人工基础及其应用 7

实验1天气穿搭建议助手开发实验（一）实验目的1.掌握扣子平台对话流模式的基本操作方法；2.学会使用插件与大模型结合处理复杂任务；3.理解自然语言处理与API调用的集成应用；4.培养智能体产品设计和用户体验优化思维；5.体验AI在日常生活场景中的实用价值。（二）实验环境与准备1.实验环境：（1）扣子平台账号（）（2）网络环境良好的计算机（3）现代浏览器（Chrome、Firefox、Safari等）2.知识储备要求：（1）了解基本的自然语言处理概念；（2）理解API接口的基本原理；（3）具备简单的逻辑思维能力。（三）实验原理本实验基于"输入解析→数据获取→智能分析→结果输出"的处理流程，通过自然语言处理技术提取用户输入中的关键信息（城市、风格偏好），利用天气API获取实时天气数据，再通过大语言模型的推理能力生成个性化的穿搭建议。整个流程体现了现代智能体系统的典型架构模式。（四）实验步骤Step01：启动浏览器，登录Coze平台（），成功登录后在平台主界面找到"创建新的智能体"按钮并点击，如图8-78所示。进入创建页面后，我们将开始构建天气穿搭建议助手。Step02：在弹出的创建对话框中选择左侧的"创建智能体"选项，开始填写智能体的基本信息。在名称栏中输入"天气穿搭助手"，在描述栏中详细说明："一个专业的穿搭顾问助手，能够根据用户所在城市的实时天气情况，结合个人风格偏好，提供个性化的日常穿搭建议，包括上装、下装、鞋子、配件等全方位搭配方案"。选择一个与时尚或天气相关的头像图标，完成后点击确认创建，如图8-79所示。Step03：智能体创建成功后，系统会自动跳转到智能体的开发界面。在界面上方可以看到默认的"聊天"模式选项卡，点击旁边的"对话流"选项卡，切换到可视化工作流编辑模式，如图8-80所示。对话流模式提供了拖拽式的节点编辑器，让我们能够可视化地构建复杂的处理逻辑。图8-78创建智能体图8-79填写智能体信息图8-80选择对话流模式Step04：进入对话流编辑界面后，点击画布上方的"添加新的对话流"按钮，系统会弹出工作流创建对话框。在工作流名称中输入"weather"，描述栏填写"解析用户的自然语言输入，提取城市和风格信息，查询实时天气数据，并生成个性化穿搭建议"，如图8-81所示。点击确认后，系统会在画布中央生成一个标准的"开始"节点，这是整个工作流的入口点。图8-81创建对话流Step05：双击"开始"节点进入参数配置界面，我们需要设置用户输入参数。点击"添加参数"按钮，在参数名称中输入"user_input"，这个参数将接收用户的自然语言描述。数据类型选择"str.String"，因为我们要接收的是文本内容。Step06：从左侧的节点库中找到"大模型"节点，将其拖拽到画布中。这个节点将负责解析用户的自然语言输入，提取出城市和风格信息。将此节点重命名为"信息提取"，便于后续的管理和调试。使用鼠标点击开始节点的输出端口，拖拽连线到信息提取节点的输入端口，建立数据传输通道，如图8-82所示。同时配置输入变量，如图8-83所示。图8-82建立开始与信息提取大模型的连接图8-83配置输入变量Step07：双击"信息提取"节点进入详细配置界面。首先在左侧的模型选择区域，选择一个具备强大中文理解能力的模型，推荐使用DeepSeek或Kimi模型，这些模型在中文自然语言处理方面表现优秀，能够准确理解用户的表达意图，如图8-84所示。图8-84选择大语言模型Step08：在系统提示词配置区域，输入详细的处理指令，如图8-85所示：#任务目标从用户的自然语言输入中准确提取城市名称和穿搭风格偏好信息#提取规则和标准1.城市名称识别：-提取用户明确提到的城市名称，如"北京"、"上海"、"广州"、"深圳"等-识别省份+城市的组合，如"江苏南京"提取为"南京"-识别地区简称，如"京城"提取为"北京"-如果用户使用"这里"、"我们这"等模糊表达，返回"未知"2.风格偏好识别：-休闲风格：识别"休闲"、"随便"、"舒服"、"放松"等关键词-商务风格：识别"正式"、"商务"、"上班"、"职场"、"专业"等关键词-运动风格：识别"运动"、"健身"、"跑步"、"活动"等关键词-时尚风格：识别"时髦"、"潮流"、"时尚"、"好看"等关键词-如果没有明确风格表达，默认返回"休闲"#输出格式要求（严格按此格式，不要添加其他内容）城市：xxx风格：xxx#特殊情况处理-如果输入内容不包含位置信息，城市返回"未知"-如果输入内容不包含风格信息，风格返回"休闲"-只输出提取结果，不要解释或添加其他文字图8-85配置系统提示词Step09：在用户提示词区域配置输入变量的引用，并设置输出变量，如图8-86所示：请从以下用户输入中提取城市和风格信息：用户输入：{{input}}请严格按照格式要求输出提取结果。