手搓智能体第三弹之复刻 ⌈ AI智能搜索 ⌋

2024-09-04 15:04
文章标签 ai 搜索 智能 第三 复刻

本文主要是介绍手搓智能体第三弹之复刻 ⌈ AI智能搜索 ⌋,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大家好,我是凡人。

老弟最近又烦我了,这回直接在我家楼下堵我了。

原因是他前段时间实在受不了老板折磨离职了,现在找工作的时候就把AI方面的应用经历加入了简历,没想到收到了好几个面试邀约,但他自己真实水平又不怎么样,看我能不能给他点能惊艳面试官的大招,

这家伙平时就是好吃懒做,到关键时候害怕了,没办法我只能把最近捣鼓了很久的用Coze复刻秘塔工作流的技术奉献给他了,下面我们来一起看看。

在做复刻之前,我们需要一些必要条件:

  1. 了解什么是Coze和秘塔。

  2. 秘塔的它三级搜索的流程大体是什么

  3. 最后拆解一下秘塔工作流是怎么工作的。

一、什么是秘塔和Coze

一)秘塔

网址:https://metaso.cn/

秘塔AI搜索是由上海秘塔网络科技有限公司开发,据查秘塔在3月份的访问量就达到了721万次,增速高达551.36%,在AI搜索的市场上表现强劲。

文章中的秘塔全部使用全网搜索模式,便于我们拆解。

如果有想详细了解AI搜索的朋友可以看下这篇文章:

解密5款大厂人都在用的AI搜索神器,早下班搞副业都靠它!

图片

二)Coze

网址:https://www.coze.cn/

Coze和智能体是我公众号里的常客了,所以关于他们是什么我就不展开说了,不明白的朋友可以看看这篇文章:

AI智能体:怎样把AI小客服接到你的公众号中(小白必看)

图片

二、秘塔的三级AI搜索

目前很多的产品的AI搜索都是参考秘塔的三级AI搜索,针对不同人群的需求提供不同的生成内容

图片

一)简洁级别

简洁级别就是要求秘塔AI搜索能够快速、字数精简精准地到最新的相关的信息。简洁级别的秘塔搜索,适用于答案确定性和描述性问题的回复,提供简单直接的搜索结果

图片

下面我们来先看看秘塔简洁级别AI搜索的简单拆解:

图片

  1. 用户在秘塔输入完问题后,秘塔通过用户输入的问题调用网络搜索,并记录搜索后的引用的链接。

  2. 将搜索的结果传输至大模型中继续处理。

  3. 输出大模型的结果与引用的链接,拼成文章返回呈现给用户。

二)深入级别

秘塔的深入级别搜索与简洁级别最大的区别就是搜索的深入和大模型的大量分析

图片

同时会梳理答案中的相关事件和相关人物,获取到的信息要比简洁级别的内容多的多。

图片

图片

秘塔深入级别AI搜索流程的拆解如下:

图片

  1. 可以很明显从图中看到在用户输入问题后,搜索问题的深入获取大量的链接和搜索内容。

  2. 将搜索内容传输至大模型后,当然这个大模型一定是经过专门训练和优化过的。

  3. 大模型通过对内容的大量分析将最终结果拆成多个部分,根据问题和回答的内容决定。

  4. 整合生成的问题结果内容和其他内容,展示最终结果。

三)研究级别

研究级别对于深入级别难度就上了好几层楼,研究级别不仅会回答问题需要的回答还会衍生的回答一系列与问题相关的内容,并通过思维导图、大纲、相关事件和人物等结构化的形式展示信息,帮助用户更好地理解和使用搜索结果。

图片

图片

图片

所以如果拆解研究级别的流程是不是会很复杂呢,其实如果只是简单实现的话并不难理解:

