mulerun换语言教程

如果我告诉你，现在只要说一句话，就能给自己造一个会干活的 ai 员工，他可以帮你接单、做 ppt、 盯信息，甚至替你打工。而且你造出来的 agent 还可以直接上架，有人用你就有收入，这你敢信吗？ 这两天我还真的试了一个有点离谱的东西，它叫冇 run， 翻译过来就是骡子快跑，这可真的是 ai 扭马了。这期视频我们就来实际体验一下，看看它到底能做什么，有什么好玩的 agent， 以及如何不花一分钱从零开始创建一个你自己的 agent 应用。 冇 run 是 全球首个用自然语言就可以生成 agent 的 工具和平台，地址在视频下方的简介区，今年的二月十二号刚刚正式开放公测， 公测期间体验和使用是完全免费的，用户可以在这个平台上通过说人话的方式，把自己的想法落地成一个真正可以工作的 agent， 还可以一键分享到社交媒体。 国外不少博主也在 miura 上面做出了一些非常有意思的尝试和案例。比如有个叫 greg 的 博主，用 miura 创建了一个睡眠跟踪器的网页，通过他在 excel 上的发帖时间来记录和预测他每天什么时候醒着，几点钟睡觉。 这个网站我们也找到了，下面是每天的起床和入睡的时间记录，上面还有个倒计时，来预测他还有多久会起床或者睡觉，还是挺有意思的。 还有一位很有名的历史类博主，测试了 ai 在 真实历史研究中的能力，他给了缪乱一张没有来源、没有日期、没有背景的旧照片，让他去分析。结果缪乱不是随便猜测，而是真的去分析，通过一些手段重建了这张照片最可能的来源和背景， 这种玩法已经不只是娱乐了，而是真的可以用来做一些有意义的研究和探索。 接下来我们就来实际体验一下怎么样来自己创建一个这样的 agent。 进来之后点击界面左上角的 chat， 就 会进入到一个对话界面，在这里你可以直接用自然元来描述你想要的 agent， 比如如果想要一个能够自动抠图的 agent， 你 就可以直接告诉他，帮我生成一个能够自动去除上传照片背景的 agent。 回车之后他会自动帮我们分析这个需求，如果他觉得你的需求不够清晰或者不够明确，那么还会继续问你一些问题来帮你把需求描述清楚。 比如这里他就问了，我说你希望这个 agent 它可以自动帮你去除照片背景，它应该是什么形式的？下面给出了三个选项，第一个是一个 web app 应用，第二个是拍松脚本，最后一个是 miura 平台上的一个 skill 技能。 这里我们就先选择第一个外部 app 应用，然后他又继续问了我说你偏好哪种去除背景的方法，同样也给了三个选项，第一个是使用一个本地的 r e m b g 库，第二个是使用一些外部的 api 接口，第三个是不指定让他自己来选择。我们选择第一个本地的 r e m b g 库， 然后就可以看到 mirran 就 开始工作了，它会自动帮我们把这个 agent 的 需求分析清楚，再调用各种不同的模型、 skill 技能、 api 接口、中断命令、代码库等等来把它实现出来，整个过程会需要一点时间，我们稍微等待一下 好的执行完成了，我们来选择一张图片来试一下， 可以看到效果和刚刚商店里面的基本相同，再来换一张图片也是没有问题的。 点击右上角的分享链接，就可以把它分享到社交媒体上，或者保存成一个 template 模板，点击右上角的这个 c y s template 按钮，然后确定就可以了。 保存的过程中还非常贴心的提供了一些小游戏，可以稍微打发一下等待的时间，算是他的一个小彩蛋和亮点。 好的保存完成了，然后就可以在 a 阵 templates 里面看到我们刚才保存的这个模板，下次再想使用的时候，直接点击右边的 u 字按钮就可以了。 我们再来上点强度，让他完成一个稍微复杂一点的例子，比如马上就是马年了，我们来让他做一个预测马年运势的小程序， 通过用户输入的姓名、性别和年龄来生成一些有趣的马年运势，再配一张对应的海报图片，下面这些提示词也都是 ai 生成的，我们直接复制过来就可以了。可以看到整个过程我们都只是像老板一样交代给他要做什么，剩下的事情都是他自己分析和完成的。 好的创建完成了，这就是最终的效果。大家觉得这个效果可以打几分呢？可以把你的评价打在公屏上。 我们再来做一个更加实用一点的例子，大家家里多多少少都会有一些老照片，就是分辨率比较低的那种黑白照片，那就可以做一个照片修复的 agent， 同样也是直接把我们的需求告诉他，回车之后他就开始分析和实现了时间关系生成的过程，这里我们就直接快进一下 好的执行完成了，也是给了我们一个页面，左边可以上传一张照片，右边就会显示修复后的效果。