图8-86配置用户提示词Step10：在左侧的节点库中，点击"插件"选项卡，在搜索框中输入"天气"或"weather"关键词，系统会显示可用的天气查询插件。选择功能完善的天气插件（如"天气查询"或"实时天气"插件）如图，将其拖拽到画布中，放置在信息提取节点的右侧并连接，如图8-87、图8-88所示。图8-87选择天气查询插件图8-88建立连接Step11：双击天气查询插件进入配置界面。我们需要建立信息提取节点与天气插件之间的数据连接。在插件的输入参数区域，找到城市或city参数，点击参数设置按钮，如图8-89所示。图8-89配置输入参数Step12：从节点库中再次拖拽一个"大模型"节点到画布，将其命名为"穿搭建议"。这个节点是整个系统的核心处理单元，需要整合用户的风格偏好信息和实时天气数据，生成专业的穿搭建议，并将天气查询插件和信息处理大模型的输出和穿搭建议链接，如图8-90所示。图8-90建立连接Step13：配置穿搭建议节点的输入参数。由于这个节点需要接收多个数据源，我们需要设置多个输入参数，如图8-91所示：第一个输入参数：weather，来自天气查询插件的输出，为天气信息。第二个输入参数：style，来自信息处理大模型的输出，包含用户提到的风格信息。第三个输入参数：temp，来自天气查询插件的输出，为温度信息。第四个输入参数：city，来自信息处理大模型的输出，包含用户提到的城市信息。第五个输入参数：humidity，来自天气查询插件的输出，为湿度信息。图8-91配置输入参数Step14：设置详细的系统提示词和用户提示词，如图8-92、图8-93所示：#任务根据天气信息和用户风格偏好提供具体的穿搭建议#分析要点1.根据温度选择合适的衣物厚度2.根据天气状况考虑防雨防风需求3.考虑湿度对穿搭舒适度的影响4.结合用户的风格偏好调整建议5.提供具体的单品建议#输出格式【今日天气】-城市：xxx-温度：xxx℃-天气：xxx-湿度：xxx%【穿搭建议】（{{style}}风格）-上装：xxx-下装：xxx-鞋子：xxx-外套：xxx（如需要）-配件：xxx（如需要）【贴心提醒】-舒适度建议：xxx-注意事项：xxx图8-92配置系统提示词图8-93配置用户提示词Step15：将风格建议的输出调整成文本格式并与结束相连接，如图8-94、8-95所示，其整体的工作流流程如图8-96所示。图8-94配置输出格式图8-95建立连接图8-96整体结构图Step16：接下来进行试运行并进行测试，在对话框中输入“我在北京，想穿的休闲点”观察输出，如图8-97所示。可以看出程序顺利运行。图8-97试运行结果图Step17：接下来进行发布，填写版本描述，点击发布即可，如图8-98所示。同时将发布的对话流添加进项目中，如图8-99所示。图8-98版本发布图8-99添加对话流Step18：配置智能体的开场白，让用户第一次接触时就能清楚了解如何使用，如图8-100所示。您好！我是您的天气穿搭助手👔✨🌟我可以为您做什么：-根据您所在城市的实时天气提供穿搭建议-结合您的风格偏好（商务/休闲/运动/时尚）定制方案-考虑温度、湿度、降雨等因素的全面分析-提供具体的单品推荐和搭配技巧💬您可以这样和我对话：-"我在北京，想穿得休闲一点"-"上海今天的天气适合穿什么"-"广州，需要正式商务的搭配"-"深圳很热，推荐运动风格的穿搭"快告诉我您在哪个城市，想要什么风格的搭配吧！我会根据当地天气为您量身定制最合适的穿搭方案～🎯图8-100设置开场白Step19：该智能体基本上配置完成，接下来进行整体测试，在对话框中输入“我在广州，想穿的正式点”，如图8-101所示。图8-101预览与测试（五）实验结果与分析1.功能验证：记录不同输入条件下的输出结果；2.准确性分析：评估城市识别和风格判断的准确率；3.用户体验评价：从交互友好性角度进行评估；4.性能测试：记录响应时间和系统稳定性。（六）实验报告要求1.详细记录每个步骤的操作过程和遇到的问题；2.分析提示词设计对结果质量的影响；3.总结插件与大模型结合使用的技术要点；4.评估该智能体的实用性和改进建议；5.思考类似模式在其他场景中的应用可能性。

