目录：

一、搭建客服智能体流程图

在这里插入图片描述

二、意图流程图使用案例（基础试炼）

在这里插入图片描述

在这里插入图片描述

三、工作流联网搜索案例

1、效果演示

流程节点配置参考官方文档：
节点配置

在这里插入图片描述

2、工作流设计

本文构建的示例工作流节点概览如下图所示。在该工作流中：

  1. 使用头条搜索插件，搜索指定关键词。
  2. 大模型节点总结搜索结果。
  3. 文本处理节点提取搜索结果中的 URL 和标题，并通过输出节点展示出来。
  4. 结束节点展示大模型节点总结的搜索结果。

在这里插入图片描述

3、调试工作流

1、走插件不走工作流的效果

在这里插入图片描述

2、走工作流的效果

在这里插入图片描述

工作流成功调用了并且在如下展示中的两个分支，大模型处理分支和文本处理分支都在回答上有体现，说明流程走通了。

四、工作流批量生成和处理图片案例

在这里插入图片描述

五、Coze实现网页采集助手

在这里插入图片描述
比较简单，这里不做详细介绍，开始----->使用插件（现成插件）获取数据----->代码做正则匹配链接----->使用插件（现成插件）获取链接下的正文和标题----->输出内容（第一个插件的数据内容以及第二个插件的正文和标题）

六、Coze结合RAG实现资料问答

1、提示词模版

在这里插入图片描述
在这里插入图片描述

2、使用案例

在这里插入图片描述
在这里插入图片描述

很简单就实现RAG检索增强，让资料问答更加准确。

# 人工智能
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