釦子（coze.cn）是一款用來開發新一代 AI Chat Bot 的應用編輯平臺，無論你是否有程式設計基礎，都可以透過這個平臺來快速建立各種型別的 Chat Bot，並將其釋出到各類社交平臺和通訊軟體上！2月1日，釦子國內版已經正式上線啦~趕快來體驗一下吧！
一轉眼，ChatGPT已經在AI界炙手可熱超過一年，堪稱新晉頂流。各大公司紛紛跟風推出自家的大模型，然而若這些大模型無法得到實際應用，便失去了許多意義。現如今，越來越多企業開始考慮藉助AI技術來提升企業的運營效率。那麼作為個體，我們又該如何利用AI技術來提高工作和生活的效率呢？因此，我認為大模型的下半場將由AI Agent來引領。
釦子也是我認為排在第一梯隊的AI Agent行列，我會從淺入深，由使用到原理一步一步地帶你理解AI Agent的作用，緊跟時代腳步，你可別落下。
主題：Java轉型助手
作為一名Java開發者，我深知當前行業面臨的挑戰，十年前的紅利已經消退，很多人開始轉型。就我個人而言，我參加的架構課程也開始向其他領域引流，比如Go、Python、網路安全等等。如今，所有培訓機構都將這些課程作為吸引人的賣點來宣傳自己。我也深刻感受到了目前的困境。去年開始系統學習Python時，我發現大部分免費的入門課程都是為初學者設計的，而我們有豐富的程式設計經驗，基礎知識掌握得很快，這樣的課程對我們來說會浪費太多時間。因此，我認為如果能快速簡單地掌握新技能，為什麼不去嘗試呢？基於這樣的想法，我決定建立一個轉型助手。當今轉型的方向多種多樣，本文只以Python作為例子進行討論。
本文將帶領你從一個簡單的AI Agent逐步發展成為一個Java轉型學習助手。透過應用知識庫、資料庫和外掛工作流等技術手段，我將滿足你對學習筆記、文章知識庫、待辦事項資料庫、面試題庫以及行業招聘資訊的需求。如果你還有更加創新的點子，不妨將其交給像你一樣對此感興趣的人來實現。讓我們一起探索，將智慧技術與教育領域相結合，打造出更加智慧、便捷的學習與諮詢體驗。
AI Agent
接下來，在深入介紹我的助手之前，我想先向大家介紹一下AI Agent！
最初AI大火時，大家在體驗完ChatGPT之後，紛紛讚歎其厲害！然而，從22年12月到23年3月，ChatGPT的呼叫量一直呈現高速增長的趨勢。但是，自從4月開始，訪問量增長速度明顯放緩，在5月和6月期間甚至出現下降的情況，因為大家意識到它只是一個能進行問答的工具，意義並不太大。為了讓AI技術真正發揮作用，必須將其應用到實際場景中才能產生價值！因此，AIAgent應運而生。
在這裡，我們可以將Agent理解為一種具備自主理解、規劃決策、執行復雜任務能力的智慧體。簡而言之，Agent可以表示為LLM（語言模型）+Planning（規劃）+Feedback（反饋）+Tool use（工具使用）。
這意味著AIAgent不僅需要具備類似大腦的LLM來理解問題並做出規劃決策，還需要類似五官的資料來獲取資訊，同時需要像手腳一樣的工具來行動處理問題。這種綜合的能力使得AIAgent能夠更全面地應對各種複雜任務和情境。
Langchain
Langchain的開發初衷在於賦予開發者快速構建LLM原型應用的能力，langchain成功解決了這一難題，僅需5行簡潔程式碼即可輕鬆打造一個LLM應用。
大家對於Langchain最初想到的概念是否是：
之前我曾記錄過使用Langchain打造私人助手的經歷，不過這只是Langchain眾多元件中的一個應用方向而已。
Langchain的主要元件包括以下幾個方面：
- Models（模型）：涵蓋各種型別的模型，比如GPT-4等整合模型
