ugc创建完人物不动呢

欢迎收听扣子 ai 播客。 哈喽，大家好，我是大一，我是咪仔，欢迎来到我们的技术分享时间。最近刷技术论坛的时候，看到好多人都在聊豆包 ugc 智能体，说搭建起来特别麻烦，踩了好多坑， 刚好我们团队刚做完一个垂直场景的智能体搭建，今天就跟大家聊聊从零到一的完整流程，还有怎么把这套流程附用起来，快速复制到别的场景里。 对哦，我记得最开始我们启动这个项目的时候，你还跟我吐槽过，好多人都在跟风做智能体，但大多都是那种通用型的，放到垂直场景里根本不好用。 没错，就是这个问题。当时我们服务的是一个做家居建材 ugc 社区的客户，用户经常在社区里问一些非常具体的问题，比如小户型客厅怎么搭配沙发实木地板怎么保养之类的。通用智能体要么达的太泛，要么就是直接复制粘贴网上的内容，根本没有针对性。 那客户当时的需求就是要一个专门针对家居建材 ugc 场景的智能体，能理解用户的具体问题，还能结合社区里的优质内容给出准确的回答是吧？ 对，而且客户还有个痛点，就是他们的运营团队不是技术出身，没法自己维护和更新智能体的知识库，每次有新的社区内容上线，都得找我们帮忙调整，效率特别低。 所以我们当时就想，能不能做一套可以附用的搭建流程，不仅解决当前的垂直场景问题，以后遇到类似的 ugc 场景也能快速上手。那第一步肯定是需求分析吧，毕竟要先搞清楚用户到底想要什么，才能开始后面的技术选型和功能设计。 没错，需求分析我们分了两步走，第一步是跟客户的产品和运营团队聊，搞清楚他们的核心诉求。除了刚才说的针对性回答和方便维护之外，他们还希望智能体能自动识别社区里的优质内容，自动更新到知识库，这样就能减少运营成本。 那第二步呢？是不是还要去跟终端用户聊聊，看看他们平时在社区里的使用习惯和真正的问题点？ 对，我们找了大概二十个活跃用户做了深度访谈，还爬取了社区里三个月的用户提问数据，发现大家的问题主要集中在产品选购、安装维护、搭配设计这几个方面，而且很多问题都是带有强烈场景化的， 比如租房党怎么选性价比高的床垫、南方回南天怎么保养皮质沙发之类的。这些数据应该给后面的功能设计提供了不少方向吧。 没错，需求分析做完之后，我们就开始进入选型了，当时考虑了几个方案，最开始想直接用豆包的基础模型，然后通过 prompt 工程来优化，但后来发现 prompt 工程只能解决部分问题，对于 ugc 场景里的个性化内容处理还是不够灵活。那最后你们选了什么方案？ 最后我们决定采用基础模型加垂直领域知识库加自定义技能的架构。基础模型还是用豆包的四点零版本，因为他的语理解能力确实不错。垂直领域知识库我们用了向量数据库，把社区里的优质内容转换成像量存储进去，这样智能体就能快速解锁到相关的内容。 自定义技能这块我们开发了几个针对家居建材场景的插件，比如产品参数查询、搭配方案生成、保养指南推荐之类的。听起来这个架构还挺清晰的，那功能设计这块你们是怎么考虑的？ 功能设计我们围绕用户的核心需求分了几个模块，第一个是用户提问处理模块，负责接收用户的问题，进行意图识别和语音解析，然后判断是直接调用基础模型回答还是需要从知识库中解锁内容，或者调用自定义技能。 那第二个模块应该就是知识库管理模块吧，毕竟客户希望运营团队能自己维护知识库。没错，知识库管理模块我们做了可视化的界面，运营人员不需要懂技术就能上传新的社区内容，系统会自动转化成像量存储到数据库里。 而且我们还加了智能审核功能，能自动过滤到低质量或者违规的内容，减轻运营的审核负担。那第三个模块呢？是不是还有智能体的对话管理模块，负责处理多轮对话的上下文？ 对对话管理模块很重要，因为很多用户的问题不是一次性就能问清楚的，可能需要多轮交互才能得到满意的回答。比如用户问小户型客厅怎么搭配沙发，智能体给出推荐之后，用户可能会接着问，那茶几选什么材质的比较好？ 这时候智能体需要记住之前的对话上下文，给出连贯的回答。那具体实施的时候，你们是怎么一步步把这些功能落地的？ 实施阶段我们分了四个步骤，第一步是数据准备把社区里的优质内容整理出来，清洗到重复和无效的内容，然后转换成适合向量数据库存储的格式。这一步花了大概一周的时间，因为数据量比较大，而且还要人工标注一些关键信息，比如内容的分类、关键词之类的。 那第二步应该就是搭建知识库和配置基础模型了吧？