可以将自己搭建的工作流api调用吗
粉丝1.3万获赞3.9万
相关视频
03:52查看AI文稿AI文稿好，大家好，我今天给大家分享一个什么通过扣子编程生成的一个工作流，如何使用 http 请求节点去调用它，首先呢我这里给大家也看一下啊，首先我们看一下， 这里呢，我给大家看一下啊，看到这里啊，这里呢就是我通过扣子编程呢自动化去生成的一个小红小某书的图文工作流，它自动化就给我们生成了，对不对？看到这里 生成完之后呢，我们可以给我们这可以去调试它，试运行它，如果结果不满意，我们在在这边左下角这里呢进行一个优化，调试完成之后呢，我们就可以并部署它啊，部署它，当我们调试完成，没问题呢，我们可以点击这里部署啊，部署成功呢，就会看到这里啊，等下给演示一下。部署 这里呢，当我们部署成功，这里呢你就可以看到这里有一个什么 api 的 api 请求部署成功，这里是部署啦，这里有 c u r， 对 不对？这一个还有我们 api talking， 我 们就回到我们的这里面的工作流，通过 http 请求节点怎么去使用？ 我们就搭建一个工作流，首先我们在这里呢就添加一个，在我们的 d 代码开发模式里面呢，就添加一个什么呢？ http 请求节点，好吧，添加个 http 请求节点。好，在这里就可以看到，在这里就看到，好，在这里呢，我们就导入它的 c u r l。 好， 我就复制过来， 把这里的 c u r 复制过来，看到这里呢，它就叫你呢替换成你的 u r talking， 那 是哪个 talking 呢？就是我们这里管理的获取的 talking， 你 去获取出来，把这里替换掉，这里呢就把刚刚我们从这里啊， 我们就把这里的 api talking 呢获取过来，给它粘贴这里替换掉，而你好替换成我们自己的 api talking 之后，这里就会导入啊，好， 看到它呢，这里自动化就给我们导入了，在这里导入之后你就可以看到这里的是不是是起球体呢？我这里给它通过我们变量来控制它。怎么会啊，我在起球叉出了，我就前面引用个变量进来，引用开始节点的这个音符的进来。哇，好，这里我们就在这里的 i d e 编轴编辑这个代码，这里呢就给成替换成我们需要的变量。好，按住 shift 键中国号加 shift 键，是不是开始节点呢？好，我们就换成这样，好， 对不对？这里呢 h t b 请求节点就可以完成了，接下来呢我们再添加一个什么节省反序列表， 反序的话将我们的制符串转换成列表格式。好，引用哪个，这里呢就引用我们这里的 h t p 请求里面的 body 好， body 好， 这里就可以了。这样这样搭建完成之后呢，看到这里呢就帮我们这个这个扣子编程下面的工作流输出的参数呢，获取到了，我们如果需要多个扣子编程参数关联，是不是我们就可以添加多个，在这里，好，我们测试一下 对不对？好，这里我就开始输入一个，我们就将好，我们将将原来的一个扣子编程的工作流通过 api 形式调用过来，我们看一下， 好，看到整个工作流运行完成，看到它就给我们需要结果输出来了，对不对？我们内容还有我们的图片链接，好， 在这里就可以看到啊，在这里跟呢，这里我们就可以看到啊，这里只是通过了一个扣子编程对不对？如果我们是关联的，通过多个扣子编程是不可以啦，通过前面一个工作流的输出再引用另外一个输入好，就是我们 这就回到我们的 d 代码工作流的搭建流程，对不对？这里呢主要是告诉大家如何将我们扣子编程编程搭建好的工作流通过 h t v a p i 的 形式去调用它。
100阿辉AI智能体
07:32查看AI文稿AI文稿通过扣子编程去搭建一个工作流，然后给它如何给它使用到我们的智能体里面。好，首先我们点击这里的点击扣子编程。好，我们通过这里呢通过扣子编程， ai 自动化来帮我们生成一个工作流，对不对？好，我们点击这里工作流，看到这里， 这里呢就输入你的要求，并且这里可以上传对应的文件，上传附件呢，生成配置啊，还有等等一些技能。好，这里我们填完之后干嘛呢？我就回到这里把那内容好点击发送，我就看到我这里是测试完的。啊， 好，这里呢我就给出出了这样的一个需求啊，就是我们我这里呢需要生成一个专业的作业批改， 根据输入了图片和学生姓名呢？对错题知点整理，生成格式化的批改报告，对不对？好，我就整理一下，我，我需要整理哪些东西？这里呢就是我们自己的思维，我需要搭建个什么样的工作流至人体他能解决的时候问题啊？这里呢也是要有一些基础的节点知识点，在这里我需要什么格式，对不对？好， 这里呢，当我们把我们的要求发送给这个 ai， 它自动化就帮我们来创建一个工作流，看到它就自动化来执行， ai 自动化去执行到这里啊， 好，对不对？当他执行完成之后，我们这里可以试运行，试运行可以看一下，如果不满意在这里呢，我们需要调整的呢，就在这里左下角进给他进行个对话调整，直到我们调整完成。啊，看到这里我们一直去改进，一直与他对话，我们不想要的内容，对不对？好， 直到我满意我就可以了。看到这里是我测试的一个我上传的图片跟学生姓名呢，他就跟我生成了个批改报告，跟我们的一个整理内容。好，我们这里 对不对？这里就是我自己设置好的一个批改作业，批改报告，让他给我生成这样的格式就可以了，看到对不对？好，这是我们通过扣子工作流自动化去生成的。 好，接下来我们怎么办呢？接下来我们如何给它运用到我们的 d 代码开发的自己的智能体里面去呢？好，在这里呢，测试完成之后呢，它就没问题，对不对？我们就可以开始自己选择数据同步啊，生产环境变量等等，对不对？好，我们点击开始部署， 看到部署中，对不对？打包构建部署成功。看到，好，接下来你看到这个扣子编程的工作流部署成功，这里呢，它就给我们生成了一个 api， 对不对？ api 托管这块 c u r l 对 不对？接下来我们就来去创建一个工作流，通过 http 请求去调用这个 api。 好 好好呢，我们就再来在第一代。好，接下来呢，我们就先来创建个第一代码的工作流开发，首先我们看下工作流开发。好，我们创建一个工作流 批改扣子编程，扣子编程的什么作业？作业批改工作流。好，点击确认。 好，首先我们看到这里呢，我们是通过 http 请求去调用 api， 对 不对？首先呢，这里干嘛呢？我们在这里就干嘛呢？我们就添加一个 http 请求节点， 添加一个 http 请求节点，我们先不管它，好，我们看到这个 http 请求这里呢，通过它可以导入 c u l， 还有这些 a p r 调用 get 啊，还是什么模式？我们先不管它，我们在这里呢，就先导入它的 c u r l， 点击这里导入，回到我们这里，它是不是部署成功了呢？部署成功，这里是不是有个 c u r l 呢？我复制这个 c u r l 进来，好， 给它粘贴在这里呢，它就告诉到你了，看到这里它就告诉你了，这里呢？输入你的 什么 talking， 对 不对？输入你的 talking， 好， 这里就替换成你的 talking， 我 们 talking 在 哪里呢？看到这里是不是有一个 api talking 呢？对不对？我们就可以来管理我们的 api talking。 