实验2智能健康膳食推荐助手开发实验（一）实验目的1.掌握扣子平台多参数信息提取和处理技术；2.学会设计健康类智能体的交互逻辑；3.理解多条件判断和个性化推荐的实现方法；4.培养健康生活场景下的AI产品设计思维；5.体验AI技术在健康管理领域的应用价值。（二）实验环境与准备1.实验环境：（1）扣子平台账号（）（2）网络环境良好的计算机（3）现代浏览器（Chrome、Firefox、Safari等）2.知识储备要求：（1）了解基本的营养学常识；（2）理解健康饮食的基本原则；（3）具备简单的逻辑分析能力。（三）实验原理本实验基于"用户信息收集→健康状况分析→营养需求计算→膳食方案生成"的智能推荐流程，通过自然语言处理技术提取用户的基本信息（年龄、性别、身高体重、活动量、健康状况等），结合营养学知识和健康饮食原则，为用户生成个性化的一日三餐推荐方案。系统体现了AI在健康管理和个性化服务方面的应用能力。（四）实验步骤Step1：登录与创建。启动浏览器访问扣子平台并完成登录，然后点击主界面的"创建智能体"按钮，在弹出的创建页面中填写智能体基本信息，将名称设置为"智能健康膳食助手"，描述为"专业的营养膳食推荐助手，根据用户身体状况和健康需求提供个性化饮食建议"，并选择一个健康或营养相关的头像图标来完成智能体的初始创建，如图8-102所示。图8-102创建智能体Step2：切换开发模式。成功创建智能体后系统会自动跳转到开发界面，此时需要从默认的聊天模式切换到对话流模式，点击页面上方的"对话流"选项卡进入可视化工作流编辑界面，这个界面将为我们提供拖拽式的节点编辑功能来构建复杂的处理逻辑，如图8-103所示。图8-103选择对话流模式Step3：创建工作流。在对话流编辑界面中点击"添加新的对话流"按钮创建工作流，在弹出的配置对话框中将工作流名称设置为"health_diet_recommendation"，描述填写为"收集用户健康信息，分析营养需求，生成个性化膳食推荐方案"，完成配置后系统会在画布中自动生成一个开始节点作为整个工作流的入口点，如图8-104所示。图8-105创建对话流Step4：添加信息提取节点。从左侧的节点库中拖拽一个"大模型"节点到画布中，将其重命名为"信息提取"以便于管理，如图8-106所示。然后使用鼠标连接开始节点到这个信息提取节点，选择合适的语言模型如DeepSeek或Kimi，如图8-107所示。接着在系统提示词中配置详细的信息提取规则，包括基本信息、生活状态、健康状况和饮食偏好等多个维度的提取标准，如图8-108所示。并设置严格的输出格式要求，如表8-8所示。最后在用户提示词中设置对输入参数的引用，如图8-109所示。表8-8系统提示词你是专业的健康信息分析师，需要从用户输入中提取关键健康信息。提取以下关键信息：1.基本信息：-性别：男/女/未提及-年龄：具体年龄或年龄段-身高：厘米（如有）-体重：公斤（如有）2.生活状态：-活动量：久坐/轻度活动/中度活动/重度活动-职业特点：学生/办公室工作/体力劳动/其他3.健康状况：-是否有慢性病：高血压/糖尿病/高血脂/其他-是否有饮食禁忌：素食/过敏/其他限制-特殊需求：减重/增重/维持/增肌/其他4.饮食偏好：-口味偏好：清淡/重口/无特殊偏好-地域偏好：中式/西式/日式/无偏好输出格式（严格按此格式）：性别：xxx年龄：xxx身高：xxxcm体重：xxxkg活动量：xxx健康状况：xxx饮食限制：xxx目标需求：xxx口味偏好：xxx图8-106添加“信息提取”大模型图8-107配置“信息提取”大模型图8-108配置系统提示词图8-109配置用户提示词与输出Step6：添加营养需求计算节点。继续拖拽另一个"大模型"节点到画布，重命名为"营养需求计算"并连接信息提取节点到这个新节点，如图8-110所示。配置输入参数和大语言模型，如图8-111所示。在系统提示词中配置基于营养学原理的计算方法，包括基础代谢率BMR计算公式、总消耗量TDEE的计算方法、营养素分配比例以及针对特殊需求的调整策略，确保输出格式包含具体的热量和营养素需求数据以及相关的健康提醒，如图8-112所示，具体提示词如表8-9所示。同时，配置输出参数，如图8-113所示。表8-9“营养需求”系统提示词你是专业的营养师，根据用户信息计算每日营养需求。计算依据：1.