对，第二步我们先搭建了向量数据库，把整理好的内容导入进去，然后配置了豆包的 api 接口，设置了基础的 prompt 模板，让模型能根据用户的问题结合知识库的内容生成回答。 这一步我们遇到了一个问题，就是模型有时候会忽略知识库的内容，直接用自己的训练数据回答。后来我们调整了 prompt 的 权重，强制模型优先使用知识库的内容，才解决了这个问题。 第三步是不是就是开发自定义技能和界面了？没错，第三步我们开发了几个自定义技能，比如产品参数查询，我们对接了客户的产品数据库，用户问某个产品的参数，智能体就能直接调用接口获取数据，然后整理成自然语言回答。 界面这块我们做了外部版本和小程序版本，用户可以在社区里直接和智能体对话，运营人员也可以通过外部界面管理知识库。那第四步就是测试和上线了。 对，测试我们分了三个阶段，第一个阶段是内部测试，我们团队的人模拟用户提问，检查智能体的回答是否准确，有没有出现幻觉或者错误的信息。第二个阶段是邀请了一百个社区的活跃用户做灰度测试，收集他们的反馈，然后根据反馈调整模型的参数和 prompt 模板。 第三个阶段就是正式上线，上线之后我们还做了一周的实时监控，每天查看对话日记，及时处理用户的投诉和建议。 那搭建过程中你们遇到的最大挑战是什么？最大的挑战应该是知识库的更新和维护问题。最开始我们是手动上传内容，但后来发现社区里每天都有大量新的优质内容产生，手动上传根本跟不上。 后来我们开发了一个自动爬取和筛选的工具，能自动识别社区里的高赞内容，自动转换成像量存储到知识库，这样就解决了更新不及时的问题。还有其他的技术难点吗？ 还有一个难点就是多轮对话的上下文管理。有时候用户的问题比较复杂，涉及多个场景和知识点，智能体很容易忘记之前的对话内容，导致回答不连贯。 后来我们优化了对话管理模块，增加了上下文缓存和记忆机制，让智能体能记住用户之前的提问和回答，这样多轮对话的体验就好了很多。那现在这个智能体上线之后效果怎么样？ 效果还不错，客户反馈说，用户的提问响应速度比之前快了很多，回答的准确率也提升了大概百分之三十。而且运营团队现在不需要找我们帮忙维护知识库了，他们自己就能上传和更新内容，效率提升了不少。 那接下来就是大家最关心的部分了，怎么把这套流程附用起来，快速复制到其他同类场景？其实我们在搭建这个智能体的时候，就考虑到了附用的问题， 所以我们把整个流程抽象成了几个标准化的模块。第一个模块是需求分析模板，我们整理了一套针对 ugc 场景的需求分析框架，包括用户访谈提纲、数据爬取方案、需求优先级评估方法之类的。以后遇到类似的项目，直接套用这个模板，就能快速完成需求分析。 那第二个模块应该就是技术选型和架构设计的标准化了吧？对，第二个模块是技术架构的标准化，我们把基础模型加垂直领域知识库加自定义技能这套架构固化下来，针对不同的垂直场景，只需要更换知识库的内容和自定义技能的功能，就能快速搭建新的智能体。 比如如果要做一个美食 ugc 场景的智能体，只需要把知识库换成美食相关的内容，自定义技能换成菜谱查询、食材推荐之类的功能就可以了。 那第三个模块是不是就是实施流程的标准化？没错，第三个模块是实施流程的标准化。我们把从数据准备、知识库搭建、模型配置，既能开发到测试上线的每个步骤都整理成了详细的操作手册， 每个步骤都有明确的时间节点和质量标准，以后不管哪个团队来做类似的项目，都能按照这个流程一步步来，避免走弯路。 那除了这些标准化的模块，还有什么可以附用的东西吗？还有一些通用的工具和组建，比如我们开发的自动爬取和筛选工具，知识库管理界面对话日记分析工具之类的，这些工具都是可以附用的，只需要根据不同的场景做一些小的调整就能用。 那对于其他想尝试类似项目的团队或个人，你有什么建议吗？首先，我觉得要明确自己的核心需求，不要盲目跟风做智能体，先想清楚你要解决什么问题，目标用户是谁，他们的痛点是什么？ 然后在技术选型的时候，不要追求最先进的技术，要选择最适合自己场景的方案，比如如果你的场景比较简单，可能用 prompt 工程就能解决问题，没必要搭建复杂的架构，还有吗？ 其次，要注重数据的积累和知识库的维护，智能体的回答质量很大程度上取决于知识库的内容，所以一定要花时间整理优质的垂直领域数据，而且要建立定期更新的机制。 另外，在开发过程中要多做测试，尤其是灰度测试，收集用户的反馈，不断优化模型的参数和功能。