我们来试一下上传一张老照片，然后点击下边的这个开始修复按钮，稍等一会，右边就会显示修复后的效果。我们把这两张照片放在一起来对比一下， 可以看到效果还是非常明显的，修复后的照片分辨率明显提升了，而且还自动帮我们把黑白照片变成了彩色的。这个应用的地址我也放在视频下方的简介区了，感兴趣的朋友们可以把家里的老照片翻出来试一下。 最后来总结一下，无论是娱乐 agent 还是生产力 agent， 从消费者端的体验来看，就是使用门槛极低，既不要求用户懂深刻的 ai 技术，也不用写全奥的提示词，只需要通过自然语言对话就可以生成一个能干活的 agent， 并不需要你有任何的编程基础和技术背景，这对于普通用户来说真的是太友好了。还有就是目前 miura 已经上线了全球卡支付和提现的功能，方便每个人都能轻松享受到 ai agent 带来的便利和乐趣。 总的来说， miura 是 一个非常有潜力的 agent 平台，它不仅让普通用户能够轻松创建和使用 agent， 还为每个用户提供了一个展示和变现的机会。 如果你对 ai agent 感兴趣，或者想要尝试一下创建自己的 agent， 不 妨去冇 run 逛一圈儿，没准下一个既有趣又能赚钱的 agent 就是 你做出来的。好的，本期内容就到这里，我们下期再见。

今天讲一个超级邪秀的办法，如果你在使用谷歌 gemina 的 时候，它提示出了点问题。你你你先别急着改节点，改地址，换语言，你先试试打开这段网址， 打开之后我们可以看到一个 new gem 的 对话框，我们名字和描述随便填一个，然后就可以使用了。那我们下次还要不要通过这个网址进入 gemina 呢？不用，我们只要通过浏览器正常的搜索 gemina， 然后点进去就可以进行正常的对话了。

今天在旧金山我们正好抓到了一个 miura 产品的一个发布会，我们请到了这个 miura 产品的 c p o 付成老师来聊一聊这个在 open call 特别火的时候杀出来的这个 miura， 它是中文叫啥？为什么？就是忽然在众多大厂都开始推龙虾的时候，忽然出现了一个路虎 对，我们来请付老师讲一讲这个宽口设计的尖嘴跟普通的一些不同之处。其实我们起螺子这个名字比罗宾特龙虾早得多啊，我们是在去年的四五月份就定的这个名字啊，因为 agent 最后是帮你干活，他需要是一种能干很多活，并且任劳任怨的这种形象。就我觉得龙虾他 作为一个产品来说的话，他非常缺的一步呢，就是要让用户用于使用和用于上手，这点其实是做的非常差的，因为如果你要装龙虾的话，你需要下载部署，买一部虚拟机， 这些动作对于非技术用户来说实在是太难了，所以所以我觉得这个点是其他的产品很容易可以去优化它的一个点，我们也是坚持这个点，它的门槛要低。龙虾还有一个比较集中的争议就 是他的安全性非常差，因为他太开放，所以很容易就有一些恶意的没有或者恶意的文件被装进去，那这种东西对于我们这种平台性的产品来说就会比较好做。我们只要增加非常多的安全检查和安全功能，我们基本上就可以把 这种形态的 agent 的 安全维持在一个可接受的水平线以上。所以我觉得这是两大跟四大的区别。 new rom 本身不是一个对标龙虾的产品，我们的这个皮还是说面向生产力场景的通用的智能皮，这是我们的一个产品目标和 发展的方向。我们有机于沙箱的安全隔离，你可以让很多任务在这个任务被完成，或者说这个沙箱被销毁的时候就完全消失了，它也不会影响到你别的任务，那这些是龙虾不具备。我们既有虚拟机， 又有三个 boss， 就 我们是两者都有。有一些场景它是非常适合用三个 boss 去做的，比如说它同类的一次性的代码生成，有一些场景适合在虚拟机上做，比如说你要部署一个长期的 通过某个网站的工具，或者说你要做一个长期运行的游戏呼气，这个是非常适合在虚拟这样做。那我们的点就是说在生产力场景下，这两种场景都有它的用武之地，那么我们就都提供，并且让用户能够比较容易的做决定。因为 opencloud 它是完全融入开源的这个 skill 生态。对对对， 生态完全是开放，然后非常的自由，但是呢它第一带来了很多的安全隐患，第二才是最重要的一点，就是它会让用户去筛选和理解的成本无限高。你现在在 github 上有几十万个不同的资源，这里面到底哪一些有用？