用 Coze(扣子) 打造 “最强“ 浏览器书签助手（上） 点击关注公众号，“技术干货”及时达！ 1. 引言??一阵子没耍 「Coze(扣子)」 ，最近不太忙，刚好有新 「idea」??，倒腾个Bot耍耍??，也赶下本期扣子活动的尾班??，蹭个参与??。扣子好像更新了不少东西啊，先可快速过下??~ 1.1. 扣子更新速览1.1.1. 多Agents模式对于 「Agent是什么」 的一个常见观点： ?「让AI以类似人的工作和思考方法来完成一系列任务」，一个Agent可以是一个Bot，也可以是多个Bot的协作。 ??? 扣子的 「多Agents模式」 就是：支持 「组合多个Bot」 来实现 「功能更全面和复杂的Bot」。在Bot的 「编排」 页，可以进行 Agent模式的切换： 左侧 「配置」 和 「单Agent模式」 时基本类似，只是作用域是 「全局」 的，将适用于所有添加的 「Agent」。 右侧 「画布」 区域可以为 Bot添加 「节点」，默认自带一个 「开始节点」，可以设置新一轮对话的 「起始节点」： 「上一次回复用户的节点」：新消息继续发送给上次回复用户的节点。「开始节点」：所有消息都发送给Start节点，它将用户消息移交给适合的Agent节点。然后，支持添加 「三种类型」 的节点： ① 「Agent节点」 → 可以独立执行任务的智能实体，?? 感觉是支持 「快速灵活搭建的Bot节点 (不用发布)~」 ② 「Bot节点」 → 「已发布」 的可执行特定任务的 「单Agent Bot」 ③ 「全局跳转条件」 → 用户输入满足此节点的条件，立即跳转到Agent 优先级高于 「节点选择」，命中就直接跳，一个Bot最多添加 「5个条件节点」 ?? 随手缝合个支持多功能的Bot试试： 发下消息试试： ?? 可以，都正确调用了适合的Agent，多Agents的玩法和 「工作流」 很像，感觉是 「执行任务粒度粗细」 的 「划分~」 1.1.2. 记忆-变量?? 支持创建变量来保存一些 「临时数据」，在Bot的 「编排页」，找到 「记忆-变量」，点击+，可以对Bot中需要用到的变量进行编辑，比如我这里启用了 「sys_uuid」 用于获取的唯一ID，并添加了一个 「city」 用于保存用户所在城市： 然后在 「预览与调试」，回复一句：我在深圳，可以看到，变量设置成功： 点击右上角的 「变量」，可以看到保存的数据： 可以在 「人设与回复逻辑」 限定变量的 「具体使用场景」，接着，你还可以在 「工作流」 中添加 「变量节点」 来 「对变量值进行设置或读取」。比如，随手建个工作流试试： 点击 「试运行」，需要选择关联的Bot，在此可以看到其中定义的变量： 点击运行后的输出结果： ?? 试运行这里肯定是拿不到用户id的，直接 「发布工作流」，然后添加到Bot里，编写Prompt来调用： 另外，如果用户更新了数据 (如：在会话中提供了新的城市)，Bot会自动修改为最新值。 1.1.3. 记忆-长期记忆模仿人脑形成对用户的个人记忆，基于这些记忆提供个性化回复，「提升用户体验」。主要包含两部分能力： 「自动记录并总结对话信息」；「会在回复用户查询时，对总结的内容进行召回，在此基础上生成最终回复」。?? 感觉这个长期记忆就是 「一种记录多轮对话上下文的管理机制」，用于保持对话的连贯性。点击 「编排页」 的 「记忆-长期记忆」，可以开启或关闭。 开启后，点击右上角 「预览与调试」-「长期记忆」，可以看到总结的对话内容： 「Tips」：每个用户包括Bot开发者，只能看到和使用与Bot对话生成的记忆内容。 1.1.4. 技能-触发器使Bot在 「指定时间」 或 「接收到特定事件」 时自动执行任务，前者无需编写代码，后者会生成 「Webhook URL」，当你的服务端向这个 Webhook URL 发起HTTPS请求，会触发任务执行。 在 「编排页-触发器」，点击+添加触发器，比如添加一个 「定时触发」 的触发器，支持执行三种类型的任务： WebHook类型的事件触发器配置稍微麻烦些，普通用户用不到，感兴趣可以看下官方文档对应介绍~ ?? 触发器只在Bot发布到 「飞书」 时才有效 ?? 每个Bot最多添加10个触发器。 1.1.5. 对话体验-快捷指令在 「对话输入框」 上方配置一些 「按钮」，以供用户 「快速发起预设对话」： 支持两种 「指令行为」，先是 「直接发送-指令内容」： 然后是 「直接使用插件或工作流」，需要进行一些对应的参数配置： 配置完点击按钮会 「弹窗」，用户输入对应的参数，回车触发指令发送 支持 「拖拽按钮」 对指令进行排序，在飞书、微信等渠道支持直接 「输入指令」 (如: /fetch_weather) 唤起快捷指令。 1.1.6. 对话体验-背景图片可以为Bot在 「扣子Bot商店」 添加对话背景图片，点击+上传，能看到横竖屏的效果预览，点击 「确认」 进行设置。 1.1.7. 对话体验-开场白支持Markdown语法在 「编排页」 找到开场白，点击打开Markdown编辑器： 然后可以使用Markdown语法来编写Bot的开场白，右侧可以看到 「效果预览」： 1.1.8. LLM模型更新「云雀」 改名 「豆包」，支持 「moonshot (月之暗面-kimi)」 模型，后面的数字代表模型支持的 「最大上下文长度」，即它们能够处理的文本量，如: 8k 表示模型支持的最长上下文长度为8000 tokens，可以更具自己的实际情况进行选择。 1.1.9. 工作流-消息节点支持在工作流中返回响应内容，可用于解决 「回复消息较多」 或 「工作流较长」 导致用于 「无法及时收到响应」 的问题： 支持两种消息模式： 「非流式输出」：「默认」，接收到全部消息内容再一次性输出。「流式输出」：「打字机效果」，上一个节点一边生成回复内容，一边通过消息节点进行输出，不用等全部内容加载完再返回。