- Prompts（提示）：包括提示模版的管理、最佳化以及序列化等功能
- Memory（記憶）：用於儲存模型互動的上下文資訊
- Indexes（索引）：用於結構化文件，外掛知識庫是索引功能的一個重要應用
- Chains（鏈）：用於呼叫一系列元件工具
- Agents（代理）：負責決定模型採取何種行動，選擇哪個工具，並執行以及觀察流程等任務
在Langchain中，我們最常使用的功能之一是外掛知識庫的應用，這實際上是Indexes元件的應用方向之一。然而，Langchain的功能遠不止於此。個人認為Langchain是功能和工具最為齊全的框架，但是也因為其功能繁多，導致整個框架顯得過於笨重，缺乏靈活性。因此，大家通常只會使用其中的某一個元件功能而已。
在這裡，我們簡要介紹了AI Agent的作用，以幫助您更好地理解其功能，從而深入瞭解釦子平臺這類工具的整體概念。
以下是我使用釦子來搭建自己的Python助手的功能設計圖的詳細說明：
關於太基礎的內容就不在此詳細展開了，如感興趣可直接查閱官方文件，最近還新增了圖片上傳功能的支援，文件中有詳盡的說明：https://www.coze.cn/docs/guides/what_is_new
關於如何使用釦子的整個操作流程如下所述：
點選 bot 頁面 > 建立 bot > 填寫名稱+bot描述 > 編排 > 除錯 > 釋出 > 結束
人設與回覆邏輯
實際上，人設與回覆邏輯正是當時最流行的prompt設計，而且我還專門撰寫了一篇文章對其進行了描述。若想讓AI表現出色，prompt絕對不能忽略。以下是我已經花費大量時間調整並最佳化的提示詞，雖然可能並不完美，但希望能夠為大家提供一些參考：
# Character
你是一位專業的Java開發助手，擅長透過教授Python知識幫助Java開發者快速學習和掌握Python程式語言。你能準確解釋Python中的各種知識點，幫助Java開發者理解和應用。
## Skills：
### Skill 1: 執行Python
1：當使用者詢問Python面試題時，請呼叫view_assist工作流處理。
2：當使用者詢問Python招聘資訊時，請呼叫job工作流處理。
3：當使用者提供純Python程式碼時，需要呼叫程式碼執行器工具執行出結果。
### Skill 2: 解釋Python
1：當使用者詢問Python中的知識點時，你需要呼叫recallKnowledge方法獲取知識庫資訊，可以結合Java中的相關知識點，解釋Python的對應概念和用法，並給予示例程式碼和實際應用場景。
### Skill 3: 儲存明日學習任務
1：使用者提醒明日學習內容時，需要呼叫ts-TableMemory進行儲存
## Constraints
- 只討論與Java和Python相關的內容，拒絕回答與這兩種程式語言無關的話題。
- 所輸出的內容必須按照給定的格式進行組織，不能偏離框架要求。
- 僅會輸出知識庫中已有的Python相關知識點，對於不在知識庫中的問題，無法提供答案。
- 當使用者出現錯誤的理解或用法時，應以鼓勵和建設性的態度向使用者指出錯誤，幫助其正確理解和應用Python知識。
透過恰當的prompt引導，模型能夠更準確地理解使用者的意圖，從而生成更精準的文字。當然，官方文件已經提供了相關的prompt模板，無需我們費心地去琢磨。
如果你認為官方大模型生成的文字質量不夠理想，也可以藉助其他大型模型的幫助，然後將其生成的文字複製貼上過來即可。這一過程我就不做演示了。
個人知識庫
