中文GPTS使用秘籍,字节扣子Coze工作流使用全教程

2024-02-12 12:04

本文主要是介绍中文GPTS使用秘籍,字节扣子Coze工作流使用全教程,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,我是斜杠君。今天和大家分享字节扣子Coze工作流创建和使用全教程,手把手教会你。

首先我们先来看一下如何创建一个工作流。

我们以创建这样一个工作流为例。这个工作流程的作用是:把用户输入的内容通过头条接口查询信息,把查到的信息标题翻译成英文返回给客户,并在聊天界面上显示。

我们来规划一下这个工作流。把这个工作流分为四个节点:

下面来开始正式操作:

进入https://www.coze.cn/home,点击左侧工作区中的个人空间。

点击上方的工作流标签,进入工作流页面。

点击创建工作流按钮,新建一个工作流。

我们把这个工作流取名为super_translator, 并写一下这个工作流的描述,然后点确认按钮创建完成:

工作流创建好以后,初始界面是这样的:

这里面有两个节点。按照我们文章前面的规划,我们还需要两个工作流节点。

一个是调用头条接口的节点,一个是调用大语言模型把标题翻译成英文的节点。

下面我们找到这两个节点,并把他们加入到工作流中。

在左侧面板中,选择插件=》搜索头条=》选择头条搜索中的search工具,点击加号,头条搜索的节点就加入到工作流中来了。

接下来把大语言模型节点也加入进来。

选择基础节点,选择大模型,点击加号,就加放到工作流中了。

这里可以看出,四个节点都加入进来了。

下面分别详细介绍这四个节点,如何设置参数。

1、开始节点。参数名随便定义,我们这里定义了个query参数名。

2、头条搜索节点。这里我们主要看一下开始节点的输出和搜索节点的输入是如何连接的。

在这里我们可以看出,query参数,就是头条搜索节点的输入。除了input_query,其他节点我们可以留空。

3、大模型翻译节点。这里我们要先设置大模型的输入。

这个输入引用的是上一个头条搜索节点的输出,我们点击引用后面的下拉框。

可以看出从serach节点开始,一级一级可以选择到标题。

上面已经选择到了title这个参数,但只把这个参数传递给大模型也不行,因为大模型不知道你要用这个参数来做什么。

所以我们要结合这个变量,把具体的意思告诉大模型。例如:请把标题翻译成英文。

{{input}}是引用上面变量的一个写法。这样写就是引用了上面的title变量,{{input}}对应的就是上面的输出变量。

PS:这里对于不太懂编程的同学可能有点不好理解,如果不明白的可以给我留言,针对具体问题,我再详细给大家解答。

4、结束节点。

大模型的输出值output,对应接受节点的输入。

到这里为止,我们的四个节点就都已经设置好了。

工作流设置好以后,要发布才能使用。在发布之前,需要先试运行一下。点击试运行按钮。

填写一个参数,然后提交。

可以看到,所有节点都已经运行成功。

我们点击“展开运行结果”查看一下返回结果。

还不错吧,是我们想要的效果。

点击“发布”,我们的工作流发布一下。

接下来下我们在正式的机器人中,测试并使用一下我们的这个超级翻译机工作流程能否正常工作吧。

我们先创建一个机器人,如果不知道怎么创建的,看我之前写的文章。

中文GPTS,字节中文扣子Coze使用全教程 - 知乎 (zhihu.com)

在工流程这里,我们选择添加一个工作流:

点击左侧我创建的,选择刚刚创建的super_translator。

可以看到,工作流添加进来了。

接下来编排这里很重要。在这里我们要明确的告诉机器人,要直接返回工作流中的输出字段作为结果。

这里我测试了很多次,才输出了想到的结果。大家看一下我写的编排内容。:)

下面我们来正式使用一下:

从这里可以看出,机器人确实是把调用的工作流,并把文章标题翻译成了英文。

好了,到这里,字节扣子Coze工作流详细的使用步骤就写完了,如果你觉得文章对你有帮助,请点赞,关注斜杠君。谢谢。

这篇关于中文GPTS使用秘籍,字节扣子Coze工作流使用全教程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/702541

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

字节面试 | 如何测试RocketMQ、RocketMQ?

字节面试:RocketMQ是怎么测试的呢? 答: 首先保证消息的消费正确、设计逆向用例,在验证消息内容为空等情况时的消费正确性; 推送大批量MQ,通过Admin控制台查看MQ消费的情况,是否出现消费假死、TPS是否正常等等问题。(上述都是临场发挥,但是RocketMQ真正的测试点,还真的需要探讨) 01 先了解RocketMQ 作为测试也是要简单了解RocketMQ。简单来说,就是一个分

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的