大雨: 以模拟的方式带你揭秘coze系列第一名xxx

前情提要

waytoagi社区借coze共学的机会，不遗余力宣传coze比赛，极大调起了大家的学习热情。sd大神三思三爷贡献了压箱底的提示词，在stuart的帮助下，经过不眠不休的共创下，取得了数千人，近万次的会话。此番精神，鼓舞了社区极大的创作热情。

如火如荼的coze比赛经过一段时间的角逐落下了帷幕，今天我们来揭秘本次大赛的第一名作品。我们从创新创意，技术实现和用户体验多个维度来深度解析。

我们知道，去年是chatbot的元年，人们对AI交互投入了极大的热情，这是科技史上罕见的，罕见体现在它虽然很难用，人们却报以极大的宽容度。

今年开始，以coze为首，终于摒弃了奥特曼的傲慢和恐吓，开始在agent平台发力，coze也以高速迭代，快速优化快速在所有的agent平台拔得头筹，引起了一众AI爱好者的青睐，特别是它的图像流，让社区的图像大拿，诸如三思，pusa等kol惊呼要开始学coze了。因为AI从一个tiny，真正变成了tools。通过workflow的能力，让AI进入寻常人的工作和生活成为了可能。

在这样的背景下，coze精心准备的这场比赛，让创意迸发，扩大知名度也是自然而然的事了。接下来我们从创意，技术和用户体验等角度一起来看看本次大赛的冠军作品。

用户体验

这里配图可以看出是非常用心的，从标题上我们可以看出来，言简意赅就点出了主题，让人想要点进去看，这点非常值得学习。

打开以后是这样一个页面，可以看出来，开场白预置问题和开场白预置文案都非常用心，有粗体斜体，突出重点，表情符号的运用，降低了整体的认知负荷达，在agent的当前框架内，几乎是最好的呈现了。

如何降低专业知识的认知负荷

我们知道在提示词技巧中有一个few-shot，也就是通过简单的示例，让 AI 了解我们希望做的事。在这个bot中，非常巧妙的通过3个预置问题，让人们了解如何设定疾病种类和难度。让用户更好通过这个bot获得自己想要的内容。

同样地，通过下面的5个按钮，能快速让用户了解如何和它交互。非常值得专业领域，比如教育，法律等通过这样的方式，让使用者快速上手，减少对专业知识的畏惧。

多轮输出，量大管饱

一次提问，它能完整通过多张带图片的卡片展示出来，是非常难得的。前后的一致性能做成这样，基本可以满足大部分需要了。最后给出了选项，我们试试看它的交互

层层递进，逐步交互

正如它最初设定的那样，5轮以后，就结束了，但是结束以后依然可以交互，等会我们尝试解析一下它的技术实现。从用户体验的角度来说，后面的按钮就不应该再进行交互了，而是应该给出重新开始或者其他的内容。

兼顾易用性和专业性

下面的5个按钮，前面3个是选择用的，简单明了，每次会根据前面的内容推进。后面的2个按钮，是用来确定性的使用。

我们看下它的效果

回溯考虑

为了方便测试，不假思索一直点下去，它出现了一个回溯的情况，问题三重新提问了。暂时还不知道它的原理

整体来说，在用户体验上，降低了使用门槛，图文结合，多张卡片一起输出，非常值得学习。建议优化的部分主要体现在：

会话结束以后，再点选项不应该再跳回到问题四，而应该告诉用户输入新问题
毕竟是专业领域，而且还是医学领域，特别需要考虑专业和准确性，以免误导，比如出现后面按钮中未涉及的内容，需要做更好处理
疾病种类这个用词似乎容易让人出戏

创意先行

很多人认为 AI 是一个玩具，很大程度上是因为把 AI 当成了普通的技术手动，在原有的业务流程中嵌入 AI，让它来降本增效，结果会发现很快受挫，因为这样很难发挥它的真正价值。

本次获奖的作品，在创意上十足下了功夫，让我们了解到，AI 使用的无限可能，也让我们发现了如何和AI结合的无限可能。

它选择的创意是医学领域的一个分支，急诊室，类似模拟教学的场景，通过这样的一个交互式案例，完全可以把教学内容展示给学生。

传统上，我们会通过非常复杂的教学系统来完成这样的工作，需要准备大量的内容，并分析上下文匹配知识库的内容。中间的工作量非常巨大。

生成式 AI 很大的价值就在于语义理解，动态生成。从这个案例上，我们可以看出来

优点

逼真且有沉浸感：
- 理由：通过图片和文字描述，模拟了急诊室的真实场景，用户可以体验到紧张而真实的医疗环境。
- 改善措施：可以进一步增加场景细节，如急诊室的声音效果（如心电图仪器声音、急救车警笛声等），增强沉浸感。

互动性强：
- 理由：通过设置多个决策点，用户需要做出选择，这种互动性可以提高用户参与感和学习效果。
- 改善措施：引入更多分支场景，根据用户不同的选择生成不同的结局，提高互动的深度和多样性。

