比Coze AI工作流更简单,用AI数据库打造一个AI笑话大师应用

简介: 本文展示如何利用iThinkAir的AI数据库创建一个能生成图文并茂笑话的“笑话大师”。通过构建本地化的数据库,结合多种视图展示形式,并利用AI指令流自动化生成内容。主要步骤包括建立数据库与表结构、定义字段类型如“指令流”以触发AI工作流程。流程涉及条件判断、文本合成与分割、AI模型生成笑话及其插图等内容。最终,笑话大师不仅能生成多样化笑话,还能通过不同方式分享给他人使用,如发布应用、授权协作或备份导出文件。这不仅是一个创意项目示例,也为AI数据库应用开发提供了灵感。

本文介绍如何用iThinkAir的AI数据库来打造一个AI笑话大师,他能创作各种类型带插图的笑话。

背景知识

  • iThinkAir的AI数据库是一整套本地化数据库存储和数据库应用技术。把文字、图片、链接、文档等各种资料聚合在一起,用表格、列表、看板、画廊、日历、甘特图、透视表、报表、图表等众多视图来展现。
  • AI数据库引入‘指令流’字段类型,将表的其它字段作为输入来触发AI指令流,将AI指令流生成的内容用数据库来存储和管理。
  • 每个AI指令都包含输入和输出。一个AI指令的输入可以来自用户输入,也可以来自前一个AI指令的输出。从一个AI指令的输出到另一个AI指令的输入,构成AI指令流。
  • 计算机指令是指挥计算机工作的指示和命令。为了最大程度地发挥AI大模型的能力,iThinkAir设计了一套AI指令集,包括:文本触发、文件触发、指令触发、表单触发、指令流调用、AI模型、文生图、图生图、代码解释器、文本合成、文本输入、文本分割、文本拆分、文本截取、列表合并、文件链接、读取文件、读取网页、图片搜索、网页搜索、输出文本、输出文档、输出网页、输出图表等。
  • 使用AI指令流,任何人都可以用自然语言来让AI大模型生成自己所需要的内容。

开发步骤

新建一个名为‘笑话大师’的数据库。
1.jpg

库描述写上:创作各种类型带插图的笑话。

再新建一个也命名为‘笑话大师’的表。
2.jpg

给表添加两个字段‘笑话类型’和‘笑话创作’。

定义‘笑话类型’的字段类型为‘单选’。
3.jpg

填写单选的可选项,如果不知道都有哪些笑话类型,可以点‘AI填参’。我自己就是这么做的。

接下来到了最关键的环节,定义字段‘笑话创作’的类型为‘指令流’。
4.jpg

字段定义窗口关闭后,开始AI指令流的定义。

AI指令流的工作过程是根据选择的笑话类型,让‘AI大模型’生成一则笑话,然后将笑话拆分为3到5个段落,为每个段落用‘文生图’生成插图,最后在将段落文本和插图依次组合成完整的内容。

先概览一下设计好的笑话大师指令流。
5.jpg

下面我们一个个添加和定义AI指令,来实现上图所示的笑话大师指令流。

1.添加‘条件判断’指令。
6.jpg
这个指令的意思是当字段‘笑话类型’的记录值为空时,返回文本值’随机’。

2.添加‘文本合成’指令。
7.jpg
这个‘文本合成’指令的作用是将前一个条件判断指令的输出作为笑话的类型,替换预设的模板文本中的‘{ {笑话的类型}}’,合成为一个完整的文本内容。

3.添加‘AI模型’指令。
8.jpg
‘AI模型’指令的‘Prompt’参数取值为‘文本合成’指令的输出。AI模型按‘Prompt’的提示,生成一则笑话。

Prompt的写法通常会包含以下几个部分:

  • Role,指明AI扮演的角色。
  • Skill,指明AI需要具有的技能。
  • Goals,指明AI的工作目标。
  • Constrains,指明AI输出的内容必须遵守的约束规则。
  • OutputFormat,指明AI输出的文本格式。
  • Workflow,指明AI的工作流程。
  • Input,提供给AI的输入文本。

