醒醒！AI编程工具压根不是给程序员的，而是给每一个想“偷懒”的你
前面给大家介绍过很多AI编程工具，Claude code、codebuddy、Trae等等。 大家可能会想，AI编程工具？我又不是程序员，这东西跟我有啥关系？。 我想说不是的，大家每个人都用得上。 AI编程工具早已不是程序员的专属，它更应该被看作是我们每个人的“效率放大器”。 AI编程工具应该成为我们每个人电脑上必备的软件。无论是IDE、命令行工具还是什么，我们都不应该把它当成什么编程工具，应该当做一个效率工具。我们不需要会编程，会写代码，我们只需要清晰地表达清楚我们的需求是什么，让AI给我们解决就好。 接下来，我会用4个案例，跟大家说，我在日常工作是怎么用AI编程工具的： 一句话，将PDF批量转换为高清图片。 一句话，将上百张照片按“时间地点”智能重命名。 一个指令，实现文章图片自动上传云端并替换链接。 一次提问，让AI带你读懂软件的底层代码逻辑。 格式转换，比如pdf转成图片。 比如，我们现在下载到的发票大部分都是pdf格式，但是我们在保险理赔或者其他场景的时候，需要上传图片格式。这个时候，我们把pdf打开，一个个截图那可真是麻烦死了。 当然，网上有各种工具，那我们要不就得...
GLM-4.6 + Claude Code实战：从入门配置，到一个差点翻车的项目
最近苦于在dify上去做一些MVP验证时，相对来说非常麻烦的问题，比如数据分析报告的生成。 因为在我的理解看来，对于数据表这种结构化数据，现阶段大模型其实并不擅长处理，他擅长处理的反而是非结构化的数据。所以现阶段来说，生成数据分析报告，肯定是需要提前加工好数据的，就是对原始数据做好数据透视，这样才能在一定程度上确保分析报告生成的准确性。 但是类似这汇总分析场景，使用dify的做MVP验证的话，就相对来说比较麻烦一些。因为这涉及到提前设计一些数据分析的脚本，来进行数据透视。相对来说，类似Claude code这种本地的AI Agent或者Trae这种AI IDE，做这件事情就非常擅长了。 不同的工具，有自己擅长的事情，而我们，要找到对自己最有利的工具，并且要用好它。 今天想给大家介绍下我最近经常用的claude code。当然今天主要就是简单地介绍下他的使用方式，深入使用，还是得在具体的业务场景。 1. Claude Code安装及配置Claude Code 安装这里我默认大家都已经安装了nodejs，如果没有安装的话，请大家去下面的网址下载安装下。 Node.js — Run ...
你的 RAG 还在“垃圾进，垃圾出”？我用这套流程，把“废料”文档变成了黄金知识库
最近大家关注Dify的进展的话，应该知道它的版本更新直接从1.8.0—>2.0.1了。跨越了一个大的版本。它本次的主要更新就在于知识库构建的知识流水线。 我认为Dify2.0以后的知识流水线会极大地降低了构建知识库的门槛，未来也许能高效处理 80% 的相对标准的文档。 但是，仍然会有20%，还是要依赖于我们人来手动处理。 我们都知道，现阶段来说，对于知识库，仍然是一个垃圾进垃圾出的状态，因此，在构建知识库之前我们需要对知识文档做很多的预处理。 今天这篇文章的分享，其实也是想给大家分享下我们自己手工处理文档的数据清洗思路。 1. RAG知识库的瓶颈知识库的质量不取决于模型，而取决于“垃圾进，垃圾出”的铁律。真正的瓶颈是ETL（抽取、转换、加载）过程，尤其是从非结构化源文档到结构化知识块（Chunks）的转换过程。 我们每个公司其实私有的数据量，私有的文档是非常庞大的，而它的内容又是千奇百怪的。针对一个合同，就可能有几十几百种格式，所以指望一套流程来完成这个非结构化源文档到RAG知识库的转变基本是不可能的。 我们如果想偷懒直接将某个文档上传到RAG知识库，就希望他回答的10...
