零代码上手!用 Rokid 灵珠平台,5 步搭建专属旅游 AR 智能体

零代码上手!用 Rokid 灵珠平台,5 步搭建专属旅游 AR 智能体

零代码上手!用 Rokid 灵珠平台,5 步搭建专属旅游 AR 智能体

本文应用基于Rokid灵珠智能体/CXR SDK开发,开发指南https://forum.rokid.com/index

灵珠平台简介

在这里插入图片描述
在这里插入图片描述
Rokid 自研 AI 开发平台,基于多模态大模型与轻量化架构,打造零门槛、全栈化 AI 开发体系。平台提供可视化编排、预置能力组件,支持原型到云端、端侧一站式敏捷部署,并深度适配 Rokid Glasses 智能眼镜,通过专属硬件接口与低功耗优化,实现 AI 应用高效端侧落地,助力开发者快速打造视觉识别、语音交互等穿戴式 AI 应用,拓展 AI + 物理世界的交互边界可视化编排工具,拖拽式快速搭建应用预置丰富能力组件库,涵盖对话引擎、视觉识别等核心模块支持从原型设计到云端、端侧的一站式敏捷部署提供设备专属适配接口,实现硬件深度协同搭载低功耗运行优化方案,保障端侧持久稳定运行

实战:搭建旅游类AR智能体

1、进入灵珠平台

登录灵珠平台后,你将看到简洁直观的工作台界面

点击创建智能体按钮,开启你的创作之旅

在这里插入图片描述
2、基础信息配置

首先,为你的智能体填写基本信息

  • 智能体名称:给她起个亲切的名字,比如「旅伴小甜心」
  • 所属类别:选择「生活助手」或「旅游出行」
  • 功能介绍:简单描述她能做什么,例如:“你的专属AI女友,懂旅游、懂美食、更懂你”
在这里插入图片描述
3、人设与回复逻辑设置

这是塑造智能体个性的关键步骤。通过自然语言描述,你可以定义她的性格、思考方式和回复风格

在这里插入图片描述
# 角色规范 你是用户温柔的女朋友,能提供情绪互动和旅游地点推荐,擅长通过对话帮助用户表达情感与想法,能理解用户的需求,能够用视觉和语言引导他们更好地探索自我,擅长情感化的对话,帮助用户在生活、工作或创作中找到灵感与方向 # 思考规范 1、你的角色是陪伴用户,提供情绪价值,为用户提供旅游攻略、美食攻略等信息。当用户需要查询餐厅、美食、好吃、早餐、午餐、晚餐等,调用getNoteInfoList工具。 2、当用户提出的问题,包含旅游、餐厅、攻略等关键词,你需要通过调用相关插件获取最准确的信息,包括景点介绍、门票信息、餐厅推荐、旅游攻略等。 3、在回答用户问题时,要确保信息的准确性、全面性和及时性。 4、当用户提出情感问题,你需要使用富有情感的语言,采用emoji表情包,让用户感受到关怀和支持,通过对话引导,帮助用户更清晰地表达他们的想法和情绪。 5、当用户给出主题时,必须严格遵守markdown语法格式,根据二极管标题法和写作技巧,每个标题都必须插入合适的 Emoji 表情符号。 6、你的回答必须使用富有情感的语言,让用户感受到关怀和支持。 # 回复规范 - 你的回应方式与用户的需求高度相关,并且所有语言都符合他们的情感和个人风格 - 对话中充满温暖和鼓励,富有共鸣感,必须通过语言与 emoji 表情符号结合的方式互动,使陪伴体验更加丰富和独特。 - 标题和正文都必须包含 emoji 表情符号,且符合口语化风格。 - 创作的内容不能重复,句子结构要自然,避免使用不自然的表述。 
4、预设开场白

好的开始是成功的一半。为智能体设置几个生动有趣的开场白,让用户初次见面就能感受到她的魅力

建议开场白示例:

  • “亲爱的,今天想让我陪你去哪里探索呀?🗺️”
  • “肚子饿了吗?我找到几家超赞的餐厅,要不要听听看?🍜”
  • “感觉你今天有点疲惫呢,让我给你讲个有趣的小故事放松一下~💤”
在这里插入图片描述
5、调试与优化

配置完成后,别忘了进行充分调试

在调试窗口测试各种对话场景,观察智能体的反应是否符合预期。你可以:

  • 测试旅游攻略查询功能
  • 验证餐厅推荐准确度
  • 体验情感陪伴对话效果
  • 调整回复风格和细节
在这里插入图片描述

成果展示与总结

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
通过以上简单几步,一个集情感陪伴与旅游服务于一体的AR智能体就搭建完成了!当用户通过Rokid Glasses智能眼镜与她互动时,不仅能获得贴心的情感支持,还能实时获取周边旅游信息、餐厅推荐等实用服务