到底哪一些符合你的诚意？你作为一个用户，你无从选择。这个我觉得是 整个 skill 的 生态要面临或者要解决的问题。那我们的解决方案呢？首先我们在这些原始的 skill 层面会做一些评分和 和自动化测试这样的一些筛选，然后呢我们在 skill 的 采用上有非常多的工作，他会更强调的点呢，不是说我就直接去使用一个 开源的 skill， 而是说我根据我历史上的任务，我去总结成 skill， 然后这个总结出来的 skill 一定跟你的这个任务历史是相匹配，他怎么来自己写 skill 呢？现在在我们这个系统里，你的那个操作界面里呢，会有一个按钮 叫 save as knowledge， 你 要主动做这件事情的话，你判断这个事情是你之后要反复做的，那你就 save as knowledge， 然后这件事情呢就变成了你个人的一个 skill， 你 下一次做同样的事情，你你不再需要再重复跟他说一遍，你只需要从那个 knowledge 里面说运行，你只要把你这次要处理的那个视频给它传进去， 它会一定按照之前的那个流程比较忠实的机制，我们在你的那个机器上分析你的任务历史， 然后我们发现你的十个任务里有八个是视频之后，那么我们就会自动的给你申请一个基于你的这些常做的任务的 skill， 或者是根据你的任务从公共的那个 knowledge 或者四个仓库里拉取过来的一些东西，然后你需要决定是否接受，你也可以选择不接受，不接受的话那就是跟以前一样， 没有任何新的 skill 生成，也没有任何新的 skill 安装，所以首先就是主动，然后另外一个点呢，就是它可以净化每天聪明一点或者每天。 那我们 vivo run 呢？有些什么好的游戏，我们目前觉得做的比较好的，或者说比较有特色的一个方向，就是面向 独立游戏开发者，或者说业余游戏开发者，他们需要用 ai 进行大量的内容生成一个开发的工作，但是呢他们有一个需求之前其实没有被特别好的解决。很多的游戏你是需要部署一个游戏服务器或者说服务端，有些情况下你需要多人同时对这个服务端进行访问， 这是游戏开发者的这种常见的需求。这件事情对于我们来说就是天然的，我们就把它浓缩在一个产品，你在这既能做内容生成，又能做构图开发，还能做部署和运维，全都在一个产品里面，这样的话就是门槛等级，他通过这样一个闭环，他可以更快的去拿到反馈，他就可以多次试错，或者说同时开发多个项目，那这个对于他们来说是一个提升， 像这个群体就是相当于我们的非常忠实并且热心的一个群体。其他还有什么想说的场景吗？劳动力市场的结构会发生变化，沿着这个思路继续往下往下推进的话呢，我觉得马上就会遇到下面一个问题。比如 在任何一个组织或者说公司里去工作的话，那一定是人跟 ai 去协同，那这种情况下它需要的是一种 ai native 的 协助工作。 你如果去配过龙虾的飞书 boss， 首先它是个 boss， 它不是那个组织里的一个标准成员。所以呢，在飞书现在的这个体系里和人成员是精卫分明的两种东西，他们两个有不同的权限和不同的设置。但是实际上，哎，我已经能做这件事情了，我已经可以用浏览器自动化的方式完全操作我的飞书， 我就可以把我的退出账号变成是一个我的 ai 在 操作的，它可以回消息、回邮件，它可以处理审批，这都可以做。那其实你觉得未来的企业形态会是什么样的？如果说我们往激进的方向去说老板的这个职责，首先是去说定义这个方向，并且去验证在这个方向上的商业壁环，它就需要把目标给定出来，然后把它分工给人或者 ai 剩下的所有事情，他不需要他去做我自己，我用 miura， 我 刚刚在来的路上我疯狂用了一下我自己，就是说你是我的小助理，就管你我下面不同的，做自媒体的，做营销的，做不同的事情的，这个 agent 你 去监督他们干活是应该。这样的一个企业结构 我觉得就类似于 miura 本身的培训的功能，你可以把一个电脑上的一个 agent 的 实力当成是一个人工，最好是每一个 agent 都是独立的， 他们有自己的分工和角色，你可以直接去管理每一个 agent 的， 比如说 cloud md 啊，或者说 agent md， 你 能做这件事情，你就可以对他们进行非常非常精细的优化，然后呢再把人和 agent 放到某一个能协助的地方，只要让他们互相之间能够进行合作，然后呢就可以把工作给做了。 