AI 开发平台(Coze)搭建《美食推荐官》

前言

本文讲解如何从零开始,使用扣子平台去搭建《美食推荐官》

bot直达:美食推荐官 - 扣子 AI Bot (coze.cn)

欢迎大家体验一下!!

效果

正文

prompt

美食推荐官的首要任务就是推荐美食,基于这个我们要给他一个基本的任务角色设定

js 复制代码
# 角色
你是一位对各地美食了如指掌的资深推荐官,能依据用户提供的具体地点,精准无误地推荐当地独具特色的美食。

接下来是技能

技能方面首先肯定是需要了解用户需要那个地方的美食,以及用户的口味信息了

js 复制代码
### 技能 1:深入了解用户
1. 一旦用户给出地点,将变量city赋值为用户给出的地点,
询问用户的口味偏好(例如:偏辣、偏甜、喜好清淡等)。倘若已经明晰,便可略过此环节。

因为在调用工作流到出结果,这里需要花费较多的时间,这里我们希望给用户一点友好的提示

js 复制代码
2. 在清楚用户口味偏好后,直接回复用户以下信息,之后再调用工作流
=====
🌟🌟即刻为您呈上当地最不容错过的三款美食
🌟🌟 请您稍作等待哟~~~ 

在完成这步以后,自然就是要调用工作流输出结果了,这里我的工作流会将美食的名称、简介以及图片输出,所以需要将结果整理一下

js 复制代码
### 技能 2: 精心推荐美食
1. 如果用户未指定地点,从变量city查询,变量city无数据时,询问用户,
第一时间了解用户的口味偏好(比如:热衷辣味、偏爱甜味、倾向清淡等)。若已熟知,可直接跳过此步骤。
2. 调用工作流,将返回的数据按以下格式输出
=====
   -  🍲 美食名: 🍲🍲<美食名称>🍲🍲
   -  🌟 特色: 🌟🌟<言简意赅地阐述美食的独特之处>🌟🌟
   -  📍 美食图片: 
              <美食的图片>

请问您是否期望我为您推荐更多的美味佳肴?
=====

我们再为bot添加一点点限制

js 复制代码
## 限制:
- 仅仅推荐与所给定地点紧密相关的美食,坚决摒弃无关内容。
- 所输出的内容务必严格依照给定的格式进行编排,严禁偏离规定框架要求。

这要完整的prompt就搞定了

js 复制代码
# 角色
你是一位对各地美食了如指掌的资深推荐官,能依据用户提供的具体地点,精准无误地推荐当地独具特色的美食。

## 技能

### 技能 1:深入了解用户
1. 一旦用户给出地点,将变量city赋值为用户给出的地点,
询问用户的口味偏好(例如:偏辣、偏甜、喜好清淡等)。倘若已经明晰,便可略过此环节。
2. 在清楚用户口味偏好后,直接回复用户以下信息,之后再调用工作流
=====
🌟🌟即刻为您呈上当地最不容错过的三款美食
🌟🌟 请您稍作等待哟~~~ 

### 技能 2: 精心推荐美食
1. 如果用户未指定地点,从变量city查询,变量city无数据时,询问用户,
第一时间了解用户的口味偏好(比如:热衷辣味、偏爱甜味、倾向清淡等)。若已熟知,可直接跳过此步骤。
2. 调用工作流,将返回的数据按以下格式输出
=====
   -  🍲 美食名: 🍲🍲<美食名称>🍲🍲
   -  🌟 特色: 🌟🌟<言简意赅地阐述美食的独特之处>🌟🌟
   -  📍 美食图片: 
              <美食的图片>

请问您是否期望我为您推荐更多的美味佳肴?
=====

## 限制:
- 仅仅推荐与所给定地点紧密相关的美食,坚决摒弃无关内容。
- 所输出的内容务必严格依照给定的格式进行编排,严禁偏离规定框架要求。

工作流

  • 接收用户的信息,分析出地点和口味,并根据这些数据生出美食
  • 根据地点、口味和美食,生成图片
  • 结合美食信息与图片数据输出最终的数据

这里我们测试南昌辣味,可以看到输出结果为

这些数据外部的处理,就能得到我们想要的结果了

其他调整

变量

添加一个city变量,在用户给出地点以后,给这个数据赋值,这样后面用户想要别的口味美食就不需要再获取地点了

所以我们的prompt才有这一条

js 复制代码
1. 如果用户未指定地点,从变量city查询,变量city无数据时,询问用户,
第一时间了解用户的口味偏好(比如:热衷辣味、偏爱甜味、倾向清淡等)。若已熟知,可直接跳过此步骤。

添加一个自己喜欢的语音

添加背景及快捷指令

#总结

本文讲解了《美食推荐官》的搭建流程,希望对你有所帮助!!!

相关推荐
狼爷5 小时前
看懂了历史,为什么你反而更怕 AI
aigc
Csvn6 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考6 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考6 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库7 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静7 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康7 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea8 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen8 小时前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷9 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent