AI销售智能体+大模型实战指南，看完你就LLM大师！-CSDN博客

本文链接：https://blog.csdn.net/2401_85325726/article/details/147891695

前言

最近，智谱宣布BigModel开放平台多款大模型产品进行价格调整，率先进入「亿」时代，即模型以“每亿tokens”为单位计价。

比如之前《AI销售数据分析神器》中，调用的GLM-Z1-AirX 推理模型，每亿tokens仅500元，更有GLM-4-FlashX，每亿tokens仅10元；GLM-4-Plus 价格更是直降90%，从50元/百万tokens降至5元/百万tokens(相当于每亿tokens500元)。

在这里插入图片描述

接下来若想继续迭代这个AI销售数据分析神器，可将表格数据转化成可视化的表格。我选择了智谱GLM-4-Plus大模型，主要是从成本和性能两方面考虑。

价格方面：每亿tokens500元，低于行业价格92%的价格，用到就是赚到！

性能方面：GLM-4-Plus 语言模型是智谱 BigModel 开放平台模型全家桶的坚实底座，降价不降级，在语言理解、指令遵循、长文本处理等方面性能世界领先。

在这里插入图片描述

分析销售数据：

在这里插入图片描述

数据表格：

在这里插入图片描述

步骤

整体框架上，主要是使用了插件和工作流的组合模式，完成整个流程。

在这里插入图片描述

之前的工作流：从数据输入到分析数据最后输出销售数据报告。

迭代功能：新增问答节点-大模型生成图表数据-解析图表数据-图表生成插件-输出图表图片。

在这里插入图片描述

当销售分析报告内容生成完成之后会询问用户是否需要生成图表信息，当用户选择「不要生成」结束流程。

在这里插入图片描述

这个提示词相对复杂，需要从上面的内容的总结内容提取出来四个图表的分别要求并且需要输出对应的JSON格式，对大模型的语⾔理解、逻辑推理、指令遵循、⻓⽂本输出⽅⾯要求较高。

提示词：

你是一个专业的数据分析师，能根据数据内容和图表要求分析用户给到的对应的折线图/饼图/雷达图/柱状图数据，只输出下面数据格式：##1.折线图：```json{  "areaStyle": {    "opacity": 1  },  "data": "[9,11,12,13,15,18]",  "legend": 1,  "name": "人口数量",  "title": "人口曲线测试",  "xAxis": {    "data": "[\"2017\",\"2018\",\"2019\",\"2020\",\"2023\",\"2024\"]",    "name": "年份",    "type": "category"  },  "yAxis": {    "name": "人口数量（单位：亿）",    "type": "value"  }}```##2.饼图：```json{  "areaStyle": {    "opacity": 1  },  "data": [    {      "name": "李白",      "value": 10    },    {      "name": "王昭君",      "value": 4    },    {      "name": "孙悟空",      "value": 15    },    {      "name": "关羽",      "value": 8    },    {      "name": "成吉思汗",      "value": 1    }  ],  "legend": 1,  "name": "皮肤数量",  "subtitle": "测试用",  "title": "王者荣耀皮肤对比"}```##3.雷达图：```json{  "areaStyle": {    "opacity": 0.8  },  "data": [    {      "name": "李白",      "value": [        900,        700,        1000,        1000,        200      ]    }  ],  "legend": 1,  "name": "雷达图测试",  "radar": {    "indicator": [      {        "max": 1000,        "min": 100,        "name": "打野能力"      },      {        "max": 1000,        "min": 100,        "name": "gank能力"      },      {        "max": 1000,        "min": 100,        "name": "发育能力"      },      {        "max": 1000,        "min": 100,        "name": "伤害"      },      {        "max": 1000,        "min": 100,        "name": "防御"      }    ]  },  "title": "雷达图测试"}```##4.柱状图：```json{  "data": "[9,10,12,13,35,14]",  "legend": 1,  "name": "人口",  "title": "人口柱状图",  "xAxis": {    "data": "[\"2015\",\"2017\",\"2018\",\"2019\",\"2020\",\"2021\"]",    "name": "年份",    "type": "category"  },  "yAxis": {    "name": "人口（单位：亿）",    "type": "value"  }}```## 数据内容：{{String1}}## 图表要求：{{String2}}

