10min搭建一个大模型智能客服助手

导航

  • 前言
  • 视频讲解
  • 作品展示
  • 工作流程展示
  • 操作步骤
    • 一 新建知识库
    • 二 搭建工作流
    • 三 创建智能体
    • 四 发布
    • 五 集成到网站
  • 结语
  • 参考

AI+ 的时代已经来临,不管你是否愿意,你都必须去接受它。

前言

随着AI技术的不断发展,智能客服助手已经成为了许多企业的重要工具。

过去几年,我们见证了AI 大模型的飞速发展,从只会简单回答问题,简单生成图文,到可以写代码,生成复杂视频,甚至可以主动服务。

通过构建wokflow,我们可以实现复杂场景的自动化,这是构建智能体应用的基础,也是场景落地的关键。

在前面的系列文章中,笔者已经分享了很多coze工作流的案例集锦。

  • 《AI工作流实战合集》
  • 《扣子(coze)工作流实战纪实》

今天,我们来分享一下如何搭建一个coze智能体——大模型客服助手。

欢迎点赞、收藏、关注。

视频讲解

src="https://player.bilibili.com/player.html?isOutside=true&bvid=BV12YHVz9EHZ&p=1&autoplay=0" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true" width="668" height="376">

作品展示



工作流程展示



操作步骤

一 新建知识库

首先登录扣子官网,点击右上角登录,使用任意一种方式登录扣子平台。登录后的界面如下:



然后点击左侧边栏中的工作空间,然后在个人空间中点击资源库,最后再点击右上角的+资源新建一个知识库。



创建知识库后,此时知识库里面什么都没有。

我们往里面新增内容。



然后在添加URL界面中选择添加方式为添加单个,更新频率为不自动更新,然后输入网址URL,最后点击确认按钮即可将一条数据加入知识库中。

这里随便填写一篇自己的博客文章链接,自动转成知识库。

https://www.52interview.com/solutions/75



点击右下角下一步,选择自动分段与清洗,然后点击右下角下一步,



至此完成了知识库的搭建。

二 创建工作流

除了开始和结束节点,该工作流一共需要再创建5个节点,分别是意图识别节点、知识库检索节点、总结大模型节点、相关问题的输出节点和非相关问题输出节点。

1、创建工作流

登录扣子(coze)平台:https://www.coze.cn/studio

  • 选择"开发平台"->"快速开始"
  • 在左侧选择"+",选择"创建应用",给应用起一个名称,并选择"确认"
  • 在左侧资源库页面右上角单击 +资源,并选择工作流。
  • 设置工作流的名称与描述,并单击确认。

如果没有账户,可以先注册一个,coze空间已经全面开开放,免费使用。



2、开始节点

开始节点,作为入口。
设置两个变量,一个是"input",都是字符串类型(String)。

  • input:用户输入的问题或关键词

这里要求必填



Notes: 智谱AI官方购买,比较便宜。https://bigmodel.cn/

3、意图识别节点

该节点是coze官方提供的插件。

意图识别节点能够让智能体识别用户输入的意图,并将不同的意图流转至工作流不同的分支处理,提高用户体验,增强智能体的落地效果。详情查看:https://www.coze.cn/open/docs/guides/intent_recognition_node



这里选择"极速模式",节点的输出参数,可作为变量被后续节点引用。
输出参数固定为 classificationId,即每个意图的 ID。
根据意图匹配中配置的意图,从上到下依次排序,第一个意图的 ID 为 1。
若未命中已配置的任何意图,则 ID 为 0,执行其他分支。

4、知识库检索节点

单击知识库检索节点,配置输入下方Query变量参数值为意图识别节点的输出output,然后点击知识库右侧的+按钮,在弹出的选择知识库页面中添加刚刚创建的知识库。



5、总结大模型

单击大模型节点,在右侧可以设置该节点相关信息,首先改名成"总结大模型",然后选择处理方式为单次,模型选择Deep-Seek-R3,输入共两个变量,第一个参数input的变量值为开始节点的input,第二个参数resp的变量值为知识库检索节点的outputList,然后设置用户提示词如下:

/* by 01130.hk - online tools website : 01130.hk/zh/calcforce.html */
用户咨询{{input}},知识库匹配结果是{{resp}},你需要根据你的技能给他回复:
- 如果{{resp}}不为空,则总结一下知识库的召回内容,给出回复。


6、相关问题输出


7、非相关问题输出


8、结束节点


至此工作流搭建完毕。

9、调试

接下来,选择"试运行",运行后,查看结果。


三 创建智能体

点击左侧边栏中的工作空间,然后在个人空间中点击项目开发,最后再点击右上角的+创建新建一个智能体



进入智能体界面,在左侧人设与回复逻辑中输入:

/* by 01130.hk - online tools website : 01130.hk/zh/calcforce.html */
# 角色:
你是一个精准高效的客服智能体,专注回答用户的问题。

配置工作流、开场白、预置问题。
最后,预览调试。



由于知识库内容较少,该智能体只能回复较为简单的内容,如果想要更全面的回复,需要进一步完善知识库。

四 发布智能体





安装并使用 Chat SDK

自己开发的网站中快速添加一个 AI 应用,为网站集成智能对话服务。
具体操作请参考:
https://www.coze.cn/open/docs/developer_guides/install_web_sdk

五 集成到网站

你可以直接在页面中通过 script 标签的形式加载 Chat SDK 的 js 代码,将复制好的安装代码粘贴到网页的 区域中即可。

<script src="https://lf-cdn.coze.cn/obj/unpkg/flow-platform/chat-app-sdk/1.2.0-beta.10/libs/cn/index.js"></script>
<script>
  new CozeWebSDK.WebChatClient({
    config: {
      bot_id: '7534738641688592436',
    },
    componentProps: {
      title: 'Coze',
    },
    auth: {
      type: 'token',
      token: 'pat_********',
      onRefreshToken: function () {
        return 'pat_********'
      }
    }
  });
</script>

token:换成自己的即可。



访问网站看看效果:


结语

智能客服助手的搭建其实有很多方式,比如使用fastgpt、dify这样的智能体平台也是可以的,但是选择coze是一个非常简便、快捷的方案。

AI工作流适用于解决一些复杂问题。

这对于不会写程序的人来说,是一个可以落地的工具。

2025年,很多企业已经开始推送AI的落地应用,比如构建智能体,构建AI应用等。

当然,AI工作流还有很长的路要走,但已经可以解决很多问题了。

参考

  • 《Coze官方文档》
  • 《Coze插件商店》
  • 安装并使用 Chat SDK


同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值