图片

  1. 在研究级别的搜索接收到用户提出的问题后,先进行对问题的精准搜索并推送给大模型整理出问题答案。

  2. 在大模型输出结果的同时会和深入级别一样,同步输出相关事件、相关组织、相关人员等内容。

  3. 根据第一次大模型给出答案结合用户问题,会同时辐射出多个相关类似问题,再对每个类似问题进行网络搜索和模型处理。

  4. 将最终所有模型输出的内容进行整合和格式化输出,得到最终的展示效果。

三、拆解秘塔工作流

前面绕了那么大一圈,就是为了让大家明白秘塔的三级搜索,拆解秘塔的工作流自然就非常简单了。

图片

可以把工作流想象成秘塔为不同行业的报告提供了不同样式的模板,在用户输入相关的问题后,秘塔将问题与模板的标题相结合,通过检索和大模型处理循环输出模板中标题内容,直至拼装成完成的报告,下面我们用流程图来拆解一下:

图片

看了流程图大家是不是有些了解了呀,我在念叨念叨:

1、用户选择了模板以后呢,输入了问题或报告关键字。

图片

2、将问题依次与模板的标题合并成为新问题,通过搜索查出相关内容,返回至大模型中对内容进行分析和整理。

3、最终当所有内容都输出后,再将内容和链接拼装在一块形成完整的报告。

四、复刻秘塔工作流

AI Agent = LLM(大模型)+ Planning(规划)+ Memory(记忆)+ Tools(工具)。

秘塔工作流拆至此就解完毕了,其实在复刻的道路上工作已经完成70%了,对照着智能体公式,规划部分已经完毕,接下来我们整理需要用到的工具。

一)用到的工具

提示词 :用来明确智能体角色,职责,能力,处理流程,输出结果。

插件:必应搜索。

工作流条件判断、大模型、调用数据库。

数据库:提前存储模板中的标题。

二)实现逻辑

这一步就不多做解释了,根据上一步中拆解秘塔工作流中的流程图及相关的流程说明,我们直接跳转到下一步实现。

三)实现环节

还是那句话,写智能体和编程是一个思路,前面设计做的越完善,后面实现起来就越简单,如果设计比较复杂的智能体,就需要完善的设计。

1、创建智能体

图片

2、加入数据库

大家如果有一点点Mysql经验的话,上手Coze数据库不要太简单。创建一张最简单的表,用来记录模板中的标题。

图片

3、实现提示词

为了节省时间,提示词我们仍然使用Coze提供的AI优化版本,关键点其实就在 “ ##流程 ” 这部分。

# 角色你是一位专业的 AI 搜索工作流大师,能够运用先进的 AI 技术对搜索结果进行深入、精准的分析与判断。擅长根据不同需求,生成详细且逻辑清晰的长文报告或简洁明了的分析结果。## 技能### 技能 1:
分析搜索结果
1.当接收到搜索结果时,仔细审查每个结果的内容、来源和可靠性。
2.对结果进行分类整理,提取关键信息和主题。
3.使用清晰的语言总结分析结果,突出重点和关键发现。### 技能 2:
生成长文报告
1.根据分析结果,确定报告的结构和主题。
2.详细阐述每个关键发现,提供具体的例子和证据支持。
3.使用流畅的语言和逻辑连接各个部分,使报告易于阅读和理解。### 技能 3:
生成简洁分析结果
1.快速提取最关键的信息和结论。
2.用简洁的语言表达分析结果,避免冗长和复杂的表述。
3.可以使用列表、图表等形式辅助表达,使结果更加直观。##流程:
1、这条非常重要!根据用户输入的内容进行反馈输出结果,这次用户输入我们称之为“用户报告的类型选择”,如果用户没有输入了“公司市场情绪分析报告”或“舆情分析报告”,这两个类型中的一个,就直接输出“您好!暂不支持其他模板的报告”,并结束此流程。
2、如果用户输入了“公司市场情绪分析报告”,则需要先判断数据库表mita_flow_template中的template_name字段中是否已经存储了“公司市场情绪分析报告”,如未存储,则循环将“行业背景与趋势”、“财务表现与业绩回顾”、“股价波动与市场情绪”、“投资策略建议”写入到title_name中,并且同步将“公司市场情绪分析报告”写入template_name字段中,否则不进行存储。
3、如果用户输入了“舆情分析报告”,则需要先判断数据库表mita_flow_template中的template_name字段中是否已经存储了“公司市场情绪分析报告”,如未存储,则需要在数据库表mita_flow_template中,循环将“舆情信息和负面新闻”、“相关竞品与竞争分析”、“应对措施行业背景与趋势”、“舆情总结”写入到title_name中,并且同步将“舆情分析报告”写入template_name字段中,否则不进行存储。
4、继续问用户“想要写关于什么主题的报告呢!”,当用户回答后,这次用户输入我们称之为“报告主题”,将“用户报告的类型选择”输入到 templatename 参数当中,将“报告主题”输入到 question 参数当中,调用mita_workflow执行。
5、在执行后输出执行结果。## 限制
- 只针对搜索结果进行分析和判断,不进行无根据的推测或假设。
- 所输出的内容必须按照给定的格式进行组织,不能偏离框架要求。
- 长文报告应具有一定的深度和广度,简洁分析结果应突出重点。
- 引用来源时请使用规范的引用格式。

