coze 打造个性化问答机器人

动手打造一个自己的智能体​

1，主页点击创建机器人​

1.1 创建一个新的机器人​

​

​

1.2 修订Bot基础信息​

​

​

1.3 工具编排信息修订人设和回复逻辑、增补开场白等​

点开机器人后，我们发现，扣子在创建这个机器人的过程中，根据机器人的名称已经生成了提示词，主要是机器人的人设和技能。​

所以，这一步，其实无需做什么。​

​

​

一个具备基本沟通能力的机器人就已经创建完成，我们可以测试一下。​

​

​

当然，此时的机器人功能还比较弱。​

2，使用插件优化机器人​

上述第一步结束，我们可以发现，结果并不理想。​

因此我们下一步需要调整下大模型，增补一下人设和逻辑设定。​

1)首先根据需求调整大模型的参数​

​

​

•

要了解相关的旅游目的，至少需要有多轮的对答，因此我们修改上下文轮数为15​

•

要求输出的内容会比较多，改正输出的长度为 2048 token​

注意 : 修改 token 和轮数，会导致 token 的急剧增加，需要依据实际需要调整​

2)调整提示词，优化人设和技能​

​

代码块​

Markdown

# 角色​

你是超厉害的小红书旅游博主，擅长给出高性价比旅行计划和超实用建议分享超赞旅游经验和攻略，推荐有趣目的地，给出实用旅行建议。​

​

## 技能​

### 技能 1: 了解目的地特色​

1. 深入挖掘不同旅游地的独特之处，为用户提供深度体验推荐​

2. 使用工具搜索目的地信息，了解其热门最点和小众宝藏地。​

​

​

### 技能 2: 提供个性化计划​

1. 根据用户需求，制定个性化旅行计划，包括行程安排和费用预算。​

2. 考虑用户旅行时间、目的地、预算和兴趣爱好，确保计划的可行性。​

​

​

修改之后，再次测试。​

​

​

这个结果就比第一次好多了。​

3)增加网络搜索插件​

但还不够好，我们可以尝试增加一些网络搜索插件。​

​

​

在添加插件界面，搜索需要的插件，然后点击添加即可。​

​

​

最终我们添加的插件如下。​

​

​

添加完成后，再次测试。​

​

​

我们发现这次对话，机器人使用必应搜索，给出了参考文章，结果更加详细。​

3，使用工作流优化机器人输出​

3.1 旅游机器人的业务流程​

提到工作流，不要感觉有什么高大上的，工作流本质就是我们完成一件事情的流程。​

比方说，我们这个对话机器人“说走就走的旅行”，它的工作就是根据用户的要求给出旅游攻略，其工作流程如下：​

•

理解用户提出的要求，从用户的需求描述中提取出发地与目的地，以及用户的其他要求，比如酒店预算​

•

根据用户的要求调用搜索引擎，找到最热门的攻略作为参考，这就要用到我们配置的必应搜索插件​

•

调用携程插件搜索酒店信息​

•

调用携程插件查询出行方式并给出推荐​

•

调用必应插件搜索目的地推荐景点​

•

输出旅行计划、酒店推荐、出行推荐、景点推荐​

画出流程图如下：​

​

​

3.2 工作流的实现​

① 新建工作流​

​

​

点击添加工作流进入工作流编辑界面。​

​

​

在编辑器左侧是各种不同的工作流结点，我们常用的结点：​

•

大模型，这个是必须的​

•

文本处理​

•

消息，消息就是最后的输出，也是必须，不然就相当于这个机器人是个哑巴，能听懂，也能干活，就是没有结果给你​

② 初识工作流​

每次创建新的工作流，进入编辑界面后，默认有两个工作流结点，一个开始一个结束。​

​

​

③编辑开始结点​

​

​

开始结点是必须的，这个界面就对应机器人对话界面，用来接收用户的输入。​

注意这个节点有一个输入模块，代表传输到这个节点的信息，每个节点都必须有输入。​

下面是存储输入信息的变量名称，如果有一点编程知识，就比较好理解。​

变量名是为了方便在后面的结点中引用当前结点的信息。​

比如用户在对话机器人中输入“我要从佛山去北京3天旅游，酒店预算不超过500元”，这句话就会被存入到变量"BOT_USER_INPUT"或者“query”中，在后面的结点中就可以通过这两个名称来获取用户的输入了。​

这里说是用户的输入，主要是这个节点是开始结点，接受的就是用户的输入。​

后续节点的输入一般是其前面节点的输出。​

注意，"BOT_USER_INPUT”是默认的变量，不能修改，“query”是我们新增的变量，为了演示用，不加也可以，这两个变量存储的都是用户的输入。​

④增加大模型节点-处理用户输入​

​

​

接收到用户输入后，就要将输入交给大模型进行文本处理，所以开始结点后需要一个大模型结点。​

在左侧节点类型列表中选择大模型，点击+号或者拖拽到编辑区都可以。​

​

​

节点之间需要用连线表示先后关系，把鼠标放在图中小蓝点上，按下鼠标右键拖出一条线，指向下一个节点的边框的小蓝点，就有一条线把这两个节点连接在一起，表示前后顺序关系。​

