【AI-Coze工作流】利用Coze平台搭建自定义工作流完成特定任务

notes / AI notes
字数统计: 4.9k   |   阅读时长≈ 18 分钟

写在前面 / 链接存档

利用Coze（国内版叫扣子）搭建的部分工作流完成自定义的任务

问题提取和意图识别工作流Intent_Recognition

我靠突然发现跟着教程做的示例工作流比我做的好。。自闭了

那我不做了。。。就用教程做的8

  • Intent_Recognition工作流总体概览

Intent_Recognition工作流总体概览

以下都是我自己的尝试了，虽然出来的效果没那么好

1. 意图识别

因为搭建之前没看到插件栏有专门的【意图识别】插件，所以想用【大模型】插件自己搭一个，遂有了以下的prompt

写（改之前的）完prompt才发现已经有【意图识别】的崩溃谁懂。。我好傻。。。。

  • 一种方法：使用大模型组件搭配提示词进行意图识别
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
DEFINE ROLE AS "NLP专家":
    知识领域 = ["语言学", "文旅", "人工智能"]
    技能 = ["自然语言理解", "信息提取", "情感分析", "意图识别", "知识推理", "上下文关联学习", "实体识别"]
    经验 = "资深"
    任务 = "对文本进行意图识别，提取用户输入的关键部分，将其用精炼的语言进行总结"


# 进行意图分类和这个意图对应的调用内容
intention_category_infos = [
{
  "category": "景区信息",
  "description": "景区信息详细介绍，包括景区简介、地理位置、景区评级、交通指南、购票信息、服务设施、安全措施、营业时间、景区特色、游玩须知和退改规则。",
  "sentiment_category_infos": [
    {
      "category": "景区简介",
      "description": "对景区的总体介绍，包括历史背景、文化价值、主要景点等，帮助游客快速了解景区的基本情况。必须丰富详细，文字不得少于500字。"
    },
    {
      "category": "地理位置",
      "description": "描述景区所在的地理位置，通常包含城市、县区、具体地址等信息，以便游客规划行程。该信息必须准确和详细。"
    },
    {
      "category": "景区评级",
      "description": "根据国家或地方旅游局评定的等级，如AAAAA级、AAAA级等，反映景区的服务质量和管理水平。该评级信息必须包含景区评级时间、服务质量评价等。"
    },
    {
      "category": "交通指南",
      "description": "提供到达景区的各种交通方式的信息（外地游客和本地游客），包括自驾路线、公共交通线路（公交、地铁）、出租车及网约车建议等。其中线路必须保证准确性，公共交通线路需要包含路程大致时间。"
    },
    {
      "category": "购票信息",
      "description": "详细列出购票渠道、票价种类（成人票、学生票、老人票等）、优惠信息等，方便游客提前准备。不要只是简单的回答票的价格，用大模型将回答内容丰富。"
    },
    {
      "category": "服务设施",
      "description": "列举景区内提供的各项服务设施，如停车场、餐饮服务、休息区、卫生间、行李寄存处等，提升游客体验。不要只是简单的回答服务设施，请将服务设施的使用提示加上，用大模型将回答内容丰富。"
    },
    {
      "category": "安全措施",
      "description": "介绍景区采取的安全管理措施，例如监控系统、急救站点、消防设备等，确保游客的人身财产安全。内容丰富详实。"
    },
    {
      "category": "营业时间",
      "description": "公布景区对外开放的具体时间段，包括旺季和淡季可能存在的不同开放时间，以及特殊日期是否闭馆等信息。不要只是简单的时间安排，需要加入客服一样的温馨提示。"
    },
    {
      "category": "景区特色",
      "description": "突出展示景区独有的自然景观、人文景观、活动项目等特色，吸引不同兴趣爱好的游客。着重描述景区特色，要求文字丰富，可以加入景区小故事。"
    },
    {
      "category": "游玩须知",
      "description": "向游客传达在游览过程中需要注意的事项，比如禁止携带物品、行为规范、环境保护要求等。按照每个点进行介绍，内容丰富详实。"
    },
    {
      "category": "退改规则",
      "description": "明确票务的退换政策，包括退票截止时间、手续费、改签条件等，保障消费者的权益。按照每个点进行介绍，内容丰富详实。"
    }
  ]
}
]


