写在前面
10个小时前，Coze官方的一则最新通告，让人很特别惊喜。扣子可以直接应用开发，应用拖拉拽的方式，让无代码基础的同学，也可以搭建属于自己的AI应用，并不只限于在扣子界面进行互动.
一站式 AI 应用开发
扣子平台现已支持 AI 应用开发，轻松构建具备完整业务逻辑和直观用户界面的 AI 应用。这些应用能够处理从简单到复杂的各种任务。AI 应用可以发布为 API 服务、模板，或上架至扣子商店。
其中，应用的业务逻辑由编排好的工作流实现，同时可通过变量、插件、知识库、数据库等方式灵活地与本地或线上数据进行交互。此外，扣子提供了丰富的页面组件和可视化的编排能力，让你无需写一行代码就可以快速搭建出用户界面。
扣子还提供了一系列应用模板，用于复制和体验，以便快速上手。以 AI 英语写作练习助手为例，这是一个通过扣子平台搭建的应用，可以使用 AI 能力生成英语写作题目并批改文章，支持查看答题历史。
AI 应用是指利用大模型技术开发的应用程序，这些应用程序能够使用大模型，执行复杂任务，分析数据，并作出决策。例如 AI 搜索 和 AI 翻译等。
开发流程
扣子平台提供了一个高效快捷的方式开发具有复杂交互功能的 AI 应用。
一个 AI 应用的开发流程如下：
-
创建 AI 应用项目：首先，你需要在扣子平台上创建一个 AI 应用项目。项目创建完成后，你会自动进入集成开发环境（IDE）。这是你进行业务逻辑编排和应用配置的主要场所。
-
编排业务逻辑：你可以使用工作流来编排业务逻辑，并通过变量、插件、知识库、数据库等方式灵活的方式与本地数据或线上数据进行交互。
扣子还提供了试运行能力，方便你在开发的时候进行调试。
- 设计用户界面: 扣子提供了丰富的组件和可视化的编排能力，支持以“拖、拉、拽”的方式快速构建应用，实现了所见即所得的应用开发体验。这种方式大大简化了界面开发过程，使得即使是非专业开发者也能轻松上手。
扣子页面组件支持与开发资源的数据和事件进行绑定，快速实现前后端数据的联动。
-
测试应用：扣子提供了预览能力，你可以通过预览，进行实时测试。确保应用运行符合预期。
-
发布应用：完成开发和测试后，你可以将构建好的 AI 应用发布到你选择的平台或渠道，让 AI 应用被更多的用户使用。
开发环境
扣子平台提供了一个线上的应用集成开发环境 (IDE)。它支持可视化的编排方式和调试能力，使得 AI 应用的开发变得更加快速和简单，让开发者能够专注于创意和业务逻辑。
应用集成开发环境由业务逻辑和用户页面两个模块组成。
业务逻辑模块
业务逻辑模块主要用于业务逻辑开发，包含资源列表和配置区域两部分。
- 资源列表：资源列表中包含工作流、插件、知识库、变量、数据库功能。你可以使用项目所属空间内的已有资源，也可以新建资源。
在 AI 应用项目中新建的资源，只能被这个应用使用，无法与其他应用共享。如果需要变成共享资源，需要进行转移。
- 配置区域：你可以在配置区域对创建或添加的资源进行配置和调试。支持左右分屏展示
用户界面模块
用户界面模块用于用户页面搭建，由组件列表、画布和配置面板组成。
组件:扣子提供了丰富的组件供你选择。
画布:画布支持组件的拖拉拽，并支持通过拉伸方式快速调整组件的大小。
配置面板:在配置面板中，你可以通过属性相关配置来调整组件样式。通过事件绑定的方式实现业务逻辑与页面组件之间的联动。例如，给一个按钮组件绑定一个工作流的点击事件。当用户点击这个按钮时，就会触发工作流调用。
开发一个 AI 翻译应用
随着人工智能技术的不断进步，大模型在翻译质量、效率、上下文理解和多语言支持等方面表现出色。因此，越来越多的人开始使用大模型进行文本翻译，以提升效率，降低成本。
本教程详细指导你如何在扣子平台上完成一个 AI 翻译应用的开发。
AI 翻译应用介绍
这个 AI 翻译应用支持用户选择目标翻译语言，在输入文本内容后，点击开始翻译就可以获得到大模型的翻译结果了。
步骤一：设计你的应用功能
首先，你需要进行应用设计，规划应用的主体功能和用户界面。
这个 AI 翻译应用的核心功能是能够满足用户的文本翻译需求，并支持用户选择指定翻译的语言。翻译功能可以通过创建一个包含大模型节点的工作流来实现。
基于以上功能规划，这个应用的用户界面会包含以下组件：
-
一个让用户可以输入翻译内容的区域
-
一个让用户选择翻译语言的列表
-
一个翻译按钮来触发翻译操作
-
一个展示翻译结果的内容区域
完成主体功能设计和规划后，就可以开始 AI 应用搭建了。
步骤二：创建 AI 应用项目
首先，你需要创建一个 AI 应用项目。
AI 应用项目支持使用工作流来完成复杂的业务逻辑编排，也支持使用数据库、知识库、插件等资源实现与本地数据或线上数据的交互。此外，AI 应用项目支持通过拖拉拽的方式搭建用户界面，并且能够实现与业务逻辑的联动。
参考以下操作，创建 AI 应用项目。
-
登录扣子平台。
