微信扫码
与创始人交个朋友
我要投稿
那在搭建之前,我先来说一个比较常见的误区,就是这个工作流和多代理模式的区别。那因为在coze中,多代理模式和工作流都是通过这个节点形式去构建的。
那从功能上来说,工作流更像是bot下的一个指定的模块来完成相对格式化且标准化的任务,而多代理模式则更像一个可以完成复杂任务的团队。
打比方来说,工作流就比是一个掌握独立技术的人,比如说他可以根据网上获取到的信息去撰写文案。那多代理模式就更像一个由多人组成的团队,里面有专门的写手去写文案,美工去配图,审核来过稿等等。
那从理论上来说,我们将复杂的工作安排的越细致,就越对这项工作可控。因为如果输出结果出现了问题,我们可以很容易的去排查找到到底是哪个节点设置有误,从而进行优化,而不需要去重写整个的系统。那这就是在coze下使用工作流的意义。
这次我们用国内版coze的来介绍,我们点击左上角这个个人空间的按钮,进来之后我们点击最上方这个工作流的链接,然后我们来点击这个右边的创建按钮。
进入这个工作流操作页面。我们可以在这个页面上去自由的添加节点来定制化创建我们的工作流。
那我们先来简单的熟悉一下这个页面以及相关的操作。首先是最左侧的这一列,就是我们可以添加不同类型的节点,分别有
然后是右边操作台这里,他默认给到我们两个节点,一个是开始
,然后一个是结束
。
那我们可以把这两个节点连接起来,完成一个最简单的工作流,也可以在这两个节点之间来添加其他的左边的这些节点去构建更复杂的功能
。
然后我们看到下方这里第一个小手一样的按钮,是可以拖动我们的工作台。
当然这个操作我们也可以通过按住这个空格然后配合鼠标左键来实现,也可以通过按下鼠标滚轮来实现。
后方这里是缩放大小,如果我们的工作流比较多,可以通过点击这个缩放的按钮来更方便的观看我们整体的流程。再右边这个是自适应缩放,然后后方这个是可以将我们的工作流格式化成线性的形式。
最后一个是这个连线的模式,那他默认的是这种自由的连线,也就是这个线段是曲线。
我们也可以切换成这种直线的模式,看起来更清爽一些。然后最上方这里是测试工作流以及这个发布工作流的按钮。
上面其实简单的工作流搭建就讲完了,但是要怎么实现更加复杂任务的工作流呢?
那么现在我们普通人可以借助这些大模型的能力,快速学习掌握这些比较有难度的东西。
接下来,我们从工作流商店中选了一个工作流,分别让chatgpt和Gemini来给我们讲解分析,顺便对比一下目前比较强大的这两个模型。
我们选这个抖音链接+文本提取+小红书改写+发布飞书文档工作流
从开始到结束我们每个节点都发给大模型分析一下
当然可以!这个节点是工作流的开始节点,主要用于启动工作流并设置所需的初始信息。
从图片中可以看出,开始节点包含了两个输入变量:
BOT_USER_INPUT:
X:
开始节点:
输入变量:
在实际应用中,当一个用户通过某种接口(例如聊天机器人或表单)启动这个工作流时,他们需要提供本轮对话的输入内容以及一个抖音视频链接。这些信息将被用于后续的处理步骤中。
希望这个解释对你有帮助!如果你还有其他问题,随时告诉我。
这个节点是Coze工作流的开始节点,用于定义启动整个自动化工作流所需的信息。
节点名称: 开始
节点功能:
输入参数:
输出:
这个节点没有直接的输出。它定义的两个变量 (BOT_USER_INPUT 和 X) 会被传递给后续的节点使用。
总结:
这个“开始”节点的作用是接收用户输入和预设的链接,并将它们存储为变量,为后续节点提供必要的信息,从而启动整个自动化工作流程。
以上开始节点的介绍,是不是非常详细,而且讲解也是通俗易懂,对普通用户来讲很好理解,两个模型都讲的不错,不过我还是觉得GPT的会更好一些。
接下来我们继续第二个节点
当然可以!我们来看一下这个节点的配置。这是一个大语言模型调用节点,用于根据输入变量和提示词生成回答。
input
开始
) 中的 X
变量作为 input
传递给大语言模型。X
在前面的节点中表示的是用户提供的抖音视频链接。识别{{input}}中的链接
输入网址: URL
input
中的链接,输入的网址变量名是 URL
。output
这个节点的作用是使用大语言模型来处理输入的抖音视频链接 (X
) 并识别其中的链接。具体过程如下:
X
) 并传递给大语言模型。input
(即抖音视频链接)中的链接。output
变量中,格式化为 JSON。希望这个解释清楚地说明了该节点的配置和作用!如果你有任何其他问题,请随时告诉我。
这个节点是Coze工作流中的一个自定义函数节点,用于调用名为 "大模型 1" 的外部函数。
节点名称: 大模型 1
节点描述: 请求用大语言模型,使用真实数据提示词生成回复。 这说明该节点的核心功能是利用大语言模型,根据用户提供的提示词生成相应的回复。
输入参数:
提示词:
输出:
总结:
这个节点的功能是从 "开始" 节点获取材料查询链接("开始 - X"),并将其传递给 "大模型 1" 函数。该函数会识别链接并将其返回,存储在 "output" 变量中,供后续节点使用。
