一．API:
1，什么是API：应用程序编程接口，是一系列的规则，规范，协议。让用户不需要了解内部 工作原理，根据规定的输入获取到指定的输出
2，实现一个cozeAPI的调用：
《1》.查看官方文档，在github上寻找相似案例《2》，安装环境：conda create 新环境 |pip install cozepy《3》，把案例代码交给大模型辅助解读和分析《4》，根据案例的注释，官方文档，大模型的输出，修改代码，适配自己的业务
二．知识库：
<1>使用场景：适用于知识检索，数据基本不写入（成本较高），只做检索，且进行语义匹配的检索方式
作用：存储和管理外部数据，增强检索在
使用：创建：创建知识库，导入文档解析文件，分段
<2> 在工作流中使用：在工作流中添加一个知识库检索节点：传入query后添加知识库，设置好参数，最后对返回的结果进行润色
核心原理：《1》检索策略：全文：基于关键词检索；语义:基于语义相似度
混合：全文+语义
《2》召回数量：作用：限制返回的最大段落数，默认5，排序方式根据匹配度倒序排序
《3》匹配度阈值：作用：限制返回的最小匹配度，默认0.5
《4》查询改写：作用：优化查询的问题，提高检索的准确性
《5》结果重排：基于检索策略返回的结果（粗排）的基础上，再进行二次排序（精排）
三.提示词
用户给大模型的指令就是提示词，设计优秀的提示词的方法论就是提示词工程，提示词书写五个原则：《1》清晰的指令（详细的描述，让大模型扮演角色，符号分割，提供例子，限定长度）《2》提供文本《3》复杂任务拆分成子任务《4》给大模型思考的时间《5》让大模型调用外部工具
四.提示词进阶技术：
简单场景的zero-shot（直接询问大模型，不提供示例）和few-shot（提供少量示例）；复杂逻辑中思维链（CoT）作用就是（引导大模型一步一步思考）将它分类成zero-shot（将任务按照步骤一步一步完成）few-shot（提供按照步骤思考的示例）。自我一致性（self-consistency）作用是（让大模型使用多种方法得到多结果，再聚合/投票得到最终答案）（配合Promot Chaining使用《1》让大模型基于问题产生不同的思路方法，《2》分别去执行不同的思路得到结果《3》把结果进行聚合投票）；循环解决问题（将上一步的输出+提示词作为当前的输入，得到当前的结果，再作为下一步的输入的一部分）
五.dify是开源智能体应用开发平台
《1》Dify和coze的区别是：Coze一般指的是sass版，在云端，dify是本地部署的
Coze有比较多的插件可以使用，dify没有
Coze的知识库是自带的，比较难自定义，dify可以外接知识库，设置比较多。Embedding模型和rerank模型都可以自定义
Coze主要是豆包，dify可以接入多种平台
Coze面向与所有人，dify面向与程序员，主要是企业开发
《2》Dify安装教程：（1）windows系统先安装上WSL，WSL是在windows中运行的linux子系统（2）安装docker（3）拉取dify的代码（4）进入docker目录下，修改文件------.env.example->.env --------dify的环境变量（4）运行cmd/powershell,执行：docker compose up -d ------拉取/启动镜像