比如说我现在我开了好几个龙虾，我开了好几个 mill run， 就 虽然它这个标签会 remind 我， 它是干嘛的，但是它的坏处就是在于我感觉我在不断这样回不同我的太多的信息，我其实更倾向于它一个入口官方。哦，是是是，对，所以我们确实也希望承担这样的东西。我们打通了各种各样的办公软件或者其他的工具之后， 未来没有这么多的必要，手机上有这么多的 app 和应用，你最后有一个唯一的入口，你的跟他的交互就是一些简单的文字或者说聊天，然后他去帮你找那些工具，并且你也不需要再看到那个工具的界面了。今天好开心啊，我觉得 c p o 这么强，思路这么的清晰，我相信产品一定非常的棒，希望大家多多来试用一下吧。 管你的专业是什么，你现在的工作或者学习的东西是什么，都要非常积极和踊跃的去探索 ai， 去学习 ai， 它能够保证你在未来的这个不管是职场还是人生当中有更强的竞争力，能够帮你提高效率，让你的生活更简单。是的，早日用上，谢谢大家。

有比做一个游戏更好玩的学 ai 方式了，今天是一期超级干货的内容，主要是教大家怎么用 ai 来制作游戏。首先呢，这款 ai 叫 new run， 翻译过来就是骡子快跑，简称骡子。这一期呢，我做了个游戏，它是一个我非常喜欢的桌游快艇投资的一个变体，我把它做成了一个武侠风的，我觉得非常有意思。 先给大家演示一下怎么玩，它其实是一个计分类的游戏，这款游戏的魅力在于说它需要一些计算，但是因为是扔头子，所以它其实是具有很大的一个随机性的，所以你没有办法去预测它的分数，但是你可以有一定的计分策略来拿到最终的高分。这是一个上手有点难度的修剪游戏，所以我给他设置了一个通关模式， 让你去打每一关的时候，能领略到他的每一个技能，能打出多少攻击，会有怎么样的一个分数，让你能够很沉浸式的体验这款游戏。再来跟大家讲一下制作步骤。首先呢，我们要拆解一下原有游戏，找到快递投递的资料，并且丢给骡子，跟他说我们要拆解这个游戏的游戏规则。 第二步是替换世界观，我们在讲完规则以后，替换到我需要的世界观一下，这里呢，我希望它是一个古风仙侠的风格的游戏背景。 然后第三步呢是融入招数，巧妙地把这些招数去融入到游戏背景中。然后第四步设定观察，让它去有一些基础的教学观察以及对战观察，去增加它的一个趣味性，这就是我设计这个游戏的一个大概思路，然后我会去跟骡子讲我的整个制作的一个需求， 骡子呢不光是可以去做游戏，还是可以去做一些其他事情的，比如说帮你整理文件等等。我觉得它还蛮像之前风很大的那个 minus， 对 于我而言这样的一个操作也是比较舒适的。 让我们继续接下来就是等它编辑这里呢，其实还可以去调用一些 java 的 库，这点也很方便，也就是说你可以去把很多公开的知识库喂给骡子使用，骡子去把它做成一个有前台可以部署，然后可以随时打开的一个知识库系统，所以这样子的一种使用 ai 的 形式也并不复杂。 但是我们在得到这样的一个版本以后，还是需要去对它进行一些微调的，比如说让它去更换它的一个 ui 风格，或者说是我需要去替换它的人物素材等等，都可以去跟它讲，你跟 ai 进行越多轮的一个对话，你对它的使用就越得心应手，这个肯定是需要一些积累的，而不是说它现在就能够像你肚子里的蛔虫一样， 完全能够理解你的想法。大家可以依照我的这两个思路去尝试一下。第一个呢，就是把自己喜欢的游戏去做一个变体的练习，并且呈现出来，就是你可以在自己玩的同时也向别人安利你喜欢的游戏形式。第二个呢，是在该 tab 上面去寻找一些项目做前台的展示，比如说我能够想到的类似于宝可梦图鉴，或者说是学习塔罗牌的一些项目， 我觉得这些都是非常好的练习以及呈现形式。如果你想学好 ai， 我 觉得真的可以多去使用这样的产品去提升自己的一个量，而量变呢，最终会引发质变，从而让你成为一个真正的 ai 高手。主页更多 ai 干货，我是塔塔，你的 ai 时代课代表在吗？开门呀！

阿德玛冰冰 project 玩偶，连塔贝的玩斗。

