卷首語：
這一期可能會比較難一些，平常比較多動手實作的讀者可能比較好上手，覺得太難的朋友推薦可以先自己建立簡單實用的機器人為目標，然後再深入這個 Workflow 來實作看看。如果還是太難看看卷首語的心情分享就好🤣。
上上週教召 5 日，消失了五天覺得過的真久。除了第三天的打靶外，其它天還是蠻輕鬆的，尤其是第四、五天，休息時間超多可是很無聊。
最近看到很棒的座右銘，源於古代波斯的一個傳說。
據說一位波斯國王向他的大臣尋求一個座右銘，讓他在任何情境下都能用上。
大臣深思後給了一句『一切都會過去的』，原文 “This too shall pass“。
讓國王知道，人生無論順境、逆境、快樂、痛苦、煩惱，一切終將過去。
希望讀者們也能隨身攜帶這句話，無論順境逆境。
友情推薦課程：Axton 的 AI 實戰 & 自動化
如果你是一位剛接觸 AI 的朋友，卻不知道如何系統性地學習，我有位朋友 Axton 在過去一年間詳細解構了「使用 AI」這件事，並形成了一套學習方法，分成了兩個面向：
提示詞工程（學習與 AI 溝通的魔法）
自動化軟體（如 Zapier、Make 等軟體）
現在網路上有很多分散的資源可以學習，不過如果要推薦一個付費的 AI 課程，我會優先推薦 Axton 的課程。
我從去年年初開始訂閱 Axton 的 YouTube 頻道，知道他是第一批接觸 LLM 的人，後續也在 Twitter 上與他交流許多，因此我可以保證他的功力和課程品質。
大家可以先看他的 YT 頻道內容：
雖然內容是簡體中文，課程也是簡體中文，但對於許多不精通英文的讀者來說，還是相對容易理解。
如果你已經熟練使用 LLM，我建議你只需參加自動化課程即可。如果你是新手，且有「自動化工作日程」的需求，那麼建議你一次參加兩堂課。
雖然我有時也會分享一些自動化的經驗，但還是沒有 Axton 那樣系統性。
現在的課程都不便宜，所以讀者在購買時一定要量力而行，也可以先看看 Axton 的其他作品。如果在工作上真的用得到，並且希望提升自己的競爭力再購買，評估下來我認為 Axton 這些課程還是相當值得的。
目前課程的三種方案及相關優惠：
AI 實戰派（成為與 AI 溝通的達人）：
AI 自動化（提高數位工作者效率的一大利器）：
「AI 實戰派」+「AI 自動化」組合購買（便宜快 1000 元，最推）：
加入還有專屬 Discord 社群討論喔 🎶
<正文開始>
如果沒有實作過的讀者推薦先從這篇簡單的 Coze 機器人教學入手：
最近 Coze 開始收費了，不過因為在調用 Plugin、Workflow 等功能都需要用上大語言模型的推理能力，加上產品幾乎每隔幾天就會迭代，所以收費是很正常的。
大家可以先使用免費方案或是每月 9 美元的方案，應該就很夠用了，當然也有些像 Dify 這類的開源工具可以嘗試，但背後的迭代速度和好用程度就不如 Coze，所以我個人更推薦 Coze。
為什麼人人都該開始用 Coze 這類的工具
這兩年 LLM（大語言模型）出來後，開始有聲音說 AI 會取代大部分人類的工作、會用 AI 的人將取代不會用 AI 的人等等，但說歸說我相信大家可能不是很有感。
因為這個作用是『時間累積』的，不會有人一朝一夕就學會使用 AI、突然就會 Prompt 技巧、突然變成 LLM 溝通大師。
就算是上完課程，也只是剛過一個門檻，一定要在生活中刻意思考自己的工作如何融入這些語言模型，然後結合不同的工具來解決問題。
怎麼用工具真的還好，多用幾次就會上手，而且很多相似工具的邏輯都差不多（像是 Make 跟 Zapier）。
但最最最重要的就是，一般不熟悉程式開發的人，如何清楚思考解決問題的流程，然後將這些流程建立起來。
之前 Devin AI 創辦人 Scott Wu 在演講上提到（推薦看 ihower 的整理）：