我如何将一个Dify周报助手，从Demo迭代到生产可用（附踩坑经验）
整理十几个人的周报，是不是特烦人？ 我也烦，所以我用Dify搞了个自动化助手，从一个时不时抽风的玩具，迭代成了能在生产环境稳定跑的周报助理。 这篇文章主要就是记录下这个周报助理达到生产可用的过程和 几个问题的解决方法： 当模型输出不稳定时，别死磕Prompt，用“代码节点”这种确定性的方法才是王道。 不会写代码？没关系，现在AI就是你最好的程序员，我教你怎么让它给你打工。 工作流里那些意想不到的“小坑”（比如超时、渲染失败），怎么提前规避掉。 如果你也想把手里的 Agent 从 Demo 搞成真能用的东西，这篇文章的经验，你绝对能直接拿去用。下面，咱们就从头盘一盘这个“打怪升级”的过程。 1. 从0-1，先让Agent跑起来再说第一版，搭个简版大家可以看到第一个版本相对比较简单，就是一个判断节点+两个LLM节点。 因为初始版本只是想快速验证是否可行。 当然，一定是可行的，因为我自己拿着历史大家提交的原始版本和整理后的版本，反复迭代了一版提示词， 这个提示词有两个，本周的提示词和下周的提示词，并且将提示词在最好的模型上验证过（记得脱敏的，大家可千万别随便拿自己的数据去外面瞎搞...
我用AI开发Dify工具，意外发现一个“邪修”法门：让它自己对答案
1. 引子最近在做了一个邮件通知的小助手，这个dify工作流非常非常的简单，如下图所示，一个Agent的mcp查询节点，一个格式转换节点，一个邮件发送节点。 但是碰到了一个问题，就是受限于内部模型的能力，在react模式下调用mcp服务进行查询时，如果查询的数据量一旦超过10条，直接就会缺失非常多的数据。 但是如果使用其他模型，则不会出现这种问题。 所以最初，是想着下一个版本的优化，将Agent查询节点修改为http请求。又要有个但是，出现的问题是，不知道是什么原因，在内部使用这个http请求节点的时候，永远都是网络不通，而其实服务器和这个查询服务的地址是特意开通了的，使用代码访问就完全没问题。 所以最后的的方案就是继续让开发同志搞一个查询工具出来（因为之前碰到过邮件插件不好使的时候，开发同学也是这么干的）。 但是我感觉这事儿，根源还是得让运维同志解决。哈哈。 当然，这个点，也是我们今天这个事儿的起源。 后来开发同学实在是有点忙，而我呢，又着急用，所以就让开发同学给我个案例（邮件的那个）我看看复杂不，能用AI干不，我一看，这不是Python嘛，还就一个文件，AI应该比较擅长啊。...
保姆级教程：手把手教你用Dify实现完美多轮对话（附Chatflow和提示词）
在这篇文章里，我想和大家分享一下我是如何一步步建立一个问答助手Demo的经历。过程中遇到了一些挑战，但同时也找到了解决办法，希望能给正在尝试类似项目的朋友们带来一点帮助和启发。 关键词：Dify 智能助手 记忆 多轮问答 1. 初版Demo创建应用首先，我们打开Dify，选择创建空白应用，随意取一个名字，创建一个chatflow。 创建应用后，打开界面如下，则直接就是 开始—–>大模型——>直接回复。 按照常规思路，很显现，现在需要一个知识库，比如用于回答公司内部的政策。所以我们需要加一个知识库节点。 ok，现在按照顺序，明显我们需要开始准备知识库了。 知识库的简单说明_一个问答助手，能不能准确的回复用户的问题，主要在于3个方面_： 知识库是不是构建的相对比较好，比如分块逻辑，块大小，检索逻辑等等。 LLM节点的提示词写的是不是足够好，足够稳定。 是不是很好的能理解用户的问题。 首先，构建知识库的时候，不要寄希望于丢几个 PDF 给嵌入模型，就可以有很好的效果。 比如我有一个PDF文件，我先实验了一下直接导入行不行，选择知识库—新建知识库—选择上传...
保险产品推荐
最近业务提了一个保险产品推荐的需求。但是其实业务并不知道如何让AI来做，也不知道AI能做到什么程度。 只是简单地在需求里面写了有车无房推荐车险，已婚未育，推荐xx医疗险。 和业务反复聊了好几轮，其实他们也不知道自己想要什么。 迫于无奈，只能基于自己对医疗险的简单理解，做了一个小小的demo出来引导他们的思路。 Demo实现Demo的实现，主要是基于Dify。 知识库准备虽然仅仅是个demo，开始的时候还是希望业务提供一些产品的条款，但是反复拉扯多次，没有拿到，也可能是因为代理业务刚刚开始，没有也是正常。 最后很无奈，只能自己搞一些假数据出来。 就使用父子分段的方式，将假数据，直接导入了知识库。 工作流搭建这个demo工作流建立的背景主要有以下几点： 这个产品推荐的Agent后续计划主要面向的是公司的销售人员或者说代理人。 暂不考虑直接面向客户，所以相对来说，不需要考虑太多业务上的风险，因为代理人可以进行人为筛选或者说复核。 因为是Demo，所以没必要投入太多时间。 通过上图可以看到，这个Demo工作流总共有两个LLM节点，一个知识库检索节点。他的整体运行逻辑如下： 信息收...