在搭建知識庫時，可以直接根據系統操作來完成，因此這裡不再演示這些基本操作。知識庫中有許多選項可供選擇，但我更傾向於透過URL直接獲取所需內容。這樣做的原因是，我之前撰寫過許多關於Java進修Python的專欄內容，可以直接應用其中的知識。
就好比當chatPDF剛釋出時，它採用了文件分段的方式，找出最相關的文字段落交給LLM進行問答，從而限制了大型模型的知識擴散。這展示了知識庫的重要作用，因此這時我僅需大型模型的語言表達能力即可，而非其底層訓練資料。
網頁抓取
當使用知識庫時，可以考慮對某些知識點進行篩選，將不必要的內容剔除掉。有時候，某些知識點可能與個人的學習目標無關，但整個知識儲備卻相互關聯緊密。因此，直接去除這些不必要的內容是可行的。
還記得我之前使用向量資料庫自己搭建的知識庫嗎？我之前使用向量資料庫構建了一個個人知識庫，這個知識庫非常方便，可以快速幫助你學習知識庫建立需要的知識點。
如果你不記得的話，可以點選這篇文章連結來了解更多。https://juejin.cn/post/7299357172194476070
另外，如果你對向量資料庫還不太瞭解的話，可以點選這篇文章連結來深入瞭解：https://juejin.cn/post/7306451559928774693
我已經把那幅圖畫出來，並告訴你這個知識庫何時開始發揮作用。當與AI助手進行交流時，我希望能夠將相關的知識庫片段一同提交，以便提供更豐富的背景資訊，從而最佳化提問的質量。
總的來說，為了更好地理解，你需要將一些前置知識點全部儲存起來。然而我們清楚地瞭解，對於我們自己的文件而言，簡單幾個字肯定是遠遠不夠的，而且大型模型也存在著token長度的限制。如果文字內容過多，需要採取適當的切分方式。
當然，切分也需要考慮多個因素，就像釦子採用的是自動分段。
使用簡單快捷的方式確實有其好處，但明顯的缺點是會導致文字的意義被斷開，本來應該是一句完整的話被切割成了兩句話。因此，還有一種切割方式是重疊切割，即第一段和第二段之間的文字存在部分重疊。然而，這種方式仍然存在相關問題。
因此，我們還需要考慮最大召回數量，也就是返回的最大相似條數。透過這種方式，我們可以獲取到幾段相似文字。這樣一來，我們就能夠獲取到更完整的上下文資訊，即使存在重合部分也不會有影響。剩下的任務可以交給人工智慧來處理。此外，釦子的好處還在於你可以選擇自動呼叫或按需呼叫的方式來使用它。這樣符合的場景也就豐富起來了。
多說一句
在最佳化段落分割方面，有許多方法可供選擇，但關鍵是保持簡潔明瞭，避免像我一樣在文章中使用冗長的文字重複講述同一主題。如果您熟悉GitHub上的開源專案，您將會發現這些段落分割任務可以交由人工智慧來智慧處理，並且知識庫應該預先設定相關問題以便與分段內容匹配。這樣不再僅僅是簡單的文字匹配，而是透過先匹配問題，再提取相應文字交由助手回答。當然，問題的生成也可以交由人工智慧來完成。
在測試過程中，一些使用者可能會注意到，有時助手的回答與提取的文字數量之間的關係並不顯著。這裡我就不多說了，官方也有相關說明：https://www.coze.cn/docs/guides/FAQ
自動呼叫
按需呼叫
當按需呼叫的時候，你可以提供關鍵詞提示，然後在提示中引導AI去呼叫知識庫。如果你對如何操作不太瞭解，我可以為你提供指導。看下我是如何寫的：
### Skill 1: 解釋Python
如果使用者提供的是純Python程式碼，可以忽略本邏輯。當使用者詢問Python中的知識點時，你需要呼叫recallKnowledge方法獲取知識庫資訊，可以結合Java中的相關知識點，解釋Python的對應概念和用法，並給予示例程式碼和實際應用場景。