消息节点只有在 「大模型节点后」 可才可以开启 「流式响应」，如果配置了多个开启流式返回的消息节点，会按照工作流的执行顺序，先执行的消息节点优先输出消息。1.1.10. 技能-图像流前些天还在 「编排页」 看到过它，昨天再看没了，有消息说会在5.15的发布会后上线，但今天看还是无影??。支持通过 「可视化的方式」，对图像获取、生成、编辑和发布等功能进行组合，实现自定义的图像处理流程，相关功能： ???♂? 现在木得体验，等正式上线了再单独测评下~ 1.2. 灵感乍现的瞬间?? 了解完扣子都更新了啥，接着捋一捋笔者想做一个什么样的Bot，灵感来源??： ?互联网时代，许多人都养成了一种 「囤积癖」，看到好的文章、工具的第一反应就是 「添加收藏/书签」，理由是 「以后有时间再看」，「以后可能会用到」，然后，基本没以后了，绝大概率就是在收藏夹吃灰??。接着，在某天某个情景，突然想起，自己有收藏过相关的链接，但苦寻许久，也可能找不到哪个链接了。?? 2333，这就是没有养成「定时整理」 的习惯... ??? 由此萌生出做一个 「浏览器书签助手」 的Bot，支持：「书签自动分类整理」 + 「AI检索心仪书签」，简易交互流程： ?? 思路有了，接着一步步来实现这个 Bot～ 2. 实践过程2.1. 文件上传?? 有些读者可能还没导出过 「书签文件」，说下方法，依次点击浏览器的 (以笔者的Chrome为例)： 「设置 → 书签和清单 → 书签管理器」 → 「右上角整理」 (三个竖排点的图标) → 「导出书签」 然后会生成一个 「bookmarks_年_月_日.html」 的书签文件，如： ?? 先不看文件内容，琢磨下 「文件上传」，除了用户通过Bot上传外，「插件和工作流的代码节点」，都需要用到，就生成的文件，需要传到服务器，生成一个 「访问文件的URL」。扣子是 「支持上传文件」 的，但很可惜，并不支持 「html」 格式 ??，尝试上传html后什么反应都没有： 然后在代码节点，试下写提示词让AI写下代码，看能否套出 「文件上传相关的代码」： AI生成的代码： ?? 打扰了，所以 「文件上传」 这块得自己想办法了，需要一枚 「云存储」，这里直接上 「七牛云」，上传文件的核心代码： fromqiniuimportAuth,put_file,etag access_key='access_key' secret_key='secret_key' bucket_name='仓库名称' q=Auth(access_key,secret_key) base_url="http://xxx.com/{}"#仓库域名 defupload_file(file_path): file_name=file_path.split('/')[-1] token=q.upload_token(bucket_name,file_name) ret,info=put_file(token,file_name,file_path,version='v2') #上传成功滑后返回文件的url ifret['key']==file_pathandret['hash']==etag(file_path): returnbase_url.format(file_name) if__name__=='__main__': print(upload_file("rabbit.ico")) 然后，问题来了：「用户咋上传生成标签文件的url」？总不能让他们每次传文件，都要手动去改 「upload_file()」 传递的文件名吧??？随手用 「PySimpleGUI」 库 (「4.60.5」, 5后的版本要付费) 写个有简单页面的 exe： importPySimpleGUIasps_gui #构造GUI页面 defmain_gui(): #判断config.txt文件是否存在 access_key='' secret_key='' bucket_name='' ifos.path.exists("config.txt"): withopen("config.txt","r")asf: lines=f.readlines() access_key=lines[0].strip() secret_key=lines[1].strip() bucket_name=lines[2].strip() layout_control=[ [ #access_key的输入框 ps_gui.Frame(layout=[ [ps_gui.Text("AccessKey"),ps_gui.InputText(key="access_key",default_text=access_key)], [ps_gui.Text("SecretKey"),ps_gui.InputText(key="secret_key",default_text=secret_key)], [ps_gui.Text("BucketName"),ps_gui.InputText(key="bucket_name",default_text=bucket_name)], ],title="请输入七牛云相关参数"), ps_gui.Button("保存",key="save")], [ ps_gui.Frame(layout=[ [ps_gui.FileBrowse("选择文件",key='file_browser',enable_events=True)] ],title="请选中要上传的文件"), ps_gui.Frame(layout=[ [ps_gui.Text("",key="file_path")] ],title="当前选中文件"), ps_gui.Button("上传",key="upload") ], [ ps_gui.Text("文件URL",key="result_label"), ps_gui.Text("",key="result"), ps_gui.Button("复制",key="copy") ], ] window_panel=ps_gui.Window("七牛云文件上传助手",layout_control) whileTrue: