前言
Coze目前处于初级阶段,虽然很多功能尚未发挥出其潜力,让人感觉或许是因为模型不够智能,插件不够多。然而,Coze正在不断发展壮大,正如许多优秀产品一样,需要时间来完善。现阶段,主要任务是熟悉其工作流程和逻辑,因为未来将会成为资深用户的首选。我强烈推荐大家先对Coze有所了解。虽然目前可能无法满足所有需求,但随着插件的增加和云雀模型的不断进化,Coze必将在国内AI领域占据一席之地。
Coze并非一蹴而就,早已在美国市场有了一定的成绩,然后才开放了国内市场。它的发展方向似乎已经明确。有人曾言:Coze可能基础模型差距很大,但通过借助基础能力吸引流量,积累数据,然后提升能力,其战略清晰且可执行。
尽管国内AI产品层出不穷,但了解Coze是至关重要的。我简单聊一下我对Coze的一些看法。
| 标题 | 介绍 |
|---|---|
| ToB | Coze目前的信息表明,它致力于简化企业操作,为企业AI的落地提供了有力支持。在这一努力中,它已经成功对接了飞书,这显示了Coze在助力企业实现数字化转型方面的积极态度和实际成果。 |
| Toc | 除了企业市场,Coze也在积极探索面向个人用户的领域。通过与个人用户的对接,它能够提供个性化的AI服务,目前已成功对接了豆包和微信,这为个人用户带来了更多便利和智能化体验。 |
| AI社区 | 登录Coze后,用户会发现它不仅是一个简单的工具平台,更像是一个小型的社区。Coze的定位使得用户之间可以分享定制AI,增加了用户之间的互动性和粘性。这种社区化的定位也有助于提升用户体验,促进了Coze作为一个AI社区的发展。 |
| 流量 | Coze作为产品,有着得天独厚的优势,因为它背靠着字节,而字节拥有着庞大的用户群体。这意味着Coze在流量获取上有着可观的优势,而丰富的流量也是决定一个产品成功的关键因素之一。 |
| 商业化 | 产品普及的速度往往取决于成本。Coze通过将AI定制的成本压缩至零,并提供丰富多样的插件供用户使用,为用户提供了更为经济实惠的解决方案。这不仅有助于加速AI产业的落地,还使得用户未来可以更轻松地借助Coze进行创造并获得收益。这种商业模式的创新为Coze未来的发展奠定了坚实的基础。 |
后续正文从以下几点讲解Coze
- Coze介绍
- Coze和国内AI产物有什么区别
- Coze使用
- Coze对个人的意义
Coze 介绍
模型
Coze 使用的是国内云雀语言模型 作为首批通过《生成式人工智能服务管理暂行办法》备案的大模型产品,字节旗下云雀大模型的表现在市场中一直是处于非常低调的状态大概整理一些参数
| 模型规模 | 训练数据量 | 训练算力 | 模型应用能力 |
|---|---|---|---|
| 该模型参数规模达到1300亿,为国内最大的中文预训练模型之一。采用了Transformer架构,具有高效的并行性和训练效率。 | 云雀大模型利用抖音集团的大量数据进行了预训练,包括文本、图像、视频、音频等多种模态。覆盖了中文维基百科、新闻、小说、对话、社交媒体等多种类型的文本数据,有助于豆包AI学习丰富的语言知识和语境信息。 | 云雀大模型依托抖音集团自研的字节神经网络加速器进行训练。该加速器是专为深度学习模型设计的硬件平台,提供高效的计算性能和低延迟的通信能力,支持大规模模型和数据并行。 | 云雀大语言模型具备处理多种自然语言处理任务的能力,包括语言翻译、问答系统、文本摘要等。其优秀的计算性能和资源利用率可以降低训练成本和时间。 |
在整个模型上云雀没有太大的优势 相比去百度发布的“文心一言”大模型,云雀大模型的已经晚了半年的时间,同时和GPT模型差距也有近三年 对于AI来说这个落后其实还是比较大的 但是不代表Coze没有机会因为Coze的背后是抖音集团有比较大的优势
| 领域 | 数据 | 关键信息 |
|---|---|---|
| 算力 | 字节跳动在硬件算力方面投入巨大,据报道,公司囤积了大量英伟达显卡,成为国内少数拥有超过数千张A100的厂商之一。同时,字节跳动还在全面布局芯片业务,自研的芯片主要用于视频推荐等业务,并且至少启动了FPGA、服务器芯片和RISC-V开源芯片等项目。 | 字节跳动在硬件算力和芯片领域展现出雄厚实力,为支撑其业务提供了坚实的基础。 |