还是GPT讲的要好很多,基本很详细介绍了比很多博主讲得要清楚很多。
我们继续下一个节点
当然可以!这个节点配置是一个 LinkReaderPlugin
插件,用于提取网页、PDF、抖音视频等内容的标题和内容。
参数名: prompt
参数名: type
参数名: url
output
) 作为输入的 URL。这意味着它将使用大语言模型识别出的链接进行进一步处理。data
这个节点的主要功能是使用 LinkReaderPlugin
来提取指定 URL(从大模型_1 输出的 output
获得的链接)中的标题和内容。
具体过程如下:
接收输入:
output
,即识别出来的链接。处理:
LinkReaderPlugin
插件会访问指定的 URL,提取内容和标题。生成输出:
data.content
: 提取到的内容。data.title
: 提取到的标题。希望这个解释清楚地说明了该节点的配置和作用!如果你有任何其他问题,请随时告诉我。
这个节点是Coze工作流中的一个插件节点,使用了名为 "LinkReaderPlugin" 的插件,用于读取链接内容。
节点名称: LinkReaderPlugin
节点描述: 当你需要读取网页、pdf、抖音频视频内容时,使用此工具,可以获取url链接下载后的原始内容。 这说明该插件的主要功能是根据提供的URL链接,下载对应的内容并提取其中的原始内容。
输入参数:
输出:
总结:
这个节点的功能是接收 "大模型 1" 节点识别出的链接地址,并利用 "LinkReaderPlugin" 插件读取该链接的内容。提取出的内容以JSON格式存储在 "data" 变量中,供后续节点使用。 可以理解为,这个节点实现了从链接地址到实际内容的获取过程,为后续处理和分析做好了准备。
这次都讲解得不错,我们继续
当然可以!让我们仔细看一下这个节点的配置。这是一个使用大语言模型(GPT)生成回答的节点。
input
LinkReaderPlugin
插件节点中提取到的标题 (title
) 作为 input
传递给这个大语言模型节点。1.背景+标题示例:
标题: 夏季营销策略的介绍
背景: 这是一个关于夏季营销策略的介绍文章,包括在夏季进行营销的一些小技巧。这篇文章将介绍如何在夏季利用人们对凉爽和放松的需求来进行有效的营销。
2.编辑原则和方法
背景需要简明扼要,标题清晰明了
1.背景: 长度控制在1-2句
标题: 长度控制在不超过20个字
2.标题要点清晰: 结合具体例子/应用场景,标题包括关键要素: 关键词+总结+具体策略
3.编辑语言风格: 语言简洁,明确,读起来舒服 (不是广告文案风格), 突出具体的应用场景
3.可编辑背景用词/句的延展
背景词汇: 消费者心理, 市场趋势, 品牌策略, 市场营销活动, 夏季促销活动, 夏季产品, 季节性营销, 品牌推广, 客户吸引, 销售提升
4.小标题下的内容框架
背景说明: 简单介绍主题的背景,文章主要内容
标题: 具体策略: 提出具体可行的策略和建议
1.背景: 根据市场趋势制定夏季促销活动
2.标题: 利用凉爽商品吸引客户
背景: 夏季是销售凉爽商品的最佳时机
策略: 利用降温商品如风扇、空调等产品进行促销
3.背景: 针对夏季旅游制定营销策略
4.标题: 夏季旅游产品的营销
背景: 夏季是旅游旺季
策略: 推广夏季旅游产品如旅行社优惠、机票打折等
二、正文编写示例
1.标题示例
从消费者心理出发
背景: 夏季天气炎热,人们对凉爽和舒适的需求增加
具体策略: 提供凉爽和舒适的产品,满足人们在夏季的需求
2.标题示例
根据市场趋势调整品牌策略
背景: 夏季是销售凉爽商品的最佳时机
具体策略: 根据市场趋势推出凉爽商品,利用夏季促销活动吸引客户
3.标题示例
季节性营销的重要性
背景: 每个季节都有不同的市场需求和趋势
具体策略: 制定针对每个季节的营销策略,确保品牌的持续增长
output
这个节点的主要功能是使用大语言模型来生成内容,具体步骤如下:
LinkReaderPlugin
节点获取标题 (title
) 并传递给大语言模型。output
变量中,格式化为 JSON。希望这个解释清楚地说明了该节点的配置和作用!如果你有任何其他问题,请随时告诉我。
这个节点是Coze工作流中另一个自定义函数节点,用于调用名为 “大模型” 的外部函数,目标是对前面节点提取的链接内容进行分析和处理。
节点名称: 大模型
节点描述: 调用大语言模型,使用真实数据和提示词来生成目标回复。 这说明这个节点的核心功能是利用大语言模型,并结合实际数据和具体指示,生成符合预期的回复内容。
输入参数:
提示词:
提示词部分包含了大量的文本内容,主要分为三个部分:
输出:
总结:
这个节点的功能是将上一步提取的链接内容标题传递给 “大模型” 函数,并结合预设的提示词,生成针对性的回复内容。 提示词中包含了大量的背景信息和示例,用于引导 “大模型” 函数生成更符合预期、更具针对性的回复。 可以理解为,这个节点利用大语言模型的能力,将原始的链接内容标题转化为了更易于理解、更具引导性的回复文案,完成了从数据分析到内容创作的转变。