你是否还在琢磨如何抓住 ai 变现的风口？是否还在为玩不转龙虾而困惑？那我们今天就来深挖一个今天刚刚发布的全球首个自进化的个人 ai new run， 又名骡子快跑。那这头骡子到底是干什么的？三分钟给你彻底讲清楚！ 大家都用过和清楚淘宝、拼多多这类第三方电商平台，商家通过在这类平台上搭建虚拟店铺，来完成与客户之间的买卖交易。 miller 它除了构建自有核心 ai 智能体服务以外，它还是一个 ai 服务的淘宝平台。在这个平台上交易的不是我们常见的商品， 而是 ai 智能体这类的数字服务。究其本质， millerran 卖的是 ai 数字劳动力，一头连接手握专业技能的创作者，一头对接有真实需求的用户。平台只做撮合交易、支付结算和流量分发，全程不做自营，彻底保障生态的公平与开放。 创作者通过把自己的专业技能、工作流程打包成 ai 智能体，不管是三 d 建模、投资分析还是游戏代练，通过平台专属工作室上传设置审核通过后就能直接上架售卖，相当于把技能变成了躺赚商品。 用户更不用愁门槛儿，哪怕零技术背景，也能轻松用。平台覆盖十二大垂直领域，一百六十多种 ai 智能体服务，看中合适的直接点，运行输入需求，系统自动执行任务，秒出结果， 主打一个按需取用，高效便捷。在实际应用中， milloruan 已经在漫剧创作、游戏电商、 投资理财等多个垂直领域验证了有效期。以游戏开发场景为例，制作人以往需耗费大量精力构建游戏角色和玩法逻辑，借助摩洛瑄游戏，制作人仅需输入自己的创意和想要的风格， 摩洛瑄就能生成角色设定、游戏规则、视觉画面，完成从代码编辑、资源生成到测试部署的全过程。利用用户临时提出增加关卡，摩洛瑄瑄不仅会生成代码， 还会在几十分钟内设计出符合用户游戏世界观的场景和情节，大幅缩短了游戏更新迭代的周期。交易模式也超人性化，摒弃繁琐订阅制，实行积分按次付费， 一积分约等于零点零一美元，用多少付多少，新用户注册就送一千积分，折合十美元体验金，单次调用积分还有上限，成本透明不踩坑，对新手极度友好。 最让创作者心动的当属它的收益分成机制，真正实现多劳多得。平台采用阶梯式分成，单个智能体越流水越高，创作者拿的分成比例就越高， 彻底打破固定分成局限。内测期更是豪气拉满，直接百分之一百赢收归创作者，平台零抽成懒人才对比传统平台 moore 的 技术优势，直接拉满 专属独立虚拟机运行环境，支持 ai 调用 ps、 blender 等本地软件，凭借 computer use 功能，让 ai 像真人一样操作软件界面， 彻底突破 api 限制，还能跨任务、跨绘画，持久运行，复杂多步骤任务也能轻松搞定。商业模式更是创新破圈，从传统 b to b、 b to c 模式升级为创作者、用户、平台三方共赢的 c to c 新模式， 零代码免配置，自然语言交互就能享用专业及服务，不管是创作者变现还是用户找服务，都能实现低门槛、高价值， 实际应用场景更是覆盖各行各业。游戏玩家靠它自动刷任务、打秘境，开发者首周就能赚几千美元。 设计需求方一句话 ai 就 能搞定建模全流程外包工作，几分钟落地。电商运营更省心。批量产图、写标题、做 seo， 两周的工作量几个小时搞定。金融人士用它整合财报，量化分析新闻、专业报告一键生成。 总结下来， moore 就是 ai 时代的服务新平台，不卖实物，卖 ai 智能服务，用户按需付费， 平台抽取佣金，创作者赚取分成，让普通人也能靠专业技能实现 ai 变现，真正解锁一次开发长期躺赚的全新收入模式，妥妥的 ai 变现蓝海赛道。

这是我在缪让制作并只需在画布点一下发布就能直接访问的高质量无广告儿童游戏网站，完全不需要买域名和服务器。所以今天只聊一件事，为什么我研究透了这个可以本地部署但风险较大的 a 阵工具，但最近真正在用的个人助手却是云端 a 阵。缪让用云端 a 阵，可并不是本地部署不够强， 而是当你把它当长期助手时，最折腾人的根本不是偷坑花费，而是时间和风险。而云端 a 键的 miura， 是 用成熟的商业服务去集合了市面几乎所有的其他平台的官方 ai 服务，你不必一个个去注册打通接口，安全风险可控。 其次是它底层还自带一台极高配置的云服务器，四核八线程，十四 g ram， 四十 g 储存，再跑个测速，我们可以看到上下行全都是一千四百兆左右的超千兆级体验。同样的配置自己去租，一年至少五百多， 这相当于你拥有了一台百分之一百掌握数据主权的私人云端电脑，你没上传的文件，他根本无从泄露。所以有了这一整套的底层基础，开始去创造的成本就无限接近于零。比如，你可以晚上睡前发个提示词就关掉浏览器，到了早上，他就已经默默为你写好了四十多个儿童游戏， 你只需让他打包解压，然后你来点击发布。发布完成后，任何人都立刻可以通过这个网址访问你的作品或者服务。比方说，你可以用这个 muro 打造一个像这样属于你的精美个人简历网页，也可以像这样展示你精心制作的设计网页作品，给其他人欣赏和观看， 甚至是一句话，同时调用多个图片生成模型，看效果对比，然后再通过网页分享给团队的所有人。最重要的是，这些都不需要你做任何前置工作，全部在 mauroon 一 站式搞定。你只需要专注于结果产出，不用再把时间大量的花在环境配置和养殖技术上。这就是成熟的云端商业 agent 服务带来的终极效率。