最后还有什么要提醒大家的吗？ 最后，我觉得要注重流程的标准化和附用性，不要每次做项目都从头开始，要把之前的经验和成果沉淀下来，形成可附用的模板和工具，这样以后再做类似的项目就能节省大量的时间和成本。 还有就是要保持学习，智能体技术发展的很快，要不断关注新的技术和方案，及时更新自己的知识体系。今天跟大一聊了这么多，收获真的很大，从项目背景、搭建流程到关键挑战和赋能价值，都讲的非常详细，相信对很多想尝试智能体开发的朋友会有很大的帮助。 没错，希望今天的分享能给大家带来一些启发。如果大家有什么问题或者想法，欢迎在评论区留言，我们会及时回复。好的，今天的技术分享就到这里，感谢大家的收听，我们下期再见！再见！

嗨喽，大家好，我是兔子。本节课内容根据大家上交的作业进行了一些调整，主要围绕视频创意思路及创意剪辑方法来做讲解。本期课程我们要在传统的捏仔展示视频中增加一些新玩法。以这个视频为例， and other people you have woken you。 穿搭展示部分可以参考变装小游戏思路 或是指引式展示，避免传统的截图罗列。教程如下，在仔仔里保存穿搭前、穿搭后的静态素材，将穿搭前素材以画中画模式导 剪映，可以适当增加描边效果。 然后点击画中画，导入穿搭后素材。利用抠图功能，把衣服抠出来， 放在人物两侧，用关键针功能为衣服定制一条路线，选中上衣视频，在前半部分打个关键针，这是起始点。再在结尾处打个关键针，这是终点。将衣服拖动至人物身上对齐， 这样一条完整的路线就出来了。 指引式展示比刚刚的简单一些，所用到的功能是画中画、抠图和 贴纸功能。具体操作如下， what i'm gonna sleep with hot and miss。 动态展示部分可以与正 侧面展示合并起来，让整体画面看起来更丰富。具体操作如下，先导入一段动作，把人物抠出来，放到画面上方， 再导入一块背景图， 点击蒙版中的矩形弱化一下，图片的边缘呈现出渐变效果。 将仔仔正面和侧面图片导入抠图，在贴纸中选择一款喜欢的边框，调整位置 大小，再添加文字标注， 最后再添加一些贴纸，丰富画面。 最后再教大家一个裸眼三 d 制作的小技巧，可以用于动态展示。先导入动态素材复制，选中第一段素材，在结尾处打一个关键针，然后选择蒙版中的镜面， 再挪到视频开头，打一个关键针，选择蒙版中的镜面，把两条线放大至全屏， 选择第二段素材，切到画中，画与第一段素材对齐，然后点击抠图，把人物抠出来， 这样裸眼三 d 的效果就出来了。下面是作业时间。

欢迎收听扣子 ai 播客。 hello， 大家好，欢迎来到咱们今天的播客，我是大一，我是米仔。今天咱们要聊的话题啊，可能是很多在做豆包 ugc 智能体的朋友都会忽略的，那就是怎么保持芝士库的活力，让它持续进化。 没错，很多人一开始搭建知识库的时候特别上心，把能想到的内容都塞进去，就觉得大功告成了。但其实啊，知识库就跟咱们用的手机 app 一 样，不更新不维护，用着用着就不好使了。 是呢，我之前就遇到过一个朋友，他做了一个美食推荐的智能体，一开始知识库里面都是去年的网红店信息，结果今天好多店都关门或者换菜单了，用户问起来智能体还在推荐那些已经不存在的店，用户体验一下就变差了。 这就是典型的内容过时问题。其实知识库退化的现象还挺多的，除了内容过时，还有覆盖不全的情况。比如说你一开始只是想做一个考研政治的智能体，结果用户后来又问起考研英语、考研数学的问题，你的知识库就覆盖不到了，这就出现了盲区， 还有质量稀释的问题。我见过有些朋友的知识库里面，同一件事情重复放了好多次，甚至还有一些内容互相矛盾，用户看了都不知道该信哪一个。 对这些问题如果不及时处理，慢慢积累下来，你的智能体就会越来越不好用，用户也就不愿意再来找他了。所以啊，咱们不能只想着建设知识库，更要想着让他进化。 那接下来咱们就聊聊怎么让知识库进化吧。首先第一步肯定是要先发现问题，对吧？也就是诊断机制。大叶，你觉得怎么才能发现知识库里面的问题呢？ 我觉得最直接的方式就是看用户的反馈，比如说用户经常问同一个问题，但是你的智能体答不上来，或者答的不对，这就说明你的知识库在这个知识点上有缺失。还有就是看智能体的回答命中率，如果命中率越来越低，那肯定是知识库出问题了。 没错，除了用户反馈，咱们自己也可以定期去检查一下知识点，比如说看看里面有没有过时的内容，有没有重复或者冲突的地方。