Coze 等智能体正在对聊天机器人带来了一场新的变革

前言

  • 随着人工智能(AI)技术的快速发展,聊天机器人已从简单的问答工具演变为功能更强、更加智能的交互伙伴。而“智能体”技术的应用,正在为聊天机器人带来深刻的变革。本文将探讨聊天机器人的发展历程、智能体技术对其产生的影响,以及通过 Spring AI 对接 Coze 实现智能体对接,让你的智能体随处可达。

聊天机器人发展简史

第一代

  • 聊天机器人起源于简单的规则系统,早期的机器人如 ELIZA(1960年代)和 PARRY(1970年代),主要基于关键词匹配和预设回答逻辑。这些早期机器人在语句理解上极为有限,无法进行自然流畅的对话。

第二代

  • 随着自然语言处理(NLP)和机器学习技术的发展,第二代聊天机器人如 Siri、Cortana、Alexa 等基于统计和深度学习方法,能够处理更复杂的对话场景,并具有一定的自我学习能力。

第三代

  • 今天,第三代聊天机器人正从传统问答工具向更加智能、情感化的交流伙伴进化。例如,通过情感分析、上下文理解和个性化推荐等技术,聊天机器人可以在与用户的交互中记忆、分析并生成更为个性化的回复。

个人使用第三代聊天机器人的困境

  • 如上文所言,第三代聊天机器人更加智能化、且更加富有情感,但是对于个人或中小型组织而言,要搭建并使用第三代聊天机器人并不容易:

系统构建知识的挑战

多学科知识需求

  • 第三代聊天机器人涉及多个领域的知识,包括自然语言处理(NLP)、机器学习、深度学习、数据处理等。个人学习和掌握这些技术不仅耗时,还需要大量实践。

架构复杂度

  • 为了实现多轮对话、上下文理解和情感分析,第三代聊天机器人的架构往往包含对话管理系统、状态追踪、上下文存储等模块。要在单一平台上集成这些模块,并确保高效通信和稳定性,对个人开发者来说相当困难。

大模型的技术门槛和依赖

  • 第三代聊天机器人依赖大型语言模型(例如 云雀、GPT-4、BERT 等),这些模型虽然功能强大,但也带来了显著的困难:

训练难度

  • 大语言模型需要大量的数据进行训练,这些数据不仅需要收集,还需要清洗和标注。大模型训练时间长、成本高,即使在拥有资源的前提下,个人搭建也难以实现。

资源消耗和硬件需求

  • 运行和微调大模型需要强大的计算能力,特别是 GPU 支持的计算环境。对于个人来说,拥有高性能硬件或租用云计算资源,都会带来显著的经济压力。

成本和资源消耗

  • 在成本方面,第三代聊天机器人对个人搭建者的经济和时间资源都提出了严峻挑战:

硬件成本

  • 模型的推理和训练对算力的要求很高。要购买 GPU 或者租用云服务来运行大模型,即使仅仅是推理阶段,也会产生高昂的费用。

数据存储和带宽成本

  • 大模型的交互过程中会产生大量数据,从对话历史到用户个性化数据,这些数据需要存储和管理。而在云上进行数据存储或频繁调用也会带来额外的存储和带宽成本。

时间成本

  • 除资金外,学习并实现聊天机器人的各项技术需求也需要大量时间,调优和排查错误的过程可能会持续几周甚至几个月。

Coze 等智能体发展给第三代聊天机器人带来的机遇

  • 从上面的分析来看,个人和机构想要使用第三代聊天机器人面临重重困难,但是 Coze 等智能体的出现解决了这一问题,让即使普通人也可以实现自己的第三代聊天机器人,并提供了自定义数据库、大模型切换、工作流等一些高级功能,如果不了解 Coze 等智能体的朋友强烈建议大家去了解一下:https://www.coze.cn/

几乎没有使用门槛、开箱即用

  • 传统的聊天机器人部署通常需要较高的技术门槛,而 Coze 等智能体通过智能化的配置界面与预设功能降低了操作难度,实现了开箱即用的用户体验。用户只需登录平台,按指引配置,即可拥有一个具备自然语言处理能力的智能体。这种低门槛的设计让个人用户和小微企业不再需要专业开发团队,就可以享受到智能对话技术带来的便利与效率提升。

