字节大模型扣子(coze)的使用及简单商业化应用

Coze是由字节跳动在推出的一个ai聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计，先是在海外上线英文版 （https://www.coze.com），2024年2月1日的时候，Coze国内版上线（https://www.coze.cn）；国外版的扣子使用的底层大数据模型应该是 GPT4-8K和GPT4-128K，目前是完全免费状态；国内版是 云雀语言模型；

扣子和其他模型相比，最大的特色是，封装了一套上层业务构建入口，降低了大模型复杂的使用门槛，先看下操作入口：

【Bots】：指的是共享应用，类似于苹果的应用商店，可以发布和选择各种场景的解决方案；

【插件】: 指的是完成单一功能的小工具，插件可以集成到应用中使用；目前平台已经集成了超过 60 款各类型的插件，包括资讯阅读、旅游出行、效率办公、图片理解等 API 及多模态模型;扣子平台也支持创建自定义插件，你可以将自己的 API 通过参数配置的方式快速创建一个插件让你的 Bot 调用（这就可以自定义业务逻辑了）。

【个人空间】：指的是私有的功能集合，可以自己制作开发自有应用、插件、工作流、知识库；

第一步：构建个知识库：

知识库功能来管理和存储数据，支持 Bot 与你自己的数据进行交互。无论是内容量巨大的本地文件还是某个网站的实时信息（可以将本地 TXT、PDF、DOCX、Excel、CSV 格式的文档上传至知识库，也可以基于 URL 获取在线网页内容和 API JSON 数据。同时支持直接在知识库内添加自定义数据），都可以上传到知识库中。这样，Bot 就可以使用知识库中的内容回答问题了。

楼主导入的是一份商品数据，包括 类目、价格、描述等

可以看到，扣子做了RAG 处理（检索增强生成（Retrieval Augmented Generation, RAG）是一种技术，它通过从数据源中检索信息来辅助大语言模型LLM（Large Language Model）生成答案。简而言之，RAG 结合了搜索技术和大语言模型的提示词功能，即向模型提出问题，并以搜索算法找到的信息作为背景上下文，这些查询和检索到的上下文信息都会被整合进发送给大语言模型的提示中。）

第二步：构建bot

扣子做的好的地方，在于将大模型操作“傻瓜化”，你可以设定此Bot的“人设”，同时通过ai优化 （第一个红框右上角）来生成规则 ，规则包含 角色、技能、限制 部分；每个bot都是一个人设；在知识库里面，可以选中第一步创建的商品库；通过规则限定只回答商品库的内容，这样我的业务范围就圈定好了；避免了大模型天马行空的乱回答；

第三步：发布bot

扣子支持发布到 豆包、飞书、微信、公众号；个人觉得用的最多的场景还是微信，这里选择微信，配置参数：

a、企业id，这个哪里来的那？

使用企业微信帐号登录微信客服平台（https://kf.weixin.qq.com/），单击企业信息，然后复制企业 ID。

单击开发配置，然后再单击开始使用，点击随机获取按钮分别生成并保存 Token 和 EncodingAESKey

b. 将 生成的 Token 和 EncodingAESKey 复制到扣子里面

c. 将扣子的回调地址（第一个红框），输入到微信中

将微信中的 Secret 和 客服账号，复制过来

客服账号可以在 “客服账号”菜单创建，

如果提示 ：“已授权第三方或通过API管理客服账号，无法在此处创建或修改”，可以在开发配置里面，先停用，再创建，记得创建完成后，再回来打开

注意：扣子里面填写的 “客服账号名称”只需要红色部分，不需要公司名字（@及后面部分）

d. 配置完成，点击发布即可，这样就可以对话了，用微信扫码，就可以联系客服相关效果如下：

扣子知识库的配置及应用流程就完成了；这个场景可以应用于以下逻辑：

1. 导入商品信息作为知识库

2. 结合插件，获取当前登录人的画像

3. 根据购买记录，登录人信息，相关的功效、价格要求等自然语言诉求，推送相关产品

4.结合小程序或app，给出产品的分享地址，点击购买； （如果有更多参数会更加有效，比如直接选择数量和规格）