| 算法 | 字节跳动旗下抖音的短视频算法一直被业界视为“标杆”,通过智能 AI 分析用户行为,精准识别用户兴趣,并根据用户行为和兴趣标签为其匹配内容。该算法利用大数据技术分析视频内容和用户行为,为数亿月活用户提供个性化推荐,提升用户满意度和留存率。 | 字节跳动的智能算法以其精准的个性化推荐闻名于业内,为数亿用户提供了丰富多样的内容体验。 |
| 大数据 | 字节跳动旗下抖音和TikTok拥有庞大的用户群体,日活超1.5亿、月活超7.5亿。这些用户产生了海量的视频数据,为字节跳动提供了丰富的数据资源。这些数据不仅支撑着字节跳动的智能算法,还为公司的大模型数据训练提供了重要的数据基础。 | 字节跳动依托庞大的用户基础和海量的视频数据,不断优化智能算法,并为大规模模型的训练提供了丰富的数据支持。 |
数据量是AI发展的关键抖音集团拥有超高的日活提供数据 这是大部分AI无法比拟的也可以将差距快速的缩小甚至赶超 但是想要出头还是比较有困难 毕竟有ChatGpt在前 所以Coze并不选择硬刚而是另辟蹊径在聚合AI上发力
创新
Coze的 AI思路没有循规蹈矩而是非常有自信的大跨度前行 不拘泥于传统AI文字问答 而是引入大量的插件流程来扩展AI也表明Coze 想要杀出重围创造自己的AI领域 作为新方向的领导者
| 功能 | 描述 | 简化数据 |
|---|---|---|
| 插件工具 | 扣子集成了丰富的插件工具,可以极大地拓展Bot的能力边界。内置插件包括资讯阅读、旅游出行、效率办公、图片理解等API及多模态模型,可以直接添加到Bot中丰富其能力。自定义插件功能支持通过参数配置的方式快速创建插件,实现个性化定制。 | 内置插件数量超过60款 |
| 数据源 | 扣子提供简单易用的知识库功能,支持管理和存储数据,可以上传本地文件或网站实时信息至知识库。支持文本格式、表格格式的数据,以及各种常见文档格式的上传。知识库可用于Bot与用户数据交互,提供更精准的回答。 | 支持多种数据格式上传 |
| 记忆能力 | 扣子具备持久化的数据库记忆能力,可记住用户对话的重要参数或内容。例如,创建数据库记录阅读笔记,包括书名、阅读进度和个人注释,可用于提供更准确的答案。 | 可持久化记忆用户对话 |
| 工作流设计 | 扣子的工作流功能可用于处理逻辑复杂且有较高稳定性要求的任务流。提供大量可组合的节点,包括大语言模型LLM、自定义代码、判断逻辑等,支持快速搭建工作流。无需编程基础,可通过拖拉拽方式实现快速搭建,例如搜集电影评论、撰写行业研究报告。 | 可灵活组合节点 |
Coze使用
关于Coze的使用教程 详细可以参考Coze 教程文档 我只说一下使用过程中比较有意思的点
编写提示
可以通过文字描述给Coze 定制一个角色并且能指定路程 比如什么时候调用插件 什么时候调用工作流 什么时候调用数据库等等 这个其实中规中矩 扮演角色也是目前国内大部分AI的发展方向
Character <Bot 人设>
这个就是指定AI的一个大方向 让他明白自己要干什么
Skills <Bot 的技能>
你想要他能做什么 比如调用工作流处理信息 将信息储存到数据库中这些操作在这里编写
Skill 1: 提取数据
Skill 2: 处理数据。
Skill 3: 分析数据
Constraints <Bot 约束>
编写约束 能做什么不能做什么 在这里进行编写
整个编写还是 比较简单的编写完成之后可以使用Coze提供的优化功能进行逻辑整理
插件
Coze的核心功能之一是通过插件系统进行文字语言优化。这一思路最早在ChatGPT的发展中出现,并且在国内尚未普及。目前,Coze已经引入了六十余款插件。
利用插件,你可以充分利用应用程序的附加功能或专用功能,从根本上增强AI模型的功能。通过访问互联网上的实时信息和特定第三方应用程序的数据,插件使得AI系统的适用范围更广,可以满足不同用户的需求。这种灵活性使得AI系统能够根据具体场景进行定制,提供更精确的解决方案。同时,插件系统还能够吸引更多的开发者和合作伙伴参与到AI生态系统中来,共同推动生态系统的发展。不同的开发者可以根据自己的专长和需求开发插件,从而丰富整个生态系统的功能和资源。
我们可以通过插件先处理 文档 图文 链接 等操作 随着发展一定会有处理视频的能力 下图通过识图插件获取图中文字