按需切换和购买合适的大模型

  • 一个适合业务需求的语言模型可以显著提升聊天机器人的回答精准性和服务质量。Coze 等平台支持用户按需切换不同的大模型,根据业务的实际需求和预算选择最佳方案。例如,可以选择回答更具亲和力的模型来服务于客户,或选用高精度的模型来回答复杂的技术问题。按需切换的功能不仅增强了聊天机器人的适用性,也使用户能够灵活控制成本,实现成本效益最大化。

强大的自定义能力:数据库、工作流、API集成等

  • Coze 平台还提供了丰富的接口和外部集成选项,支持用户将智能体无缝集成到现有的业务系统中。通过 API 调用,智能体能够获取实时数据、连接 CRM 系统或 ERP 系统,提供更全面的用户支持和业务服务。此外,开放的 API 让企业能够按照需求扩展智能体功能,比如对接支付系统、工单管理等,打造高度匹配业务需求的专属智能体服务。

使用 Spring AI 对接 Coze 实现随处可达的第三代聊天机器人

  • 在上文中我们提到了 Coze 等智能体提供了强大自定义能力,我们可以直接使用 WebSDKAPI 的方式集成到我们的应用程序中,为我们的应用程序赋能,相比 WebSDKAPI 介入是一种更加深度的接入方式,下面我将使用我以前文章中实现的 你的专属程序员鼓励师女友 实现 API 对接。

项目构建

  • 项目结构

  • pom
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>spring-ai-coze</artifactId>
    <version>1.0-SNAPSHOT</version>

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.7.0</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>
        <!-- Spring Boot Web Starter -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!-- Spring Boot Thymeleaf Starter for frontend integration -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-thymeleaf</artifactId>
        </dependency>

        <!-- Spring Boot DevTools for hot reload (optional) -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>

        <!-- Spring Boot Starter Test for testing (optional) -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

        <!-- Spring Boot Starter JSON for JSON processing (optional, included in web starter) -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-json</artifactId>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <version>2.6.4</version>
            </plugin>
        </plugins>
    </build>

</project>
  • application.properties
server.port=8080
# Coze API Configuration
coze.api.url=https://api.coze.cn/v3/chat
coze.api.key=XXXXX
coze.bot.id=XXX
  • index.html
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Chatbot</title>
    <script>
        let chatId;
        let conversationId;
        const userId = 'user_' + Math.floor(Math.random() * 100000);

        async function sendMessage() {
            const messageContent = document.getElementById("userMessage").value;
            if (!messageContent) return;

            const response = await fetch('/api/chat/message', {
                method: 'POST',
                headers: {'Content-Type': 'application/x-www-form-urlencoded'},
                body: new URLSearchParams({
                    userId: userId,
                    messageContent: messageContent
                })
            });

            arr = await response.json();  // 获取 chatId
            chatId = arr[0];
            conversationId = arr[1];
            checkChatStatus();  // 定时检查聊天状态
        }

        async function checkChatStatus() {
            const intervalId = setInterval(async () => {
                const response = await fetch(`/api/chat/checkStatus?chatId=${chatId}&conversationId=${conversationId}`);
                const status = await response.text();
                if (status === "completed") {
                    clearInterval(intervalId);
                    getChatResponse();
                }
            }, 3000);  // 每隔 3 秒查询一次
        }

        async function getChatResponse() {
            const response = await fetch(`/api/chat/getResponse?chatId=${chatId}&conversationId=${conversationId}`);
            const result = await response.text();
            document.getElementById("chatOutput").innerHTML += `<p><strong>Bot:</strong> ${result}</p>`;
        }
    </script>
</head>
<body>
<h2>Chatbot</h2>
<div id="chatOutput"></div>
<input type="text" id="userMessage" placeholder="Enter your message"/>
<button onclick="sendMessage()">Send</button>
</body>
</html>

css 文件:
.user-message {
    color: blue;
    font-weight: bold;
}

.bot-message {
    color: green;
    font-style: italic;
}

.container {
    max-width: 600px;
    margin: auto;
    padding: 20px;
}
  • ChatbotApplication.java
@SpringBootApplication
public class ChatbotApplication {
    public static void main(String[] args) {
        SpringApplication.run(ChatbotApplication.class, args);
    }
}
  • ChatbotService.java
@Service
public class ChatbotService {

