使用AI生成文案脚本或撰写简短文章报告是可行的,但在处理数万甚至数十万字的长篇论文或报告时,AI目前仍显得力不从心。

这主要是由于AI大模型在单次响应中存在长度限制,无法一次性输出过长的文本内容。

图片

如果我们要生成超长文本,要么分成多个段落,一段段生成后再复制黏贴成一份完整文档。

要么用工作流,配置N个节点再拼接起来。

那么,有没办法通过智能体工作流一次生成完整的超长文本内容呢,答案是肯定的。

有兴趣的朋友,可以继续往下看,手把手教你搭建一个可生成超长文本的智能体工作流。

完整工作流

图片

整体思路

图片

详细节点

01 开始节点

输入参数

  • input:文档大纲
  • title:文档标题
  • prompt:说明信息

图片

02 标题拆分节点

添加大模型节点,具体配置如下

图片

系统提示词

# 角色
你是一个专业的Markdown大纲拆分助手,能够精准且高效地将一份Markdown大纲拆分成多个段落。

## 技能
### 技能1: 拆分Markdown大纲
1. 当用户提供一份Markdown大纲时,仔细分析大纲结构。
2. 根据一级标题#拆分成多个章节,不改变大纲内容,只做拆分。
3. 并且将一级标题设置为title输出参数。

## 限制:
- 只专注于Markdown大纲的拆分任务,拒绝回答与该任务无关的话题。
- 拆分后的段落应清晰明了,符合正常的语言表达习惯。
- 不改变大纲原本的内容,仅进行段落拆分操作。 

主要就是依靠拆分节点,将长文档大纲拆分成多个章节,单独生成每个章节的内容

03 循环节点

上一节点将大纲拆分成章节的数组,循环遍历每个章节,然后生成对应章节的内容

配置如下:

图片

04 内容生成节点

内容生成节点为大模型节点,需要配置一个联网搜索技能插件,大模型可以联网查询相关内容

图片

节点配置如下:

图片

图片

系统提示词

# 角色
你是一位资深的软件招投标报告专家,具备深厚的专业知识和丰富的实践经验,能够熟练且精准地为用户生成高质量的软件招投标报告。你是这份报告的第一作者,表述要肯定,不要用那种像是在提建议的语气。

## 技能
### 技能 1: 生成软件招投标报告中跟{{title}}相关的部分信息
1. 根据用户输入的信息{{prompt}},通过联网搜索搜集相关信息。
2. 根据收集到的信息,运用专业知识和行业经验,生成符合规范的软件招投标报告的部分内容,内容参照示例大纲。
3. 严格按照示例大纲生成每个##二级标题生成对应的内容。
4. 生成的每个段落内容字数在400字左右。
5. 生成内容要积极正向,符合ISO标准。
6. 每个段落逻辑语言要通畅完整。
7. 整个章节的内容要保持一致性。
8. 每个段落前加一个制表符缩进。
9. 输出Markdown格式,保持整体大纲和标题不变。
===示例大纲开始===
{{input}}
===示例大纲结束===

## 限制:
- 只输出与软件招投标报告相关的内容,拒绝回答与之无关的话题。
- 所输出的内容必须逻辑清晰、结构合理,符合专业报告的规范要求。
- 生成报告时应基于可靠的专业知识和行业标准,避免提供无根据的信息。
- 不能胡乱捏造事实。
- 严格按照示例大纲{{input}}格式输出,不要对标题和排版做任何调整。
- 只返回生成的大纲内容,不要返回无关内容,比如“我将通过联网搜索”这样的过程信息。
- 如果联网搜索不到相关信息,直接生成,不要显示提示信息。
- 不要使用像提供建议参考的语言。
- 无需展示信息引用来源。
- 内容的长度应与大纲层级相适应,通常为350-450字左右,但可以根据主题的复杂程度和重要性进行适当调整。 

系统提示词可以根据自己的需求调整

04 章节合并节点

章节合并节点用于将生成的每个章节段落合并成一份完整文档

添加一个代码节点,配置如下

图片

图片

选择Python语言,代码如下

async def main(args: Args) -> Output:
    params = args.params
    title = params['title']
    input = params['input']

    output = '# ' + title + '\n' + ''.join(input)


    # 构建输出对象
    ret: Output = {"output": output}
    
    return ret

05 编排节点

编排节点为大模型节点,主要解决合并后一些格式语法问题

图片

系统提示词

# 角色
你是一个专业的Markdown字符串编排助手,负责对给定的Markdown格式字符串进行编排优化。

## 技能
### 技能 1: 检查并补充换行符
1. 接收用户提供的Markdown格式字符串。
2. 遍历字符串,检查每个标题前面是否有换行符。
3. 如果标题前面没有换行符,则在标题前补充换行符。

### 技能 2: 输出编排后的字符串
将编排好的Markdown格式字符串完整输出给用户。

## 限制:
- 仅对Markdown格式字符串进行与标题换行符相关的编排操作,不执行其他内容修改。
- 严格按照上述技能要求进行操作,不得偏离。
- 输出内容仅为编排后的Markdown格式字符串。

用户提示词

要编排的内容{{input}}

06 生成文档节点

添加Doc Maker插件

图片

配置输入参数

图片

07 结束节点

输出生成的文档链接

图片

随着大模型的持续火爆,各行各业纷纷开始探索和搭建属于自己的私有化大模型,这无疑将催生大量对大模型人才的需求,也带来了前所未有的就业机遇。**正如雷军所说:“站在风口,猪都能飞起来。”**如今,大模型正成为科技领域的核心风口,是一个极具潜力的发展机会。能否抓住这个风口,将决定你是否能在未来竞争中占据先机。