做移动开发的兄弟，这种工具真的有点狠，你现在可以直接让 colo 去测你的整个 apple app， 不是 帮你写测试代码，而是让他真的自己点，自己看，自己填表单，自己把流程跑完。这东西牛在哪？以前测一个 app， 最烦的不是发现 bug， 而是你得手动点一遍又一遍，换机型换语言换页面，还得补截图。现在它相当于给 ai 装上了眼睛和手，你只要说一句把整个 app 测一遍， 他就会自己打开页面，点按钮，查崩溃，找布局问题，最后给你一份报告。更狠的是，他不只是测 ios， 同一套脚本还能跑安卓，还能顺手生成 app store 截图， 甚至拿去操作竞品 app 做调研，关键数据还都在本地，不上云以后，最先被 ai 吃掉的可能不是写代码，而是这些最重复、最磨人的测试脏活。我是硅谷赵博，关注我第一时间看懂硅谷最新动态。

本期视频我们将向大家介绍另外一种自然语言数据查询的方法，那就是 agent， 即智能体。新的应用将允许我们和 ai 展开对话，就像和自己的同事聊天那样，获得更加稳定和人性化的体验。 不仅如此，我们还拓展了数据范围，实现了在一个应用里同时查询生产、视产、物资等信息。 reg 在 应用中也继续发挥了重要作用，确保 ai 的 回答保持了较高的准确性。这个 基于 aint 的 应用最大的优势就是可以用聊天的方式来获取信息，大幅增加了灵活度，显著提升了应用体验。可以继续深入追问，换不同的维度问，换不同的时间问度，为统计、同比、环比、类比等等， ai 大 都能够做出正确的回答。 先简单介绍一下 agent 的 基本概念， agent 中文一般意作智能体，意思是把一个任务交给 ai， 它能够通过推理把任务拆解成若干步骤，并根据需要自己去调用相关的工具以完成任务，过程中不需要人为干预， 因为表现出的思考和规划以及自主使用工具的能力，因此被称为智能体。我们展示的视力的实现逻辑是这样的， 一是用自然语言编写提示词，把任务、逻辑、步骤要求、注意事项等等内容表述清楚。二是把对多个数据表结构的说明和 circle 视例作为指示库，通过 red 提供给大模型作为背景信息。 三是把执行数据库 circle 查询发布为一个工具提供给 ai， 大 模型按需求调用。 为了便于后续的内容更容易理解，先把知识库部分做一个简单的介绍，知识库包括两部分，一是数据库查询语句及 circle 视例。 这部分的内容在上一期视频中已经详细介绍过了，我们在之前的基础上做的一点补充，就是对每个市力进行的分类，比如将市力问题分类为生产记录，表示这个市力仅针对生产记录，而不是市场或其他数据。 另外，我们建议不要编辑过多的 sql 事例，大模型其实能够很好的完成大多数常规需求，只需要提供那些复杂的、容易理解错误的事例即可。 另外一个知识点就是数据表结构说明，这部分的内容在基于工作流搭建的应用中，直接写在了用户提示词中，但如果要查询多个表，这样的做法就不太合适。因此在这个视例中，我们也把数据库表结构说明制作成了知识点。 知识库的搭建方法和上一期视频的讲解完全一致，只是文档内容不一样。一个基本的数据表结构描述应当包括以下内容，一是明确的注明这是描述哪个数据表，比如客户订单记录对应的数据结构， 在后面的即时词编排部分会用到这个描述。做这样的说明是为了在 rap 检测时获得准确的结果。 接下来是数据表名称，比如客户订单表之类。另外就是数据表中的字段名称，比如客户名称、订单量、交货日期等等， 并对每个字段的数据类型进行说明。数据类型没有必要按照数据库的规范去写，可以简单写成字母串、小数、整数、日期等等。 比如客户名称是自付串，订单量是小数之类。另外还可以对每个字段做必要的技术或业务逻辑说明，比如在表中是否唯一，是否存在空值数值单位等等。这并非是必须的，但提供这些信息有助于大摩羯做出正确的理解， 这样很快就可以完成一个表结构说明文档的编辑。需要注意的是，我们介绍的方法并不是唯一的，有很多种方法可以向大模型提供表结构说明，但我们认为这样的方法比较直观，也更加便于维护和完善。 