好， 创建一个 api talking， 好， 我们就把这个 api talking 复制过来，给它替换掉，把这里的你的 talking 是 对不对？替换成我们复制过来的 api talking 就 可以了。好，我们导入好， 好，看到这里呢，它就自动化给我们写入进来了。那接收这里呢？它有两个代码啊，这里就正常完成了，再看到我们这里，啊， 对不对？接下来请求参数，如果我们是变量，对不对？你看到这里，我们在 id 中编辑它，这里是不是还有的 man， man， 这图片这里有我们 name， 对 不对？我们就可以引用两个变量，我们这里呢就来在开始节点呢，上传两个变量给它看一下，第一个它是上传图片，对不对？我们举好 好就可以了。好，我是给它创建两个变量，对不对？这里是不是要需要两个变量呢？我给它请求参数呢，就给它引用进来第一个开始的图片。 好，我们这 id 用编辑给它引用，对不对？这引用什么呢？这里是不是一个变量呢？就是我们的开始的图片。好，这里就是我们开始的 name， 好， 引用过来。 好，这两个变量就可以了。好，我们接下来看一下到底能不能成功啊？我们先看，接下来我们就看一下给它连接起来它输出的 body， 对 不对？好， body， 好， 接下来我们是演示一下，我们上传张图片，还有一个学生姓名， 好，点击试运行。好，在这里我们就发现了问题啊，因为我们这里呢，这里的我们的 htp 请求它上传的是个图片格式啊，看到这里 它这里呢上传的是一个什么？就是我们的作业图片格式，但是我们这里 h t p 请求这里呢，是不是通过这里呢？它就是输入了是个链接格式，对不对？看到这里呢，它输入是个链接格式，对不对？所以我们就需要去调整， 那它这里呢输入的在我们的作业批改工作流里面呢，它给它换成链接格式啊，将它调整为链接格式就可以了啊，这里呢我就给它调整了，将我们的输入图片格式呢，图片呢换成一个图片链接格式啊，看，这里我就重新创建了一个，将它图片链接图片呢换成一个 链接格式，然后呢我们就就给它进行了部署。啊，看到这里我就给换了，这里呢我就换成一个作业图片的 ui 链接格式。 好，接下来我们再看一下。好，这里我就搭建了，对哈，最后我们画件也是一样的，对不对？还是一样如何去创建，对不对？将 c u r 导入，但我们输入参数。好，这里完成之后我们就可以来测试。 好，这里呢是，为什么要个接收呢？反序列表呢？我方便去将我们它进行一个反序列表，我需要将它进行一个反序列表，这就是我们的操作。好，我们再看一下，好看，你是 好，看到我这里输入，我们点击这个工作流，通过 http 请求调用的，它就会自动化去执行。啊， 好，看到这里呢，它就自动化来输出了。输出什么呢？看到整个工作流运行完成这里呢？它输出了一个我们的错题，知识点整理，对不对？好，这是个知识点整理。第二部分呢，就是我们的一个 p 改 url， 看到 这里呢，它就是我们的作业批改报告，对不对？这种格式呢？我们首先呢，如果格式不满意了，我们是在这我们的扣子编程里面让它进行帮你调整完成，对不对？调整完成我们就可以通过 http 请求调用了，对不对？好，我们可以获取到这些参数。 好，接下来我们如何是通过自人体去调用呢？我们如何给它引用到自人体呢？对不对？这个工作流完成之后我们干嘛呢？我们把这个工作流点击发布。
01:25查看AI文稿AI文稿opencode 如何调用 code 工作流实现高效工作？ code 是 云端的工作流， opencode 是 本地的 agent 助手，如果两者结合起来，工作效率一定蹭蹭涨。 opencode 调用 code 需要三步，第一步是安装 skill， 第二步是 code 拿授权， 第三步是设置 skill 参数，然后测试。 opencode 调用 code 的 skill 叫做 code workflow， 它需要从 code 获取授权和工作流的演 安装命令为 m， p， x， call 与 bug 等 style code work for 安装成功后就完成了第一步。第二步是打开 code 编程页面，然后登录，点击左下方的 a， p， i， s， d， k， 这里点授权， 这里应用类型选普通客户端类型选服务类，名称是类似身份证，全网唯一，你们自己试 创建 t 会自动下载一个文件，不用管它。权限选全选，然后确定弹框的话选授权。 创建好应用后，点旁边的服务身份及凭证，点击添加按钮，时间选昌期，权限选全选工作空间看实际情况选，点击确定。这个令台要保存好，待会要用。回到扣子编程页面，点击你的工作流，工作流要以发布的状态。 点开工作流后，输入最后的数字是工作流眼保存下来，最后在 c， m， d 设置下 open call 就 能用了。
105AI布道者
02:22查看AI文稿AI文稿昨天晚上我决定我不再使用 oppo， 可乐和 hemi 死了，然后我突发奇想，我，我问 ai， 我 说我能不能尝试自己给自己在电脑上面搭建一个 工自动工作流，然后我的 ai 告诉我说是可以，然后我就让他帮我去把整体的步骤罗列出来，然后每一步怎么操作，然后他给我把全流程输出出来了，嗯，当时 我按照他的步骤走，嗯，先是使用终端把 python 下到电脑上边，下载完了之后他带领我去 弄了一个代码行，是首先第一个，第一步他让我去把， 就是创建一个 python 文件，然后支持 python 可以 调用，然后让我就是使用这个文件，然后执行可以电脑自动去调用这个 api k， 我尝试了一下可以进行在终端命令行里边进行对话，嗯，代表我成功了。然后第二步我给他的要求是让 python 可以 去调用我的 电脑的文件夹，然后我给他说了，他给我输出了一段代码行，然后我去做成 python 文件，然后确实也能够正常调用。然后 第三步我让他给我做一个格式化可以记记忆的可以进进行记忆的一个文件，然后他告诉我了一个代码行，我去 制作了，制作了之后但是对话没有出现记忆的效果，然后现在卡在这一步了，等到今晚回来下班回来之后再进行一次尝试，看怎么把这个记忆去做成功。