“如果不是AI，我肯定搞不定”：我用Vercel重构个人博客，顺手实现了“图片一键搬家”
最近又捡起来了我的博客，上次更新还是3年以前了，哈哈。 原来我的博客是使用hexo+github搭建的。hexo用于生成静态页面，github用于保存静态页面的代码，再通过阿里云的域名解析到github项目地址。 原来的搭建思路可以查看hexo-next | 吏部侍郎； https://www.qianshu.wang/posts/a3a69e9b/ 因为最近总是听到别人说vercel，所以就想着自己也试试用它来展示博客，想到就开始干了。 1. 安装hexo当然，hexo的安装是非常简单的，但是对于我们非技术人员来说还是有一定的门槛，不过我们参考官网的步骤，基本都可以一次成功，如果失败了，那八成是由于win电脑的各种环境变量问题。 详细的步骤，我们可以参考hexo官网的详细使用教程。 https://hexo.io/zh-cn/docs/ 主要是准备好node.js环境和git工具。当然我们也可以首先看下自己有没有安装这两个东西，首先我们可以点击开始菜单，右键选择终端管理员。 node --version// 分别输入npm --version 如果正确输出了...
当产品经理开始AI编程(二)：从一次失败的重构中领悟的AI协作之道
因为最开始的提示词插件版本在小屏上展示很不友好，所以起了重构UI的心思。 **我以为这只是一个简单的UI美化任务，最多一两天就能搞定。没想到，这个‘小念头’却把我拖入了一场持续2周的重构深渊 **。 大家应该还记得我们第一版的UI提示词展示的时候，非常大，占位置，因为他是一个卡片的形式。 大家也可以看下 当产品经理开始AI编程：一个提示词插件的诞生记与我的AI协作心得 回忆下。 从头铁硬改到灵魂拷问第一回合：AI大力出奇迹？结果BUG遍地 比如Deepseek设计的一版： 当然Gemini也设计过很多版本。但是实际执行时，我会发现，Trae改出来的UI， **会导致大量的功能性BUG，甚至页面都打不开 **。 这个时候，我感觉到了不对，我只是重构了下UI或者说CSS，怎么会导致功能不可用呢？而且我已经在提示词里面加了最小化修改等等的要求。 第二回合：问题在AI，还是在我？难道是我没有找到Trae的正确打开方式吗？ 所以这个时候，我就开始让Gemini开启了DeepResearch模式，来研究...
当产品经理拿起AI“代码笔”：一个提示词插件的诞生记与我的AI协作心得
消失差不多快三周了，去干什么了呢。去搞AI编程了。就纯粹的迷上了AI编程的成就感。 起因是，看到自己关注的一个博主@云舒，发了一篇公众号文章，讲述他的AI编程过程，他做了一个提示词管理的插件出来，我也就突然想，我之前一直做的都是使用大模型做一个网页，让他最多也就是使用html画一个产品的原型出来，实际其实并没有尝试过AI编程做一个东西出来。 作为一个立志要懂业务和技术的AI产品来说，这怎么能行呢。我需要知道AI编程能做什么，能不能做出来，只看别人写的是不够的。 纸上得来终觉浅，绝知此事要躬行。 因此说干就干，从6月9号开始，到6月22号结束，工作日每天晚上干3个小时，周末了就多干一会，终于也搞了一个提示词浏览器插件出来。 核心功能： 提示词的增删改查。 大模型对话网站输入框快速唤醒提示词搜索框。 云端同步。 本次开发使用的AI： Trae（80%的工作），量大管饱还便宜，最主要支持国内付款（PS：600次，我现在只剩40次，走了太多弯路）。 Gemini（18%的工作），写需求，联合Trae一起排查解决问题。 Deepseek（2%的工作），搞了几个页面设计...