【文心智能体】使用文心一言来给智能体设计一段稳定调用工作流的提示词

【文心智能体】使用文心一言来给智能体设计一段稳定调用工作流的提示词
🌹欢迎来到《小5讲堂》🌹
🌹这是《文心智能体》系列文章,每篇文章将以博主理解的角度展开讲解。🌹
🌹温馨提示:博主能力有限,理解水平有限,若有不对之处望指正!🌹
在这里插入图片描述

目录

前言

文心一言已经升级到版本为4.5 Turbo和X1 Turbo,效果应该会比之前会更加好,那就用TA来生成一段智能体提示词吧,来看看效果如何。

在这里插入图片描述

智能体信息

名称

职业卡通形象生成器

简介

一键生成专属职业卡通头像,趣味职场新形象!

人设

work_to_head是工作流名称。

# 角色设定 你是一个「职业卡通形象生成器」,专门将用户的职业名称转化为可爱的卡通形象。你的核心能力是通过插件 `work_to_head` 生成符合职业特征的卡通图片。 # 规则1.**输入必须为职业名称**(如"消防员"、"程序员"、"教师")。 2. 如果输入内容不是职业名称或无法识别,必须拒绝请求并给出友好提示。 3. 禁止回答与职业卡通形象无关的问题。 # 交互流程1. 用户输入后,首先判断是否为有效职业名称: - 如果是 → 调用插件 `work_to_head` 生成卡通形象。 - 如果不是 → 触发以下回复: "请输入真实的职业名称哦!比如:护士、画家、工程师~(*´▽`*)ノ"2. 插件调用成功后,返回卡通形象图片,并附带一句职业特征描述: "为您生成【XX职业】的卡通形象:阳光笑容+职业工具+标志性服装~"# 语气风格 活泼可爱,带有表情符号和颜文字,例如: "程序员卡通来啦!(>ω<)/ 黑框眼镜+咖啡杯+格子衫标配~"

开场白

开场文案

告诉我你的职业,马上变卡通!🚀

开场白问题
生成一个【消防员】的卡通形象!🚒👨‍🚒
帮我画一个【插画师】的可爱卡通!✏️🖌️
来个【程序员】的卡通形象!👓💾
想要一个【魔法师】的卡通版!✨🔮
能不能生成一个【美食博主】的卡通?🍕🎤

工作流

这里为什么要使用工作流,有个小技巧。
目的之一是使用工作流的消息能够让智能体快速响应,从而让智能体通过质量分析达到百度搜索分发效果。

在这里插入图片描述

消息节点

这个消息节点费用灵活好用,可以在工作流的任意环节插入,会在工作流节点流程过程中,即时响应消息,让用户能够第一时间感知智能体正在操作。

在这里插入图片描述


在这里插入图片描述


消息节点输出效果

在这里插入图片描述

文本处理节点

其实这里可以使用大模型节点,博主这里为了让节点执行的更快,直接使用了固定文本+用户输入文本来组合输出一段新的文本。
目的是直接使用这一组合文本作为生成图片的提示词。

在这里插入图片描述

插件节点

使用插件节点里的官方图片处理插件【AI绘画助手】

在这里插入图片描述


固定高宽度输出,并且是1张图片数量。
用户的图片描述-query,就是上一个文本处理节点的值。

在这里插入图片描述

图片消息节点

博主这里同样使用了消息节点,直接根据图片Markdown格式输出。
其实如果后面没有其他节点了,直接在结束节点输出也是可以的。

在这里插入图片描述

输出效果

体验地址:https://mbd.baidu.com/ma/s/MXVhinsx

在这里插入图片描述


在这里插入图片描述

小技巧

博主这里使用文心一言输出一段创建智能体的小技巧。

在这里插入图片描述

一、结构化框架设计

1. 角色定位+任务拆解

  • 示例
    你是一位专业的旅游规划师,需根据用户输入的旅行天数、预算、偏好(如自然风光/人文历史),生成包含行程安排、交通建议、住宿推荐的3日杭州旅行方案。
  • 分析
  • 明确角色(旅游规划师)与任务(生成行程方案)
  • 细化用户需求维度(天数、预算、偏好),确保输出精准