10:46小白必看！手把手教你工作流搭建，看了就赚啦！上个月接触了扣子想搭建一个工作流，遇到了很多卡点后放弃，今天总算研究出来了，视频很长，照着做不会错滴！#每天分享科普知识 #ai #工作流 #职场 #自媒体查看AI文稿AI文稿花了一下午时间学了一点点扣子的工作，刘佳健目前学到的程度就是我输入一个链接之后，他能把你想要研究的作品的封面、图片、标题内容全部都扒下来，甚至你还能让他自动的改写。他涉及的应用比较多，这篇也不是广告，很有可能他会被限，所以大家 且看且珍惜。因为我也是下午刚学了点皮毛，所以我就用以教带学的方式再重新温习一下。那接下来就是实操，我就重新从零到一，再搭建一次工作流，你们需要的话可以直接复制学习。首先打开扣子，这一个免费使用， 自己注册一下，登录进来就是这样的一个界面，点一下这个扣子空间开发平台。好，这个资资源库， 这是我下午创建的一个这个，那我重新来做一个，点一下资源库，然后在这用一个资源点一下工作流。好，工作流名称，他要是英文的工作流名称，写个提取吧， 工作流描述也随便写一下，比如说提取好确认，这样它就创建成功，创建成功之后它就出现了这样两个东西，只有一个加号加一个， 比如做小红书的话，那就是，嗯，提取。 ok， 这个插件加一个插件进去。好，这样就加上了，然后输一个什么东西，经过这一个流程之后，最后输出一个 给它连起来，这就是一个非常简单的工作流，你输入一个链接之后，经过这一个运行，它就能给你输出这些东西。嗯，第一个 banner 就是 封面 banner list， 每一张图片 content 就是 它下面写的 内容， error message， 这个是什么错误信象什么的输出，那应该就是你运行失败就会输出这个开头标题为这个视频，点一下这个，然后这里输入一个东西， 点开始输入什么输入？输入开始的这个东西 input 输出。 输出什么呢？比如说我要先输出一个 title 标题嘛，然后我再加一个，我随便随便写一个，比如说，嗯， content 吧内容，第二个是 content 啊，你要加的话可以继续加。呃，比如说你想要他的 banner 等等等等，我图片就先不加了，就是示范一下，我们试运行一下，我随便 点开一个小红书那个，比如说最近找工作很火，我搜一个简历吧，简历第一个就这个，一天看了三百篇简历，就这个是最好的，好吧。链接点开一下，好，把这个链接复制上去了。 复制一下，你看这个是它的 title 嘛？然后下面是它的 content， 点一下试运行。好，试运行，这里 input， input， 什么？ input？ 就是 网址试运行。 啪啪啪，啪啪啪，运营成功，运营成功，运营成功。好，做出来了，这两个部分的内容是一样的，对吧？哈喽，宝子们，现在毕业季很大学生信息，那么这个模型就是 ok 的 模型。 ok， 那 咱们就发布发布，吧啦吧啦吧啦，好，发布。 行，发布好，这是提取，就在这了，接下来我们打开飞书，我也其实不太会用飞书之前，但是 没招了，我很快的讲多维表格，多维表格你可以点一个新建，这个是我刚才建的，这个东西我就重新重新来理一次，在这里 数据表加一下，你可以自己写一个名称，比如说我上面说的什么工作流，这有个文文本本，就是等一下你要写的链接，然后后面就是将要输出的东西。好，那怎么样把扣子的工作流和这个软件结合起来？就是点这个文本， 这里有个修改字段列，探索 去找这个。好吧，有个工作流调用好，调用了，调用之后有一个认证令牌配置文档，这个是在哪里？这个就是你打开扣子，嗯， api 管理， 授权个人访问令牌，嗯，然后有一个添加， 添加他就有这样的一个界面，一般都是三十天，一天，你也行，我就随便写一个啊，然后这里输入 wrong， 打个勾， 好，选择空间，个人空间，吧啦吧啦吧啦吧啦。好，这样确定了之后就会跳出一个这个令牌，令牌，你就把这个令牌复制到 这儿，等下，最后复制，因为就是我不想把这个令牌公开嘛。工作里有 id， 在 哪里？ id 就 在你的资源库，你刚才创的这个提取打开， 打开之后，你的网址上面有一个 workflow id， 把后面的这一串数字复制过来，一定是 workflow 后面的 id， 因为后面还有个 space 嘛。就是把 workflow 后面的这一串数字截至到这儿复制下来，复制， ok， 复制之后到这，哎，参数字段就是这个链接，我短名称，名称不重要，随便写一个，比如说链接， ok， 请求模板一定按照这个格式，你们自己就是去打一下字就行了，这个不重要，哎，对，就这样子，我们的输出结果就改成开头 输出结果二，就是 content 调皮了，嗯，自定行数，就是同时能生成几行，那就一行，然后输入结果输入二，嗯，不了不了，那就确定。 因为我什么东西都没有嘛，我就生成一个新的，我生成我生成了之后呢？我试一下，我们找一篇小红书，比如说这个。嗯，就这个 啊，打开好。呃，一天看了上百篇简历就这个是最好的复制 回到扣子，哦不，回到那个那个那个啥。好，在这里粘贴。见证奇迹的时候回车车他就开始响了吧。他那个响他那个响他那个响。说不说？不说不说。那没问题吧？这不可能吧。 哦好好出来了就是这样，你们看看 最近一天看到上面这个就是最好的。这是标题，然后这个是内容。嗯，简历小贴普基本信息吧啦吧啦吧啦吧啦。好，都是和你提取的东西一样的。接下来我们还可以创建一个新的模型，就是改写在后面 把这个字段修改一下，直接用豆包或者什么都可以，比如说我这里就用豆包改好豆包输入指令我们引用一个字段改什么？比如说改这个输出结果一 输入指令指令。比如说，嗯，你是一个小红书， 小红书职场博主，好，自定一行一行的改，然后就说出结果吧，也不用思考了。 ok， 这样就确定确定深沉 好生成他就开始生成了，我们等一下生成叭叭叭叭。那这里也是一模一样的了，你们等一下就可以按照这个去生成他的输出结果，写一些指令。首先引用一下字段。引用什么字段让他模仿哪个东西？就是模仿 这个东西文案的那些内容，那就模仿输入结果二的内容，然后给他标题，如果你是一个啊什么纸上博主给我写一份差不多的。不了不了不了不了，然后自定好手写成一行，获取更多信息，啪啪啪，确定他就会开始了。好， 现在我们等到这样子了，哎哎，他直接出来了，他直接出来了，我们就看这里他生成了，通过仿写这个标题，他仿出了啥呢？看得清楚一点，要不要变成超高？就这样见过。哦，这里 他原来是一天看了上百篇简历，就这个是最好的，他模仿的是 h 二分传，删了一百加简历，就这篇让我想立即阅面试，谁懂啊，一天八八十份简历，总结，这份简历没亮点，叭叭叭叭叭叭。你看就会 给你十个标题，你就可以直接拿去用。然后这里的输出结果也是一样的，他有个思考过程，然后输出结果简历加分箱，吧啦吧啦吧啦，就是他仿写的东西，这个就是他输出来的结果，这是他加了思考过程的东西，这是他的输出结果。这样就是一个工作流了。 然后包括他的这个封面图，还有这上面他不有三张图吗？都是可以直接提取下来的，我们看一下能不能通过这个工作流帮你们提升一些工作效率，然后还要去研究一下怎么提取视频的文案以及内容，然后 改一个差不多的口播稿，包括它也是能帮你自动剪辑的，等等等等。 ok， 今天的分享就到这里了，如果大家有什么不懂的话，也可以问一下豆包，哈哈，推荐的软件太多了，真的有可能被下掉，所以大家且看且珍惜吧。嗯。
509天才i人哈哈哈
01:03查看AI文稿AI文稿open core 是 像扣子那样支持工作流的。 open core 可以 设置 skill 的 亚某工作流，实现流程自动化。 lobster 是 有是欧本科二的原生工作流引擎 设计，用于将多个智能体 skill 组合成自动化流水线。如果说单个欧本科二智能体是技术工人， 那么 lobster 就是 协调他们工作的项目经理。每个智能体技能代码生成，数据分析、文件操作 api 交互等都可以作为构建块，被 lobster 排列成序列并行分支和条件流。工作流以亚某格式定义，支持版本控制，代码审查，异于理解和维护。 lobster 提供了工作流引擎 cel 了 lobster lobster。 lobster 于五 s 点 com 提供了编排平台。 cofos 最突出的功能是自然语言流水线创建，无需手写亚某，只需用自然语言描述想自动化的流程， cofos 就 会为你生成工作流定义。这是手机 u 盘科奥工作流的网站，里面收集了很多工作流，可以下载后导入到 o 盘科洛。