# 判断文本表达的情感是否符合给定的情感类别描述
def match_description(context, description):
    """
    Step1: 一步步思考，仔细分析并理解${context}的特征和含义，判断是否和${description}的描述具有较高的相似度和重合度。
    Step2: 给出你判断的思考路径${thought}，在思考路径下给出你将${context}分类为${category}的理由。
    Step3：根据你Step1的判断结果和Step2的分类理由，给出每个{category}对应的置信度${confidence}，置信度的取值范围为：0 <= confidence <= 1。
    """
    return confidence


# 根据文本表达的意图分类，并返回对应的意图类别
def classify(context, intention_category_infos):
    # 初始化最高置信度
    max_confidence = 0

    # 遍历所有的类别及其描述
    for intention_category_info in intention_category_infos:
        # 获取当前类别的置信度
        confidence = match_description(context, sentiment_category_info["description"])

        # 如果当前置信度高于之前的最高置信度，更新分类结果
        if confidence > max_confidence:
            max_confidence = confidence
            category = sentiment_category_info["category"]

    return {"classify_result": category}

MAIN PROCESS:
    # 初始化文本变量，作为输入数据
    context = 读取("""{ {input} }""")

    # 执行分类任务，输出分类结果
    classify(context, intention_category_infos)

执行工作流程，严格按照json格式输出MAIN PROCESS的分类结果，禁止附加任何的解释和文字描述：

在classify步骤的额外想法：

​ ()Step4：根据Step3运行结果，生成{category}:{confidence}键值对，然后根据{confidence}从高到低的排序，返回对应的{category}，取前五个{category}生成数组{categories}并返回

想法原因：当游客问一个问题，除了匹配和回答问题本身，还可以根据大量的关联可能性为用户提供其可能提问的其他问题，提供思维辐射链，减少游客的思考成本和提问成本，轻松达成“一次提问，一站解决”的问答效果。

  • 另一种方法：使用【意图识别】组件

意图识别插件的内部结构和所需参数

以下为【意图识别】插件内部结构中【意图匹配】部分需要的意图分类

1
2
3
4
5
6
7
8
9
10
11
景区简介
地理位置
景区评级
交通指南
购票信息
服务设施
安全措施
营业时间
景区特色
游玩须知
退改规则

以下为【意图识别】插件中【高级设置】的预设文本内容

也就是对于意图匹配类型的具体说明

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1.景区简介
- 对景区的总体介绍，包括历史背景、文化价值、主要景点等，帮助游客快速了解景区的基本情况。（必须丰富详细，文字不得少于 500 字）
2.地理位置
- 描述景区所在的地理位置，通常包含城市、县区、具体地址等信息，以便游客规划行程。（该信息必须准确和详细）
3.景区评级
- 根据国家或地方旅游局评定的等级，如 AAAAA 级、AAAA 级等，反映景区的服务质量和管理水平。（该评级信息必须包含景区评级时间、服务质量评价等）
4.交通指南
- 提供到达景区的各种交通方式的信息（外地游客和本地游客），包括自驾路线、公共交通线路（公交、地铁）、出租车及网约车建议等。（其中线路必须保证准确性，公共交通线路需要包含路程大致时间）
5.购票信息
- 详细列出购票渠道、票价种类（成人票、学生票、老人票等）、优惠信息等，方便游客提前准备。（不要只是简单的回答票的价格，用大模型将回答内容丰富）
6.服务设施
- 列举景区内提供的各项服务设施，如停车场、餐饮服务、休息区、卫生间、行李寄存处等，提升游客体验。（不要只是简单的回答服务设施，请将服务设施的使用提示加上，用大模型将回答内容丰富）
7.安全措施
- 介绍景区采取的安全管理措施，例如监控系统、急救站点、消防设备等，确保游客的人身财产安全。（内容丰富详实）
8.营业时间
- 公布景区对外开放的具体时间段，包括旺季和淡季可能存在的不同开放时间，以及特殊日期是否闭馆等信息。（不要只是简单的时间安排，需要加入客服一样
的温馨提示）
9.景区特色
- 突出展示景区独有的自然景观、人文景观、活动项目等特色，吸引不同兴趣爱好的游客。（着重描述景区特色，要求文字丰富，可以加入景区小故事）
10.游玩须知
- 向游客传达在游览过程中需要注意的事项，比如禁止携带物品、行为规范、环境保护要求等。（按照每个点进行介绍，内容丰富详实）
11.退改规则
- 明确票务的退换政策，包括退票截止时间、手续费、改签条件等，保障消费者的权益。（按照每个点进行介绍，内容丰富详实）