event,value=window_panel.read() ifevent==ps_gui.WIN_CLOSED: break ifevent=='save': withopen("config.txt","w")asf: f.write("{}\n{}\n{}\n".format(value['access_key'],value['secret_key'],value['bucket_name'])) ps_gui.popup("保存成功") ifevent=='file_browser': file_path=value[event] window_panel['file_path'].update(file_path) ifevent=="upload": file_path=window_panel['file_path'].get() iffile_path: url=upload_file(file_path,value['access_key'],value['secret_key'],value['bucket_name']) ifurl: window_panel['result_label'].update("上传成功：") window_panel['result'].update(url) else: window_panel['result_label'].update("上传失败：") window_panel['result'].update("") else: ps_gui.popup("请选择文件后上传") ifevent=="copy": url=window_panel['result'].get() ifurl: ps_gui.clipboard_set(url) ps_gui.popup("已复制到剪切板") else: ps_gui.popup("请先上传文件") window_panel.close() if__name__=='__main__': main_gui() 是用 「Pyinstaller」 打包成exe，执行下述命令： pyinstaller--onefile--noconsole--name"七牛云文件上传助手"app.py 双击打包后的exe： ?? OK，文件上传获取远程文件URL的问题 「Fix」?? 2.2. 书签提取?? 接着到 「读取并解析书签文件」，对其中的书签进行提取，打开 「书签html文件」 研究下规律： 「分析结果如下」： 「DL」→ 书签的一个分组/文件夹「DT」 → 书签文件夹标题/具体书签项「ADD_DATE」 → 第一次添加的时间戳「LAST_MODIFIED」 → 上次修改的时间戳「HREF」 → 标签链接「ICON」 → 标签对应网页图标Base64?? 「Coding」 时间到，新建 「插件」，创建方式选 「在 Coze IDE 中创建」，IDE运行时选 「Python3」，点击 「确认：」 创建完会跳页面，点击 「在IDE中创建工具」，写下工具名称和介绍，点确定，然后就可以写代码了??，逻辑： 定义一个BookmarkItem的类存 「书签标题」、「书签链接」、「书签创建时间」、「图标」。请求用户传入的 「书签文件URL」，读取文件内容。编写 「正则表达式」 提取所有书签信息，保存为json文件并上传。输出：文件url、错误信息。添加下 「requests」 和 「qiniu」 依赖库，然后写出具体实现代码： fromruntimeimportArgs fromtypings.extract_bookmark_list.extract_bookmark_listimportInput,Output importre importrequests fromqiniuimportAuth,put_file,etag importtime importos importjson #提取书签的正则 bookmark_item_pattern=re.compile(r'AHREF="(.+?)"ADD_DATE="(\d+)"ICON="(.*?)"(.*?)') #七牛云相关配置 access_key='xxx' secret_key='yyy' bucket_name='zzz' base_url="http://xxx.yyy.zzz/{}" q=Auth(access_key,secret_key) classBookmarkItem: def__init__(self,title,url,add_date,icon): self.title=title self.url=url self.add_date=add_date self.icon=icon def__str__(self): returnstr(self.