4.添加‘输出文档’指令。
9.jpg
这个‘输出文档’指令的作用是将AI模型生成的笑话文本输出到文本文件‘笑话原文.txt’。

5.添加‘输出音频’指令。
10.jpg
这个‘输出音频’指令的作用是将AI模型生成的笑话文本通过语音合成输出到音频文件‘笑话音频.mp3’。

6.添加‘文本合成1’指令。
11.jpg

7.添加‘AI模型1’指令。
12.jpg
‘文本合成1’指令和‘AI模型1’指令的作用是将前面生成的笑话文本拆分成3到5个段落。

8.添加‘文本分割’指令。
13.jpg
‘文本分割’指令是将笑话文本按段落分割成文本列表,为后面的插图生成做准备。

9.添加‘文本合成2’指令。
14.jpg

10.添加‘AI模型2’指令。
15.jpg

‘文本合成2’指令和‘AI模型2’指令的作用是根据笑话原文想象出主角的形象,为后面的插图生成做准备。

11.添加‘文本合成3’指令。
16.jpg

12.添加‘AI模型3’指令。
17.jpg
‘文本合成3’指令和‘AI模型3’指令的作用是根据笑话段落文本、主角形象、图像风格,生成插图的画面内容,为后面的插图生成做准备。

13.添加‘Stable Diffusion’指令。
18.jpg
‘Stable Diffusion’指令的作用是生成插图。

14.添加‘文本合成4’指令。
19.jpg
‘文本合成4’指令将段落插图和故事段落文本合成为一体。

15.添加‘列表合并’指令。
20.jpg
‘列表合并’指令将段落插图及文本列表合并成一个完整的带插图笑话。
到这里,‘笑话大师’指令流就设计完成了,这里显示的是大纲视图,也可以转换为白板视图,也就是前面的‘笑话大师指令流’概览图。

点界面左上方的眼睛。
21.jpg

选择变化类型‘白板’。
22.jpg

显示‘笑话大师指令流’概览图。可以看到有输出输入关系的指令之间自动用线条连接起来。
23.jpg

后退返回到数据库界面。
24.jpg

点表名‘笑话大师’,打开表。
25.jpg

点界面下方的+添加记录。

选择笑话类型,比如‘字谜笑话’。
26.jpg

点‘生成’,开始运行AI指令流来生成笑话。
27.jpg

点生成后的‘笑话创作’链接,查看生成的笑话内容。
28.jpg

你可以让AI笑话大师生成很多笑话,数据库表格可以很好地管理生成的笑话。
29.jpg

开发好的‘笑话大师’的数据库,你可能很想分享给其他人,有三种方式。

点‘笑话大师’数据库页面下方工具栏的协作按钮。
30.jpg

弹出菜单,选发布应用或授权协作。
31.jpg

‘发布应用’是将‘笑话大师’数据库发布到‘探索应用’,审核通过后,其他用户就能下载使用。

‘授权协作’是将‘笑话大师’数据库授权给好友来共同访问。协作权限可以是管理员、编辑、读者。被授权的好友的AI数据库界面上会显示‘笑话大师’数据库。
32.jpg

第三种方式是将‘笑话大师’数据库备份导出到文件,发给好友。

点‘笑话大师’数据库下方工具栏的菜单按钮,弹出菜单,选‘导出备份’,导出为后缀为.HKO的文件。
33.jpg

好友收到.HKO文件后,在AI数据库界面点下方工具栏的菜单按钮,弹出菜单,选‘导入库’。
在这里插入图片描述

如果你只是想将‘笑话大师’数据库分享给他人使用,但是并不想将指令流的源码让他人看到,那在定义字段‘笑话创作’的类型为‘指令流’时,要同时定义‘谁可以打开’为‘仅自己’。
35.jpg