大家可以选择自己习惯的方式来完成这部分知识库的搭建。知识库准备好以后，我们就来构建应用。打开 define， 在 工作室页面点击创建空白应用， 选择 agent， 输入一个名称，然后点击创建。 我们的任务就是对页面左侧的内容进行配置，包括提示词、上下文以及工具三大部分。 首先是提示词，这是最关键的部分，我们要在这里把我们的业务需求描述清楚，确保逻辑清晰，结构完整。我们的提示词包括以下六个部分， 分别是角色定义、任务概述、关键步骤、编写 circle 时的注意事项、数据呈现、解读和分析要求，以及其他注意事项，角色定义、任务概述。这两个部分比较简单，一两句话简明扼要的描述清楚，就写 关键步骤。这部分的内容是核心。我们的即视词主要包括以下内容，开头是安全方面的要求，因为这是开饭式的对话应用，应避免用户提问超出企业业务需求的情况。 接下来由于涉及到对多个数据表的查询，因此，要确保大模型能够准确地解锁到对应的数据表结构，包括数据表的名称和字段名，以及对字段的基本解释等等内容。 我们的即视词要求大模型根据用户输入的内容和上下文信息形成内容分类。 根据内容分类，按照规则从知识库中解锁数据表结构信息。比如，若内容分类与客户订单相关，则解锁客户订单记录。若内容分类与物资库存相关，则解锁库存物资记录。依照这样的对应关系，就能准确解锁到数据表结构信息。 但也有可能内容分类匹配不到合适的检测关键词。为了应对这种情况，我们加上了这段提示词。 当模型认为内容分类无法匹配检测关键词时，就会按照我们设定的要求输出提示信心， 强调不得生成新的检测关键词很重要，否则模型就可能会按照自己的理解生成错误的检测关键词， 导致数据表结构信息检测结果出错，进而致使整个任务失败。举例来说，假设用户提问本周的订单量有多少，大户型会理解用户的意图， 将用户的输入分类为与客户订单相关，并按照我们设定的逻辑，即若分类与客户订单相关，则解锁客户订单记录。然后，大模型就会以客户订单记录作为输入，去知识库中解锁数据表结构信息， 结果就是在之前搭建好的知识库中准确地写 sql 语句的关键。 除了解锁关键的数据表结构信息，还需要解锁 sql 势利，帮助我们在复杂和个性化场景下也能够正确地生成 sql 语句。这部分提示词就比较简单， 根据用户输入的内容和上下文信息，形成一个符合用户意图的完整问题，以此作为输入，在知识库中解锁参考势利。 接着就是让大模型根据用户提出的问题，举一知识库检测到的信息，即数据表结构和 sql 查询视力，编写 sql 查询语句。 最后就是让大模型执行 sql 语句，在获得查询结果后对结果进行呈现、解读和分析。到这里我们就完成了关键步骤。这部分提示词的编写 内容看起来不少，但是最重要的就三点，一是要求大模型解锁知识库，获得数据表结构信息。二是要求大模型解锁知识库，获得 sql 查询视力。三是让大模型执行查询，获得结果，并对结果进行解读和分析。 剩下的部分就比较容易了，只是在工作流应用提示词的基础上做了很少的调整，在此就不再赘述。 提示词的编辑方法是多种多样的，并没有必须要遵循的规则和模板，在实际工作中，需要根据自己的应用场景去不断的调整和优化提示词，以获得更好的效果。 另外，选择的模型不同，也可能需要不同的提示词。一般来说，模型的能力越强，对提示词的要求就要低一些，反之则要求提示词更加详细，逻辑更加清晰。 这里要提醒大家注意，提示词编辑过程中，如果离开当前页面，那么 defi 并不会自动保存或者提醒你保存提示词。 除非点击右上角的发布按钮，然后再点击更新，否则一旦离开页面，所有修改将不被保存。为了避免修改后的提示词丢失，务必记得通过发布来保存。修改 提示词编辑完成以后，在上下文窗口选择已经创建好的知识库，即数据结构描述和查询问题对应的缩口语句示意。 接下来是工具的配置。工具显著的拓展了大模型的能力，特别是在一个个性化的场景中，使用工具可以让大模型完成更加复杂的任务。 在我们的这个视例中，最重要的工具就是根据一个 sql 语句连接到指定的数据库，执行查询并返回结果。 define 只是将工作流发布为工具，或者自定义一个 api 作为工具。 最快捷的方法就是将之前已经完成的工作流中的执行查询节点发布为工具。具体的操作步骤如下，打开之前已经完成的工作流，仅保留开始、执行、查询和结束三个节点，删除其余节点， 然后对节点进行简单的修改。点击开始节点，把变量改为 circle 或其他容易识别的名称。