__dict__) #读取在线文件内容 defread_file_from_url(file_url): response=requests.get(file_url) #避免中文乱码 response.encoding=response.apparent_encoding ifresponse: returnresponse.text else: returnNone #保存文件 defsave_file(uuid,content): file_path="{}{}{}_{}.json".format(os.getcwd(),os.sep,uuid,int(time.time()*1000)) withopen(file_path,'w',encoding='utf-8')asf: f.write(content) returnfile_path #上传文件到七牛云 defupload_file(file_path): q=Auth(access_key,secret_key) file_name=file_path.split('/')[-1] token=q.upload_token(bucket_name,file_name) ret,info=put_file(token,file_name,file_path,version='v2') ifret['key']==file_nameandret['hash']==etag(file_path): returnbase_url.format(file_name) return'' defhandler(args:Args[Input])-Output: #获取用户输入的uuid sys_uuid=args.input.sys_uuid file_url=args.input.input_file_url file_content=read_file_from_url(file_url) iffile_content: match_results=bookmark_item_pattern.findall(file_content) bookmark_item_list=[] ifmatch_resultsandlen(match_results)0: forresultinmatch_results: bookmark_item_list.append(BookmarkItem(result[3],result[0],result[1],result[2])) bookmark_json=json.dumps(bookmark_item_list,default=lambdaobj:obj.__dict__,ensure_ascii=False) output_file_url=upload_file(save_file(sys_uuid,bookmark_json)) return{"output_file_url":output_file_url,"error_msg":""} else: return{"output_file_url":"","error_msg":"未检索到书签项"} 「元数据」 配置下输入输出参数： 接着 「输入」 处点击 「自动生成」，把 「input_file_url」 的值替换为上传的书签文件url，点击 「运行」 试试： 打开输出文件的URL： ?? 书签列表提取成功??~ 2.3. 数据清洗看了下书签列表，发现有些书签是有问题的 → 「没有titile」，而后面的 「分类整理」 和 「AI搜索」 都是很依赖标题的，需要为没有title的书签设置title。?? 在请求站点时，「title字段」 一般都会返回 (即便弄了反爬)，毕竟是 「SEO」 (搜索引擎优化) 中一个重要的考虑因素，当然，还有一些其它有用的信息： 然后，「requests」 库的请求是 「同步」 的，发送一个请求，「程序要等服务器响应后才继续执行」，如果没title的书签比较多，耗时会比较久，节点太久没返回输出 ，会直接报错，整个工作流就崩了。 ?? 所以，这里需要尽可能地快完成，直接上 「异步请求+代理」，前者用的 「aiohttp」，后者用的 亮数据，因为时不时有些数据爬取的单子，经常用到代理IP，用得最多的还是它，主要有以下几点： 代理 IP 质量和稳定性比较高，支持获取指定区域的代理IP (国内、国外)。支持API调 「无头浏览器」 爬数据，自动过验证码、重试和指纹管理。提供数据服务，有些都不用自己爬。?? 最重要一点，不用各种恶心的个人/企业认证这里需要 「动态IP」 → 「真人住宅代理」，直接写出爬取代码： importaiohttp importasyncio importre proxy='http://代理地址:端口' title_pattern=re.compile(r'([^]*)/title') asyncdeffetch(bookmark): asyncwithaiohttp.ClientSession()assession: try: asyncwithsession.get(bookmark['url'],proxy=proxy,ssl=False)asresponse: ifresponse: bookmark['title']=title_pattern.search(awaitresponse.text()).group(1) returnbookmark exceptExceptionase: print(str(e)) asyncdeftask(json_content): #构造异步请求任务列表 tasks=[fetch(bookmark)forbookmarkinjson_content] #等待所有任务完成 results=awaitasyncio.gather(*tasks) returnresults defhandler(args:Args[Input])-Output: result=asyncio.get_event_loop().run_until_complete(task(bookmark_json)) return{"result":result} 2.4. 简单分类???♂? 数据清洗完，就该分类了，一个简单粗暴的思路： 遍历提取书签 「域名」 作为Key，值为同一域名下的书签列表，写 「Prompt」 让 「AI模型」 判断它属于什么类型的站点，然后分类。 