一、引言

第二部分为实践部分，基于实际案例，演示如何在Coze中搭建工作流解决复杂任务

这里是完整的视频内容，视频内容更丰富哟 ?

二、什么是工作流？

具体选择哪种交通方式取决于我们的需求：

• 如果我们需要开一个紧急的现场会议，那么就会首选飞机
• 如果不太急会选择高铁
• 如果目标是沿途自驾旅旅行，就会选择汽车

看过上期视频的朋友应已经知道，Coze搭建的Bot本质上就是“Agent-智能体”

对Agent智能体的关键构成有一个公式

Agent = LLM + 记忆 + 感知&反思 + 规划+ 工具使用

其中“LLM-大语言模型是驱动智能体的核心关键，被称之为智能体的“大脑”

而“LLM-大语言模型”中的“提示词-Prompt”，对大语言模型的输出质量有着很关键的影响

我们在写提示词时，会对一个场景的需求、背景、甚至解决思路进行描述，有时候写着写着就会写成一篇大几百字的提示词文档

随着需要解决的问题越来越多，越来越复杂时，就会达到大语言模型的能力边界“上下文的限制”，从而导致模型输出质量的下降

目前有两条路径可以解决这个问题

第一条路径就是对模型本身的能力提升，像增强模型的理解和推理能力 & 拓展模型上下文长度的限制，这些都属对模型能力的增强

比如谷歌近期发布的一篇论文中提及到能够让大语言模型处理无限上下文长度的方法

第二条路径就是把复杂的任务进行拆解，拆解成多个子任务，通过完成子任务从而达到最终需求的目标

小结

1. 当有明确的需求和实现需求的路径，可以通过搭建工作流来处理标准化的任务
2. 当需处理复杂任务时，为来避免大语言模型自身的能力限制（上下文限制 & 输出准确性），确保输出内容的质量，可以将复杂任务拆解成多个子任务，从而达到最终的需求目标

我们先来看一个我用Coze搭建一个机器人案例，他主要的功能有三个

1. 能够在Google、Twitter和arXiv康奈尔论文网站中帮我查询和总结我所需要的信息内容，并且会附带对应的文章或论文链接，可以帮助我快速的查阅相关的文献资料

五、Coze搭建工作流-图片工作流

一个工作流由多个节点构成，节点是作为组成工作流的基本单元

首先就要有图片生成模型

可以在插件-Plugin中找对应的图片生成插件，有官方推出的DALLE-3

请帮我把用户输入的内容{{query}}翻译成英文，并且提取输入内容的关键词例如1：输入：请帮我生成具身机器人的图片输出：embodied robot, image quality, 8k, HD例如2：输入：一只飞在天上的猫输出：cat, flying, sky, image quality, 8k, HD

光提取关键词还不够，我们还需要把我们的关键词进行提示词的优化，来丰富画面中的细节

我们再接着添加一个优化提示词的插件“PromptPerfect”，这个插件可以基于不同的模型，像：chatgpt、dalle、midjourney，进行提示词的优化

在大语言模型后加上提示词优化的节点，节点的输入信息包括两部分内容：

好啦，这就是一个相对完善的工作流了

六、Coze搭建工作流-信息检索工作流

输入参数`twitter_search`（这就是我们定义代码节点的输入参数）中包含`searchTweet`插件的结果1、需要从`data`的每一条结果中提取`name`、`full_text`、`url`信息，并格式化呈现字符串，将每一条格式化后的结果拼接成一个长的字符串，输出为`twitter_context`（我们定义的输出字段）2、其中`url`是具体的链接数据，请你从`data`中提取所有链接，并格式化成一个字符串，然后将每一条格式化后的结果拼接成一个长的字符串，输出为`twitter_reference`点击回车后，AI就会自己写代码，写完后可以尝试运作一下，如果不报错，就说明代码运作成功，如果报错，再把报错信息给到AI，让AI修改代码

最后，我们测试看一下整体的效果

输入：“我想了解什么是ComfyUI，如何学习ComfyUI”

得到了谷歌、Twitter、arXiv插件检索后的信息要点总结和对应的链接地址

最后的话