    @Value("${coze.api.url}")
    private String cozeApiUrl;

    @Value("${coze.api.key}")
    private String cozeApiKey;

    @Value("${coze.bot.id}")
    private String botId;

    private final RestTemplate restTemplate = new RestTemplate();

    public List<String> initiateChat(String conversationId, String userId, String messageContent) {
        String url = cozeApiUrl;
        if (conversationId != null) {
            url = url + "?conversation_id=" + conversationId;
        }

        HttpHeaders headers = new HttpHeaders();
        headers.set("Authorization", "Bearer " + cozeApiKey);
        headers.set("Content-Type", "application/json");

        Map<String, Object> body = new HashMap<>();
        body.put("bot_id", botId);
        body.put("user_id", userId);
        body.put("stream", false);
        body.put("auto_save_history", true);

        Map<String, String> message = new HashMap<>();
        message.put("role", "user");
        message.put("content", messageContent);
        message.put("content_type", "text");

        body.put("additional_messages", new Object[]{message});

        HttpEntity<Map<String, Object>> request = new HttpEntity<>(body, headers);

        ResponseEntity<Map> response = restTemplate.exchange(
                url,
                HttpMethod.POST,
                request,
                Map.class
        );

        Map<String, Object> data = response.getBody() != null ? (Map<String, Object>) response.getBody().get("data") : null;
        // 返回 chat ID
        if (data != null) {
            ArrayList<String> resArr = new ArrayList<>();
            resArr.add(data.get("id").toString());
            resArr.add(data.get("conversation_id").toString());
            return resArr;
        } else {
            return null;
        }
    }

    public String checkChatStatus(String chatId, String conversationId) {
        String url = cozeApiUrl + "/retrieve?conversation_id=" + conversationId + "&chat_id=" + chatId;

        HttpHeaders headers = new HttpHeaders();
        headers.set("Authorization", "Bearer " + cozeApiKey);

        HttpEntity<Void> request = new HttpEntity<>(headers);

        ResponseEntity<Map> response = restTemplate.exchange(
                url,
                HttpMethod.GET,
                request,
                Map.class
        );

        Map<String, Object> data = response.getBody() != null ? (Map<String, Object>) response.getBody().get("data") : null;
        return data != null ? data.get("status").toString() : "pending";
    }

    public String getChatResponse(String chatId, String conversationId) {
        String url = cozeApiUrl + "/message/list?conversation_id=" + conversationId + "&chat_id=" + chatId;

        HttpHeaders headers = new HttpHeaders();
        headers.set("Authorization", "Bearer " + cozeApiKey);

        HttpEntity<Void> request = new HttpEntity<>(headers);

        ResponseEntity<Map> response = restTemplate.exchange(
                url,
                HttpMethod.GET,
                request,
                Map.class
        );

        Map<String, Object> body = response.getBody();
        System.out.println(body);
        if (body != null && body.containsKey("data")) {
            for (Map<String, Object> message : (Iterable<Map<String, Object>>) body.get("data")) {
                if ("answer".equals(message.get("type"))) {
                    return message.get("content").toString();
                }
            }
        }
        return "No response available yet.";
    }
}
  • ChatbotController.java
@RestController
@RequestMapping("/api/chat")
public class ChatbotController {

    @Autowired
    private ChatbotService chatbotService;

    private Map<String, List<String>> chatStatuses = new HashMap<>();

    @PostMapping("/message")
    public List<String> initiateChat(
            @RequestParam(required = false) String conversationId,
            @RequestParam String userId,
            @RequestParam String messageContent
    ) {
        return chatbotService.initiateChat(conversationId, userId, messageContent);
    }

