目前扣子后台已经有海量插件了，但如果我们在扣子官网上没有找到合适的插件时，我们也可以自己创建一个。

依次点击 个人空间——插件——创建插件
在这里插入图片描述

此处插件工具创建的方式有两种：

  • 使用外部API创建工具： 直接将自己开发或公开的API配置为插件
  • 在IDE中创建工具： 使用IDE进行代码开发，完成在Coze平台上创建、开发、部署和发布整个插件的过程
    在这里插入图片描述
    在这里插入图片描述

填写工具名称和描述
在这里插入图片描述

初始工具是这样
在这里插入图片描述

点击左下角可以添加依赖包，比如你说搜spark就会出现spark相关的依赖。选择合适的版本就会进行安装。
在这里插入图片描述

我们再来看下代码部分，包含 代码 和 元数据 两部分
在这里插入图片描述

在元数据中，有输入参数和输出参数两部分
在这里插入图片描述

我们回到代码中：

有一行注释为：
在这里插入图片描述

函数的返回数据，应与声明的输出参数匹配。

所以现在我们把输出的参数改成和元数据中的一样
在这里插入图片描述

点击测试
在这里插入图片描述

点击发布之后就会在个人空间——插件中看到我们刚刚创建的插件了。

现在我们来创建一个在我们后面可能会用到的插件——查找一句话中的数字

1、点击创建插件
在这里插入图片描述

2、填写插件基本信息
在这里插入图片描述

3、编写代码
在这里插入图片描述

4、发布之后在工作流中使用
在这里插入图片描述

如有疑问，欢迎在评论区讨论

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

AI的列车已经加速，坐上去的是未来，站台上观望的，终将被落下。

如有疑问评论区讨论，创作不易，欢迎点赞收藏转发！

Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局