工作流基础知识

分级

  1. 智能体:AI助手,最基础的AI自动化形式,比如GPTS
  2. 工作流:将复杂的工作流程,拆分成一系列的小任务,通过自动化工具,将步骤串联起来,实现自动化处理
  3. Agent:超级助手,目前尚不太成熟,有如下限制:
  1. 需要非常强大的AI模型支持
  2. 长文本的处理能力
  3. 完成一个任务,综合执行成本较高,准确率也不够稳定

优点

  1. 实现完全的自动化
  2. 支持批量任务处理

缺点

  1. 需要用户自己去设计和搭建流程,将需求转化为工作流
  2. 组合不同的节点
  3. 需要一些基础的编程逻辑

核心原理

n8n是老牌的工作流平台,产生比chatgpt早,帮助人们完成一些简单的任务,类似低代码平台。伴随2023年ai的发展,使得这些平台加入了ai的助力,融入工作流的任务环节,既有ai的智力,又有工作流的执行能力以及它的集成能力。

最核心原理:链接各种不同的应用和服务,让数据像流水一样,在这些应用之间进行流动和处理加工

工作环节

  1. 信息收集和导入:方式:rss订阅源/api接口/网页爬虫/获取特定网站的内容/手动输入/载入文档
  2. 数据预处理及扩充:
  3. 内容加工创作:将整理好的内容全部交给ai节点来产生新的内容
  4. 内容分发

新手入门建议

掌握入门的知识,先学会怎样跟AI聊天:如何写好提示词,怎么优化提示词,使用GPTS这些智能助手的一些能力,清楚他们的边界在哪里,能帮忙做什么?有哪些限制

总结

适合做一些批量处理的任务,运行起来比较稳定,出错概率很低,响应时间长,并发能力弱,不适合去做c端的一些应用,适合做内部的工具,帮助内部团队提升效率的一些小工具

相关推荐
EMQX5 分钟前
利用 EMQX 消息队列解决关键物联网消息传递挑战
人工智能·后端·物联网·mqtt·emqx
凌峰的博客10 分钟前
基于深度学习的图像修复技术调研总结(下)
人工智能·深度学习
知识进脑的肖老千啊15 分钟前
LangGraph简单讲解示例——State、Node、Edge
人工智能·python·ai·langchain
Deepoch18 分钟前
智能硬件新纪元:Deepoc开发板如何重塑机器狗的“大脑”与“小脑”
人工智能·具身模型·deepoc·机械狗
Mintopia18 分钟前
🐱 LongCat-Image:当AI绘画说上了流利的中文,还减掉了40斤参数 | 共绩算力
人工智能·云原生·aigc
Mintopia19 分钟前
量子计算会彻底改变 AI 的运算方式吗?一场关于"量子幽灵"与"硅基大脑"的深夜对话 🎭💻
人工智能·llm·aigc
natide20 分钟前
表示/嵌入差异-4-闵可夫斯基距离(Minkowski Distance-曼哈顿距离-欧氏距离-切比雪夫距离
人工智能·深度学习·算法·机器学习·自然语言处理·概率论
蹦蹦跳跳真可爱58933 分钟前
Python----大模型(GPT-2模型训练,预测)
开发语言·人工智能·pytorch·python·gpt·深度学习·embedding
m0_726965981 小时前
RAG源代码笔记JAVA-高级RAG
笔记·ai·agent·rag
营销操盘手阿泽1 小时前
GEO优化技术全景:从语义建模到被AI引用的系统工程
ai