13:14查看AI文稿AI文稿大家好，这里是全小白，欢迎大家来到第四节课。上一节课中，我们学会了数据清洗与格式化的核心技巧，把读取的杂乱数据变成干净规范的干净食材。 在大家实操的过程中，大概率会遇到一些小问题，比如字断名写错、代码运行报错，这些都是正常的，就像我们刚学习办公软件的时候，会出现一些错误是很正常的，慢慢的大家就会熟练了。而且大家要记住， 我们学这些不是为了成为程序员，而是重点掌握逻辑，能解决实际问题就好。这节课我们就承接上一节课的内容，进入项目核心逻辑的第四步，调用基础 e p i 接口与请求方法。大家回想一下，前三节课，我们搭建了环境准备的食材，洗干净的食材， 现在要把处理好的食材交给后厨的专属厨师，也就是人工智能大模型，让他把我们完成专业的分析处理工作。那我们怎么把清洗好的数据、我们的请求指令准确地传递给大模型呢？ 这就是今天我们这节课核心解决的问题。这里先给大家讲两个最基础的概念， api， 也就是数据接口， 就是你的代码和人工智能大模型之间的专属传菜窗口，也是你们之间的专属电话线。 api 给人工智能发送请求和数据，这个动作就叫请求，人工智能处理完成后，通过 api 给你返回结果，这个就叫响应。所以 api 调用的核心目的就是搭建我们的代码和人工智能之间的桥梁，把清洗干净的数据、我们的需求指令传递给 人工智能大模型，让它自动完成专业处理，再把处理结果反馈给我们。全程还是用我们熟悉的 py 叉代码，依然是固定的模板，核心逻辑不变，仅需要修改三个地方就可以使用，无需自己编辑复杂的代码， 零基础也能轻松跟上。这里我要强调两个大家最关心的点，第一，不需要懂 api 的 底层原理，就像你不用懂电话线的信号传输原理，只要会拨打电话就行。 我们不用懂 api 是 怎么开发的，只要会用固定模板把需求和数据传进去，拿到结果就可以。第二，我们全程用国产达模型的 api， 比如豆包通、一千问 deepstack 文信一言，不用翻墙，不用复杂申请，合规安全，个人就可以轻松完成，完全适配我们零基础的需求。讲完了 api 的 基础概念，很多同学可能会问我直接在豆包 chat gpt 里粘贴数据提需求也能拿到结果，为什么还要用代码调用 api？ 这里我给大家讲清楚五个核心原因。第一个， 批量处理，解放双手，这是最核心的价值。网页端和客户端的操作，只能一条条粘贴数据 提需求。比如你有一千条清晰好的用户评论，要让人工智能逐条筛选负面评论，总结核心问题，需要粘贴几十上百次，花的时间比较多，当然也可以提交文件，但会存在幻觉问题。第二，自动化流程，用代码调用数据接口， 你可以把读取文件、清洗数据，人工智能处理保存结果，整个流程做成一套固定的代码，下次有新的数据，只需要修改一下文件路径，一键运行就能拿到最终结果， 不需要再重复操作。而网月端客户端每次有新的数据，你都需要重新提交需求，重复劳动比较麻烦。第三，定制化能力 适配你的专属需求。网页端客户端的功能是固定的，只能满足基本需求，但用代码调用 api， 你 可以自由组合功能。比如让人工智能处理完数据后自动生成 ppt、 自动发送邮件、自动更新到表格里，完全适配你的工作场景， 这是目前人工智能大模型做不到的。第四，人工大模型会产生幻觉模型对长对话上下文的有效注意力覆盖不足，信息解锁能力却是单纯依靠大模型的能力，输出的内容不完全可靠。代码调用数据接口是弥补大模型幻觉问题。第五，遗忘问题。 目前主流商用大模型不管是 chat、 gtp 还是其他的大模型，都已支持两百万词源的上下文，开源模型如千问、 ipsyk 等大模型也普遍支持一百二十八 k 到一兆左右的有效上下文。通过优化的位置编码、滑动窗口、注意力、分块注意力等技术， 大幅缓解了长上下文的中间遗忘问题。但复杂的项目设计以及每天重复的工作会突破这个百万级。对话使用的时间越长，越容易出现数据遗忘以及 放大模型幻觉的问题。请大家放心，我们今天讲的所有调用代码都是固定模板、复制、粘贴、修改三个地方，基本上就可以直接运行，不用自己编辑复杂代码， 基础也可以轻松上手。讲完了基础概念和核心价值，接下来我们就进行今天的实操部分，在讲模板之前，我们需要先做两个前置准备条件，第一步是获取我们的专属 api 接口密钥，第二个是安装所需要的工具库。接下来进行我们基础模板的 讲解，整套模板包含了七个部分，这里给大家简单讲解一下。首先固定的部分还是导入我们的工具库，呃，因为我们这里调用的是豆包的大模型，所以我们这里导入的就是他们官方给的工具库。第一步 就是出示化我们的客户端，这里就可以直接把我们所获取的那这个 k 直接复制粘贴到这个位置上就可以了，这个地址是固定的，然后我们只需要修改这里的 k。 第二个就是我们的模型名，模型名这里一定要跟我们接口的这个 key 是 一一对应的，这里不要写错了，如果写错了，你会发现它会报我们的数据接口无法调用之类的错误。第三个是需求指指令，这里需要单独讲解一下，大家看这里我写的内容是， 你是一个专业的用户评价分析助手，帮我完成以下工作，这些工作的需求是我给他写上去的。我相信大家在最近了解人工智能的时候，经常会听到一个词， agent， 也就是智能体， 这里我所写的这个内容就是所谓的智能体，我们可以根据自己的需求进行定制，让它完成什么样的内容。接下来我们再看第四部分代处理数据，把这个地方备注写错了，这个地方我为了让大家方便 直观的看到它的处理后的结果，所以我就直接写了四条用户评价，如果我们的需求是想要读取本地的文件数据， 我们就可以用另一个模板进行，前面这个地方是一样，导入我们上节课讲到的这个工具库，我们需要把读取文件的这段代码 放到前面来，把文件路径这里修改成具体路径就可以运行。然后第三步才是自定义我们的需求指令输出完的结果，我们只需要在最后的位置把文件路径改成我们想要保存的那个具体的文件路径即可， 跟上一节课讲的那个模板是不是也很像？然后这里我是为了让大家更直观更方便的看到它的运行结果，所以这里我是单独写的。 然后接下来我们就来看第五个部分，要用接口，这里我不多介绍。然后第六个部分让他进行打印，输出我们的结果，我们可以要求最后打印出来的结构是什么样子的， 根据自己的需求进行调整就可以了。第七部分就是打印结果，可以看到大模型处理完之后，它的结果是什么？讲完基础模板之后给大家运行看一下， 大家可以看到了，因为我们的要求是筛选出用户评论里的所有负面评论，并且每条都要总结评论的核心问题， 所以他把第二条负面评价和第三条负面评价提取出来，并给了核心问题的结论，这个结构就是我们第六部分所要求的这个结构大家完全可以根据自己的需求进行调整。给大家讲解完了基础模板之后，再给大家运行一下 读取本地文件的模板，我们把文件地址复制一下，把我们的文件路径这里换成我们 具体的路径。