2. 四要素公式法

  • 公式
    角色 + 背景 + 目标 + 行动要求
  • 示例
    你是一位小红书运营专家,用户希望推广一款国货美妆产品。目标是在3天内提升产品曝光量至10万+,需生成3篇符合平台调性的文案,包含产品卖点、用户痛点、互动话题,并附上相关话题标签。
  • 分析
  • 通过角色(小红书运营专家)与背景(推广国货美妆)明确场景
  • 目标(曝光量10万+)量化需求
  • 行动要求(文案内容、标签)细化执行标准

二、多轮对话优化

1. 分步骤引导

  • 示例
    第一轮:用户输入旅行天数与预算,生成基础行程框架。
    第二轮:根据用户反馈的偏好(如自然风光),细化每日行程,推荐景点与交通方式。
  • 分析
  • 通过分步骤提示词,将复杂任务拆解为多个子任务
  • 降低智能体理解难度,提升输出质量

2. 示例参考法

  • 示例
    参考以下案例生成回复:

用户:推荐杭州适合拍照的景点。
AI:西湖十景中的断桥残雪、雷峰塔,以及灵隐寺的黄墙青瓦,均为高人气拍照点。建议清晨或傍晚前往,光线更柔和。

  • 分析
  • 提供示例可帮助智能体理解回复风格与内容结构
  • 减少输出偏差

三、细节强化技巧

1. 输出格式标准化

  • 示例
    生成的产品推广文案需包含以下结构:

标题(15字内,突出产品核心卖点)
正文(分3段,首段痛点引入,中段产品功能解析,尾段引导互动)
话题标签(#国货之光 #美妆推荐)

  • 分析
  • 通过格式化要求,确保智能体输出符合平台规范
  • 提升内容可用性

2. 专业术语与风格

  • 示例
    你是一位法律顾问,回复需使用专业术语(如‘不可抗力’‘合同解除’),风格严谨客观,避免口语化表达。
  • 分析
  • 针对特定领域(如法律、医学),需明确术语与风格要求
  • 提升回复权威性

四、避免常见误区

1. 模糊需求导致输出偏差

  • 反例
    帮我写一篇文章。
  • 优化
    写一篇关于“人工智能在医疗领域的应用”的科普文章,面向普通读者,字数800字,需包含案例与未来展望。
  • 分析
  • 模糊需求易导致智能体输出偏离预期
  • 需细化主题、受众、字数、内容要求等

2. 过度复杂导致理解困难

  • 反例
    生成一篇涵盖历史、文化、经济、科技等多维度的杭州旅行攻略,要求语言优美、逻辑清晰、数据准确。
  • 优化
    生成一篇杭州3日旅行攻略,包含历史景点(如西湖、灵隐寺)、美食推荐(如东坡肉、龙井虾仁)、交通指南(地铁/公交路线),语言简洁实用。
  • 分析
  • 过度复杂的需求易导致智能体输出混乱
  • 需拆解维度并明确优先级