-
在左侧菜单栏，单击工作空间。
-
选择一个工作空间。
工作空间是各种资源和开发项目的集合。不同工作空间内的数据和资源相互隔离。
- 在项目开发页面，单击创建，然后在弹出的页面，选择创建应用。
-
在应用模板页面，单击空白应用。
-
输入应用名称，并单击图标旁的 AI 图标使用 AI 自动生成一个图标。然后单击确定。
应用创建成功后，你会直接进入到应用的集成开发环境 (IDE)。
步骤三：编排业务逻辑
创建完 AI 应用项目后，你可以开始进行业务逻辑编排了。扣子 提供了大模型、代码、意图识别、知识库写入与检索等丰富的工作流节点，以满足复杂的业务场景需求。此外，你还可以通过使用变量、插件、知识库等方式与你的本地数据和线上数据进行集成。
本教程中的 AI 翻译应用，主要是使用大模型实现多语言翻译，所以只需要创建一个包含大模型节点的工作流即可。
参考以下步骤，创建一个实现翻译功能的工作流。
- 在业务逻辑页面，找到工作流，然后单击 + > 新建工作流。
- 输入工作流名称和说明，然后单击确认。(工作流名称只支持字母、数字和下划线，且必须以字母开头)
- 单击开始节点进行配置。开始节点用于设定启动工作流需要的信息。
本场景中，用户需要提供要翻译的内容和目标语言，所以需要配置两个对应的输入参数。
-
在输入区域，单击 + 图标，配置第一个变量 (content) 用于传入用户要翻译的内容。
-
再次单击单击 + 图标。输入第二个变量 (lang) 用来指定目标语言。
-
单击大模型节点进行配置。
-
在模型区域，展开模型列表，选择用来执行翻译任务的大模型。本教程中选择豆包 Function call 模型，并使用模型默认配置。
如果你想调整模型配置，单击配置图标。
- 配置输入参数，这些输入参数可以在模型提示词中使用。
本教程中需要将用户输入的译文内容和目标语言添加到提示词中，让模型按照用户选择的语言进行翻译。所以需要配置两个输入参数。
- 单击输入区域的+图标，然后点击对应的设置图标，选择开始节点中配置的变量。
- 重复上述操作，再添加将目标语言的这个变量。
删除不需要的输入信息，确保输入中只包含下图中的这两个参数。
- 在系统提示词区域，输入以下内容作为系统提示词。
系统提示词是一组指示模型行为和功能范围的指令，可以包括如何提问、如何提供信息、如何请求特定功能等。系统提示词也用于设定对话的边界，比如告知用户哪些类型的问题或请求是不被接受的。
角色
你是一个专业的翻译官，能够准确地将用户输入的内容翻译成目标语言，不进行随意扩写。
技能
技能 1：翻译文本
-
当用户提供一段文本时，迅速将其翻译成目标语言。
-
确保翻译的准确性和流畅性。
限制：
-
只进行翻译工作，不回答与翻译无关的问题。
-
严格按照用户要求的目标语言进行翻译，不得擅自更改。
用户提示词区域，输入用户提示词。
用户提示词通常是直接的命令，告诉模型要执行的任务或意图。例如“帮我翻译下这段内容”，指令越清晰，模型的输出也更贴近你的实际需求。
- 首先输入以下内容。
{将用户输入的内容翻译成目标语言}
因为不同用户提供的翻译内容，选择的目标语言都不同，所以需要将译文内容和目标语言使用输入变量来指代，这样就可以在运行时替换成真实的用户需求。
在”内容”文字后输入{，然后选择指代翻译内容的变量。（如果你没有可用的变量，请检查是否按照教程配置了模型节点的输入变量)
- 重复上述方法，添加目标语言变量。
- 在输出区域，将输出格式配置为文本，使用默认配置的output变量。
- 重复上述方法，添加目标语言变量。
- 在输出区域，将输出格式配置为文本，使用默认配置的output变量。
-
连接大模型节点与结束节点，然后选择结束节点进行配置。
在回答内容文本框中输入{{output}}，使用大模型的翻译内容作为最终的回复。
至此，你已经完成整个工作流的搭建。
如果不符合预期，你可以逐一检查每个节点的输出结果。
在完成业务逻辑搭建并通过测试后，你就可以开始用户界面搭建了。
步骤四：搭建用户界面
扣子提供了可视化的用户界面搭建能力，你可以通过拖拉拽的方式搭建一个用户界面，无需写一行代码。
参考以下操作，搭建翻译应用的用户界面。
翻译页面由3个块级组成，具体使用的组件和配置请参考下表。
4.1 搭建页面结构
整体上 AI 翻译应用的用户界面由上下两个部分组成。
想要实现这样的页面结构就需要使用容器组件。容器组件是用来进行页面布局的，可以把页面划分成不同的区域和排列顺序。容器组件中可以添加其他各种组件例如文本组件、按钮组件等。
参考以下操作，完成页面布局：
至此，我们就完成了这个翻译应用的页面结构搭建。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
-
-
- 配置区域：你可以在配置区域对创建或添加的资源进行配置和调试。支持左右分屏展示