这里GPT讲的很详细,不过提示词写错了,Gemini讲的相对简单一点,继续下一个
当然可以,下面是对这个节点的详细解释:
这个节点的主要功能是将之前生成的小红书文案内容(Markdown 格式)和标题(“改写小红书文案”)组合在一起,生成一个文档。它的详细步骤如下:
输入:
markdownStr
。markdownTitle
。处理:
输出:
通过这个配置,整个流程就完成了从获取输入、生成小红书文案、到最终生成文档的过程。这个节点是工作流中的最后一步,用于生成和保存最终文档。
这个节点是Coze工作流中的另一个插件节点,使用了名为 "createDocument" 的插件,其功能是根据输入的Markdown文本创建文档。
节点名称: createDocument
节点描述: 这是一个可以根据用户输入或者需要记录的 Markdown 字符串和总结的标题来创建文本档的工具。 这句话明确说明了该插件的作用:根据提供的Markdown文本和标题,生成一个新的文本文档。
输入参数:
输出:
总结:
这个节点的功能是接收 “大模型” 节点生成的回复文案,并将其作为内容,以 "改为小红书文案" 为标题,创建一个新的文本文档。 最终输出的 "data" 变量中包含了创建文档的链接地址,方便用户查看和使用生成的内容。 可以理解为,这个节点将前面步骤中生成的回复文案最终落地为一个可访问、可编辑的文档,完成了从文本生成到内容保存的最后一步。
都讲的很不错啊,最后结束节点
这个节点是工作流的最后一步,用于返回工作流运行后的结果信息。
output
output1
createDocument
节点生成的文档 URL。您的抖音改小红书文案如下
{output}
已经为您上传到了飞书文档
{output1}
{output}
和 {output1}
是占位符,会被实际的变量值替换。输出变量配置:
output
引用了之前大模型节点生成的文案内容。output1
引用了 createDocument
节点生成的文档 URL。回答内容配置:
您的抖音改小红书文案如下
后面跟着 {output}
,这将显示大模型生成的文案内容。已经为您上传到了飞书文档
后面跟着 {output1}
,这将显示生成文档的 URL。这个节点负责将前面的步骤生成的结果汇总并返回给用户:
通过这个设置,用户将能看到生成的文案内容以及文档的链接,完成整个工作流的闭环。
这个节点是Coze工作流的结束节点,用于返回整个工作流程执行完毕后的结果信息。
节点名称: 结束
节点功能:
输出变量:
回复内容:
总结:
这个节点将前面步骤中生成的回复文案和文档链接地址整合到一起,以清晰的格式返回给用户。 用户可以直接复制使用生成的小红书文案,也可以点击链接查看和编辑保存在文档中的内容。 这标志着整个Coze工作流的结束,成功地完成了从链接内容分析到最终文案生成和保存的全部流程。
整个工作流都讲解完成,基本上讲解的都是很详细,gpt-4o确实是很强大。基本实现了是哪里不懂问哪里,哪里不会他也是会教你。
现在gpt-4o都免费使用了对普通人来讲确实很方便很实用,而且现在注册也是很方便不用验证手机号码了,还没注册的可以去注册一下。
Gemini1.5Pro确实也是很强大,目前基本是比较接近gpt-4o的,其他模型都做不到这么详细细致。
整个复杂工作流都拆解讲解完了,同样想自己来搭建一套符合自己的比较复杂的工作流也可以借助大模型的能力来实现。
整个工作流搭建好了之后就点击一下试运行,看看各个节点是不是都能正常运行,没问题就可以点击发布,发布之后搭建bot(机器人)的时候就可以添加自己搭建的工作流了。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-11-13
扣子(coze)最新的 "提示词"仓库功能上新啦,让搭建门槛大大降低.[AI agent]
2024-10-22
coze平台保姆级教程,手把手教你创建属于你的AI Agent
2024-10-16
最新扣子(coze)实战案例 >拼图游乐馆< 荣获大赛【天马行空】奖,完全免费教程
2024-10-12
扣子为了让你能上手,煞费苦心
2024-10-10
最新扣子(Coze)实战案例:爆款金句图文生成器,完全免费教程
2024-10-10
10月9日扣子(Coze)平台重磅更新
2024-09-23
Coze/扣子快速制作MVP:公众号内容自动总结推送(附8000字实操教程)
2024-09-17
撩一撩AI:用Coze做一个微信打卡接龙识别的智能体
2024-07-18
2024-07-18
2024-07-18
2024-05-09
2024-05-09
2024-07-07
2024-07-04
2024-06-08
2024-05-10
2024-06-15