那么,我们该如何学习大模型呢

人工智能技术的迅猛发展,大模型已经成为推动行业变革的核心力量。然而,面对复杂的模型结构、庞大的参数量以及多样的应用场景,许多学习者常常感到无从下手。作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。

为此,我们整理了一份全面的大模型学习路线,帮助大家快速梳理知识,形成自己的体系。我已将重要的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。

一、大模型全套的学习路线

大型预训练模型(如GPT-3、BERT、XLNet等)已经成为当今科技领域的一大热点。这些模型凭借其强大的语言理解和生成能力,正在改变我们对人工智能的认识。为了跟上这一趋势,越来越多的人开始学习大模型,希望能在这一领域找到属于自己的机会。

L1级别:启航篇 | 极速破界AI新时代

  • AI大模型的前世今生:了解AI大模型的发展历程。
  • 如何让大模型2C能力分析:探讨大模型在消费者市场的应用。
  • 行业案例综合分析:分析不同行业的实际应用案例。
  • 大模型核心原理:深入理解大模型的核心技术和工作原理。

在这里插入图片描述

L2阶段:攻坚篇 | RAG开发实战工坊

  • RAG架构标准全流程:掌握RAG架构的开发流程。
  • RAG商业落地案例分析:研究RAG技术在商业领域的成功案例。
  • RAG商业模式规划:制定RAG技术的商业化和市场策略。
  • 多模式RAG实践:进行多种模式的RAG开发和测试。
    在这里插入图片描述

L3阶段:跃迁篇 | Agent智能体架构设计

  • Agent核心功能设计:设计和实现Agent的核心功能。
  • 从单智能体到多智能体协作:探讨多个智能体之间的协同工作。
  • 智能体交互任务拆解:分解和设计智能体的交互任务。
  • 10+Agent实践:进行超过十个Agent的实际项目练习。在这里插入图片描述

L4阶段:精进篇 | 模型微调与私有化部署

  • 打造您的专属服务模型:定制和优化自己的服务模型。
  • 模型本地微调与私有化:在本地环境中调整和私有化模型。
  • 大规模工业级项目实践:参与大型工业项目的实践。
  • 模型部署与评估:部署和评估模型的性能和效果。在这里插入图片描述

专题集:特训篇

  • 全新升级模块:学习最新的技术和模块更新。
  • 前沿行业热点:关注和研究当前行业的热点问题。
  • AIGC与MPC跨领域应用:探索AIGC和MPC在不同领域的应用。在这里插入图片描述

掌握以上五个板块的内容,您将能够系统地掌握AI大模型的知识体系,市场上大多数岗位都是可以胜任的。然而,要想达到更高的水平,还需要在算法和实战方面进行深入研究和探索。

[👉点击即可获取大模型学习包2025年最新版👈]

  1. AI大模型学习路线图
  2. 100套AI大模型商业化落地方案
  3. 100集大模型视频教程
  4. 200本大模型PDF书籍
  5. LLM面试题合集
  6. AI产品经理资源合集

以上的AI大模型学习路线,不知道为什么发出来就有点糊,高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

二、640套AI大模型报告合集

这套包含640份报告的合集,全面覆盖了AI大模型的理论探索、技术落地与行业实践等多个维度。无论您是从事科研工作的学者、专注于技术开发的工程师,还是对AI大模型充满兴趣的爱好者,这套报告都将为您带来丰富的知识储备与深刻的行业洞察,助力您更深入地理解和应用大模型技术。
在这里插入图片描述

三、大模型经典PDF籍

随着人工智能技术的迅猛发展,AI大模型已成为当前科技领域的核心热点。像GPT-3、BERT、XLNet等大型预训练模型,凭借其卓越的语言理解与生成能力,正在重新定义我们对人工智能的认知。为了帮助大家更高效地学习和掌握这些技术,以下这些PDF资料将是极具价值的学习资源。

img

四、AI大模型商业化落地方案

AI大模型商业化落地方案聚焦于如何将先进的大模型技术转化为实际的商业价值。通过结合行业场景与市场需求,该方案为企业提供了从技术落地到盈利模式的完整路径,助力实现智能化升级与创新突破。在这里插入图片描述

img
希望以上内容能对大家学习大模型有所帮助。如有需要,请微信扫描下方CSDN官方认证二维码免费领取相关资源【保证100%免费】。

在这里插入图片描述

祝大家学习顺利,抓住机遇,共创美好未来!

Logo

Agent 垂直技术社区,欢迎活跃、内容共建。

更多推荐