2.提取和总结用户输入内容

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
# 进行用户输入内容的提取和总结
category_infos = [
{
  "category": "景区信息",
  "description": "景区信息提取，包括景区的基本情况、地理位置、交通方式、票务信息等。",
  "key_points": [
    {
      "category": "景区简介",
      "description": "提取景区的总体介绍，包括历史背景、文化价值、主要景点等，简洁概括景区的基本情况。"
    },
    {
      "category": "地理位置",
      "description": "提取景区所在的地理位置，包含城市、县区、具体地址等信息，简要说明。"
    },
    {
      "category": "景区评级",
      "description": "提取景区的服务评级，如AAAAA级等，概括评级信息并附上时间和评价。"
    },
    {
      "category": "交通指南",
      "description": "提取到达景区的交通方式信息，包括自驾路线、公共交通等，简要概述交通方式。"
    },
    {
      "category": "购票信息",
      "description": "提取购票渠道、票价种类、优惠信息等，简洁说明购票情况。"
    },
    {
      "category": "服务设施",
      "description": "提取景区内提供的服务设施，如停车场、餐饮、卫生间等，并给出使用提示。"
    },
    {
      "category": "安全措施",
      "description": "提取景区的安全管理措施，包括监控、急救站点、消防设备等，概括安全保障措施。"
    },
    {
      "category": "营业时间",
      "description": "提取景区的开放时间，并提供相关的温馨提示。"
    },
    {
      "category": "景区特色",
      "description": "提取景区的独特特色，包括自然景观、人文景观、活动项目等，简要总结景区的亮点。"
    },
    {
      "category": "游玩须知",
      "description": "提取景区游玩过程中需要注意的事项，如禁带物品、行为规范等，简要总结。"
    },
    {
      "category": "退改规则",
      "description": "提取景区票务的退换政策，包括退票截止时间、手续费等，简洁概述退改规则。"
    }
  ]
}
]

# 提取文本中的关键内容并进行总结
def extract_and_summarize(context, category_infos):
    """
    Step1: 分析并提取用户输入文本中的关键信息，将每个类别的关键信息提炼出来。
    Step2: 根据每个类别的描述和内容，进行总结，确保简洁和重点突出。
    Step3: 输出提炼后的结果。
    """
    extracted_info = {}

    # 遍历所有类别及其描述
    for category_info in category_infos:
        category = category_info["category"]
        key_points = category_info["key_points"]

        # 对每个关键点进行提取和总结
        for key_point in key_points:
            key_point_category = key_point["category"]
            key_point_description = key_point["description"]
            # 提取并总结关键信息
            summarized_info = summarize_text(context, key_point_description)
            extracted_info[key_point_category] = summarized_info

    return extracted_info

# 进行文本总结的辅助函数
def summarize_text(context, description):
    """
    Step1: 根据描述，提取用户文本中的关键信息。
    Step2: 将关键信息进行总结，简洁表达。
    """
    # 此处根据具体需求进行摘要提取逻辑的实现
    summarized_text = "总结后的信息"
    return summarized_text

MAIN PROCESS:
    # 初始化文本变量，作为输入数据
    context = 读取("""{ {input} }""")

    # 执行提取和总结任务，输出结果
    extracted_info = extract_and_summarize(context, category_infos)
    输出总结结果：{extracted_info}

网页内容搜索+提取工作流search_test

核心骨架部分（我自己的）

  • 核心功能插件：LinkReaderPlugin

    Coze官方出品的插件，在多个通过链接读取网页内容的类似插件中成功率最高

网页内容提取工作流-核心骨架部分

可优化部分（我自己的）

  • 感觉跟着教程做的search_test比我自己的好。。我退下了

核心骨架部分（跟着教程做的search_test）

核心骨架部分（跟着教程做的search_test）

关键模块1：必应搜索插件

  • 插件详情界面与参数展示

关键模块1：必应搜索插件

  • 试运行结果

必应搜索插件-试运行结果

关键模块2：代码模块

  • 代码模块嵌入代码一览
1
2
3
4
5
6
7
8
9
10
11
import json
import re

async def main(args: dict) -> Output:
    parsed_data = json.loads(args.params['input'])
    for item in parsed_data:
        regex = r"link:(http[s]?://[^\s]+)"
        match = re.search(regex, item)
        if match:
            return {"url": match.group(1).replace('\n','')}
    return {"url": ""}
  • 代码作用（代码解释来自：腾讯元宝）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
这段代码定义了一个异步函数 `main`，它接受一个字典类型的参数 `args` 并返回一个字典类型的结果。这个函数的主要作用是从输入的 JSON 数据中提取出包含链接（URL）的信息。

