在当今数据驱动的商业环境中,销售数据分析已成为企业决策的关键因素。为了帮助企业快速、高效地从海量数据中提取有价值的信息,今天我要分享销售数据分析AI智能体详细搭建全过程。
它是一个能够将数据表格转化为直观图表的AI智能体解决方案。通过这款工具,您只需上传数据表格,即可自动生成数据分析报告以及数据图表,让销售数据洞察变得前所未有的简单。
销售数据表格内容:
销售数据分析总结:
销售数据分析图表:
整体框架上,主要是使用了插件和工作流的组合模式,完成整个流程。
当用户上传表格的时候,调用插件「文件读取」把文件读取后的内容传递隔离了工作流「SellDataAnalysis」。
我们来详细看看工作流
整个流程相对简单一共11个节点
当表格数据进入之后先调用「大模型节点」进行数据的初步总结,在整个过程通过「消息节点」进行实时输出
系统提示词:
代码语言:javascript代码运行次数:0运行
复制代码语言:javascript代码运行次数:0运行
复制
用户提示词:
代码语言:javascript代码运行次数:0运行
复制
当销售分析报告内容生成完成之后会询问用户是否需要生成图表信息,当用户选择「不要生成」结束流程。
当用户选择「需要生成」接下来会进行「文本处理节点」进行图片的提示词组装
难点攻克
这个提示词相对要求比较复杂,需要从上面的内容的总结内容提取出来四个图表的分别要求并且需要输出对应的JSON格式,对大模型的语⾔理解、逻辑推理、指令遵循、⻓⽂本输出⽅⾯要求较高。
提示词:
代码语言:javascript代码运行次数:0运行
复制
这个步骤非常关键,一开始我使用的是自带的「大模型节点」在调试过程遇到了两个问题:
第一,整个推理过程耗时较长
第二,JSON格式错误无法解析
所以我想到了使用「自定义插件」调用了其他大模型,经过多家大模型的测试,最后我选择了智谱GLM-4-Plus大模型。因为 GLM-4-Plus 在各⼤语⾔⽂本能⼒数据集上获得了与 GPT-4o 及 405B 参数量的 Llama3.1 相当的⽔平,作为智谱最新旗舰模型,在语⾔理解、逻辑推理、指令遵循、⻓⽂本输出⽅⾯都有较⼤突破。
在最新的SuperBench⼤模型评测中,GLM-4-Plus 位列世界前三,打破了此前国外模型垄断前三甲的局⾯。
接下来,我们要看来效果对比很明显,同样的提示词和输入参数:
如何自定义插件?
首先回到扣子空间主页,选择「资源库」然后点击右上角「+资源」选择「插件」。
输入插件名称、描述、选择「在 Coze IDE 中创建」。
在进入插件详情页创建工具输入名称、介绍。
创建完成后,智谱 AI GLM 教程我们看下如何调用GLM大模型,前往智谱BigModel开放平台的GLM接口文档用HTTP请求的方式
文档地址:
只需要参数三个参数即可,第一个是apikey,第二个是模型编码,第三个是提示词
然后我们再回到插件编辑器中,实现HTTP请求代码,需要传入两个动态参数apikey和提示词,model使用的是glm-4-plus,根据GLM模型对比列表说明这款模型是全面性能最优的。
GLM模型对比文档:
代码语言:javascript代码运行次数:0运行
复制
代码实现完成后需要切换到「元数据」
apikey如何获取?登陆后台找到密钥管理页面,没有的话可以点击右上角添加新的API Key
后台地址:
新增完成直接可以直接复制即可。
确认没有问题之后就可以点击右上角「发布」
发布成功后我们回到工作流点击左上角添加「插件」然后选择「我的工具」就可以使用自定义插件了。
选中GLM插件点击进行添加节点即可。
输入上个节点组装好的提示词以及key即可调用。
输出结构后还需要通过「代码节点」对JSON数据进行提取解析输出成四个数据源分别对应四个不同图表的所需数据
解析代码
代码语言:javascript代码运行次数:0运行
复制代码语言:javascript代码运行次数:0运行
复制
「插件节点」使用的是官方的图表大师插件,它支持生成柱状图/饼图/折线图/雷达图。
为了更丰富的展示不同维度的数据,每种图表类型都添加了一个,生成图表后最后统一用「消息节点」进行输出。
整个流程就结束了
在这次搭建销售数据分析AI智能体的过程中,碰到了个问题:生成图表数据时,那些复杂的提示词让内置的大模型有点应付不来。所以,我想分享说:别只盯着那些内置插件看,自己动手自定义插件去寻找解决方案。这样做的好处是,我们的解决方案不会受限,而且还能更灵活。
另外,还得提一句,多试试不同的大模型很关键。拿这次神助攻的 GLM-4-Plus 模型来说,它具有的优势:
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。原始发表:2024-12-03,如有侵权请联系 cloudcommunity@tencent 删除图表数据分析glm表格数据