4、创建工作流

创建“mita_flow”工作流

图片

整体流程如下图,是不是看的眼花缭乱,别担心,咱们分开进行拆解:

图片

图片

1>、接收输入,并在数据库中查询

在接收模板名称和主题名称后,通过数据库查询的将在Bot中提前存入的数据库查询出来,并拼装成相关的问题。

图片

2>、总体内容

虽然是根据模板的标题来生成相关内容,但需要第一步来固定输出格式,这里先根据 问题 + 模板名称来生成相关问题,向必应进行搜索,搜索的结果,链接的标题内容作为参考资料,并且对整体的生成结果进行格式化输出。

图片

大模型提示词参考工作流商城里的“【长文本生产】工作流_MENG”。

图片

图片

3>、生成的标题部分

这部分包含四部分生成,每部分只有细微的差别,但它们走的流程都是一样的,都是通过问题+模板名称+标题名称拼装的问题,在必应中搜索,将搜索结果经过代码处理后,输入到大模型当中进行分析和处理,最终形成每个分段内容。

图片

大模型中的提示词如下:

图片

4>、整合输出

最后就是将第一部分至第四部分进行整合输出

图片

5、开场白

这里的开场白也非常重要,因为开场白有着限定输入的能力。

图片

至此复刻秘塔工作流完毕,下面我们一起来看看效果怎样

五、效果

在调试时,我们输入舆情分析报告后,他会提示我们输入需要什么主题的报告。

图片

执行过程

图片

生成的内容较多,我复制出来了,大家一起看看:

图片

怎么样还不错吧,虽然离完整的报告还有些距离,但已经初具雏形了,还需要持续的优化。


怎么样今天的内容还满意吗?再次感谢观众老爷的观看。

最后,祝您早日实现财务自由,还请给个赞,谢谢!

这篇关于手搓智能体第三弹之复刻 ⌈ AI智能搜索 ⌋的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1136297

相关文章

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Python使用DeepSeek进行联网搜索功能详解

《Python使用DeepSeek进行联网搜索功能详解》Python作为一种非常流行的编程语言,结合DeepSeek这一高性能的深度学习工具包,可以方便地处理各种深度学习任务,本文将介绍一下如何使用P... 目录一、环境准备与依赖安装二、DeepSeek简介三、联网搜索与数据集准备四、实践示例:图像分类1.

无需邀请码!Manus复刻开源版OpenManus下载安装与体验

《无需邀请码!Manus复刻开源版OpenManus下载安装与体验》Manus的完美复刻开源版OpenManus安装与体验,无需邀请码,手把手教你如何在本地安装与配置Manus的开源版OpenManu... Manus是什么?Manus 是 Monica 团队推出的全球首款通用型 AI Agent。Man

使用Python实现表格字段智能去重

《使用Python实现表格字段智能去重》在数据分析和处理过程中,数据清洗是一个至关重要的步骤,其中字段去重是一个常见且关键的任务,下面我们看看如何使用Python进行表格字段智能去重吧... 目录一、引言二、数据重复问题的常见场景与影响三、python在数据清洗中的优势四、基于Python的表格字段智能去重

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Python3脚本实现Excel与TXT的智能转换

《Python3脚本实现Excel与TXT的智能转换》在数据处理的日常工作中,我们经常需要将Excel中的结构化数据转换为其他格式,本文将使用Python3实现Excel与TXT的智能转换,需要的可以... 目录场景应用:为什么需要这种转换技术解析:代码实现详解核心代码展示改进点说明实战演练:从Excel到