    @GetMapping("/checkStatus")
    public String checkChatStatus(@RequestParam String chatId, @RequestParam String conversationId) {
        return chatbotService.checkChatStatus(chatId, conversationId);
    }

    @GetMapping("/getResponse")
    public String getChatResponse(@RequestParam String chatId, @RequestParam String conversationId) {
        return chatbotService.getChatResponse(chatId, conversationId);
    }

演示

  • 演示代码使用非流式的方式获取回答,生产环境中建议使用流式的方式获取回答。

总结

  • Coze 等智能体正在推动聊天机器人进入新阶段,带来更强的灵活性和定制化能力。这些工具大幅降低了第三代聊天机器人的使用门槛,使个人和企业可以轻松构建专属的智能对话系统。通过支持自定义数据库、动态模型切换和灵活的工作流管理,Coze 等智能体为智能交互提供了更强的扩展性和适应性,满足了更多样化的业务需求。

个人简介

👋 你好,我是 Lorin 洛林,一位 Java 后端技术开发者!座右铭:Technology has the power to make the world a better place.

🚀 我对技术的热情是我不断学习和分享的动力。我的博客是一个关于Java生态系统、后端开发和最新技术趋势的地方。

🧠 作为一个 Java 后端技术爱好者,我不仅热衷于探索语言的新特性和技术的深度,还热衷于分享我的见解和最佳实践。我相信知识的分享和社区合作可以帮助我们共同成长。

💡 在我的博客上,你将找到关于Java核心概念、JVM 底层技术、常用框架如Spring和Mybatis 、MySQL等数据库管理、RabbitMQ、Rocketmq等消息中间件、性能优化等内容的深入文章。我也将分享一些编程技巧和解决问题的方法,以帮助你更好地掌握Java编程。

🌐 我鼓励互动和建立社区,因此请留下你的问题、建议或主题请求,让我知道你感兴趣的内容。此外,我将分享最新的互联网和技术资讯,以确保你与技术世界的最新发展保持联系。我期待与你一起在技术之路上前进,一起探讨技术世界的无限可能性。

📖 保持关注我的博客,让我们共同追求技术卓越。

### Coze 智能体简介 Coze 平台致力于帮助用户快速构建 AI 智能体,无论是个人开发者还是企业用户都能从中受益。该平台不仅简化了智能体的创建过程,还提供了丰富的功能和特性来满足多样化的需求[^1]。 #### 功能概述 Coze 智能体的功能覆盖多个领域,包括但不限于内容生成、客户服务以及数据分析等。这些功能得益于其强大的插件系统和多语言模型适配能力,使得智能体能够灵活应对不同场景下的复杂需求[^2]。 #### 技术特点 - **低门槛开发**:通过可视化工作流引擎的设计,即使是没有深厚编程背景的人也可以轻松上手,在短时间内完成一个完整的 AI 智能体搭建。 - **模块化结构**:采用模块化的架构设计,便于扩展与维护,同时也让整个系统的灵活性得到了极大提升。 - **高效管理方案**:为用户提供了一套全面而简便的智能体管理和优化工具,从而提高了工作效率并减少了资源消耗。 #### 应用前景 随着技术不断进步和完善,预计在未来会有越来越多的实际应用场景可以利用到 Coze 所提供的这种高度定制化且易于操作的 AI 解决方案。这将进一步推动各个行业的数字化转型进程,并带来更优质的用户体验和服务质量改进机会。 ```python # 示例代码展示如何调用 Coze API 创建基本对话流程 (假设 Python SDK 存在) from coze import CozeClient client = CozeClient(api_key="your_api_key") def create_conversation_flow(): flow_definition = { "start_node": {"type": "input", "prompt": "你好,请问有什么可以帮助您的吗?"}, "nodes": [ {"id": "node_1", "type": "condition", "expression": "{{ user_input }} contains '服务'"}, {"id": "node_2", "type": "output", "message": "我们很高兴为您提供相关服务详情!"} ], "edges": [{"source": "start_node", "target": "node_1"}] } response = client.create_flow(flow_definition=flow_definition) return response['status'] create_conversation_flow() ```
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

打赏作者

Lorin 洛林

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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