自定义插件与多平台聚合(建议)
这个功能能否推行开来 也是Coze发展速度关键点之一 高手在民间 一个公司的能力想法有限所以Coze将插件开放给用户 让用户根据需求自定义插件 相当于StableDiffusion训练模型一样 现在抖音各种社交媒体很多AI视频或者图文 收获大批粉丝 这个插件后期 不排除开放收益 毕竟无利不起早 只有收益才能激发创作者的创作激情 哈哈哈
具体细节 查看自定义插件进行学习
关于多平台聚合 思路就是自定义插件 对接平台的API 比如我想要获取微博的用户博客 我们可以注册微博开放者平台 然后通过API调用获取数据 然后在通过Coze进行信息整合 转发到小红书等平台
可以尝试去创建自己想要的插件 有一定的技术难度 但是实现的效果更加可控
工作流
这个是我在体验过程中使用时长最久的功能 他可以将各个插件之间进行连接 控制数据的流转 可玩性很高
官方介绍:工作流支持通过可视化的方式,对插件、大语言模型、代码块等功能进行组合,从而实现复杂、稳定的业务流程编排,例如旅行规划、报告分析等。
当目标任务场景包含较多的步骤,且对输出结果的准确性、格式有严格要求时,适合配置工作流来实现。
大分类是基础节点和插件和工作流 目前我只体验了基础节点和插件之间的配合 所以讲解一下这方面 不做过多的表述 只说一下经验
不太可控和
- 大模型:就是AI本身接收数据 然后根据提示词进行处理数据 这个不是很可控 毕竟是AI 有时候返回的数据可能没有达到我们想要的要求 尽量借助提示词去规划大模型的处理规范
可控
-代码:可控性比较强这个目前提供Py 和 JS两种语言 我主要是进行文字的控制 比如增加一些关键词或者是进行一些问的拆分检索 保证信息到下一个节点达到我想要的数据类型或者文字内容 这个还是希望多增加一些 适用人群才更多 底部可以使用AI帮助你写一些东西 其他就靠自己的能力了
- 知识库:这个就是你自定义一些数据 AI选择性调用知识库中的数据 是属于私有化数据
- 选择器:大家都不陌生其实就算是判断节点 根据自己的条件可以选择下一个节点要做什么‘
半可控
- 插件:工作流和插件之间的配合是比较多的 但是有一些插件的返回不太可控 这个可以通过代码控制 也可以通过大模型进行处理 目前插件能配合的还比较少 但是最近已经有人开始提交插件了
数据流转的讲解:
这个工作流用起来也很简单 开始节点接收数据 比如当触发工作流之后 Info 就会接受数据 然后向下一个节点传输 下一个节点引用上一个节点的参数获取数据进行处理 下面的提示词可以丰满一下自己的问题 然后后面节点接受上一个节点输出的参数名接着进行流转
插件的批处理:
当上一个传输的是数组的时候可以进行批次处理 当然你也可以通过代码转换成你想要的数据类型
知识库
这个的作用可以获取你所提供的数据 根据你的数据进行回答或者优化 也算是获得一部分的控制权
上图是我在知识库维护一些信息 然后让他随即对我进行测试 问题是AI在知识库中自动提取
数据库
数据库就是他会分析你的语句 帮你将数据储存到你创建的数据库中
部署
这个不麻烦 只需要跟根据流程操作就行 目前支持四种形式的部署 随着发展未来对接的平台只会越来越多
实战和问题
想尝试一些复杂的工作流 有一些不稳定因素导致失败率比较高 一个简单的信息提取 通过链接提取信息 然后进行信息精简 就不细说了
问题
流程超时: 复杂的流程很容易因为耗时过长而超时。
节点穿插执行: 如果节点之间能够穿插执行,数据就能更容易地聚集到一起,从而达到期望的效果。
调用工作流或插件连续性欠缺: 当调用工作流时,插件的调用连续性可能会出现问题。大多数情况下,调用了工作流后,插件很可能不会被调用。
插件国内外穿插: 一些插件只支持英文,而另一些只支持中文。因此,需要进行调整,使得插件的国内外使用更加灵活。
Coze对个人的意义
任何一个产物在发展之初都没什么用处 但是当发展起来之后又很难跻身进去,为什么推荐了解Coze
1、对字节有一定信心 在雄厚的资本下Coze不会默默无闻
2、Coze拥有ToC属性你可以帮别人定制化AI 或者 自创插件借助Coze平台创造自己的私域价值
3、随时关注Coze的发展 也许就是下一个AI界的抖音呢
插件不断丰富中 快去体验吧
BotId:7339511482201374783