保存路径这里我希望它最后生成的是 ai 分 析结果的文件，我这里写的是 tst 文件格式，最终它会在这个目录下新建一个 ai 分 析结果的 tst 文件，然后运行给大家看一下效果， ok， 它显示把所有的问题都提取出来了，也保存到这个路径下，我们看一下这个路径下的内容， 好，这里生成了这个文件，并且他也把数据生成到文件里面了。讲完了整个模板，我再跟大家强调几个实操中最容易踩坑的注意事项，因为都是我自己实操出来的经验结果，跟大家分享一下。 第一，一定要保管好你的这个 a p i 的 密钥，绝对不能泄露，这个密钥就像你的银行卡密码，别人拿到了就可以用你的额度去调用数据接口产生费用。所以绝对不能把密钥发到公共的场合里面， 不要写在发给别人代码里面，自己一定要保存好，如果不小心泄露了，一定要立刻去平台里把这个密钥删除，创建一个新的。第二个点是注意需求指令的清晰性，不管是网页端还是客户端 写的提示词。第三个部分，需求指令这里就是你给人工智能下达的指令，指令越清晰越具体，这个智能体返回的结果就越符合你的预期。不要只说帮我分析一下数据，要告诉大模型你是什么角色，要完成什么任务，遵守什么规则，用什么格式输出。 这和我们平时在大模型里面写提示词逻辑完全是一样的。这就是为什么有些人做出来的 智能体，也就是 agent 好 用，而有些人写出来的智能体并不好用。第三个部分是控制单次输入的数据量，避免报错。大模型的数据接口 单次能接收的内容长度是有限的，也就是我们常说的上下文窗口。如果你有几万条数据，不要一次性全部传进去，可以进行分批处理，比如一次传一百条，一千条，然后让它进行 循环处理，这样就不会报错，速度也会快，会教大家分批处理的模板。第四个，遇到报错不要慌， 先排查四个核心地方，我们的数据密钥是不是填错了，或者没有开通对应的模型权限。最常见的会报错四零幺工具库有没有成功安装，如果报错没有这个模块，或者是没有找到什么东西，可能是这里的问题。 文件路径写错了，或者是字断名，或文件里的表头不一致，也会容易报错。网络不稳定，一般超时了他都会提示你啊，报送超时或者是连接失效之类的错误。模型名，模型端点 如果写错了，或者是提取结果的方式不对，他会报错。四零四四个报错是比较经常遇到的一些问题，这里我想再跟大家分享一下。我们学这个调用的模板，不是为了告诉大家如何去写它，而是为了告诉大家如何能解决实际问题。 后续大家在工作中遇到不同的需求，只要记住核心逻辑，我们用数据接口搭建代码，与人工智能大模型之间建立桥梁，把需求和数据传给人工智能， 在接受人工智能返回的处理结果，哪怕没有现成的代码模板，我们也可以让大模型帮我们生成相对应的调用代码，这就是我们学清代码思维的真正价值。接下来我们回顾一下我们今天重点学习的四个核心内容。 第一个是到底什么是 api 与请求数据接口，就是你和人工智能大模型之间的传菜窗口，专属电话线， 你给人工智能发送需求叫做请求，人工智能给你回应结果叫做响应，不需要懂原理，会用就行。第二个代码对用 api 接口的核心价值是批量处理、自动化、定制化，真正帮你从重复的劳动力解放出来，解决客户端、网页端无法满足不同的职场需求。 三个内容是调用人工智能的固定代码模板，核心代码模板不变，只需要修改三个地方就能直接运行。重点修改四个核心点，替换库、替换接口、替换模型名、替换 结果提取方式，解决了之前的报错问题。进阶模板，也就是读取文件数据和前三节课内容基本完成了闭环。第四个内容是 a p i 接口调用的闭坑注意事项密要保密，指令清晰，控制数据量，遇到报错先排查五个核心问题。整个课程的 核心转折点，从这节课开始，我们才算真正把新代码思维和大模型的能力结合起来了。前三节课都是我们所做的准备，把清洗干净的数据标准化交给人工智能大模型， 让大模型帮我们完成专业的分析处理工作。今天你成功运行的调用代码，就意味着你已经掌握了项目核心的能力。下一节课我们就在进阶一步，代码与大模型的结合进行批量任务自动化，我们用代码 批量处理成百上千条数据，自动完成重复的工作，真正实现一次写好永久使用，还是固定的模板，还是使用 pychum 进行操作。今天的这节课我们就讲到这里。
82权小白
15:41376杰_wei
09:06查看AI文稿AI文稿只需要输入关键词 a， 工作流就会自动解锁多篇小红书爆款，从中总结爆款经验。基于这些经验，直接生成一篇新的爆款小红书文案。 哈喽，家人们，今天就我几天前搭建的一个工作流进行一个扣子工作流的简单教程和分享。如果你也想尝试搭建工作流，但不知如何开始，那不妨从这种有些复杂又不算难的小项目开始吧。 假设我们要搭建一个小红书爆款文案一键生成的工作流，那他的流程应该是这样的，首先在开始节点，我们输入关键词或者主题句。其次基于这些输入爬取相关的信息，然后再基于这些信息分析和总结爆款经验。 接下来就可以形成你的专属爆款方案了。当然，有些方案不符合标准，你还可以进一步优化。最后，我们再基于这些爆款方案来生成具体的爆款文案。生成的文案你不满意，也可以多增加一个节点，进行进一步润色和丰富。 ok， 看似完成了，但我们能否把每次解锁出来的爆款储存到扣子数据库，这样其他时候也能用上呢？于是我们在这里增加了一个节点。 这时我们又想到一个场景，如果用户输入关键词，比如 ai 产品经理，那除了爬取到的强相关爆款数据库，曾经已有的弱相关爆款，比如 ai 产品经理的爆款，能否也能拿来用一起总结成功经验，生成方案呢？ 于是在流程中，我增加了一个解锁数据库的节点，形成了工作流最初的模样。 我们在扣子的开发平台新建项目新建工作流，来到工作流的初始状态， 回顾流程的第一步，输入关键词，于是在开始节点设置关键词变量，我们命名为 keyword， 设为必填。 回顾第二步，基于关键词爬取小红书平台的破款信息，我们点击新增节点，可以看到扣子。官方的节点没有爬取功能，所以直接搜索小红书，看看有没有合适的第三方插件。 这么多插件，但大部分需要我们提供小红书的 api 才能爬取，可是亲测小红书的 api 很 难申请， 所以我们在这里选择这个插件，可以看到它支持 cookie， 而且能大致满足我们的爬取需求，比如作者名称、笔记、标题、封面、点赞数、链接、作者主页等等。 好吧，那就是它了，我们现在设置一下它的输入变量。首先就是 cookie， cookie 是 我们登录一个网站的身份凭证，想找到它，先在小红书电脑平台登录我们的账号，右击选择检查，在网页栏找到 fetch， 同时刷新小红书主页，可以看到 fetch 更新了很多内容，从中找到 on red count， 两者选其一即可，往下拉就可以找到你的 cookie 了。 第二个变量是爬取的关键词，直接引用开始节点的 keyword 就 行。接下来想查询的笔记类型，为了便于测试，我没有选综合，而是选图文笔记，当然你可以按自己的需求改动，同理排序，我默认爆款优先。 最后是爬取笔记的条数，我把笔记条数和 cookie 提前到开始节点进行输入，这样每次运行可以填写不同的内容。我还将条数的变量设置为整数，因为在插件中这个变量默认为整数统一的格式，能有效防止爬取失败哦。 