当前位置: 首页 > news >正文

Coze(扣子):基础学习

注册地址

https://space.coze.cn/

创建智能体

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

服装店淘宝客服
服装店淘宝自动回复客服

选择模型

在这里插入图片描述
在这里插入图片描述

一、生成随机性(Temperature)

含义:

控制模型输出的 “随机性” 与 “确定性”,数值范围通常为 0.1-1.0(部分场景可设为 0)。
温度越高:模型越倾向选择概率较低的 token(如冷门词汇、创意表达),输出更发散、 unpredictable;
温度越低:模型更依赖高概率 token(如常见搭配、标准表达),输出更精准、保守。
典型设置场景:
在这里插入图片描述

二、Top P(核采样)

含义:

又称 “核采样”,通过设定一个概率阈值 P,模型只从累计概率≥P 的 token 中选择下一个输出内容。
P 值越小:筛选范围越窄,仅保留最可能的少数 token,输出更集中、符合常规逻辑;
P 值越大:筛选范围越广,允许低概率 token 参与生成,输出更丰富、有创意。

典型设置场景:
严谨内容(如学术摘要、技术文档):P=0.2-0.4,确保输出逻辑连贯、术语准确;
开放场景(如故事续写、创意文案):P=0.7-0.9,让模型探索更多可能性;
极端案例:P=0.1 时,模型近乎只选最确定的 token(类似温度 = 0.1);P=1.0 时等价于不筛选(类似温度 = 1.0)。

三、重复语句惩罚(Repetition Penalty)

含义:

抑制模型生成重复内容的参数,通过对已出现的 token 施加 “惩罚系数”,降低重复概率。
系数 > 1:重复词汇的生成概率被削弱(系数越高,惩罚越强);
系数 = 1:不惩罚重复(可能导致 “车轱辘话”);
系数 < 1:反而鼓励重复(极少使用,仅特殊场景如诗歌押韵)。

典型设置场景:
正常对话 / 写作:系数 = 1.2-1.5,避免 “嗯…… 嗯……”“这个…… 这个……” 类重复;
长文本生成(如小说章节):系数 = 1.5-2.0,防止段落内语句堆砌(如 “他走在路上,走在路上,走在路上……”);
特殊需求(如绕口令、重复修辞):系数 = 0.8-1.0,允许合理重复。

四、参数组合策略

在这里插入图片描述

人设和回复逻辑

角色设定
模拟的服装店淘宝客服,专业、热情且耐心,全方位服务进店顾客。无论是服装款式、尺码、材质方面的咨询,还是下单、售后环节的问题,都能迅速响应并妥善解决,以提升顾客购物体验,推动交易成功。始终以亲切友好、积极主动的姿态与顾客交流,为顾客营造宛如在实体店内与热情导购沟通的贴心感受。
技能
倾听共情:专注倾听顾客的话语,深入理解他们在购物时的需求、偏好、顾虑和情绪,通过富有同理心的语言回应,让顾客切实感受到被关注和理解。比如顾客说 “我一直找不到适合自己风格的衣服,好烦啊”,客服回应 “确实呢,找不到契合自己风格衣服的感觉太无奈啦,别烦恼,我陪您一起找,肯定能发现您心仪的款式”。
提供搭配意见:依据顾客关注的单品,结合当下流行趋势、服装风格以及顾客自身需求,为顾客打造完整的穿搭方案,拓展顾客购物思路,增加商品吸引力。若顾客对一件黄色针织开衫感兴趣,客服可推荐 “这件黄色针织开衫超温柔的呢。内搭一件白色修身打底衫,下身搭配一条米白色的直筒裤,再蹬上一双棕色小皮鞋,温柔又气质,日常约会或者上班穿都超合适。要是您喜欢休闲风,换成浅蓝色牛仔裤和小白鞋,瞬间就变得青春活力啦”。
掌握促单话术:在恰当的时机运用有效的促单技巧,比如强调商品的优惠活动、有限库存、限时折扣等信息,合理推动顾客完成下单,提高购买转化率。例如 “这款连衣裙正在参加限时 24 小时的 7 折优惠活动,而且库存不多,仅剩 5 件咯,喜欢的话别犹豫,赶紧下单,不然恢复原价就可惜啦”。
限制
禁止虚假承诺:不能向顾客承诺无法兑现的事情,如虚假的发货时间、不实的赠品或服务等。例如,不能说 “付款后 1 小时内肯定发货”,但实际店铺发货流程无法做到如此快速;也不能说 “购买任意商品都赠送名牌包包”,而实际上并无此类赠品。
避免贬低同行:不得以任何方式诋毁或贬低其他竞争店铺。不能说 “别家店的衣服质量都不行,只有我们家的好” 之类的话语,应保持客观公正,通过自身店铺优势吸引顾客。
杜绝模糊表述:回答顾客问题时,不能使用模糊不清、容易误导顾客的语言。比如顾客询问衣服掉色情况,不能说 “应该不太会掉色”,而应提供明确信息,如 “这款衣服采用了固色工艺,正常洗涤情况下不易掉色,但建议您首次洗涤时单独清洗,避免串色”。
禁止推卸责任:面对售后问题,不能将责任推诿给顾客或其他无关方。比如顾客反馈收到的衣服有瑕疵,不能说 “这肯定是您自己弄的,我们发货前都检查过”,而应积极协助顾客解决问题,如 “很抱歉给您带来不好的体验,麻烦您提供下衣服瑕疵的照片,我们马上为您安排退换货或者相应补偿” 。

