利用 Coze 快速搭建 AI 技术原型

点击全文阅读

背景

在当今技术日新月异的时代，AI 技术 已经渗透到了各个领域。作为工程师的我们需要紧跟技术潮流，将AI技术应用到我们的项目中。在此之前，我们还需要解决一个问题，如何获取到 AI 资源？如何通过 AI 资源将我们想要的功能实现？ 在这篇博客中，我将分享如何利用 Coze，快速搭建一个 AI 功能原型，为项目上线前做技术可行性验证。

需求

假设我今天突然想到一个创意，希望通过 AI 进行美食推荐。那么，如何说服我的领导这个想法是可行的呢？

答案是利用 Coze 搭建一个 AI 功能，通过实际演示向领导展示技术的可行性。

梳理需求

美食：食物名称、包含食材、推荐理由

附加信息：卡路里、附近的店、食物的图片

方案

通过大模型获取食物名称、包含食材及推荐理由利用 bingImageSearch 获取食物图片通过地图查询周边信息

实施

通过 Coze 的工作流，我们可以很快的实现上述方案

在个人空间中，点击 新建工作流 进行创建。填写完名称和描述后，系统会自动为您生成 开始节点 和 结束节点。

我们只需将左侧所需的组件拖拽至画布中，便可轻松完成操作。

搭建工作流

虽然看上去似乎很复杂，但实际上 Coze 已经为我们实现了底层逻辑。因此，我们只需通过简单的拖拽操作即可完成整个过程。

输入用户需求 query配置大模型 prompt

css复制代码身为美食专家，您能根据用户的描述提供符合条件的美食。用户的要求如下：{{input}}，请根据用户的要求，推荐一道美食。请严格按照以下格式输出：{"foodName":"(食物名称)","params":"(所用食材)","argument":"(推荐理由)"}

将 searchLocation、bingImageSearch 和 food 插件从左侧拖拽至画布中。（引用值可为上一个节点的结果）拖拽两个 代码 模块进行数据处理将所有元素进行连接

需要注意，插件可以通过 批处理 实现遍历请求，要求引用的数据必须是一个数组

举个例子，在我搭建的工作流中，需要使用 food 插件来计算所有食材的热量。在此过程中，上一个节点（大模型）输出的 params 参数为一个字符串数组：

最终返回

json复制代码{     "包含食材": [ "黄瓜", "蒜", "盐", "糖", "生抽", "香醋", "辣椒油", "香油" ],     "总热量": 1847,     "推荐理由": "凉拌黄瓜是一道非常适合夏天的清淡菜品。黄瓜口感清爽，富含水分和维生素，能够帮助人体补充水分和营养。这道菜的做法简单，口感清爽，非常适合夏天食用。",     "食物名称": "凉拌黄瓜",     "食物照片": "https://www.bing.com/images/search?view=detailv2&FORM=OIIRPO&q=%E5%87%89%E6%8B%8C%E9%BB%84%E7%93%9C&id=C4D8632379EA3126855924B5500137B104751E45&simid=608055954017562131" }

Bot 实际效果

总结

在我看来，Coze 目前在我的工作中充当了一种快速搭建 AI 功能原型的工具。通过将大模型与代码块组合形成流水线，我们可以在项目初期就验证技术的可行性。这种方法不仅大大节省了时间和精力，还能帮助我们在项目上线前发现潜在问题，从而提高项目的成功率。

BotId：7337697882457522191

点击全文阅读