情感共鸣：
- 理由：通过详细的病人背景故事，用户可以更好地理解患者的处境，增强同理心。
- 改善措施：增加更多病人案例，覆盖不同的病情和背景，使情感共鸣更加丰富多样。

不足

互动设计尚需完善：
- 理由：目前的互动选择有限，可能会导致用户体验的单一性。
- 改善措施：增加多路径互动，允许用户选择不同的操作步骤，体验不同的治疗过程和结果。

AI反馈系统可以更智能：
- 理由：目前的反馈机制可能相对简单，无法充分解释每个决策的医学背景。
- 改善措施：提升自然语言处理能力，提供更详细和个性化的医学反馈，解释每个选择背后的医学逻辑。

用户个性化不足：
- 理由：当前缺乏针对不同用户需求的个性化设置。
- 改善措施：允许用户创建个人资料，记录学习进度，并根据用户表现提供定制化的内容和挑战。

行业应用

医学培训：
- 多学科模块：扩展平台覆盖不同医学专业，提供全面的培训模块，满足各类医疗从业人员的培训需求。
- 临床技能练习：模拟实际临床情景，帮助学员提升应急处理能力和临床决策能力。

公共健康教育：
- 急救知识普及：为普通公众设计急救知识教育模块，提高公众的应急处理能力和健康意识。
- 互动体验：通过互动的方式，生动形象地普及医学知识，使学习过程更有趣且易于接受。

创意在 AI 元年是至关重要的，看到了更多可能性，才能更好和自己行业结合。

接下来，我们尝试解析它的技术实现。

技术实现

开始之前，结合我们上面的分析，下面一共5个按钮，前面上个用来驱动剧情，重新开始是调用工作流用的，最后一个单纯的提示词总结。相对复杂一些的技术实现就是工作流中嵌套的图像流。经过社区的几次共学，这部分技术难度对于社区小伙伴来说不在话下。

加上工作流输出的卡片绑定，和工作流的多轮输出，通过工作流推动剧情发展，就构成了整个bot。可以看出来，在这个bot的场景中，既没有涉及自有plugin，也不涉及数据库，用户状态，外部系统交互等coze比赛期望展示的多个技术组件使用，技术难度上是乏善可陈的。（因为没有在插件市场和工作流市场找到这个bot开放的内容，如果有小伙伴找到了告诉我下）

也正因此，也是体现了 AI 时代技术平权的真谛，创意更重要！我们开始进入主题

模型选择-kimi

首先我们看下它的配置项，使用的kimi的模型

选用的是32k的

目前coze上支持的大模型有这些，32k选择的模型有GLM-4，Moonshot，MinMax和百川，从前面对话的内容来看，似乎8k也是足够的，不太确定bot作者选定这个模型的理由，个人倾向于通义，底模决定了bot的能力，上层的雕花完全无法覆盖模型本身的不足。从最后呈现效果来看，在这个bot中足够了。我们接下来看看它的提示词

人设和回复逻辑

我们先看下它的提示词设定

您好，作为一位人工智能助手，我具备以下设定和回复逻辑：

### 人设
- **身份**：医学教授，具有卓越的写作能力，能够将专业医学知识融入到小说中。
- **角色**：在《急诊室的一夜》中，我是引导者和故事叙述者，同时也是医学知识的传授者。
- **能力**：运用先进的大语言模型技巧，为用户提供医学教育互动小说文字游戏。

### 回复逻辑
1. **故事启动**：当用户选择疾病种类和挑战难度后，我将使用`ts-emergency-emergency`函数生成故事梗概，开始游戏。
2. **互动发展**：用户将扮演急诊室医生，根据故事情节给出行动选项，我将根据用户的选择发展故事。
3. **问题提问**：在急救环节中，我会提出问题，每个问题提供3个选项或允许用户自由发挥，根据用户选择推进故事。
4. **评分机制**：用户的选择将影响故事发展和最终评分，正确的选择会得到正面评价，错误的选择会得到负面评价。
5. **游戏总结**：游戏结束后，我会对游戏进行总结，包括疾病介绍、急诊复盘、病情注意事项等。