在当今数据驱动的商业环境中,销售数据分析已成为企业决策的关键因素。为了帮助企业快速、高效地从海量数据中提取有价值的信息,今天我要分享销售数据分析AI智能体详细搭建全过程。
它是一个能够将数据表格转化为直观图表的AI智能体解决方案。通过这款工具,您只需上传数据表格,即可自动生成数据分析报告以及数据图表,让销售数据洞察变得前所未有的简单。
销售数据表格内容:
销售数据分析总结:
销售数据分析图表:
整体框架上,主要是使用了插件和工作流的组合模式,完成整个流程。
当用户上传表格的时候,调用插件「文件读取」把文件读取后的内容传递隔离了工作流「SellDataAnalysis」。
我们来详细看看工作流
整个流程相对简单一共11个节点
当表格数据进入之后先调用「大模型节点」进行数据的初步总结,在整个过程通过「消息节点」进行实时输出
系统提示词:
代码语言:javascript代码运行次数:0运行
复制代码语言:javascript代码运行次数:0运行
复制
用户提示词:
代码语言:javascript代码运行次数:0运行
复制
当销售分析报告内容生成完成之后会询问用户是否需要生成图表信息,当用户选择「不要生成」结束流程。
当用户选择「需要生成」接下来会进行「文本处理节点」进行图片的提示词组装
难点攻克
这个提示词相对要求比较复杂,需要从上面的内容的总结内容提取出来四个图表的分别要求并且需要输出对应的JSON格式,对大模型的语⾔理解、逻辑推理、指令遵循、⻓⽂本输出⽅⾯要求较高。
提示词:
代码语言:javascript代码运行次数:0运行
复制
这个步骤非常关键,一开始我使用的是自带的「大模型节点」在调试过程遇到了两个问题:
第一,整个推理过程耗时较长
第二,JSON格式错误无法解析
所以我想到了使用「自定义插件」调用了其他大模型,经过多家大模型的测试,最后我选择了智谱GLM-4-Plus大模型。因为 GLM-4-Plus 在各⼤语⾔⽂本能⼒数据集上获得了与 GPT-4o 及 405B 参数量的 Llama3.1 相当的⽔平,作为智谱最新旗舰模型,在语⾔理解、逻辑推理、指令遵循、⻓⽂本输出⽅⾯都有较⼤突破。
在最新的SuperBench⼤模型评测中,GLM-4-Plus 位列世界前三,打破了此前国外模型垄断前三甲的局⾯。
接下来,我们要看来效果对比很明显,同样的提示词和输入参数:
如何自定义插件?
首先回到扣子空间主页,选择「资源库」然后点击右上角「+资源」选择「插件」。
输入插件名称、描述、选择「在 Coze IDE 中创建」。
在进入插件详情页创建工具输入名称、介绍。
创建完成后,我们看下如何调用GLM大模型,前往智谱BigModel开放平台的GLM接口文档用HTTP请求的方式
文档地址:
只需要参数三个参数即可,第一个是apikey,第二个是模型编码,第三个是提示词
然后我们再回到插件编辑器中,实现HTTP请求代码,需要传入两个动态参数apikey和提示词,model使用的是glm-4-plus,根据GLM模型对比列表说明这款模型是全面性能最优的。
GLM模型对比文档:
代码语言:javascript代码运行次数:0运行
复制
代码实现完成后需要切换到「元数据」
apikey如何获取?登陆后台找到密钥管理页面,没有的话可以点击右上角添加新的API Key
后台地址:
新增完成直接可以直接复制即可。
确认没有问题之后就可以点击右上角「发布」
发布成功后我们回到工作流点击左上角添加「插件」然后选择「我的工具」就可以使用自定义插件了。
选中GLM插件点击进行添加节点即可。
输入上个节点组装好的提示词以及key即可调用。
输出结构后还需要通过「代码节点」对JSON数据进行提取解析输出成四个数据源分别对应四个不同图表的所需数据
解析代码
代码语言:javascript代码运行次数:0运行
复制代码语言:javascript代码运行次数:0运行
复制
「插件节点」使用的是官方的图表大师插件,它支持生成柱状图/饼图/折线图/雷达图。
为了更丰富的展示不同维度的数据,每种图表类型都添加了一个,生成图表后最后统一用「消息节点」进行输出。
整个流程就结束了
在这次搭建销售数据分析AI智能体的过程中,碰到了个问题:生成图表数据时,那些复杂的提示词让内置的大模型有点应付不来。所以,我想分享说:别只盯着那些内置插件看,自己动手自定义插件去寻找解决方案。这样做的好处是,我们的解决方案不会受限,而且还能更灵活。
另外,还得提一句,多试试不同的大模型很关键。拿这次神助攻的 GLM-4-Plus 模型来说,它具有的优势:
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。原始发表:2024-12-03,如有侵权请联系 cloudcommunity@tencent 删除图表数据分析glm表格数据
发布者:Ai探索者,转载请注明出处:https://javaforall.net/271022.html原文链接:https://javaforall.net