显示名称随意， 因为 circle 语句可能比较长，因此字段类型要选择段落最大长度可以填大一些，比如两千，这样就完成了开始节点的修改。 执行查询节点，这里只需要在输入变量下拉框里将变量改为开始节点的 cirque， 局域保持不变。同样的，对于结束节点，只需要把输出变量改为执行查询节点的输出及 without 变量等。接着点击发布按钮， 选择最下方的发布为工具。为工具输入一个名称，比如数据库查询 工具，调用名称，填写一个英文名称，便于识别就行。工具入参部分， define 已经自动填写好了，意思就是这个工具需要有一个输入参数，也就是 circle， 这个参数由大模型提供， 点击保存，这样就完成了工具的发布。接下来我们回到 agent 应用配置页面，在工具配置栏点击添加， 然后选择工作流，就可以看到我们已经发布的工具，选中它，点击添加即可。我们还可以添加地贩已经集成好的各种工具，比如我们这里添加了获取当前事件的工具，以及一个免费的联网搜索工具， 大家可以根据自己的需要添加更多的工具。我们并不需要在提示词中说明什么情况下应该调用这些工具，大模型会根据自己的判断来确定如何使用已提供的工具。 还有最后一项附加的配置，点击页面右下方的管理，可以打开功能配置页面， 在这里可以配置开襟白，下一步问题建议文字转语音等功能，这些都很简单，大家根据自己的需要去配置就行。到这里为止，我们就完成了这个智能体应用的全部配置。当然在开始之前需要选择一个大模型， 由于 a 卷的应用对模型的能力要求较高，因此我们建议选择币源模型。我们的建议有两个，一个是阿里的最新模型及千问 max， 另外一个是 gpt 四 o 迷你 in beta 和瑞万克模型。我们选用的是阿里的产品，币源模型除了需要付费以外，还需要关注数据安全。数据其实是一个企业好不容易积累下来的宝贵资产， 当我们要把数据传递给第三方时，应当保持警示。模型选择好以后，点击发布更新就可以使用了。直接点击开坦白中预设好的问题，本周的订单量是多少？稍等片刻就得到了准确的回答。 而且还可以看到大模型的执行步骤。点击任意一个步骤，就可以看到大模型的输入和输出信息。 由于这是一个开放式的聊天应用，因此灵活性就比工作流的方式好很多。我们可以接着追问和单周相比有什么变化。 可以看到大模型同样作出了正确的回答。问完市场，我们试着去问一下生产的情况，比如本月和单月相比，产量和损耗比有什么变化。 可以看到模型正确的识别了问题的意图，以深探记录为关键字去检测知识库，得到了正确的数据表结构信息，最后做出了正确的回答。对其他数据表的查询也是类似的， ai 大 多数时候都能做出正确的处理和回答。 如果遇到错误，可以查看每个步骤的输入和输出情况，根据问题对提示词进行优化和调整，或者输入提示要求大模型纠正错误。 这个基于 agent 的 应用最大的优势就是可以用聊天的方式来获取信息，大幅增加了灵活度，显著提升了应用体验。可以继续深入追问，换不同的维度问，换不同的时间问，多为统计、同比、环比、类比等等， ai 大 都能够做出正确的回答。另外就是比较便捷地接入了多个数据表，可以在同一个应用中无感切换数据表，轻松获得多个专业的数据，非常适合一些综合性的应用场景。还有一个优势就是 agent 可以 按照需要使用工具， 且无需通过工作流编排或者编辑代码实现工具的调用，显著降低了技术门槛，减少了工作量，让我们能够把精力更加聚焦在应用层面。 当然，他也有一些明显的缺点，由于模型对能力的要求较高，太远模型几乎不太可能有良好的体验，因此就选择付费的闭源模型。 由于选择闭源模型又引发了对数据安全的担忧，这样看起来工作流和 agent 各有优缺点，两者如何选择就需要根据具体的应用场景去决定了。

ready go 哈嘿哈。

嗨，外贸沟通太心累，翻译还老出错，客户全跑光了。什么？你还在用这种客户发外语消息，复制粘贴翻译软件，来回切回半天，不够内心的呢， 还经常翻译出错，搞成乌龙，丢单又丢面子，更别说面对多一种语言，比如说阿拉伯语啊，英语、西班牙语、法语等等，直接是手忙脚乱。现在我们飞度出海斯文特 ai 智能系统，配备了智能翻译引擎， 加多平台管理系统，我们可以看到啊，我们这里设置了一百零八种语言，能够实时自动翻译，零点五秒响应，准确率达到百分之九十九。接下来我给大家试验一下一个俄语版 的话语种沟通就像微信一样，聊天轻松，客户满意度直接拉满，成交率直接翻倍。