注意，上一步不可缺少，只有连上之后，后节点才能获取前节点的信息。​

⑤编辑大模型节点​

选择大模型​

扣子提供了很多大模型可供选择，我们选择字节的豆包大模型。​

​

​

选择输入​

大模型的输入就是开始结点的输出，点击右侧输入框就会打开一个下拉列表，选择开始结点，开始结点提供两个输出，就是我们前面提到的变量，这两个随便选一个。​

​

​

给大模型设置提示词​

大模型必须要配合提示词才能工作，且提示词的好坏影响最终的结果。​

注意下面的提升词中“{{input}}”，表示的是用户输入的文本内容。​

sourceCity是指从用户输入的文本中匹配到旅游的起点，sourceCity也是变量名，会作为大模型节点的输出，在后续的节点中使用。​

其他依次类推。​

​

代码块​

Markdown

# 角色​

你是一个文本分析器，能够准确地从给定文本中提取信息，并按照特定格式输出为 JSON 数据。​

​

给定文本​

​

{{input}}​

​

​

## 技能​

### 技能 1：提取信息​

1. 从输入的文本中提取出发地城市名称、目的地城市名称、日期和返程日期等信息。​

2. 如果无法确定某个信息，可以询问用户以获取更多上下文。​

​

### 技能 2：转换信息​

​

给大模型设置输出​

大模型从用户输入的信息中匹配到关键信息，并提取保存，以便下游节点获取使用。​

比如规划路线的节点就需要使用出发地城市和目的地城市。​

​

​

⑥增加必应搜索结点​

接下来要根据前面的大模型结点提取到的关键信息搜索小红书，获取优质笔记，并参考笔记生成新的推荐。​

所以需要一个搜索结点。​

​

​

注意，要连接前面的大模型结点和搜索结点，连线由大模型指向搜索结点。​

​

​

搜索节点的关键词就是用户的输入，所以这个节点的输入变量query选择应用开始节点的变量query。​

⑦在搜索节点后增加大模型节点-输出小红书攻略​

必应搜索到结果后，会将交给大模型，以便大模型进行处理 ，输出规划。​

分别设置大模型、选择输入、给出提示词，后续不再详述。​

​

​

为了后续方便，将这个大模型命名为：攻略大模型​

提示词参考：​

​

代码块​

Python

你是一名资深的小红书旅游博主，擅长对旅行计划进行管理和输出。​

​

针对查询到的旅游攻略进行整理，并以小红书爆款旅行文案的方式输出。​

​

获取到的旅游攻略参考如下 ​

​

​

{{input}}​

​

​

​

⑧增加酒店搜索插件节点​

​

​

有两点需要注意：​

•

①这个结点是搜索目的酒店，所以输入是大模型提取出来的目的地城市。​

•

②连线是由开始节点后的大模型指向酒店搜索节点​

​

​

⑨增加大模型节点处理酒店搜索结果-输出酒店攻略​

加入一个大模型节点，注意以下两点：​

•

由酒店搜索节点指向大模型​

•

做如下配置​

​

​

这个大模型命名为：酒店大模型​

提示词：​

​

代码块​

Python

## 回答​

​

请回答以下内容：​

{{input}}​

​

​

⑩增加插件-天气查询节点​

选择墨迹天气插件作为天气查询节点，做如下配置：​

•

start_time: 大模型输出字段 departureDate​

•

city: 大模型输出字段 destinationCityZh​

•

end_time: 大模型输出字段 returnDate​

​

​

⑪增加大模型节点处理天气结果-输出天气结果​

在天气查询节点后增加大模型节点处理天气查询结果。​

​

​

这个大模型命名为：天气大模型​

提示词：​

​

代码块​

Python

## 分析​

分析以下使用 ```括起来的文本：​

​

{{input}}​

​

​

​

⑫增加插件-航班查询节点-出发机票​

这个节点是第一个处理用户输入的大模型节点的后续节点。​

增加一个查询出发航班的节点。​

•

arr_city，目的城市，destinationCityZh​

•

dep_city，出发城市，sourceCityZh​

•

flight_date，出发日期，departureDate​

​

​

⑬ 增加大模型节点处理出发机票搜索结果-输出去程机票​

​

​

这个大模型命名为：去程机票大模型​

提示词：​

​

代码块​

Python

## 分析​

分析以下使用 ```括起来的文本：​

​

{{input}}​

​

​

⑭增加插件-航班查询节点-返程机票​

处理出发机票后，接着查询返程机票，注意节点依赖关系。​

增加一个查询出发航班的节点。​

•

arr_city，目的城市，sourceCityZh​

•

dep_city，出发城市，destinationCityZh​

•

flight_date，出发日期，returnDate​

​

​

⑮ 增加大模型节点处理返程机票搜索结果-输出返程机票​

​

​

这个大模型命名为：返程机票大模型​

提示词：​

​

代码块​

Python

## 分析​

分析以下使用 ```括起来的文本：​

​

{{input}}​

​

​

​

⑯ 增加5个消息结点用以输出前面5个大模型的结果​

​

​

这五个消息节点分别用来输出5个大模型的结果：​

•

总攻略的结果​

•

天气结果​

•

酒店结果​

•

去程航班结果​

•

返程航班结果​

​

​

3.3 工作流整体概览​

​

​

​