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 与简介 ,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
tellmewhoisi18 分钟前
深度学习32:卷积神经网络:卷积层(卷积运算,填充,步幅)
人工智能·深度学习·cnn
weixin_3077791341 分钟前
RAG 面试陷阱——混合检索并非无条件优越:一个条件反转实验
人工智能·python·面试·职场和发展
Sinokap1 小时前
OpenAI 披露 AI 安全实验:智能体如何突破隔离边界?
人工智能·安全
云和数据.ChenGuang1 小时前
深入解析 Python 的 dir():从用法到 CPython 源码实现
开发语言·人工智能·python·langchain
重生之我在番茄自学网安拯救世界2 小时前
AI 开发者日报 第1期(本周精选)| 插件市场投毒、智能体搞出“官僚饥荒村”,十年前的 CNN 打赢大模型
人工智能·网络安全·大模型·ai编程·智能体
涛声依旧-底层原理研究所2 小时前
拆解 Cordis 底座:Agent 是如何被「组合」出来的
人工智能·架构
秦先生在广东2 小时前
记忆不再是黑盒
人工智能
秦先生在广东3 小时前
49个AI智能体接管你的游戏开发
人工智能
骑着蜗牛撵大象3273 小时前
2026 后端 AI 工程化:Spring AI 管调用、MCP 管工具、Agent 内嵌管自治
java·人工智能·后端·spring·ai·可观测性·mcp