AppFlow无代码轻松搭建模型Agent

简介: 使用钉钉,现在每个人都能轻松创建自己的AI助手。通过结合各种插件,如天气、机票查询和地图,你可以定制个性化的工作助手。利用AppFlow,即使没有编程经验也能搭建AI Agent。步骤包括:1) 在钉钉开放平台创建应用,获取凭证;2) 在钉钉卡片平台创建AI卡片实例;3) 在AppFlow配置连接流,添加所需插件;4) 创建钉钉机器人,设置HTTP消息接收并关联AppFlow的Webhook。完成这些步骤后,你就可以在钉钉群中与你的AI助手互动了。

随着大语言模型发展至今,如何深度开发和使用模型也有了各种各样的答案,在这些答案当中,Agent无疑是一个热点回答。

通过模型也各种插件的组合,可以让你的模型应用具备各种能力,例如,通过天气查询插件+机票查询插件+地图插件,模型可以变成一个旅游规划助手;再例如,通过搜索插件+股市行情插件,模型可以成为您的投资助手。

曾经这一切都听起来是那么复杂和遥不可及。而现在,使用AppFlow,小白也能轻松搭建自己的AI Agent。

步骤一:创建钉钉应用

  1. 访问钉钉开放平台,联系您的组织管理员获取开发权限。然后点击创建应用。成为钉钉开发者的步骤可以参考文档https://open.dingtalk.com/document/orgapp/become-a-dingtalk-developer

  1. 点击右侧“创建应用”按钮。填写您的“应用名称”和“应用描述”,上传应用图标并点击保存。

  1. 创建完成后点击左侧“凭证与基础信息”,查看您的Client IDClient Secret。后续在AppFlow中配置使用。

  1. 点击左侧“权限管理”,在搜索框输入“Card”,勾选“互动卡片实例写权限”和“AI卡片流式更新权限”,点击批量申请。

步骤二:创建钉钉AI卡片实例

  1. 访问钉钉卡片平台,点击新建模版。
  2. 填写模版名称,卡片类型选择“消息卡片”,卡片模版场景选择“AI卡片”,关联应用选择您上一步创建的应用。点击创建。

  1. 进入卡片编辑页面,如果没有特殊需求,建议您使用默认设置,否则可能会导致AppFlow无法适配卡片的问题。直接点击“发布”并确认。

  1. 返回模版列表即可查看您的模版ID。

步骤三:配置AppFlow连接流

使用推荐模版创建

  1. 访问AppFlow控制台,选择“与通义千问进行流式会话”模版,点击“立即使用”。

  1. 对账户进行授权。点击权限凭证下拉框,点击“添加新凭证”。

步骤1填写您在钉钉开发平台获取的相应信息即可,在步骤3中直接下拉选择即可。

步骤2安装创建凭证页面帮助文档开通即可。

  1. 点击下一步填写钉钉卡片模版ID。

  1. 点击下一步填写连接流名称等信息并下一步。
  2. 复制并保存WebhookUrl。

  1. 此时点击左侧连接流,可以看到连接流列表和您刚刚配置创建的连接流。找到您的连接流点击详情,点击右上角“编辑版本”,并找到“通义千问节点”

  1. 编辑通义千问节点,在“插件”选项下方选择您想要添加的任意插件,一般情况直接点击添加并确定即可。

  1. 点击保存并发布您的连接流即可~

** 请注意一定要发布连接流喔 **

步骤四:创建钉钉机器人

  1. 访问钉钉开发平台找到您的钉钉应用,点击进入详情页面。点击侧边“机器人”,打开机器人配置。

  1. 填写相关必填信息。消息接收模式请选择“HTTP”模型,页面会出现“消息接收地址”输入框。在这里填写刚刚在AppFlow获取的WebhookURL地址。

  1. 点击调试按钮。可以钉钉扫码进群调试机器人。确认无误后点击发布。
  2. 回到应用开发页面,点击刚刚创建的应用名称进入应用详情页面。点击左侧菜单栏最下方的“版本管理与发布”,进入到版本发布与管理,点击右上角“创建新版本”按钮,输入版本相关信息,并选择合适的“应用可见范围”。

  1. 点击保存将进入权限审批环节,审批结束后应用将自动发布。如果您已经有权限了可以点击直接发布。

  1. 完成后即可去钉钉群中@机器人进行对话了~

相关文章
|
2月前
|
算法 机器人 Linux
Agent-Based概率模型让多无人机野外搜救更高效
【论文解读】Agent-Based概率模型、Receding Horizon规划策略、动态分区算法相结合,提升多无人机野外搜救效果
114 13
Agent-Based概率模型让多无人机野外搜救更高效
|
3月前
|
机器学习/深度学习 人工智能 算法
视频生成模型变身智能体:斯坦福Percy Liang等提出VideoAgent,竟能自我优化
斯坦福大学Percy Liang团队推出VideoAgent,一种能生成高质量视频并自我优化的模型。它结合强化学习和监督学习,根据用户反馈和环境变化自动调整,提升视频生成质量和用户体验,但同时也面临模型不稳定性和高资源需求等挑战。
56 6
|
3月前
|
自然语言处理 Python
使用Python和Qwen模型实现一个简单的智能问答Agent
使用Python和Qwen模型实现一个简单的智能问答Agent
283 4
|
4月前
|
人工智能 JSON 自然语言处理
开源模型+Orchestrating Agents多智能体框架,易用、强大且可控
本文采用开源Qwen2.5-14B-instruct-GGUF来体验多智能体编排和交接,希望在体验多智能体编排和交接框架的同时,一起评估中小参数规模的模型(14B)能否较好的完成多智能体任务。
|
7月前
|
人工智能 API 决策智能
智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
【7月更文挑战第8天】智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
3804 17
智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
|
5月前
|
人工智能 搜索推荐
开闭源模型大乱斗:看看哪个智能体最能窥见人类真实意图
【9月更文挑战第3天】在人工智能领域,理解并执行用户意图是一大挑战。现有模型常因用户模糊指令而难以捕捉真实需求。为此,研究人员提出了“Intention-in-Interaction”(IN3)基准,通过显式查询检验隐式意图,引入Mistral-Interact模型评估任务模糊性、询问并细化用户意图,最终执行任务。该方法显著提升了智能体的理解和执行能力,但依然面临评估主观性、用户信息提供不足及复杂任务处理等挑战。论文详情见:https://arxiv.org/abs/2402.09205
62 2
|
5月前
|
安全 Shell
某易论坛被植入利用ANI漏洞传播 Backdoor.Win32.Agent.ahj 的代码
某易论坛被植入利用ANI漏洞传播 Backdoor.Win32.Agent.ahj 的代码
|
6月前
|
人工智能 物联网 异构计算
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
577 1
|
6月前
|
机器学习/深度学习 人工智能 PyTorch
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
107 1
|
6月前
|
人工智能 安全 搜索推荐
AI智能体研发之路-模型篇(三):中文大模型开、闭源之争
AI智能体研发之路-模型篇(三):中文大模型开、闭源之争
126 1