接下来需要用到大模型节点生成图表数据，在这里教大家一个小技巧就是可以用多个大模型进行对比，比如下面是同样的提示词和输入参数用的是不同的大模型，这样就能看出速度和效果的对比：

豆包-1.5-PRO 运行时长 20s，生成内容符合格式要求。
GLM-4-Plus 运行时长 15s，生成内容符合格式要求。

在这里插入图片描述

从速度上来说智谱GLM-4-Plus更快，但是在扣子大模型节点中无法使用智谱GLM-4-Plus，这个时候就需要自定义插件。

如何自定义插件？

首先回到扣子空间主页，选择「资源库」然后点击右上角「+资源」选择「插件」。

输入插件名称、描述、选择「在 Coze IDE 中创建」。

在进入插件详情页创建工具输入名称、介绍。

创建完成后，我们看下如何调用GLM大模型，前往智谱BigModel开放平台的GLM接口文档用HTTP请求的方式

文档地址：https://bigmodel.cn/dev/api/http-call/http-auth

只需要参数三个参数即可，第一个是apikey，第二个是模型编码，第三个是提示词

然后我们再回到插件编辑器中，实现HTTP请求代码，需要传入两个动态参数apikey和提示词，model使用的是glm-4-plus，根据GLM模型对比列表说明这款模型是全面性能最优的。

GLM模型对比文档：https://bigmodel.cn/dev/howuse/model

import { Args } from '@/runtime';import { Input, Output } from "@/typings/GLM/GLM";/** * Each file needs to export a function named `handler`. This function is the entrance to the Tool. * @param {Object} args.input - input parameters, you can get test input value by input.xxx. * @param {Object} args.logger - logger instance used to print logs, injected by runtime * @returns {*} The return data of the function, which should match the declared output parameters. *  * Remember to fill in input/output in Metadata, it helps LLM to recognize and use tool. */export async function handler({ input, logger }: Args<Input>): Promise<Output> { const API_URL = 'https://open.bigmodel.cn/api/paas/v4/chat/completions'; // 传入参数 const API_KEY = input.key; const COMMAND = input.command; const headers = {  'Authorization': `Bearer ${API_KEY}`,  'Content-Type': 'application/json', }; const data = {  'model': 'glm-4-plus',  'messages': [   {    'role': 'user',    'content': COMMAND,   },  ], }; const response = await fetch(API_URL, {  headers,  method: 'POST',  body: JSON.stringify(data), }); const result = await response.json(); return {  data: result.choices[0].message.content, };}

代码实现完成后需要切换到「元数据」

左边区域设置输入和输出的参数
右边区域输入参数进行运行调试

apikey如何获取？登陆后台找到密钥管理页面，没有的话可以点击右上角添加新的API Key

后台地址：https://zhipuaishengchan.datasink.sensorsdata.cn/t/F2

新增完成直接可以直接复制即可。

确认没有问题之后就可以点击右上角「发布」

发布成功后我们回到工作流点击左上角添加「插件」然后选择「我的工具」就可以使用自定义插件了。

选中GLM插件点击进行添加节点即可。

输入上个节点组装好的提示词以及key即可调用。

输出结构后还需要通过「代码节点」对JSON数据进行提取解析输出成四个数据源分别对应四个不同图表的所需数据

解析代码

async function main({ params }: Args): Promise<Output> {  const chartPattern = /```json(.*?)```/gs;  let dataString = params.input;  let match;  const charts = [];  while ((match = chartPattern.exec(dataString)) !== null) {    // 去除字符串中的多余空格和换行符，然后解析JSON    const chartJSON = match[1].replace(/\s+/g, ' ').trim();    const parsedChart = JSON.parse(chartJSON);    charts.push(parsedChart);   }  return {    line:charts[0],    pie:charts[1],    radar:charts[2],    bar:charts[3]  };}

「插件节点」使用的是官方的图表大师插件，它支持生成柱状图/饼图/折线图/雷达图。