基础代谢率（BMR）计算：-男性：88.362+(13.397×体重kg)+(4.799×身高cm)-(5.677×年龄)-女性：447.593+(9.247×体重kg)+(3.098×身高cm)-(4.330×年龄)2.总消耗量（TDEE）=BMR×活动系数：-久坐：1.2-轻度活动：1.375-中度活动：1.55-重度活动：1.7253.营养素分配比例：-蛋白质：15-20%（4大卡/克）-脂肪：20-35%（9大卡/克）-碳水化合物：45-65%（4大卡/克）4.特殊调整：-减重：减少300-500大卡-增重：增加300-500大卡-增肌：蛋白质增加到2g/kg体重输出格式：【每日营养需求】总热量：xxx大卡蛋白质：xxx克碳水化合物：xxx克脂肪：xxx克【特殊提醒】xxx（根据健康状况给出注意事项）图8-110连接“营养需求计算”大模型图8-111配置“营养需求计算”大模型图8-112输入系统提示词图8-113配置输出Step7：添加膳食方案生成节点。拖拽第三个"大模型"节点到画布并重命名为"膳食方案生成"，这个节点需要同时连接营养需求计算节点和信息提取节点以获取营养数据和用户偏好信息，如图8-114所示。配置多个输入参数包括nutrition_data和user_preferences，如图8-115所示。然后在系统提示词中设置膳食方案的设计原则、餐次分配比例、考虑因素以及详细的输出格式要求，确保能够生成包含一日三餐具体搭配、营养分析和健康小贴士的完整方案，如图8-116所示，具体如表8-10所示。最后配置好输出参数，如图8-117所示。表8-10“膳食方案”系统提示词##角色你是专业的营养师，根据计算出的营养需求和用户偏好，制定一日三餐的具体膳食方案。设计原则：1.营养均衡：确保三大营养素合理分配2.食材多样：每餐包含多种食材3.搭配合理：荤素搭配，粗细搭配4.烹饪简便：考虑实际操作的便利性5.口感丰富：色香味俱全餐次分配：-早餐：25-30%总热量-午餐：35-40%总热量-晚餐：30-35%总热量考虑因素：-用户的饮食偏好和禁忌-季节性食材的选择-营养密度和饱腹感-制作难度和时间成本输出格式：【今日膳食推荐方案】早餐（约xxx大卡）主食：xxx蛋白质：xxx蔬果：xxx饮品：xxx制作提示：xxx午餐（约xxx大卡）主食：xxx荤菜：xxx素菜：xxx汤品：xxx制作提示：xxx晚餐（约xxx大卡）主食：xxx荤菜：xxx素菜：xxx其他：xxx制作提示：xxx【营养分析】预计总热量：xxx大卡蛋白质：xxx克碳水化合物：xxx克脂肪：xxx克【健康小贴士】xxx（根据用户情况给出饮食建议）图8-114连接大模型节点图8-115配置输入参数图8-116配置系统提示词图8-117配置输出参数Step8：添加结束节点。从节点库中拖拽"结束"节点到画布最右侧，连接膳食方案生成节点到结束节点，在结束节点的配置中设置输出参数名为"Output"，数据类型为String，并启用流式输出功能以提供更好的用户体验，让用户能够看到内容逐步生成的过程而不是等待完整结果，如图8-118、图8-119所示。图8-118配置结束节点参数图8-119连接结束节点Step9：试运行测试。完成所有节点配置后点击右下角的"试运行"按钮进行系统测试，在测试输入框中输入一个典型的用户描述如"我是25岁男性，身高175cm，体重70kg，平时久坐办公，想要减重，喜欢清淡口味"，观察整个工作流的运行过程，检查每个节点的执行状态和数据传递情况，确认输出结果是否符合预期格式和内容要求，如图8-120所示。图8-120试运行测试Step10：多场景测试。为了验证系统的适应性和准确性，需要进行多种不同场景的测试，包括不同性别年龄的用户、不同健康状况如糖尿病患者、不同需求如增肌减脂、以及特殊饮食限制如素食主义者等场景，通过测试这些多样化的输入来评估系统在各种情况下的表现质量和推荐合理性。比如：输入“28岁女性，160cm，55kg，健身爱好者，想要增肌”和“45岁男性，有糖尿病，需要控制血糖”，如图8-121、图8-122所示。图8-121多场景测试1图8-122多场景测试2Step11：调试优化。根据测试结果对系统进行针对性的优化调整，包括修改提示词以提高信息提取的准确性、调整营养计算公式的参数设置、改进膳食推荐的实用性和可操作性、确保所有健康建议都符合营养学科学原理，同时添加必要的安全提醒和免责声明以保护用户健康。Step12：发布工作流。完成所有测试和优化后点击"发布"按钮将工作流正式发布，在发布界面填写详细的版本描述说明