以下是对代码的详细解释：

### 导入模块
​```python
import json
import re
​```
- `json` 模块用于解析和处理 JSON 格式的数据。
- `re` 模块用于处理正则表达式。

### 定义异步函数 `main`
​```python
async def main(args: dict) -> Output:
​```
- `async def` 定义了一个异步函数。
- `args: dict` 表示函数的参数是一个字典。
- `-> Output` 表示函数的返回类型是 `Output`（假设 `Output` 是一个已定义的类型）。

### 解析 JSON 数据
​```python
parsed_data = json.loads(args.params['input'])
​```
- `args.params['input']` 假设是从外部传入的 JSON 字符串。
- `json.loads` 将 JSON 字符串解析为 Python 对象（在这个例子中是一个列表）。

### 遍历解析后的数据
​```python
for item in parsed_data:
​```
- 遍历解析后的数据列表中的每一个元素。

### 使用正则表达式查找链接
​```python
regex = r"link:(http[s]?://[^\s]+)"
match = re.search(regex, item)
​```
- `regex` 是一个正则表达式字符串，用于匹配形如 `link:http://example.com` 或 `link:https://example.com` 的文本。
- `re.search` 在当前元素 `item` 中查找匹配正则表达式的子串。

### 提取并返回链接
​```python
if match:
    return {"url": match.group(1).replace('\n','')}
​```
- 如果找到了匹配的链接，则使用 `match.group(1)` 提取出链接部分。
- `replace('\n','')` 用于去除链接中的换行符（如果有）。
- 返回一个包含提取出的链接的字典 `{"url": ...}`。

### 如果没有找到链接
​```python
return {"url": ""}
​```
- 如果遍历完所有元素都没有找到匹配的链接，则返回一个包含空字符串的字典 `{"url": ""}`。

### 总结
这段代码的主要作用是从输入的 JSON 数据中提取出第一个符合特定格式（`link:...`）的链接，并将其作为结果返回。如果没有找到任何链接，则返回一个包含空字符串的结果。
  • 代码模块输出内容：一个url

image-20241130210422503

关键模块3：链接读取插件

  • 链接读取插件返回结果：

链接读取插件返回结果

返回结果

  • 输入内容【秦始皇陵博物院 兵马俑】，返回的结果如下
  • 输出的内容比起之前【必应搜索】和【链接读取】插件运行的json格式内容，最后输出的内容格式更工整

image-20241130210820511

小红书内容搜索+批量提取工作流

根据前辈指导，还可以加大模型模块进行优化

而按照教程，也可以使用代码模块，优化输出格式

核心骨架部分

小红书内容搜索+批量提取工作流-核心骨架部分

可优化部分

1. 大模型优化提取内容并重新输出（尝试中）

  • 在通过循环，输出output字典后，将循环块的输出接入到大模型模块
  • 通过设置好系统提示词内容，过滤和筛选上一步爬取到的小红书文章，挑选出质量高的内容进行输出，减少人工筛选成本

2. （想法阶段）结合知识库检索功能筛选出需要方面的知识

  • 想法还只有一个标题hhhhh
  • 粗略想法：在知识库存储之前提取的原始数据（一次次提取就一次次存储到知识库，并提取和存储关键词高频词作为知识库的另一个模块
  • 从xhs新提取的内容→的关键词→如果在知识库的出现频率高（可以设置一个

微信公众号1：文章批量提取文章内容（通过爬取的链接）

（非普适方案）方案一

参考知识链接

  • 自己摸索的土办法。。。

大致操作模块步骤

  • 使用微信公众号的个人文章创作页的【超链接】，输入想要提取内容的公众号的名称后，底下会出现该公众号的文章链接

  • 通过使用pyautogui库，模拟人工cv操作，提前进行人工操作试验，打点获取操作点坐标

  • 使用python代码，运行，看鼠标自己移动+复制+黏贴内容到后台txt文件中

  • 目前进展：爬取了公众号文章链接，后面打算用Coze工作流的链接读取插件进行内容的提取

    • 存在问题：不知道怎么从外部大量地导入链接文本/文件，链接量大概400多个

image-20241130210055656

（目前还不存在的想法hhh）方案二

  • 寻找资料→分析可行性→考虑方案
  • 失败尝试：通过注册了微信公众号，获取了Id、Secret、access_token、Cookie等值，尝试了开源在CSDN的微信公众号爬取脚本，脚本成功运行，但是爬取内容失败
  • Copyrights © 2024-2025 brocademaple
  • 访问人数: | 浏览次数:

      请我喝杯咖啡吧~

      支付宝
      微信