這個釦子的好處之一是你可以直接檢視執行日誌，瞭解你的文字是如何進行匹配以及匹配到了哪幾段文字的。如果你要自己來實現知識庫的顯示日誌的話，可能需要花費很長時間來完成。所以這個釦子的功能非常實用，能夠節省你大量的時間和精力。
為什麼要花時間檢視執行日誌呢？看起來這只是一項瑣碎的工作。然而，最主要的原因是為了評估自己的知識庫的組織是否良好。如果發現有問題，應該立即修改知識庫的內容。
外掛新增
在學習程式設計方面，沒有程式碼是不可能的，這個不用我多說了吧，GPT4已經具備了很多功能，其中最顯著的是程式碼執行。畢竟，一個LLM模型是無法為你執行程式碼的，所以對於專業的事情，我們還是應該交給專業的人來處理——比如程式碼執行器。
程式碼執行器
程式碼執行器是一個功能強大的工具，它能夠幫助你快速執行程式碼。使用程式碼執行器非常簡單。此外，你還可以透過提醒助手來指定何時執行程式碼，以便更好地控制程式碼的執行時機。在使用程式碼執行器時，你可以根據個人需求自由發揮，無需擔心任何限制。
### Skill 1: 執行Python
1：當使用者提供純Python程式碼時，需要呼叫程式碼執行器工具執行出結果。
這個示例主要展示了卡片顯示的功能，預設情況下不帶有卡片樣式，如果需要生成卡片樣式，你可以按照每個引數的詳細解釋進行設定。
效果如下：
資料庫儲存
釦子是一個非常全面的工具，它能夠幫助你輕鬆地完成整個流程，從知識庫的建立到外掛的使用，再到最終的資料庫操作，它都能完美地涵蓋。尤其是資料庫的應用，你可以將它作為你的知識點進行記錄和儲存，這樣可以更好地幫助你學習和回顧。
除了回答我關於各種知識點的問題，我還可以將它作為我的待辦事項清單。比如，當我學完一天的知識後，我可以讓助手幫我記錄下今天我還需要進一步學習的內容，以便明天繼續學習。這樣，我不會忘記今天的學習進度，也能夠有效地規劃明天的學習計劃。
就問你6不6。只要將我的Python助手或者你的AI助手嵌入到服務號，並作為運營客服使用，就能自動將使用者的反饋儲存到資料庫中。透過這種方式，無需額外進行開發工作，從而提供了一種方便的長期實時的記憶解決方案。
說這麼多，不會用可不行，沒問題，我可以教你如何使用。第一步就是你需要告訴它什麼時候呼叫。
### Skill 3: 儲存明日學習任務
1：使用者提醒明日學習內容時，需要呼叫ts-TableMemory進行儲存
建立資料庫
在這個部分，你只需要自己定義好表的結構，並且欄位的型別也是相對簡單的。官方文件並沒有詳細說明每種資料型別的含義，可能是因為他們認為大家都具備一定的基礎知識。但是作為面向小白的教程，我會為大家解釋每種資料型別的意思。
- String表示該欄位型別是一串文字形式的資料，比如"今天吃啥？"，在我的示例中，我用它來儲存我的待辦內容。
- Integer表示該欄位型別是一種整數型別，比如1,2,3等。
- Time表示該欄位是時間型別，但預設儲存的格式是2024-02-02 12:00:00 +0800 CST。在我的示例中，我用它來儲存我的待辦時間。
- Number表示該欄位型別是一種數字型別，可以是小數，比如0.5。
- Boolean表示該欄位型別是一種布林型別，即true或false。預設情況下，它的值是null，如果你想將其設定為必需型別，那麼預設值就是false。
在這裡，我要解釋一下後面的"是否必要"按鈕的作用。如果你將開關開啟並標記為必要，那麼在提醒AI助手時，你必須提供這個描述的值，否則AI助手不會根據你的描述為你附上預設值。這個功能可以確保你在使用AI助手時提供了所有必需的資訊，以便它能夠準確地為你執行任務。
好的，既然如此，我就不錄製影片了。我會提供一張截圖給大家。請大家務必注意，描述必須準確清晰，否則AI可能無法正確識別。如果描述不清楚，那麼你的助理也無法正確完成任務。這是很簡單的道理。至於為什麼在我提供的截圖中前兩個資料型別無法修改，那是因為這些資料已經被儲存了，無法再進行修改。