AI数据库应用开发会将成为一个新的职业,开发者可以为企业团队开发各种各样的AI数据库应用。

相关文章
|
3天前
|
Cloud Native 关系型数据库 分布式数据库
阿里云牵手海亮科技,共建“教育科技数据库创新应用中心”
海亮科技选择引入阿里云PolarDB开源分布式版(PolarDB for Xscale)数据库,不仅能解决海亮科技数据库业务中面临的可靠性、稳定性问题,也为海亮科技业务的高速发展提供了更好的灵活性和可扩展性。
|
4天前
|
数据采集 人工智能 算法
AI技术在医疗领域的应用与挑战
【9月更文挑战第2天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将通过分析AI技术在诊断、治疗和预防等方面的实际应用案例,揭示其潜力和局限性。同时,我们还将讨论数据隐私、伦理道德和技术准确性等关键问题,以期为未来的研究和实践提供启示。
20 6
|
6天前
|
人工智能 自然语言处理 安全
AI战略丨大模型时代, 基金投顾 AI 应用探索
随着大模型能力和安全能力逐渐完善,大模型在金融领域的应用也会涉及越来越多、越来越核心的场景。
|
6天前
|
数据采集 人工智能 自然语言处理
AI战略丨赋能更好的教育, 大模型应用再提效
采用成熟厂商的解决方案,不仅仅是因为过硬的技术,还有对客户业务的理解,以及顺畅的沟通和服务能力。
|
5天前
|
数据采集 机器学习/深度学习 人工智能
探索AI在医疗诊断中的应用与挑战
【9月更文挑战第2天】随着人工智能技术的不断进步,其在医疗领域的应用也日益广泛。本文将探讨AI在医疗诊断中的具体应用,以及面临的挑战和未来发展趋势。我们将通过实际案例和代码示例来展示AI如何帮助医生提高诊断的准确性和效率。
|
5天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI技术在IT管理中的创新应用
本文将探讨如何运用人工智能技术优化IT运维流程,提升效率并减少人为错误。我们将从智能监控、自动化响应到预测性维护等方面,分析AI在现代IT运维中的角色和价值。文章旨在为读者提供一种全新的视角,理解AI技术如何成为IT部门的强大盟友,并指出实施这些技术时可能遇到的挑战及应对策略。
|
7天前
|
存储 C# 关系型数据库
“云端融合:WPF应用无缝对接Azure与AWS——从Blob存储到RDS数据库,全面解析跨平台云服务集成的最佳实践”
【8月更文挑战第31天】本文探讨了如何将Windows Presentation Foundation(WPF)应用与Microsoft Azure和Amazon Web Services(AWS)两大主流云平台无缝集成。通过具体示例代码展示了如何利用Azure Blob Storage存储非结构化数据、Azure Cosmos DB进行分布式数据库操作;同时介绍了如何借助Amazon S3实现大规模数据存储及通过Amazon RDS简化数据库管理。这不仅提升了WPF应用的可扩展性和可用性,还降低了基础设施成本。
24 0
|
7天前
|
数据库 C# 开发者
WPF开发者必读:揭秘ADO.NET与Entity Framework数据库交互秘籍,轻松实现企业级应用!
【8月更文挑战第31天】在现代软件开发中,WPF 与数据库的交互对于构建企业级应用至关重要。本文介绍了如何利用 ADO.NET 和 Entity Framework 在 WPF 应用中访问和操作数据库。ADO.NET 是 .NET Framework 中用于访问各类数据库(如 SQL Server、MySQL 等)的类库;Entity Framework 则是一种 ORM 框架,支持面向对象的数据操作。文章通过示例展示了如何在 WPF 应用中集成这两种技术,提高开发效率。
16 0
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在文本生成中的应用与挑战
【8月更文挑战第31天】本文将探讨AI技术在文本生成领域的应用及其面临的挑战。我们将介绍一些常见的文本生成算法,并通过代码示例展示如何使用这些算法进行文本生成。最后,我们将讨论AI技术在文本生成领域所面临的挑战和未来发展方向。
|
7天前
|
Java 数据库连接 数据库
AI 时代风起云涌,Hibernate 实体映射引领数据库高效之路,最佳实践与陷阱全解析!
【8月更文挑战第31天】Hibernate 是一款强大的 Java 持久化框架,可将 Java 对象映射到关系数据库表中。本文通过代码示例详细介绍了 Hibernate 实体映射的最佳实践,包括合理使用关联映射(如 `@OneToMany` 和 `@ManyToOne`)以及正确处理继承关系(如单表继承)。此外,还探讨了常见陷阱,例如循环依赖可能导致的无限递归问题,并提供了使用 `@JsonIgnore` 等注解来避免此类问题的方法。通过遵循这些最佳实践,可以显著提升开发效率和数据库操作性能。
22 0
下一篇
DDNS