Agent
coze平台Agent开发：
1.让Bot听懂人话 重点：实现提示词工程
2.让Bot专业 重点：实现RAG应用
3.让Bot做事 重点：实现插件制作
4.让Bot工作 重点：实现工作流的编排
5.让Bot应用 重点：发布运营，触达用户
如何设置提示词：
1，角色定位 明确Bot身份，建立专业形象
2，技能描述 清晰的目标，让Bot知道做什么
3，输出格式 结构化回复要求，确保输出规范
4，约束条件 限制不当行为，保证安全合规
RAG基本原理
Bot遇到的难题传统LLM的缺陷
消息滞后（无法获取最新知识）
问题：知识过时，无法回答,用户体验差，Bot价值大大折扣
解决方案：
RAG索引增强技术
RAG是一种结合知识检索和语言生成的人工智能技术，主要用于解决大型语言模型幻觉问题
基本原理：
在生成回答时，先从知识库中检索相关文档，将检索到的文档与原始问题一起输入LLM，LLM基于检索内容生成最终答案
RAG解决了什么问题？
大模型幻觉问题
RAG知识库构建的基本流程
文件类型
文档类型：PDF Word TXT
适用场景：公略文章，教程文档，
LOL案例：英雄攻略PDF
表格类型：Excel，CSV
使用场景：结构化数据，统计信息
LOL案例：英雄属性表
照片类型：JPG,JPEG,PNG
适用场景：图像生成
LOL案例：英雄战斗画面
文档预处理建议
清理无关内容（广告，水印）
按主题分类整理
文件命名规范（含关键信息）文档切片
目的：为了适应大语言模型的上下文长度限制，并提升检索的精确度和效率
切片方式：按照字符数切分，按符号切分，按语义切分
一般选择方式：按照符号和字符长度一块切分：一般200-500字/段
长度太小，上下文不完整，检索不准，长度太大，无关信息过多，干扰判断
文档向量化
将切分后的文本进行向量数字化，便于计算问题和文档的相似性
向量化作用：语义理解，相似度计算，快速检索
便于计算问题和文档的相似性
coze平台鉴权方式：
鉴权方式：
| 鉴权方式 | 说明 |
|---|---|
| 个人访问令牌 | Personal Access Token，简称 PAT。扣子编程中生成的个人访问令牌。每个令牌可以关联多个空间，并开通指定的接口权限。生成方式可参考添加个人访问令牌。 虽然 PAT 生成和使用便捷，但其本质上是一种预授权的明文令牌。如果保管不当，极易导致令牌泄露，进而被黑灰产盗用，引发安全风险。 建议仅在测试环境、调试场景中使用 PAT，并严格限制其使用范围和有效期。 在生产环境中应谨慎使用 PAT，优先考虑更安全的认证方式 OAuth。 |
| 服务访问令牌 | Service Access Token（简称 SAT）是以服务身份创建的访问凭证，可长期有效访问扣子编程资源，通常用于服务/应用程序的身份验证和授权。SAT 与 OAuth JWT 鉴权方式相比，具有更长的有效期（可设置为永久有效），操作简单，能够有效简化授权流程。 |
| OAuth 访问令牌 | OAuth Access Token，通过 OAuth 2.0鉴权方式生成的 OAuth 访问令牌。该鉴权方式通常用于应用程序的身份验证和授权，和 PAT 鉴权方式相比，令牌有效期短，安全性更高，适用于线上生产环境。 扣子编程目前支持授权码（Authorization Code Grant）、JWT **模式（JSON Web Tokens）**等多种 OAuth 授权类型，详细说明请参见下文中的OAuth 授权方式说明。 |