设置完毕，连上结束节点，试试看这个插件能否运行 cookie 复制刚刚获取的这里假如我想写个帖子叫高层的火灾如何逃生的科普笔记爬取前十个爆款，让我们来看一下结果如何。 不错，运行成功。仔细看该插件的输出，的确有十份信息。第一个笔记的开头是空值，应该是作者本身就没写标题，继续检查，看得出爬取的内容都还挺完整的， 那我们就顺利进入。第三步，将爆款信息写入数据库，我们增加新增数据库节点进行设置， 它需要我们选择写入的目标数据库，我们开始新建， 创建完成，开始设置数据库表结构。 前四个信息是扣子自带的属性，我们直接新增自己想要的储存的信息。我写了笔记标题，作者链接，点赞数、收藏数、笔记正文以及笔记最后的修改时间，大家可以按需填写哦， ok， 保存哦，出错了我们跟着修改一下，便民欧了。回到主界面，增加刚刚新建的数据库，检查一下，确保结构完整。 好，那接下来就是繁琐的匹配变量环节了，将上一个节点的输出分别匹配至数据库每一个对应的字段中学过小学英文的应该都可以完成，我相信你也一定可以。 好，能找到的都填完了，但有三个变量是插件无法爬取的，所以我们尝试增加一个新的，也支持 gucci 的 插件帮我们爬取这三个信息。最后我们找到了这个，我们添加进工作流，给他设置一下， 最后检查下他能爬取的信息，确实包含了这三个缺的，那就直接匹配到数据库自断吧。 好，大功告成，我们再测试一下，看有没有问题。 运行完毕，我们直接在这查看数据库，检查是否储存成功。可是怎么只爬取了一条笔记？这时候我们只能一步步排查，看是从哪个节点出的问题。看第一个爬去并输出了十条笔记。 看第二个，发现问题出在这十个笔记的输入怎么只输出了一个呢？这也就直接导致后面数据库的节点输入也只有一条，有没有可能是这个插件的功能限制？我们在这查看插件详情，找到具体的插件， 里面的介绍写着根据笔记的吧啦吧啦该笔记，那确实每次只能抓取一条。 哎，那我们就只能用到扣子的循环节点了。我们把循环节点设置为按数组循环，具体的循环数直接引用第一个能完整爬取多条笔记的插件的输出即可。 意思是说他爬取十条就循环十次，爬取五十条就循环五十次。将新插件和数据库节点拖入循环体，做好连接， 这里的输出随便填一下就行，我们主要是看过程。 好，那你以为现在就可以开始测试了吗？那就大错特错。这时我们改动了节点，它的输入也发生了变化，在循环体的节点的输入变量应改为循环节点的输入， 不然结果就是这样。 好，这回是真的 over 了，我们来试试看效果。 运行完毕，看一下数据库，嗯，很成功，一共十条不同的笔记，而且内容完整。 那截至目前，整个工作流的前三步已经被我们搭建出来了，这个流程本身也可以作为爬取储存的单独工作流使用，也可以成为每个复杂工作流的一部分， 剩下的节点会在下篇教程里一次性讲完。最后感谢看到这有一些小建议送给大家。
116大甜菜.
02:20查看AI文稿AI文稿呃，这是一个自己做的一个基于 api 渠道，本地可以编辑图片生成的工具。因为我们像 gpt 里面就二，它是只能在官网上是用生成的图片，只有一 k 或者二 k， 最多二 k 买的。 然后像这个本地用 api 是 可以生成到四 k 的 功能的话，像跟正常的 gpt 都差不多。 然后也可以批量，像一个要求批量生成多张图片，这是我网上随便找的素材，然后要求然后再批量上去，他就可以三张一起操作。然后像这个生成的图片呢，可以将它重新生成了，或者是设为参考，点参考，他会直接变到 点参考，直接编到左边这边过来，然后复制这一个参数，就是他之前的一些参数要求，也可以再复制过来。那其他一些就是啊，一些表面上的功能，然后也可以全选以及批量操作。 功能的话大概就是这样子的，然后他生成的话会比较慢，因为我找的中文商，他生成图片会稍微慢一点，具体的话就看自己找的中文商那些的功能，功能都是以那个 gpt 的 为基础搭建的， 像后面还会制作一个详情页模式的一个功能啊，像这个详情页工作台，这个啊，像是我们产品的个技术信息啊，填进去，然后这一些给它设定一下， ok 就 好了，这些经验不用太多太高，那个像素， 其他这个素材再调整一下，然后就让它生成规则，因为这个我还没做好。 ok， 像这个它就每一瓶啊，首屏视觉啊，每一瓶呢，都会有这个 相应的细节，然后我们也可以点进去编辑啊，这一瓶它是要求视觉效果，这些我们可以自己做操作 编辑，然后再叫它生成本屏或者是选择，然后生成选中的这几瓶。大概流程是这样子，因为这一个详细的功能的话我是还没测试好，这个还得做细节优化。 整体的大概工具的功能就是这样子的，基于 api 然后在本地编辑的一个工具。啊，这是刚刚那些啊上传好的效果我就不一一点开了。大概的效果你看刚的一些基础信息操作，然后包括 他自己生成的这个规划，然后按规划下来每一屏的安排过去所生成的图片，其实效果已经是非常理想的，然后细节的话就看后期自己按需求调整一下就可以了。
105Yi。
05:19查看AI文稿AI文稿现在我们来搭建这个徒身视频工作流，这是所需要的所有节点，我们一个一个搭建，现在搭建第一个，双击空白处，输入 one video vs 选择 one 视频 vs 模型，再输入 one video， 选这个模型加载器，然后把这两个复制一份， ctrl 鼠标左键框，选 ctrl 加 c， ctrl 加 v， 复制一份额外模型连接额外模型，双击空白处输入 one 视频快交换，在 one 视频快交换这有个叉槽戳出来，选择 one 视频设置快交换， 拖出两个，然后把模型连接上，在 one 视频设置这里有个模型，点击它拖出来，选择 one 视频 rola， 这个也是一样的，点击 rola 拖出来，点击 one 视频 rola， 选择 在 lala 后面的空白处，双击输入 one 视频文本编码，选择 one 视频文本编码环存 在文本编码器后面，双击空白处输入 one 视频 ve， 选择 one 视频 ve 加载器，在 ve 叉槽这里拖出来，选择 one 视频 ve 编码，在 ve 编码这里点击参考图像，点击加载图像， 这就是你要加载的图像，在 vse 节点点击 vse 打草拖出来，选择彩样器，拖出两个，现在连线文本编码镶嵌 模型， 注意的是上面这个连接第一个，下面的连接下面点击彩样器的样本，连接到下面的样本，点击下面的样本拖出来，输入 y 视频解码，解码一个图像插槽拖出来，输入合并，选择合并为视频，最后把 ve 加载器连接到视频解码这里，这样这个工作流到达就完成了。现在我们一步步加载大模型， 回到最开头，这里有 v i c 模型选择，这有两个模型，一个高照模型，一个低照模型，上面的选择高照模型，高照模型的数字是 h i g h d 照模型是 l o w， 我 们选择高照模型，下面选择低照模型， 这两个模型加载也是，上面的是高照，下面的是低照，下面选择高照模型。注意区分 y 二点二 t 二 v 和 y 二点二 i 二 v， i 二 v 是 纹身图， t 二 v 是 图身图，我们选择图身图， 看清楚。 