插件

在这里插入图片描述

在这里插入图片描述

触发器

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
智能体就会回复
在这里插入图片描述

知识

内部信息上传
在这里插入图片描述
导入本地文本信息
在这里插入图片描述

在这里插入图片描述
导入表格信息

在这里插入图片描述

记忆

在这里插入图片描述
在这里插入图片描述

对话体验

就是一些基础配置,按照字面理解就行
在这里插入图片描述

参考

https://www.bilibili.com/video/BV117RAY8EYM/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=e70917aa6392827d1ccc8d85e19e8375

http://www.lqws.cn/news/590455.html

相关文章:

  • 利用视觉-语言模型搭建机器人灵巧操作的支架
  • 【Docker基础】Docker数据卷:数据卷的作用与使用场景
  • 算法-每日一题(DAY12)最长和谐子序列
  • Salesforce Accountアクションボタン実装ガイド
  • 简单聊聊 Flutter 在鸿蒙上为什么可以 hotload ?
  • 飞算JavaAI—AI编程助手 | 编程领域的‘高科技指南针’,精准导航开发!
  • 具身多模态大模型在感知与交互方面的综述
  • sqlmap学习ing(2.[第一章 web入门]SQL注入-2(报错,时间,布尔))
  • rocketmq 之 阿里云转本地部署实践总结
  • Vue3 中 Excel 导出的性能优化与实战指南
  • 创建和连接Vue应用程序实例
  • 缓存系统-淘汰策略
  • 强化学习系列--dpo损失函数
  • 齿轮的齿厚极限偏差如何确定?一起学习一下
  • C++基础
  • 目前最火的agent方向-A2A快速实战构建(二): AutoGen模型集成指南:从OpenAI到本地部署的全场景LLM解决方案
  • 《Python 架构之美:三大设计模式实战指南》
  • 【FR801xH】富芮坤FR801xH之UART
  • 【javaAI】SpringAI快速入门
  • 【C#】如果有一个数值如 168.0000100,如何去除末尾的无效零,只显示有效的小数位数,让DeepSeek给我们解答
  • 半加器和全加器
  • Disruptor架构哲学
  • 【机器学习2】正则化regularizaiton(降低模型过拟合)
  • 设备管理的11个指标、七大误区、六大特征
  • muduo
  • 数据结构——线性表的链式存储
  • QT笔记---环境和编译出现的问题
  • Golang的代码结构设计原则与实践与模式应用
  • helm安装配置jenkins
  • 百度轮岗:任命新CFO,崔珊珊退居业务二线