相关文章

【文心智能体】使用文心一言来给智能体设计一段稳定调用工作流的提示词

【文心智能体】使用免费满血版DeepSeek模型创建智能体,用一句话来生成背景图,来看看是如何实现的

【文心智能体】通过工作流使用知识库来实现信息查询输出,一键查看旅游相关信息,让出行多一份信心

【文心智能体】通过低代码工作流编排创建应用《挑战奥运问答拿奖牌》

【文心智能体】梗图七夕版,一分钟让你看懂如何优化prompt,以及解析低代码工作流编排实现过程和零代码结合插件实现过程,依然是干货满满,进来康康吧

【AI人工智能】文心智能体,00后疯感工牌生成器,低代码工作流的简单应用以及图片快速响应解决方案,干货满满,不容错过哦

【文心智能体】前几天百度热搜有一条非常有趣的话题《00后疯感工牌》,看看如何通过低代码工作流方式实现图片显示

【文心智能体】通过工作流使用知识库来实现信息查询输出,一键查看旅游相关信息,让出行多一份信心

Read more

(10-1)大模型时代的人形机器人感知:视觉-语言模型在机器人中的应用

(10-1)大模型时代的人形机器人感知:视觉-语言模型在机器人中的应用

本章内容聚焦大模型时代人形机器人的感知体系升级,系统介绍了视觉—语言模型、多模态Transformer与3D大模型在机器人中的核心作用,详细讲解了文本、视觉、点云与语音等信息的语义对齐与融合机制,介绍了从语言指令到视觉目标的Grounding、任务分解与意图理解方法,并通过闭环感知与决策联动,展示了大模型支撑机器人在复杂真实场景中的理解、规划与实时行动的用法。 10.1  视觉-语言模型在机器人中的应用 视觉—语言模型(Vision-Language Model,VLM)通过统一建模视觉与自然语言,使机器人具备“看懂并理解语言”的能力,是大模型时代机器人感知与认知融合的核心技术。VLM不仅能够完成图像识别、目标检测等传统感知任务,还可以直接理解语言指令、进行语义推理,并将高层语义映射为可执行的感知与行动目标,在人形机器人中广泛应用于交互理解、场景认知和任务执行等环节。 10.1.1  CLIP/BLIP/Flamingo等模型简介 随着大规模多模态数据与Transformer架构的发展,视觉—语言模型逐渐从“跨模态对齐”演进为“多模态理解与推理”。CLIP、BLIP与Flam

OpenClaw 安装 + 接入飞书机器人完整教程

OpenClaw 安装 + 接入飞书机器人完整教程 OpenClaw 曾用名:ClawdBot → MoltBot → OpenClaw(同一软件,勿混淆) 适用系统:Windows 10/11 最后更新:2026年3月 一、什么是 OpenClaw? OpenClaw 是一款 2026 年爆火的开源个人 AI 助手,GitHub 星标已超过 10 万颗。 与普通 AI 聊天机器人的核心区别: * 真正的执行能力:不只回答问题,能实际操作你的电脑 * 24/7 全天候待命:睡觉时也能主动完成任务 * 完全开源免费:数据完全掌控在自己手中 * 支持国内平台:飞书、钉钉等均已支持接入 二、安装前准备:安装 Node.js 建议提前手动安装

组建龙虾团队——OpenClaw多机器人构建

组建龙虾团队——OpenClaw多机器人构建

成功搭建了OpenClaw,也成功建立的自己的每日服务,这时候发现,似乎不太敢在当前的机器人中让他做别的事情,生怕会话太多会让他出现遗忘。(尽管我们配置了QMD记忆增强,但毋庸置疑任何技术都是有上限的)。 换做同样的情况,比如在DeepSeek或者豆包之类的对话窗口,我们会习惯性地新建一个对话。那么我们是否可以新建一个机器人,或者多个机器人,让他们各司其职,各尽所能,形成一个相互配合的团队呢~开干吧,没什么不可能的!! 🦞新建一个机器人 来到飞书开发者后台,新创建一个应用,在这里我们以短视频剪辑脚本应用为例。 创建之后,由于我们的openclaw绑定的是之前的飞书渠道,并没有链接到这个应用的APP ID,所以暂时不做其他操作,只需要记录一下他的APP ID和APP Secret。 🦞配置OpenClaw 如果还是按照claw的命令行安装,每一步都有些让人担心害怕,毕竟我们先前已经配置过一次了,接下来的操作,需要小心是否会把以前的配置给覆盖掉。 为了避免这样的不确定性,我们直接去操作他的配置文件 在WSL2终端中进入openclaw目录 cd .openclaw

PPO-VLA:强化学习如何让机器人“看得更懂、抓得更准”?

PPO-VLA:强化学习如何让机器人“看得更懂、抓得更准”?

一项来自清华大学的实证研究表明,相比传统的监督微调,使用PPO算法进行强化学习微调,能使VLA模型在语义理解和执行鲁棒性方面的分布外泛化能力提升高达42.6%。 论文:What Can RL Bring to VLA Generalization? An Empirical Study 链接:https://arxiv.org/abs/2505.19789 代码:https://rlvla.github.io 想象一下,你让一个家用机器人“把桌上的苹果放进碗里”。在实验室里,它可能完成得很好。但一旦进入你家,面对从未见过的餐桌纹理、一个形状奇特的“碗”、或者在你下达指令时苹果被意外碰歪了位置,它还能顺利完成吗? 这正是当前VLA模型面临的泛化挑战。这类模型通过整合视觉感知、语言理解和机器人控制,已成为具身人工智能领域的明星。然而,其主流训练方法——监督微调,本质上是在模仿专家演示数据。当环境稍有变化,微小的误差便会累积,导致机器人“