現在普通的軟體工程師可能花 10%～20% 的時間在思考部分，而 80%～90% 的時間在實現。但未來會反過來，大部分的時間將用於前段的思考解決問題的方法上。
這段反覆強調的點就在於，我自己不是開發人員，接觸了許多 AI 工具也嘗試實作，深刻體會實作及不斷思考解決方案的重要性，需要『時間』磨練。
也正因如此，這個技能在未來會變很強的技能不易取代。
Workflow 是什麼？
假設我今天要從台南前往台北參加生成式 AI 年會，我可以怎麼去？
開車
搭火車
搭高鐵
以搭高鐵為例，我需要：
騎機車到火車站
搭區間車前往沙崙站
搭高鐵前往台北車站
騎 GoShare 或搭計程車前往會場
前往目的地的方法很多種，整個過程就是一個工作流，而過程中也會有多個節點，每個節點都完成固定的任務。
工作流就是透過標準化的步驟、預先設定好的流程，來逐步完成特定任務和過程中的預期目標。
ComfyUI 就是一個基於AI繪圖模型 Stable Diffusion 節點流程的操作界面，它把任務用視覺化分解成若干個步驟，然後逐步調整要達到的小目標，讓最終結果符合需求。
像這張圖的工作流如下：
首先會分別生成背景和角色的圖片。
接著使用名為 "ImageCompositeMasked" 的工具來去除角色圖中的背景，並使它與新的背景對齊。
然後應用一個叫做 "denoise:0.5" 的技術來減少最終圖像中的雜訊，使畫面更乾淨清晰。
再利用另一個工具"KSampler"，重新生成整體圖像，以便讓角色和背景更加自然地融合在一起，看起來更協調一致。
最後，採用了“FaceDetailer”這項技術，專門針對合成圖像中的人臉部分進行細節優化，使得人物面部看起來更加生動、真實。
同理，Coze 上的 Workflow 就是用來解決問題的工作流工具。
工作流基本由輸入、輸出、中間節點所組成。
中間節點就是左邊那一排，由 Plugin、LLM、Code、Knowledge 等組成，這邊不會全部講到，只會講到最基本的前三個，只要會用其它的功能慢慢摸索就知道怎麼用了。
一開始容易搞到頭暈的可能是變數的部分。
<懂變數可以跳過這個小說明>
變數是一種容器，用來儲存不同的值。在程式設計和數學中，變數的概念非常常見。
程式設計中的變數：
想像變數是一個標有名字的盒子，你可以把東西（數值、文字、物件等）放進這個盒子裡，然後根據需要隨時取出來使用。
假設你有一個變數叫做
age，你可以把你的年齡（比如 25）存進這個變數中。之後，當你需要使用你的年齡時，只需要引用這個變數age就可以了。範例程式碼：
```
age = 25 print("我的年齡是", age)
```在這個例子中，
age是變數，25 是存進這個變數中的值。
數學中的變數：
在數學裡，變數通常用來表示未知的數值或可以改變的數值。它們常用字母來表示，比如 x, y, z。
例如，在方程式
x + 2 = 5中，x 是一個變數，你可以解出 x 的值是 3。
Plugin
各種別人寫好的功能，加上去直接用就好。
像是 Google Search，如果我們在解決問題的過程中，需要機器人去 Google 搜尋資料並返回，那『Google Web Search』這個 Plugin 就很實用。
如果需要瀏覽 URL 中的內容物，就可以用『Browser』這個 Plugin。
節點之間如何連結
從這張圖可以看到，每個節點之間連結的關鍵就是變數。以剛剛的『Google Web Search』這個 Plugin 節點連結為例。
在 bot 的初始設定中，我們要告訴 LLM，當使用者有搜尋資料的需求時，將需求分解成搜尋用的關鍵字，並使用變數 Search_keyword。