还有啊，咱们可以去看看同类型的优秀智能体，对比一下人家的知识点，找找自己的差距。 对诊断出问题之后，还得有评估标准，判断哪些内容是好的，哪些是不好的。比如说内容质量，要看它是不是准确有用，有没有错误。信息覆盖度的话，要看是不是能满足用户大部分的需求，有没有明显的盲区， 准确性就更不用说了，内容必须是正确的，不能误导用户。那评估完了之后就是迭代策略了，具体要怎么操作呢？ 我觉得可以分成几个方面。首先是补充，把知识库里面缺失的内容补进去，比如刚才说的，用户经常问但是答不上来的问题，就可以把对应的答案加进去。然后是修正，对于那些错误或者过时的内容，要及时修改或者替换掉， 还有淘汰，对吧？那些重复用余或者没用的内容就应该把他们删掉，不然知识库会越来越臃肿，有时候还需要重组，把一些相关的内容整理到一起，让结构更清晰，方便智能体调用。 没错，工具方面的话，其实豆包本身就有一些功能，可以辅助咱们维护知识库，比如说可以批量导入导出内容，还可以设置关键词关联，让智能体更容易找到对应的内容。 另外也可以用一些第三方的文档管理工具，比如飞书文档、腾讯文档之类的，方便团队协助维护知识库。 说到团队协助，其实很多人可能是一个人在做智能体，但如果是团队的话，分工就很重要了，比如说有人负责收集用户反馈，有人负责更新内容，有人负责审核质量，这样效率会更高。 不过啊，在实践过程中，很多人都会踩一些坑，比如说只增不减，只往知识库里面加内容，不删除，没用的。时间长了，知识库就会变得特别臃肿，智能体调用的时候也会变慢，而且容易出现混乱。 对，我就见过一个朋友的知识库，里面有好几千条内容，但是很多都是重复的，或者是几年前的老内容，他自己都不知道哪些有用，哪些没用了。还有的朋友特别依赖自动化工具，觉得用 ai 生成的内容直接放进去就行了，完全不审核结果，里面有很多错误信息，误导了用户。 还有一个误区就是忽视用户反馈，觉得自己做的知识库已经很完美了，不需要听用户的意见。其实用户才是最了解自己需求的人，他们的反馈就是最好的优化信号。比如说用户经常吐槽某个回答不好，那咱们就应该去看看对应的内容是不是有问题，及时调整。 缺乏版本管理也是一个常见的问题。很多人更新知识库的时候，直接就覆盖了原来的内容，要是更新错了，想恢复都恢复不了。所以啊，定期备份知识库，做好版本管理还是很有必要的，这样万一出了问题还能回溯到之前的版本， 那怎么才能让知识库的进化持续下去呢？我觉得首先要建立一个周期性盘点机制，比如说每个月或者每个季度，花点时间去检查一下知识库，看看有没有需要更新的内容，有没有问题需要处理。 对，还要形成一个用户反馈驱动的迭代闭环，就是说收集用户的反馈，然后根据反馈去优化知识库，优化之后再看用户的反应，再继续调整，这样一来，知识库就能跟着用户的需求一起变化。 数据指标监控也很重要，比如说可以看看智能体的回答，命中率、用户满意度、问题解决率这些指标如果命中率下降了，就说明知识库的覆盖度或者准确性可能有问题，如果满意度低了，就说明回答的质量可能不够好。通过这些数据，咱们就能及时发现问题，调整策略。 团队写作的话，要是有团队的话，明确每个人的角色分工，比如有人负责内容收集，有人负责审核，有人负责更新，这样大家各司其职，效率会更高。就算是一个人做，也可以给自己制定一个计划，比如每天花多少时间去处理用户反馈，每周花多少时间去更新内容。 其实啊，知识库进化的本质就是跟着用户需求的变化而变化，用户的需求不是一成不变的，今天可能问这个问题，明天可能就问那个问题，所以咱们的知识库也要跟着变，才能一直满足用户的需求。 没错，而且未来肯定会有更多智能化的辅助维护工具出现，比如 ai 可以 自动帮咱们检测知识库里面的错误内容，自动更新过时的信息，甚至可以根据用户的提问习惯，自动推荐需要补充的内容，到时候维护知识库可能就会轻松很多了。 不过不管工具怎么变，核心还是要以用户为中心，毕竟咱们做智能体最终目的还是为了服务用户，只要咱们能时刻关注用户的需求，不断优化知识库，就能让咱们的智能体一直保持活力。 好了，今天咱们关于豆包 ugc 智能体知识库进化的话题就聊到这里了，希望大家听完之后能对怎么维护知识库有新的认识，也希望大家都能把自己的智能体做的越来越好。没错，感谢大家的收听，咱们下次再见！