新建一个 「工作流」： 「开始节点」：传入书签json文件的url「代码节点」：读取文件，遍历书签，组装prompt往后传递「大模型节点」：使用 「moonshot (128k)」 模型来执行前面组装的prompt「代码节点」：提取 「分类标签」，并未每个书签添加上次字段，最后返回更新后的json数据拖拽下节点： 「解析Json拼Prompt节点」 的代码如下： importrequests_async fromurllib.parseimporturlparse asyncdefmain(args:Args)-Output: params=args.params output_prompt=""" 请帮我联网对网站进行分析，不要遗漏任何一个，严格按照这样的json格式返回： ``` [ { "website_url":网站链接, "website_name":网站中文简称, "website_category":网站分类,只显示一个最准确的 } ] ``` 具体网站列表如下： """ website_str="" input_file_url=params["file_url"] response=awaitrequests_async.get(input_file_url) netloc_set=set() ifresponse: response_json=response.json() forbookmark_infoinresponse_json: netloc=urlparse(bookmark_info['url']).netloc netloc_set.add(netloc) fornetlocinnetloc_set: website_str+="-{}\n".format(netloc) ret:Output={ "output_prompt":(output_prompt+website_str).strip(), } returnret 输入前面生成的 「json文件url」 进行测试： 大模型节点直接使用输出结果作为 「提示词」，试运行后的输出结果： ?? 「输出格式」 是没错的，就是数量太少了，才11条，估计是 「提示词太长」 导致的，拆成10个网站列表，然后模型使用 「批处理」，修改下代码节点： 大模型节点也改改： 试运行看看效果： Nice，基本都拿到了，接着就是为每个书签添加对应的分类了， importjson asyncdefmain(args:Args)-Output: params=args.params website_json=json.loads(params['website_json']) new_website_list=[] ret:Output={} #存域名-分类的字典 website_category_dict={} llm_results=params['llm_result'] forllm_resultinllm_results: forwebsiteinjson.loads(str(llm_result['output'])): website_category_dict[website['website_url']]=website['website_category'] forwebsiteinwebsite_json: forwebsite_category_keyinwebsite_category_dict.keys(): ifwebsite_category_keyinwebsite['url']: website['category']=website_category_dict[website_category_key] new_website_list.append(website) ret['output_json']=json.dumps(new_website_list) returnret 最后输出的json字符串： ?? Nice，分类都安排上了~ 2.5. 生成书签文件接着就是写插件，来解析上面的字符串，生成可以导入到浏览器的书签文件。??这一步是真的 「坑」，反复调整生成后的书签文件，然后浏览器导入书签测试。要么就是不显示分组，要么就是不显示书签，折腾了大半天终于成功导入??，给出具体实现代码： fromruntimeimportArgs fromtypings.json_to_bookmark_file.json_to_bookmark_fileimportInput,Output importrequests fromqiniuimportAuth,put_file,etag importtime importos importjson #七牛云相关配置 access_key='xxx' secret_key='yyy' bucket_name='zzz' base_url="http://xxx.yyy.zzz/{}" q=Auth(access_key,secret_key) #读取在线文件内容 defread_file_from_url(file_url): response=requests.get(file_url) #避免中文乱码 response.encoding=response.apparent_encoding ifresponse: returnresponse.text else: returnNone #保存文件 defsave_file(uuid,content): file_path="{}{}{}_{}.html".format(os.getcwd(),os.sep,uuid,int(time.time()*1000)) withopen(file_path,'w',encoding='utf-8')asf: f.write(content) returnfile_path #上传文件到七牛云 defupload_file(file_path): q=Auth(access_key,secret_key) file_name=file_path.split('/')[-1] token=q.upload_token(bucket_name,file_name) ret,info=put_file(token,file_name,file_path,version='v2') ifret['key']==file_nameandret['hash']==etag(file_path): returnbase_url.format(file_name) return'' #生成书签文件内容 defgen_bookmark_file_content(json_content): result_content=""" !DOCTYPENETSCAPE-Bookmark-file-1 !