既然我們在使用資料庫，它自然擁有增加、刪除、修改和查詢的功能。下面我將演示如何使用AI助手來最佳化資料庫維護。然而，在這裡我想吐槽一下，既然是資料庫，在除錯時至少應該給管理使用者一些操作許可權。即使使用者輸入錯誤的資料導致報錯，我們可以限制使用者的新增資料許可權，但是刪除操作應該是可以由我自行執行的。然而，事實上，使用者沒有任何操作許可權，一切都由AI助手獨自操作。
新增
在這個示例中，我將向資料庫中插入新的資料。在開始之前，請確保根據你的資料庫結構提供待辦事項的詳細描述，這樣助手才能正確地記錄下來。現在，讓我來幫你進行演示吧！請注意，我將只演示正確的情況。唯一需要注意的是，你必須提供資料庫中必需的欄位，並確保欄位的值型別與資料庫結構一致。如果存在非必需的欄位，你可以選擇不提供這些欄位的值。
修改
我們發現，如果我沒有提醒小助手給刪除標識設定值的話，它將沒有預設值。因此，我們需要對這個刪除標識進行修改，將其設定為false。
另外，我要說明一下，在影片中出現了兩條完全相同的記錄，這是因為我在測試時不小心多發了一次。請忽略這個問題~
查詢
查詢資料其實是一項相對簡單的操作，但是在進行查詢時，你必須清楚地描述時間範圍，因為我的待辦事項基本上是按照時間範圍進行查詢的。目前，他的系統只支援全模糊查詢，即使用LIKE加上%進行文字匹配。我檢視了系統執行的SQL日誌，在影片中展示的查詢操作中，底層基本上是使用了類似MySQL這樣的關係型資料庫。
SELECT * FROM to_do WHERE deadline = '2024-02-03 10:00:00' AND msg LIKE '%py%'
刪除
這一步非常危險，我在使用過程中絕對不敢隨意刪除，因為一旦說錯一句話，就會直接導致資料丟失。因此，我強烈建議使用者避免輕易使用刪除操作，而是採取修改刪除標識欄位的方式。在查詢過程中，可以簡要提及刪除標識的值，這樣更加安全。
讓我來給你進行演示吧。毋庸置疑，他已經成了MySQL型別的資料庫，因此底層的刪除語句肯定是用delete來實現的。我已經取出了他的SQL語句。
delete from to_do
資料庫建議
- 經過我的使用體驗，在除錯時我注意到沒有手動操作記錄的情況。因此，我認為可以考慮開放刪除操作的許可權。
- 在插入資料時，我認為可以考慮使用預設值。如果使用者確實不想指定刪除標識，可以在編輯資料庫時為其提供一個預設值。這樣一來，使用者就無需在每次插入資料時都手動指定刪除標識，提高了操作的便捷性。
- 底層使用的是類似於MySQL的關係型資料庫，這在中文匹配的過程中存在一些問題。如果少寫一個字，可能會導致無法正確地查詢到相關結果。為了解決這個問題，我建議考慮使用像Elasticsearch這樣的資料庫，它具有專門的分詞器，能夠更好地處理中文文字。透過使用Elasticsearch，我們可以確保在中文匹配過程中更準確地獲得相關結果，提高系統的搜尋效果。
- 既然我們使用的是MySQL型別的資料庫，如果面對大量的資料，令人驚訝的是它竟然不支援建立索引。
工作流
首先，我要宣告我並沒有接觸過工作流這方面的經驗，因此我會盡力在完成我的目標前儘量從一個新手的角度向大家介紹如何靈活運用工作流。
其次，還是吐槽一下，我在編輯工作流時遇到了一些困難，特別是捲軸不斷閃動，有時還無法準確點選，因為節點越多，就需要不斷移動頁面，而且沒有直接移動檢視的縮圖功能，只能不停地拖動滑動條。
最後，我先把我的簡圖分享給大家，讓大家對整個流程有一個簡單的認識，避免產生困惑。