這樣當 bot 在調用 Workflow 時，就會自動代入搜尋關鍵字到 Start 這個初始節點的變數中，然後連結至我們的搜尋 Plugin 中，這樣我們就完成了一次節點的連結，以及設定對應的 input/output。
點開節點的 Output，我們可以看到該 Plugin 執行任務後會有哪些輸出，這些是我們要選擇到下個節點連結的變數。
但有些節點上的 Output 需要我們自己設定喔，只有特定功能才會有指定的 Output 結果。
不用被這麼多東西嚇到，點開 View Example 我們可以看到 Debugging result 那裡的 Response 結果，link、snippet 及 title 其實就是對應 Google 搜尋結果頁面每個結果的標題、網址及敘述。
變數很多，我們只需要在不同節點選擇我們要的變數讓它進入下個節點即可（也能引用之前不同節點上的變數）。
Workflow 的核心在於：
Bot 知道它何時該調用哪種 Workflow，然後給這個 Workflow 對應的變數；
Workflow 中的每個節點正常連接；
善用既有的 Plugin 實現功能。
從 X（前身 Twitter）抓取新聞資訊
先想好自己平常執行任務的流程，然後思考每一步如何化成一個節點，每個節點解決任務的方法有哪些。
第 0 步：來源
先請大家思考，如果要從 X 上看新聞，我們通常會怎麼開始（還沒程式化）？
List 清單，例如『設計 AI』這個清單
追蹤特定的人
其它（自己想 XD）
這一步，要怎麼變成程式？善用 Plugin。
在 Workflow 中找看看有沒有 X 的 Plugin 可以用，所以我進行了搜尋：
原本想透過 List 的方式來抓取推文，結果發現沒有適合的 Plugin（也可能是我不會用），所以我找了另一個替代方案：使用搜尋的方式。
你沒聽錯，因為搜尋語法可以抓出特定用戶在特定時間內，按讚數或分享數達到一定數量以上的貼文，像是這樣：
(from:op7418 OR from:imxiaohu OR from:dotey) min_faves:70 since:2024-07-18 until:2024-07-21
這樣就能很好地實現我找重要新聞的幾個訴求：
特定時間
特定點讚數（熱門）
特定用戶
我透過這個 Plugin 來實現，只要將 query 代入：
然後每個 node 都有一個測試。
然後是測試結果（Output），可以再拿結果到下個 node 進行下個測試。
然後在下一個節點，我用 LLM 來整理抓到的這些貼文內容：
完整流程如下：
一開始 bot 設定如何呼叫 Workflow 的方法，然後因為篩選資訊時跟資訊有關，所以要送入日期的變數 data_start 和 data_end。
然後在 Coze 中，一樣可以用自然語言寫出 Python 程式，我請程式幫我把帶有日期的參數跟我要查詢的語法合成對應的查詢 query。
程式碼也很簡單如下：
然後剛剛的 query（(from:op7418 OR from:imxiaohu OR from:dotey) min_faves:70 since:2024-07-18 until:2024-07-21）會被送入推特搜尋後，把篩選結果拉出來。
上圖處理 retweet 貼文這個，是為了把 retweet（轉貼分享）從一般貼文分出來，retweet 讀取不到內容只有轉貼註解的文字。
最後就是靠 LLM 整合這些資訊了。
完了到這邊大家應該看不太懂XDDD
原本自己做覺得還好，但寫成文字突然發現好像反而更複雜了，我會再拍一部影片講解的！
總之先思考好流程，想可以程式化每個節點的方式，然後一定會遇到挑戰，想各種辦法解決它，先從笨方法開始，然後再優化解法。
期待影片介绍
非常具体的例子，以后可以直接抄作业，赞！！