企业官网建设流程全解析

招聘网站开发手册,百度知道app,商务网站怎么做,坂田做网站每年这个时候#xff0c;12306的抢票大战都会准时上演。查车次、盯放票、拼手速、等候补……不少同学一边忙着上课#xff0c;一边还得为一张回家的车票“操碎了心”。今天我们要分享的就是一个能帮你高效查询铁路余票、实时掌握车次信息的智能体工具#xff0c;轻松应对假期…每年这个时候12306的抢票大战都会准时上演。查车次、盯放票、拼手速、等候补……不少同学一边忙着上课一边还得为一张回家的车票“操碎了心”。今天我们要分享的就是一个能帮你高效查询铁路余票、实时掌握车次信息的智能体工具轻松应对假期出行规划先来看看生成效果问如何利用Dify查询12306车票信息▌12306-mcp服务搭建1下载12306-mcp代码代码# 下载源码 git clone https://github.com/Joooook/12306-mcp.git注意若因网络原因无法下载可解压使用压缩包12306-mcp.zip2安装进入代码目录后打包镜像docker build . -t 12306 - mcp并启动容器docker run --name 12306 - mcp -p 12306:8080 -d 12306 - mcp npx 12306 - mcp --port 8080代码cd 12306-mcp/ # 打包镜像 docker build . -t 12306-mcp #启动容器 docker run --name 12306-mcp -p 12306:8080 -d 12306-mcp npx 12306-mcp --port 80803查看是否成功通过 docker ps -a 查看是否成功代码docker ps -a链接地址: http://your_ip:12306/sse▌配置Dify1安装Agent策略插件2创建智能体3删除默认的LLM节点新建Agent节点4Agent策略选择5模型选择服务地址配置地址ip换成部署mcp服务的ip代码{ 12306-mcp: { transport: sse, url: http://192.168.31.188:12306/sse } }6提示词设置规定 12306 车票查询任务的执行步骤如接收用户请求、调用接口、处理无结果和有结果的情况、排版要求、排序要求等。提示词xml instruction 请按照以下步骤执行12306车票查询任务 1. 接收用户输入的中文查询请求包含出发城市、到达城市和日期今天明天后天等需要计算具体日期 2. 调用12306-mcp接口获取实时车票数据 3. 若查询无结果返回友好提示抱歉未找到[日期]从[出发城市]到[到达城市]的车次 4. 若有结果按车次整理以下信息 - 车次编号 - 出发/到达时间格式HH:MM - 历时小时分钟 - 座席类型二等座/一等座等 - 对应价格人民币符号¥ - 余票状态充足/少量/无票 5. 使用清晰的中文排版呈现每列车次信息间用空行分隔 6. 按出发时间从早到晚排序车次 7. 绝对禁止包含任何XML标签或代码符号 8. 若遇系统错误返回查询服务暂时不可用请稍后再试 /instruction examples example input查明天北京到上海的高铁票/input output 找到3个车次信息 G101 北京南(07:00) → 上海虹桥(12:20) 历时5小时20分 二等座 ¥553余票充足 一等座 ¥933余票充足 商务座 ¥1748余票3张 G15 北京南(12:05) → 上海虹桥(16:25) 历时4小时20分 二等座 ¥558余票少量 商务座 ¥1753余票充足 D709 北京站(21:15) → 上海站(08:25) 历时11小时10分 软卧 ¥650余票充足 硬卧 ¥400余票少量 /output /example通过我的问题{{#sys.query#}}获取我要查询的日期查询实时车票信息7设置回复信息8预览测试9配置调整、发布来看一下效果吧输入想要查询的出发地和目的地会自动生成所有的车次及余票情况。它不仅可以根据你的出发地、目的地和日期快速查询可用车次与票价还能显示每趟车次的余票情况再也不用反复手动刷新12306了。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】