--Thisisanautomaticallygeneratedfile. Itwillbereadandoverwritten. DONOTEDIT!-- METAHTTP-EQUIV="Content-Type"CONTENT="text/html;charset=UTF-8" TITLEBookmarks/TITLE Bookmarks/H1 DTH3ADD_DATE="1678077635"LAST_MODIFIED="1679623908"PERSONAL_TOOLBAR_FOLDER="true"书签栏/H3 """ #生成分类字典 category_dict={} bookmark_list=json.loads(json.loads(json_content)) forbookmarkinbookmark_list: ifcategory_dict.get(bookmark['category'])isNone: category_dict[bookmark['category']]=[] category_dict[bookmark['category']].append(bookmark) #获取当前时间戳 timestamp=str(int(time.time())) forkey,valueincategory_dict.items(): #分组标签 group_str='H3ADD_DATE="{}"LAST_MODIFIED="{}"/H3DLp\n'.format(timestamp,timestamp,key) #书签标签 forbminvalue: bookmark_str='AHREF="{}"ADD_DATE="{}"ICON="{}"/A\n'.format(bm['url'],bm['add_date'], bm['icon'],bm['title']) group_str+=bookmark_str group_str+="/DLp\n" result_content+=group_str result_content+="/DLp/DLp" returnresult_content defhandler(args:Args[Input])-Output: sys_uuid=args.input.sys_uuid bookmark_json_file_url=args.input.bookmark_json_file_url #读取json文件内容 content=read_file_from_url(bookmark_json_file_url) #生成书签html文件后返回url output_file_url=upload_file(save_file(sys_uuid,gen_bookmark_file_content(content))) return{"output_file_url":output_file_url} 测试下代码试试： 把生成后的书签html文件下载到本地，浏览器导入： 2.6. AI书签检索这部分就是把所有标题丢给大模型，让它去找其中可能与用户输入关键字最接近的20个书签，起一个代码节点拼prompt： import requests_async async def main(args: Args) - Output: ret: Output = {} bookmark_dict_list = [] params = args.params input_file_url = params['input_file_url'] keyword = params['keyword'] prompt_str = """ 请从下面的列表中选择与 {} 相关度最高的20个，以字符串数组的形式返回： """.format(keyword) response = await requests_async.get(input_file_url) if response: response_json = response.json() for bookmark_info in response_json: prompt_str += " - {}\n".format(bookmark_info['title']) bookmark_dict_list.append({bookmark_info['title']: bookmark_info['url']}) ret['prompt_str'] = prompt_str ret['bookmark_dict_list'] = bookmark_dict_list return ret 「运行测试下：」 接个大模型节点，执行下生成的prompt，输出结果： ?? 不错，后面再加个代码节点，关联下书签链接，格式化下输出结果： importre asyncdefmain(args:Args)-Output: params=args.params match_str=params['match_str'] bookmark_dict_list=params['bookmark_dict_list'] keyword=params['keyword'] output_str='AI检索到可能与【{}】匹配的书签如下：\n'.format(keyword) fetch_title_pattern=re.compile(r'\d+.?