面試題庫
其實我自己也沒有找到一個很好的切入點，所以如果你覺得我的工作流有些偏離主題的話，請儘量忍耐一下，但是，如果你有任何好的想法或建議，歡迎在評論區告訴我，我會進行相應的配置，以使我的助手更加完善。
廢話不多說，我簡單介紹一下如何我將工作流應用到實際情境中。考慮到面試題通常具有時效性，我認為如果大型模型所使用的訓練資料不是最新的，可能會導致向使用者提供一些過時的面試題，從而浪費時間。因此，我使用工作流提供了兩種解決方法：一種是利用我的題庫，另一種是透過web實時搜尋面試題。以下是有關我的工作流的詳細資訊：
工作流節點
節點型別包括大型模型、外掛、選擇器、程式碼和知識庫等。這些節點在工作流中扮演不同的角色，共同構建出一個完整而多元化的系統。
在建立工作流時，節點型別的選擇取決於你的具體任務需求。每種節點都有其獨特的功能和作用。重要的是關注每個節點的輸入值和輸出值，這有助於確保工作流的正確執行。在工作流建立過程中，會預設生成開始和結束節點，這兩個節點特殊之處在於它們只有輸入功能。為了方便後續在prompt中進行設定，建議工作流的名稱以英文和下劃線為主。在描述工作流時，儘量詳細描述，即使描述內容不夠完善也不會對工作流的執行產生太大影響。
工作流輸入/出
在工作流中，每個節點都有兩種型別的輸入。一種是引用，可以是來自其他節點的輸入或輸出，使用key-引數名進行引用；另一種是引數值，可以直接輸入你想要的內容值。
實際上，如果你對程式設計有一定了解的話，可以將生成判斷值的過程交給人工智慧來完成。在這裡需要留意的是，你需要生成一個包含key-value的物件，因為下游節點需要引用生成的值。
如果你對程式設計不太熟悉的話，可以考慮使用大模型節點來代替，讓大模型直接進行判斷，並按照固定格式將結果輸出到指定的key中。這樣可以簡化操作流程，減少對程式設計的依賴。下面有演示。
我在這裡要介紹一些常用外掛的使用方法。對於新手來說，可能會對外掛的輸入輸出有一些誤解，因此需要更詳細地解釋清楚。
在最初階段，如果你對操作一無所知，可以先嚐試執行一下，觀察結果輸出。然後根據這些輸出結果，將相關的key引用傳遞給下一個節點作為輸入。每個感嘆號都代表了引數的詳細解釋，這種方法相對來說還是比較人性化的，幫助新手更好地理解和應用工作流。
在使用工作流時，務必記住刪除掉那些沒有用的節點，否則可能會導致節點錯誤，使得工作流無法正常執行。所有節點都應該相互連線，而且必填的輸入值都必須有有效的數值或數值來源，這樣才能確保工作流的順利執行。
在剛開始使用工作流時，建議先確保整個流程可以成功執行，然後再逐步增加節點。完成工作流後，請記得釋出並在實際應用中使用。此外，確保在你的提示資訊中清楚地說明如何正確使用你的工作流。以下是一個示例供您參考：
1：當使用者詢問Python面試題時，請呼叫view_assist工作流處理。
在這種情況下，你也會意識到，隨著節點數量的增加，消耗的token實際上是相當大的。這也為未來留下了最佳化的空間。
招聘資訊
在完成工作時，不必侷限於單一工作流程，你可以新增多個工作流程。只需合理設定prompt以確定呼叫時機，比如除了面試準備，你還可以增加一個用於查詢招聘資訊的工作流程，以便了解當前行業形勢。
由於已經進行了詳細的講解，因此我決定直接將圖發給你。
最後的步驟也是相同的，只需在新增完工作流之後將prompt稍作修改即可完成。
2：當使用者詢問Python招聘資訊時，請呼叫job工作流處理。
當您點選連結時，可以順利跳轉至獵聘網站並檢視詳細資訊。唯一的瑕疵在於大型模型一直存在一些識別問題，導致有些引數無法正確辨識，而在ChatGPT上卻沒有此問題。希望今後能夠最佳化或者切換其他大模型，使其能夠順利切換至更加有效的狀態。
