手把手教你搭建公众号AI聊天机器人

在这里插入图片描述

什么是扣子 ?

扣子是新一代一站式 AI Bot 开发平台。无论你是否有编程基础,都可以在扣子平台上快速搭建基于 AI 模型的各类问答 Bot,从解决简单的问答到处理复杂逻辑的对话。而且你可以将搭建的 Bot 发布到各类社交平台和通讯软件上,让更多的用户与你搭建的 Bot 聊天。

扣子是由字节跳动公司开发的,地址:https://www.coze.cn

老苏的目标是,用户能够在微信公众号的后台,通过聊天的方式,查询老苏有没有写过某个软件,或者某方面的软件,并能返回链接

目前出了第一版,欢迎大家来玩耍。进入老苏的公众号,点 发消息

可以用自然语言提问,之所以频繁需要输入 继续,是因为存在网络查询,导致超过了 15

也能追问

当然犯傻的时候也是有的

换个说法接着问,也许又正常了

接下来老苏介绍下折腾的过程,包括踩过的坑

知识库

老苏首先想到的是建知识库

输入名称和描述

新增单元

选择了在线数据

选择了门槛比较低的自动采集

一开始想用 hexosearch.json 来做数据库,这个文件包含了博客所有的全文数据,大概有 8M 多,但是失败了,原因是分片太多

后来又尝试了用 sitemap.xml,这个文件是提交给搜索引擎的,包含了全部的文章名称和链接,但是也同样失败了,因为超过了 300

出师不利,看来知识库这条路是走不通了,只能尝试在线搜索了

插件

公众号文章

一开始老苏打算用 公众号文章,因为看介绍,能获取到历史文章列表

但实际运行似乎只能随机返回 5 篇文章而已

page 大于 130 时无记录,小于等于 130 时,只会返回 5 条记录

必应搜索

接下来尝试使用了 必应搜索

但是从特定网站 https://laosu.tech 的搜索的结果看,效果并不好,也许是老苏不会用吧

WebPilot

最后尝试使用了 WebPilot

这是最后的希望,再不行就只能放弃了,还好成功了,虽然结果是英文的,但重要的是非常准确

工作流

确定了插件,接下来就可以创建工作流了

创建工作流不是必须的,只是为了后续比较容易扩展功能,你也可以直接建 Bots

默认会有 2 个节点,一个 开始结束开始用于收集用户的输入

第二个节点是个 大模型,作用就是拼接一个字符串

第三个节点是 WebPilot,查询上一步传过来的 url 地址,并得到查询结果

第四个节点还是 大模型,用于对上一步的查询结果进行处理,比如翻译成中文

第五个节点是 结束,输出大模型处理的结果

调试成功后需要发布,因为只有发布了才能被 Bots 调用

建 Bots

现在比较流行的叫法是智能体

因为只服务于自己的公众号,所以名称就不是太重要了

  1. 添加发布的工作流
  2. 设定开场白
  3. 启用自定义 Prompt,第一次弄,也不知道怎么优化,总觉得 限制 没什么用
# 角色
我是“各种折腾”微信公众号的 AI 客服,能回答用户关于群晖上搭建应用的问题。老苏和杨浦老苏是微信公众号“各种折腾”的作者。老苏的博客地址是 :https://laosu.tech。

# 技能
- 理解和回应自然语言查询。
- 访问和处理用户指定的文件和网络信息。
- 执行预定的 get_laosu_artical 工作流。

# 限制
- 只讨论与群晖、docker、软件有关的内容,拒绝回答无关的话题。

开始只能简单输入,后面已经能支持自然语言查询,应该是 技能 设定的缘故,至于模型的选择看各人需要,当选用 moonshot 模型时,回复的内容看起来更丰满一些,但是有些设定会无效,而同样的设定在选用 云雀 模型时是 OK

现在可以开始调试了

继续

有时候会有明显的错误

发布

点右上角的 发布

选择 微信公众号,按提示步骤操作即可,如果遇到问题,可以看官方文档:https://www.coze.cn/docs/guides/wechat_subscription

欢迎大家来老苏的公众号调戏 AI 客服

参考文档

主页 - 扣子
地址:https://www.coze.cn/home

Coze - 文档中心
地址:https://www.coze.cn/docs/guides/use_workflow

Coze扣子平台完整体验和实践(附国内和国际版对比) - 技术栈
地址:https://jishuzhan.net/article/1776928682707783681

coze(扣子) 实现文章在线检索 - 掘金
地址:https://juejin.cn/post/7332025526088155146

  • 7
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
当然可以!以下是手把手搭建 YOLOv5 的步骤: 1. 准备工作: - 确保你的电脑已经安装了 Python 3.8 或更高版本。 - 安装 PyTorch:可以根据你的操作系统和 CUDA 版本选择合适的安装命令,例如: ```shell pip install torch torchvision torchaudio ``` - 安装其他依赖库: ```shell pip install opencv-python matplotlib numpy ``` 2. 下载 YOLOv5 源代码: - 在终端中运行以下命令来克隆 YOLOv5 仓库: ```shell git clone https://github.com/ultralytics/yolov5.git ``` 3. 安装依赖库: - 进入 yolov5 目录: ```shell cd yolov5 ``` - 安装依赖库: ```shell pip install -r requirements.txt ``` 4. 准备数据集: - 准备好你的训练数据集,并将图像和对应的标签文件放入一个文件夹中。 5. 配置模型和数据: - 编辑 `yolov5/models/yolov5s.yaml` 文件,根据你的需求进行配置,例如设置 `nc` 参数为你的类别数量。 - 编辑 `data.yaml` 文件,设置 `train` 和 `val` 的路径,并配置类别数量和类别名称。 6. 训练模型: - 在终端中运行以下命令来开始训练模型: ```shell python train.py --img 640 --batch 16 --epochs 100 --data data.yaml --cfg models/yolov5s.yaml --weights '' ``` - 这个命令将使用默认参数来训练 YOLOv5 模型,你可以根据需要进行调整。 7. 测试模型: - 在终端中运行以下命令来测试模型效果: ```shell python detect.py --source your_image.jpg --weights runs/train/exp/weights/best.pt --conf 0.4 ``` - 这个命令将使用训练好的模型对指定图像进行目标检测,你可以调整 `--conf` 参数来控制检测结果的置信度阈值。 以上就是搭建 YOLOv5 的基本步骤,希望对你有帮助!如果有任何问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

杨浦老苏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值