y 二点二 t o b h i g h 十四 b f p 八，选择这个模型下面的同样一定要选择好模型，模型选择好之后，它这里有一个注意力模式，点击它，它有闲者注意力选择这个， 两个都选择一样的。现在加载洛拉，注意上面是高照洛拉，下面是低照洛拉，我们选择上面的，先加载高照洛拉，这个就是高照洛拉。 y 二点二 t l v， 它的高照是 h i g h， 然后它是四步， 这是 d 照罗马。 y 二点二 t l v。 加载好罗马之后，这是文本编码，我们可以在这里用提示词工具点击基础的封面，然后翻译 在这。 ve 加载器这里选择 y 二点一的 ve 加载框高可以输入五幺二七六八， 马力，输入四十九，在采样器这里步数选择四步， 引导值一定要选择一，开始步数选择零，结束步数选择二。下面是 d 照模式，一样的步数选择四步，引导系数选择一，开始步数选择二，结束这里不用选 最后合并视频这里这里可以选择文件的名字，这里选择格式选择 ap 四，这里可以选择十六帧，选完选择零，想让这个图片做什么动作， 输入好之后，这里选择加减模型，选择这个模型，选择好之后点击运行，看一下这工作流有没有包错。有一个包错 啊，这个包错是合并罗拉的包错， 我们点击这个，这是合并 load， 把这个给关掉，再点击运行，运行成功，这个工作流就打剪完成。
1469熊猫怪兽AI日记
00:49查看AI文稿AI文稿最近在做一个 ai 短剧工作流的工作站，本来是想直接通过小说文本生成 ai 短剧，后来发现目前视频生成平台的 bug 太多，成功率还是需要特定的输入才能高一点， 所以就将这个工作流修改了下。功能主要为收到剧本以后，将剧本通过文字大模型拆解成主要人物场景分镜头，再通过这些信息自动调用图文模型生成对应的图片。 生成的人物场景分镜头对应的文字描述信息用 txt 自动保存，并且都可以修改，可以随意更换文字模型、图片模型。
7鱼饼先生
15:02查看AI文稿AI文稿大家好，这里是全小白，欢迎大家来到第四节课。上一节课中，我们学会了数据清洗与格式化的核心技巧，把读取的杂乱数据变成干净规范的干净食材。 在大家实操的过程中，大概率会遇到一些小问题，比如字断名写错、代码运行报错，这些都是正常的，就像我们刚学习办公软件的时候，会出现一些错误是很正常的，慢慢的大家就会熟练了。而且大家要记住， 我们学这些不是为了成为程序员，而是重点掌握逻辑，能解决实际问题就好。这节课我们就承接上一节课的内容，进入项目核心逻辑的第四步，调用基础 e p i 接口与请求方法。大家回想一下，前三节课，我们搭建了环境准备的食材，洗干净的食材， 现在要把处理好的食材交给后厨的专属厨师，也就是人工智能大模型，让他把我们完成专业的分析处理工作。那我们怎么把清洗好的数据、我们的请求指令准确地传递给大模型呢？ 这就是今天我们这节课核心解决的问题。这里先给大家讲两个最基础的概念， api， 也就是数据接口， 就是你的代码和人工智能大模型之间的专属传菜窗口，也是你们之间的专属电话线。 api 给人工智能发送请求和数据，这个动作就叫请求，人工智能处理完成后，通过 api 给你返回结果，这个就叫响应。所以 api 调用的核心目的就是搭建我们的代码和人工智能之间的桥梁，把清洗干净的数据、我们的需求指令传递给 人工智能大模型，让它自动完成专业处理，再把处理结果反馈给我们。全程还是用我们熟悉的 py 叉代码，依然是固定的模板，核心逻辑不变，仅需要修改三个地方就可以使用，无需自己编辑复杂的代码， 零基础也能轻松跟上。这里我要强调两个大家最关心的点，第一，不需要懂 api 的 底层原理，就像你不用懂电话线的信号传输原理，只要会拨打电话就行。 我们不用懂 api 是 怎么开发的，只要会用固定模板把需求和数据传进去，拿到结果就可以。第二，我们全程用国产达模型的 api， 比如豆包通、一千问 deepstack 文信一言，不用翻墙，不用复杂申请，合规安全，个人就可以轻松完成，完全适配我们零基础的需求。讲完了 api 的 基础概念，很多同学可能会问我直接在豆包 chat gpt 里粘贴数据提需求也能拿到结果，为什么还要用代码调用 api？ 这里我给大家讲清楚五个核心原因。第一个， 批量处理，解放双手，这是最核心的价值。网页端和客户端的操作，只能一条条粘贴数据 提需求。比如你有一千条清晰好的用户评论，要让人工智能逐条筛选负面评论，总结核心问题，需要粘贴几十上百次，花的时间比较多，当然也可以提交文件，但会存在幻觉问题。第二，自动化流程，用代码调用数据接口， 你可以把读取文件、清洗数据，人工智能处理保存结果，整个流程做成一套固定的代码，下次有新的数据，只需要修改一下文件路径，一键运行就能拿到最终结果， 不需要再重复操作。而网月端客户端每次有新的数据，你都需要重新提交需求，重复劳动比较麻烦。第三，定制化能力 适配你的专属需求。网页端客户端的功能是固定的，只能满足基本需求，但用代码调用 api， 你 可以自由组合功能。比如让人工智能处理完数据后自动生成 ppt、 自动发送邮件、自动更新到表格里，完全适配你的工作场景， 这是目前人工智能大模型做不到的。第四，人工大模型会产生幻觉模型对长对话上下文的有效注意力覆盖不足，信息解锁能力却是单纯依靠大模型的能力，输出的内容不完全可靠。代码调用数据接口是弥补大模型幻觉问题。第五，遗忘问题。 目前主流商用大模型不管是 chat、 g、 t、 p 还是其他的大模型，都已支持两百万磁源的上下文。开源模型如千问、 eclipse 等大模型也普遍支持一百二十八 k 到一兆左右的有效上下文。通过优化的位置编码、滑动窗口、注意力、分块注意力等技术， 大幅缓解了长上下文的中间遗忘问题。但复杂的项目设计以及每天重复的工作会突破这个百万级。对话使用的时间越长，越容易出现数据遗忘以及 放大模型幻觉的问题。请大家放心，我们今天讲的所有调用代码都是固定模板、复制、粘贴、修改三个地方，基本上就可以直接运行，不用自己编辑复杂代码， 基础也可以轻松上手。讲完了基础概念和核心价值，接下来我们就进行今天的实操部分，在讲模板之前，我们需要先做两个前置准备条件，第一步是获取我们的专属 api 接口密钥，第二个是安装所需要的工具库。首先我们先讲 第一步的操作， api 接口密钥就相当于你给人工智能打电话的专属号码和通话权限，有了它你的代码才能找到对应的人工智能模型，和它对话步骤非常简单，首先我们打开火山引擎官方网站，用你的抖音或者是豆包账号进行登录，登录之后我们往下翻， 点击豆包大模型，进入我们的这个豆包大模型的页面，这里有个控制台，点击控制台控制台之后进入模型广场，这里就能看到很多我们可以使用的模型，可以根据大家的需求 选择你想用的模型，然后我们点击开通管理，从这里我们可以看到我有很多的模型可以使用，并且他是给了每一个模型免费的推理额度，大家用来学习是完全没有问题的， 然后选择自己想用的模型进行开通即可。然后我这里开通的是一点八的这个版本，开通完成之后可以从 api 接口这里看到我们的专属 api， 这里它会给我们提供 api 的 调用率， 我们可以从这个完整电路指南里面看到官方给我们的操作方式和步骤。