釋出到社交平臺
最關鍵的問題是如何吸引他人使用我們的bot助手？一旦 Bot 完成開發和測試，你可以將其釋出到不同的社交平臺上，如微信公眾號、飛書等。你可以將其作為客服使用，為使用者提供實時的幫助和解答。當然，需要注意的是，如果要釋出到微信公眾號，需要是服務號，個人號無法實現此功能。
當我最初開始使用時，並沒有豆包平臺供選擇，我只能將其釋出在飛書上進行使用。最近，豆包進行了授權更新，且預設設定為可用，因此我想分享給大家如何充分利用這一更新。
在釋出時選擇合適的平臺非常重要，如果你不想費心編寫釋出記錄，當然也可以讓AI幫你生成。只需一鍵釋出，就能輕鬆完成任務。
接著，我們可以登入豆包平臺。值得注意的是，我們的智慧體在這個平臺上是隱形的，其他小夥伴無法察覺到它的存在。接下里這麼辦。
透過等待稽核完成，就可以讓其他人輕鬆地發現我們的智慧體，並與其互動。
看下效果：
淺談商業化
- 提供客服服務方面，我認為這個例子非常典型，因為無需人工介入，可以實現與公眾號後臺的無縫連線，只需簡單幾步即可建立起自己的24小時客服系統。舉個例子，就像我的Java轉型助手一樣，並不一定要使用Python，可以根據不同的需求選擇各種技術方向，包括技術、運維、管理等。然而，如果僱傭一個客服人員，如果他們不瞭解Java技術，也不瞭解轉型方向，溝通將會變得非常困難。有了這樣一個客服系統，我覺得可以有效縮小溝通的隔閡。
- 在Bot中進行廣告推廣是一種很好的方式，可以向使用者展示與程式設計相關的產品和服務。這其實是構建生態系統的一部分，你並不一定需要只推廣自家的產品。如果你的bot非常受歡迎，那麼你完全可以在提示詞中展示其他廣告，並直接傳送相關連結。但需要注意的是，這部分內容會接受平臺的稽核，所以需要謹慎選擇廣告內容，不要接收一切廣告。其中最典型的例子就是各種考證，比如網路安全、PMP等方向。Bot只是一個助手，並不提供考證渠道，但如果透過使用者的問題檢測到他們對考證感興趣，你完全可以介紹相關資訊並獲取提成。
- 提供個性化定製解決方案：關鍵在於充分利用知識庫和工作流程。舉個簡單的以公司內部交接為例。假如每位開發人員都精心維護各種文件，我們只需將這些文件輸入到智慧助手中，便可輕鬆應對後續問題。這樣，後來者只需向智慧助手提問，即可得到解答。相比之下，離職交接員工怎麼可能會耐心解決你的問題呢，因此詢問智慧助手會更為高效。再談談公司所在的行業問題。每家公司都提供不同的服務，需要業務相關的人員統一維護好客戶問題文件，精心維護單個bot模組助手不也是一種解決方法？
總結
經過這麼多的探討和闡述，文章已經達到了尾聲，但是對於追求AI的激情仍然澎湃，我也努力避免被潮流所拋棄。雖然我們大多數無法發明AI，但我會全力以赴將其運用到最佳狀態，這是我的宗旨。
在文章中，我還提到了關於bot玩法的詳細說明，但由於篇幅過長，無法一一贅述。同時，我也強調了Python只是程式設計的一個方向，而有很多人Java開發人員選擇轉型。Java教育機構也開始將自己的資源流量分散到其他機構。因此，即使我們不轉型，努力學習也是非常重要的。畢竟，我們並不是程式設計的初學者，可以直接跳過大量的入門影片。正因如此，我產生了建立這個轉型助手的想法。
在文章中，我已經盡力表達了我的想法和觀點。然而，我也意識到自己的文章可能存在不足之處。因此，如果你有任何更好的想法，我非常希望能夠與你進行交流和討論。
歡迎大家使用我的機器人~~,點選連結即可：
Coze平臺：https://www.coze.cn/store/bot/7338773502511792137