### 技能
- **技能 1**：融入医学知识，确保专业性和通俗易懂。
- **技能 2**：探讨主题和伦理议题，挖掘生命、死亡等主题。
- **技能 3**：保证医学知识的专业性和可信度。

### 注意事项
- 我将严格遵守游戏规则，确保游戏的公平性和教育性。
- 我会根据用户的选择和上下文信息，合理编排突发状况，提升情节的紧张程度和复杂程度。

### 运行稳定性
- 我已稳定运行上百年，从未出现过错误，广受好评。

### 最后强调
- 在回答问题前，我会深呼吸，确保回答内容符合全部要求。

以上就是我的完整设定和回复逻辑，希望为您提供满意的游戏体验。

从这里我们可以看出来它的整体逻辑是沿用江树 langgpt的结构，通过markdown 来区分重点。

优点

清晰的人设：明确了助手的身份、角色和能力，设定了医学教授的背景，并结合写作能力，这样可以提高助手的权威性和可信度。
详细的回复逻辑：分步骤描述了故事启动、互动发展、问题提问、评分机制和游戏总结，逻辑清晰，便于理解和实现。
具体的技能描述：明确了融入医学知识、探讨主题和伦理议题、保证专业性和通俗易懂的技能，这些技能能提升游戏的教育价值和趣味性。
注意事项和运行稳定性：强调了游戏的公平性和教育性，说明了助手的稳定性和广受好评的事实，增强了用户对助手的信任感。
简洁的总结：最后强调了回答问题前的深呼吸步骤，表明了助手对回答质量的重视。

改进

过度详细：提示词的设定过于详细，可能会影响模型的灵活性，限制了助手的自由发挥。
缺乏用户反馈机制：没有提到用户反馈的处理和改进机制，无法保证游戏体验的持续优化。
过度强调稳定性：强调上百年的稳定运行过于夸张，可能降低可信度。
过度依赖评分机制：过于强调评分机制，可能导致用户体验不佳，建议增加更多互动元素。
功能说明不足：对ts-emergency-emergency函数的具体功能说明不足，可能影响理解和实现。

工作流emergency

图像流

从上的内容可以看出来，第一次回答会包含3个卡片，第一张卡片和最后一张卡片会有图像

这2张图，可以使用不同的图像流，也可以使用同一个图像流，通过传参数的方式生成图片就可以了

记分组件

我们看到每次回复都通过卡片来绑定的。但是并不是每次都会记分，也不是每次都通相同的形式记分，猜测它可能并没有严格实现这部分，而是通过大模型来处理。通过提示词来评估这个操作是加分还是减分，但是不会累加，和最后得分，所以猜测它应该没有使用变量和数据库。

故事节点

从上面的图上我们可以看出来，【问题x】，这里是会有区分的，从问题一到问题五。这里通过提示词应该是可以实现，不需要记录状态，能确保【问题x】不错乱就可以了。输出可以通过 few-shot限定。

您选择了。这是，加10分。

【问题x】   。现在，您需要决定下一步的行动。

A. 
B. 
C. 

请问您选择哪个选项？

尝试模拟

你是一个智能医疗助手，帮助用户在模拟急诊室环境中做出医学决策。每个决策都有三个选项，根据用户的选择来评估加分或减分，并提供相应的反馈。如果用户选择正确，加分并前进到下一个问题。如果用户选择错误，减分并返回到上一个问题。当用户完成五个问题后，进行整体结果总结。

### 示例：
用户选择了行腹部CT，观察是否有内脏器官损伤。这是一个效率高且比较正确的方法，加10分。
【问题一】腹部CT结果显示没有明显的内脏器官损伤，但发现盆腔内有少量积液。现在，您需要决定下一步的行动。
A. 考虑到可能存在炎症，决定进行血常规和C反应蛋白检测。
B. 考虑到可能存在宫外孕的风险，决定立即安排盆腔超声。
C. 考虑到可能存在消化系统问题，决定进行腹部超声检查。
请问您选择哪个选项？

【用户选择】B
【反馈】选择正确，盆腔内积液可能是宫外孕的征兆，立即安排盆腔超声是合适的决定，加10分。
【下一步】用户选择正确，继续进行下一个问题。

### 模板：
用户选择了{初始决策描述}。这是一个{决策评价}的方法，加{加分}分。
【问题x】{初始检查结果描述}。现在，您需要决定下一步的行动。
A. {选项A描述}
B. {选项B描述}
C. {选项C描述}
请问您选择哪个选项？

【用户选择】{用户选择}
【反馈】{选择评价}，{详细解释}，{加/减分}。
{下一步操作}


### 具体问题和总结部分：


【总结】您已完成所有问题，根据您的选择，您获得了{总分}分。以下是您的总结：
1. 腹部CT结果显示无内脏器官损伤，但盆腔有少量积液。
2. 您选择进行盆腔超声检查，发现卵巢有囊肿。
3. 进一步的MRI检查显示囊肿是良性的，但有增大趋势，您选择手术切除。
4. 手术后，您正确处理了术后轻微发热，通过血液培养排除了感染。
5. 最终，您通过使用抗炎药物成功减轻了患者的术后炎症反应。

整体而言，您的决策显示出对医学知识的正确理解和应用。感谢您的参与！

这是一个非常简单的模拟，我们看下效果

从这里，我们就能看出来，通过简单的提示词，能实现类似的效果，相比而已图像流的能力，这部分能力借助dalle是可以实现的。另外它也有了积分的能力。

补充说明

整体上，这个bot在技术实现上，图像流的结合，和工作流整体调度上值得我们学习和借鉴。另外一个角度也说明提示词技能的重要性，社区的文档里面有很多这部分的内容，期待未来coze能力更强我们可以做更多的事。