通过前几节课的学习，我们是不是看到这些东西之后 已经不是那么陌生了，它的这些调用接口的方式可以大体理解它是如何运行的。接下来进行我们的第二个前置调节安装 sdk， 官方跟我们说了调用它们的模型需要安装什么样的 sdk， 所以 我们就把这个安装命令 直接放到 pycharm 终端里面进行安装即可。接下来进行我们基础模板的讲解， 整套模板包含了七个部分，这里给大家简单讲解一下。首先固定的部分还是导入我们的工具库，呃，因为我们这里调用的是豆包的大模型，所以我们这里导入的就是他们官方给的工具库。第一步 就是出示化我们的客户端，这里就可以直接把我们所获取的那这个 k 直接复制粘贴到这个位置上就可以了，这个地址是固定的，然后我们只需要修改这里的 k。 第二个就是我们的模型名，模型名这里一定要 跟我们接口的这个 key 是 一一对应的，这里不要写错了，如果写错了，你会发现它会报我们的数据接口无法调用之类的错误。第三个是需求指指令，这里需要单独讲解一下，大家看这里我写的内容是， 你是一个专业的用户评价分析助手，帮我完成以下工作，这些工作的需求是我给他写上去的。我相信大家在最近了解人工智能的时候，经常会听到一个词， agent， 也就是智能体， 这里我所写的这个内容就是所谓的智能体，我们可以根据自己的需求进行定制，让它完成什么样的内容。接下来我们再看第四部分，待处理数据，把这个地方备注写错了，这个地方我为了让大家方便 直观的看到它的处理后的结果，所以我就直接写了四条用户评价，如果我们的需求是想要读取本地的文件数据， 我们就可以用另一个模板进行。前面这个地方是一样，导入我们上节课讲到的这个工具库，我们需要把读取文件的这段代码 放到前面来，把文件路径这里修改成具体路径就可以运行。然后第三步才是自定义我们的需求指令输出完的结果，我们只需要在最后的位置把文件路径改成我们想要保存的那个具体的文件路径即可。 跟上一节课讲的那个模板是不是也很像？然后这里我是为了让大家更直观更方便的看到它的运行结果，所以这里我是单独写的。 然后接下来我们就来看第五个部分，要用接口，这里我不多介绍。然后第六个部分让他进行打印，输出我们的结果，我们可以要求最后打印出来的结构是什么样子的， 根据自己的需求进行调整就可以了。第七部分就是打印结果，可以看到大模型处理完之后，它的结果是什么？讲完基础模板之后给大家运行看一下， 大家可以看到了，因为我们的要求是筛选出用户评论里的所有负面评论，并且每条都要总结评论的核心问题， 所以他把第二条负面评价和第三条负面评价提取出来，并给了核心问题的结论，这个结构就是我们第六部分所要求的这个结构大家完全可以根据自己的需求进行调整。给大家讲解完了基础模板之后，再给大家运行一下 读取本地文件的模板，我们把文件地址复制一下，把我们的文件路径这里换成我们 具体的路径。保存路径这里，我希望它最后生成的是 ai 分 析结果的文件，我这里写的是 tst 文件格式，最终它会在这个目录下新建一个 ai 分 析结果的 tst 文件，然后运行给大家看一下效果， ok， 它显示把所有的问题都提取出来了，也保存到这个路径下，我们看一下这个路径下的内容， 好，这里生成了这个文件，并且他也把数据生成到文件里面了。讲完了整个模板，我再跟大家强调几个实操中最容易踩坑的注意事项，因为都是我自己实操出来的经验结果，跟大家分享一下。 第一，一定要保管好你的这个 a p i 的 密钥，绝对不能泄露。这个密钥就像你的银行卡密码，别人拿到了就可以用你的额度去调用数据接口产生费用。所以绝对不能把密钥发到公共的场合里面，也不要写在发给别人代码里面， 自己一定要保存好，如果不小心泄露了，一定要立刻去平台里把这个密钥删除，创建一个新的。第二个点是注意需求指令的清晰性，不管是网页端还是客户端 写的提示词。第三个部分，需求指令，这里就是你给人工智能下达的指令，指令越清晰越具体，这个智能体返回的结果就越符合你的预期。不要只说帮我分析一下数据，要告诉大模型你是什么角色，要完成什么任务，遵守什么规则，用什么格式输出， 这和我们平时在大模型里面写提示词逻辑完全是一样的，这就是为什么有些人做出来的 智能体，也就是 a 帧的好用，而有些人写出来的智能体并不好用。第三个部分是控制单次输入的数据量，避免报错。大模型的数据接口 单次能接收的内容长度是有限的，也就是我们常说的上下文窗口。如果你有几万条数据，不要一次性全部传进去，可以进行分批处理，比如一次传一百条，一千条，然后让它进行 循环处理，这样就不会报错，速度也会快，会教大家分批处理的模板。第四个，遇到报错不要慌， 先排查四个核心地方，我们的数据密钥是不是填错了，或者没有开通对应的模型权限。最常见的会报错四零幺工具库有没有成功安装，如果报错没有这个模块，或者是没有找到什么东西，可能是这里的问题。 文件路径写错了，或者是字断联，或文件里的表头不一致，也会容易报错。网络不稳定，一般超时了他都会提示你啊，报送超时或者是连接失效之类的错误。模型名，模型端点 如果写错了，或者是提取结果的方式不对，他会报错。四零四四个报错是比较经常遇到的一些问题，这里我想再跟大家分享一下。我们学这个调用的模板，不是为了告诉大家如何去写它，而是为了告诉大家如何能解决实际问题。 后续大家在工作中遇到不同的需求，只要记住核心逻辑，我们用数据接口搭建代码，与人工智能大模型之间建立桥梁，把需求和数据传给人工智能， 在接受人工智能返回的处理结果，哪怕没有现成的代码模板，我们也可以让大模型帮我们生成相对应的调用代码，这就是我们学清代码思维的真正价值。接下来我们回顾一下我们今天重点学习的四个核心内容。 第一个是到底什么是 api 与请求数据接口，就是你和人工智能大模型之间的传菜窗口专属电话线， 你给人工智能发送需求叫做请求，人工智能给你回应结果叫做响应，不需要懂原理，会用就行。第二个代码对用 api 接口的核心价值是批量处理、自动化、定制化，真正帮你从重复的劳动力解放出来，解决客户端、网页端无法满足不同的职场需求。 三个内容是调用人工智能的固定代码模板，核心代码模板不变，只需要修改三个地方就能直接运行。重点修改四个核心点，替换库、替换接口、替换模型名、替换 结果提取方式，解决了之前的报错问题。进阶模板，也就是读取文件数据和前三节课内容基本完成了闭环。第四个内容是 a p i 接口调用的闭坑注意事项，密要保密，指令清晰，控制数据量，遇到报错先排查五个核心问题。整个课程的 核心转折点，从这节课开始，我们才算真正把新代码思维和大模型的能力结合起来了。前三节课都是我们所做的准备，把清洗干净的数据标准化交给人工智能大模型， 让大模型帮我们完成专业的分析处理工作。今天你成功运行的调用代码，就意味着你已经掌握了项目核心的能力。下一节课我们就在进阶一步，代码与大模型的结合进行批量任务自动化，我们用代码 批量处理成百上千条数据，自动完成重复的工作，真正实现一次写好永久使用，还是固定的模板，还是使用 pychum 进行操作。今天的这节课我们就讲到这里。
34权小白