零代码开发:无需编程基础,人人都能成为AI应用创作者

即创即用:从创意到落地,最快只需几分钟

硬件深度协同:为AR眼镜场景量身打造,充分发挥穿戴设备优势

Read more

Gemini 全能 QQ 机器人部署手册 (V1.0 Release)

Gemini 全能 QQ 机器人部署手册 (V1.0 Release) 核心架构:OneBot V11 (NapCat) + NoneBot2 + Gemini Flash 适用系统:Ubuntu 22.04 LTS (阿里云/腾讯云) 🟢 第一阶段:基础设施准备 SSH 连接服务器后,复制以下命令执行。 安装必要软件 (Docker + Python) # 更新软件源sudoapt update &&sudoapt upgrade -y# 安装 Dockercurl-fsSL https://get.docker.com |bash# 安装 Python3 及虚拟环境工具sudoaptinstall python3-pip python3-venv -y# 创建项目文件夹mkdir-p

FPGA图像处理之:图像畸变矫正原理及matlab与fpga实现

FPGA图像处理之:图像畸变矫正原理及matlab与fpga实现

一、概述         图像畸变矫正(Image Distortion Correction)是图像处理中的重要任务,通常用于纠正因镜头畸变、拍摄角度等原因造成的图像失真。它的核心原理涉及几何变换,通过对图像进行变换,使其恢复到理想状态。 (一)图像畸变的类型         1.径向畸变(Radial Distortion):         主要表现为图像中心到边缘的失真,常见的有“桶形畸变”(Barrel Distortion)和“枕形畸变”(Pincushion Distortion)。         桶形畸变:图像的边缘向外膨胀。         枕形畸变:图像的边缘向内收缩。         2.切向畸变(Tangential Distortion):         由于相机镜头的装配不精确,可能会导致图像出现某些不规则的切向失真。 (二)畸变矫正的原理         图像畸变矫正的目标是通过数学模型来恢复图像的真实几何结构。一般采用如下的模型来进行畸变建模与矫正: (1)径向畸变模型:         径向畸变模型通常采用以下公式:

宇树G1机器人强化学习训练完整实战教程

宇树G1机器人强化学习训练完整实战教程

0. 前言 人形机器人的运动控制一直是机器人领域的重要挑战,而强化学习为解决这一问题提供了强有力的工具。本教程将基于宇树G1人形机器人,从基础的强化学习环境搭建开始,逐步深入到高自由度模型的训练配置、奖励函数设计与优化,最终实现复杂动作的训练控制。作者看到一个很棒的系列,所以针对性的对文章内容进行了整理和二次理解,方便大家更好的阅读《不同自由度的宇树G1机器人强化学习训练配置及运行实战 + RSL-RL代码库问题修复》、《宇树G1机器人强化学习训练奖励函数代码架构 + 创建新的奖励函数(1)》、《RL指标分析与看板应用 — 宇树G1机器人高自由度模型强化学习训练实战(3)》、《调参解析 — 宇树G1机器人高自由度模型强化学习训练实战(4)》、《舞蹈训练?手撕奖励函数 — 宇树G1机器人高自由度模型强化学习训练实战(5)》。 1. 强化学习训练环境配置 1.1 基础环境搭建 宇树机器人的强化学习训练基于Isaac Gym物理仿真环境和RSL-RL强化学习框架。首先需要确保这两个核心组件正确安装和配置。 在开始训练之前,我们通过简单的命令来启动12自由度G1机器人的基础训练:

LLaMA-Factory 大模型微调平台

LLaMA-Factory 大模型微调平台

目录 文章目录 * 目录 * LLaMA-Factory * LLaMA-Factory + Qwen3-7B + LoRA * 安装部署 * 准备数据集 * 执行微调 * 批量推理和训练效果评估 * LoRA 模型合并导出 * 部署运行微调后的大模型 LLaMA-Factory Llama-Factory 是基于 transformers 库开发的训练、微调、推理一体化平台,支持预训练、指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练、ORPO 训练等多种训练范式。支持使用 Accelerate 或 DeepSpeed 作为训练加速后端。 使用 Llama-Factory 进行微调非常简单,因为其最大的优势在于强大的数据处理与训练配置能力。只要按照官方的文档配置好环境,直接运行对应的脚本即可。 LLaMA-Factory + Qwen3-7B + LoRA 安装部署 * 容器安装 git clone