(.*?)\n') title_results=fetch_title_pattern.findall(match_str) forbookmark_dictinbookmark_dict_list: fortitleintitle_results: ifbookmark_dict['title']==title: output_str+="-[{}]({})\n".format(title,bookmark_dict['url']) ret:Output={ "output_str":output_str, } returnret 接着试运行看看 「工作流」 的输出结果： OK，运行无误，接着建个Bot把这些都串起来~ 2.7. 写个Bot串起来?? 随便写点东西： 然后我希望通过 「指令」 的形式来使用Bot： 「/tidy 书签html文件URL」 → 自动整理书签分类「/search」 「书签html文件URL 关键词」 → 书签检索然后要建一个 「自动整理书签分类」 的工作流： 「试运行」 输出结果如下： 配置下 「快捷指令」 调用工作流 「：」 书签检索也配上，点击按钮后，输入对应的参数值： 「回车」 看看输出结果： ??估计是 「收藏夹整理」 的工作流耗时比较久，所以一直报 「运行中止」，但是 「试运行」 又是可以的，后续看下这块怎么优化吧，毕竟大模型批处理10次 ?? 3. 小结?? 还是低估了这个 「Bot的复杂度」 和 「大模型输出结果的不稳定性」，踩坑两天，大部分时间都花在改改上了，勉强实现了一个简单的雏形，虽然可用性 ≈ 0，不过也有收获，比如，使用 「Coze IDE 开发」 两个小技巧??： ① 「插件测试没问题，工作流调用，一跑就报错，而且全是这个错」 ?? 能从这个错误信息里看出为啥报错吗？不能 ??，你只能知道插件挂了，没任何意义... ?? 那就自己 「兜底」，给插件代码包一层 「try-except」，「元字典」 里配一个存错误信息的字段： 然后插件蹦的时候，你就能看到错误了，比如我上面的错误就是在这个目录写文件没权限： ???♂? 而且这样玩还有一个好处 → 「插件测试直接通过」，无脑发布~ ② 「插件开发时能写文件，工作流不行」 ???♀? 我上面的报错就是这个，估摸着是不想让人在服务器上 「乱拉」??(建文件) ，所以工作流的这个路径没给写权限。?? 插件还是只用来处理和返回数据，当然，硬要拉，也是可以的，一种粗暴的方式就是向上和向下递归遍历可以写文件的目录，不过不建议这样玩哈 ??： defhas_write_permission(directory): """检查目录是否有写权限""" returnos.access(directory,os.W_OK) deffind_writeable_directory_upwards(directory): """向上递归查找有写权限的目录""" ifhas_write_permission(directory): returndirectory parent_directory=os.path.dirname(directory) ifparent_directory==directoryorparent_directory=='': #已经到达根目录或无更上一级目录，仍未找到有写权限的目录 returnNone returnfind_writeable_directory_upwards(parent_directory) deffind_writeable_directory_downwards(directory): """向下递归查找有写权限的目录""" forroot,dirs,filesinos.walk(directory): ifhas_write_permission(root): returnroot fornameindirs: dir_path=os.path.join(root,name) ifhas_write_permission(dir_path): returndir_path #如果当前目录及所有子目录都没有写权限 returnNone deffind_writeable_directory(): """找到一个可写入的目录""" current_directory=os.getcwd() ifhas_write_permission(current_directory): returncurrent_directory #向上查找 writeable_directory_upwards=find_writeable_directory_upwards(current_directory) ifwriteable_directory_upwardsisnotNone: returnwriteable_directory_upwards #向上未找到，尝试向下查找 returnfind_writeable_directory_downwards(current_directory) #调用处 writeable_directory=find_writeable_directory() ?? 然后也有一些新的灵感，比如： 使用 「多Agent模式」 来解耦，一个Bot专门处理收藏夹整理，一个Bot专门处理书签搜索。用 「数据库」 来存解析后的书签数据，不用每次都贴一个url。「标签分组规则」 的细化，比如：支持多级目录，基于用户的分组规则对未分组书签进行分组。「书签搜索」：支持搜索词 「精准搜索」 和 「AI模糊搜索」，搜索结果附上精简的总结等等...?? 后续会继续打磨，敬请期待~ bot ID: 7368480012469239845 点击关注公众号，“技术干货”及时达！ 阅读原文