魔er28 分钟前
自动驾驶控制与规划——Project 3: LQR车辆横向控制
人工智能·机器学习·自动驾驶
scan7241 小时前
LILAC采样算法
人工智能·算法·机器学习
leaf_leaves_leaf1 小时前
win11用一条命令给anaconda环境安装GPU版本pytorch,并检查是否为GPU版本
人工智能·pytorch·python
夜雨飘零11 小时前
基于Pytorch实现的说话人日志(说话人分离)
人工智能·pytorch·python·声纹识别·说话人分离·说话人日志
爱喝热水的呀哈喽1 小时前
《机器学习》支持向量机
人工智能·决策树·机器学习
minstbe1 小时前
AI开发:使用支持向量机(SVM)进行文本情感分析训练 - Python
人工智能·python·支持向量机