【Coze 实战教程】- 我收集了咪蒙 1000个标题后,做了一个爆款标题生成器!

大模型向量数据库数据中台

大家好,我是大明哥,前大厂程序员,目前在探索 AI

每次写完文章后,最让我头疼的就是那区区十多个字的标题。每次面对空白的标题栏,我都恨不得把键盘扔出窗外。明明千字文章挥洒自如,可这短短几个字的标题却像一道无解的方程。万字技术文章手到擒来,被这区区十多个字的标题折腾成何体统?

所以,为何不向成功者学习?于是我在网上将咪蒙所有的标题全部整理出来,开发出了一款"爆款标题生成器",输入关键词就能自动生成十个吸睛标题,从此告别了标题焦虑。

  • Coze 完整图流程

picture.image

「准备知识库」

首先我们需要去下载咪蒙的标题集。大明哥这里已经收集了咪蒙 1940 个标题,需要的**《加大明哥微信:daming091》** 免费领取。

picture.image

  • 新建知识库

在[资源库]点击新增[知识库]:

picture.image

由于我们采用本地 TXT 文档上传的方式,所以这里选择[本地文档],然后点击[创建并导入]:

picture.image

这里选择大明哥给你的《咪蒙标题集》文档:

picture.image

在[分段策略]栏位我们选择自定义方式,如果不这么处理的话,Coze 会将多个标题整理为一个分段,到时候在根据主题选择筛选标题时就不是很精准。

picture.image

我们等待处理就可以了。

picture.image

这个就是我们的知识库了。

后续有好的标题都可以通过[添加内容]的方式添加进来,这样就可以形成我们自己的标题库了!

「构建智能体」

增加知识库节点

在[添加节点]中,选择[知识库检索]:

picture.image

然后:

picture.image

从知识库中获取知识的检索方式,不同的检索策略可以更有效地找到正确的信息,提高其生成的答案的准确性和可用性。支持的检索策略包括:

  • 混合 :结合全文检索和语义检索的优势,并对结果进行综合排序召回相关的内容片段。
  • 语义 :像人类一样去理解词与词、句与句之间的关系。推荐在需要理解语义关联度和跨语言查询的场景使用。例如下面两组句子,第一组的语义关系更强。
  
"狼追小羊""豺狼追山羊"  
"狼追小羊""我爱吃炸猪排"  

  • 全文 :基于关键词进行全文检索。推荐当查询内容包含以下场景时使用:
  • 特定名称或专有名词、术语等,例如比尔盖茨、 特斯拉 Model Y。
  • 缩写词,例如 SFT。
  • ID,例如 12s1w1s2 系列。
  • 最大召回数量

从知识库中返回的最大段落数量。数值越大,返回的条目越多。默认召回 5 条检索结果。

  • 最小匹配度

匹配度指的是系统检索到的上下文与被视为 ground-truth 的标注答案对齐的程度。设置最小匹配度参数后,系统会根据设置的匹配度选取段落,低于指定匹配度的内容不会被召回。默认的最小匹配度为 0.5。

判断知识库的检索

由于知识库的限制,我们不可能覆盖所有的场景,所以需要对其进行一个判断:如果检索知识库有标题内容就直接使用,否则从标题集中随机抽取 30 个标题。

所以,图例如下:

picture.image

取标题

由于这里有两个分支情况,所有在取标题之前需要对结果进行归集,哪个不为空就取值哪个。然后利用归集的结果输入到大模型中取标题:

picture.image

关于如果写提示词,大明哥在文章《为什么你还在苦学提示词,狂搜提示词?一招让AI自动帮你生成完美提示词!》已经详细讲了过程,如果大家学会了其实不难!

提示词优点长,就不贴了。

  • 运行下

输入“我终究是被裁了”试运行下:

picture.image

「发布智能体」

在[项目开发]中新建一个智能体:

picture.image

点击[确认]:

picture.image

确认预览没有问题,点击[发布]:

picture.image

这样我们就发布了第一个智能体了:

picture.image

点击进去试用下:

picture.image


今天的分享就到这里啦,如果想领取文中完整版的**《流程图、代码、提示词》** ,可以加大明哥微信,邀请进学习空间!!备注【Coze 实战】

picture.image

大明哥创建了一个 Coze 实战交流群,群里会不定时分享一些 Coze 的相关技巧和实战案例。

picture.image

但是任何人在群里打任何广告,都会被我 T 掉。

如果你对这个群感兴趣,可以加大明哥微信,邀请你一起探索 Coze 的应用。

若有收获,可以点击下方⬇️关注我,以防迷路

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
字节跳动 XR 技术的探索与实践
火山引擎开发者社区技术大讲堂第二期邀请到了火山引擎 XR 技术负责人和火山引擎创作 CV 技术负责人,为大家分享字节跳动积累的前沿视觉技术及内外部的应用实践,揭秘现代炫酷的视觉效果背后的技术实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论