AI赋能中药识别：Coze工作流的实践案例

五一好啊~

昨天既然提到了 Coze五一游玩，扣子不职场，帮你出谋划策，今天就好好聊聊我和它的缘分。

甚至去年我用它作为主工具，开发了几套课程AI化的完整课件项目用于交付，今天与大家分享一下~

最开始接触 Coze 是 24 年年底。

那会儿真正进我视野的其实是飞书多维表格，当时一个特别典型的应用，就是批量处理自媒体的文章配图。提示词生成标题、选题、正文润色，多维表格全能搞定。

但有一个痛点当时它解决不了：精细化的、个性化的图片生成。

所以当时自媒体早期那一批技术比较溜的玩家，都走的是一套组合拳——

文字批量 + 图片精细化存储，整套就跑起来了。具体细节我就不展开了，反正 Coze 就是这么进我视野的——它是来补飞书多维表格"不够自动化"那一块短板的。

后来真正去碰 Coze，了解工作流节点、参数设置那些，确实门槛比其他功能要高不少，需要一些编程或者代码的基础。

但它给普通工作者带来的自由是真的大。

它当时对标的是Dify、FastGPT这种更复杂的工作流平台。再加上字节系的身份，投资和推广都很猛，整个生态都特别好。

到了 25 年，我和 @赛博小熊猫Loki 还参加过一次 Coze 的线下活动——看到 Coze 已经被嵌进各种 AI 玩具、AI 硬件里头了，开发者拿它做产品。

Coze 的生态版图一直在扩张，而且真的进入了商用的阶段。

铺垫完了，进正题。

去年 10 月到 12 月那段时间，我接了几所大学院校的课程 AI 化改造需求。简单说，就是老师正常讲教材的同时，多加一些 AI 实训课，让 AI 能真的结合他们的专业落地。

我挑一个特别有意思的案例讲——某院校的中医药专业，做中草药性状识别的课题。

整个项目我们拆成了三大模块：

今天只展开第一块。

第一模块的目标，其实是先帮学生建立几个最基础的认知：

要让学生能识别一张中草药图片，技术上其实就两件事——

第一，给到模型足够清楚的"我是干嘛的、你要找什么特征"——这就是提示词 + 药材专业词汇。

第二，给到模型一个能看图的能力——图片识别。

这两件事单独哪一件，豆包都已经够用。但要让学生形成稳定的、可控的、可复现的识别流程，单靠豆包窗口是不够的——所以我们把它包进了 Coze 工作流。

这块我们和老师讨论很久，最后决定在课件里还是把生成效果的影响因素单独拎出来强调一下。

1. 相似药材难以区分。AI 在识别形态高度相似的中草药时，容易出现混淆。比如防风和黄芪都是常用的根类中药，在外观上有非常多相似之处，模型经常翻车。

2. 图片本身的质量影响极大。拍摄的清晰度、光线、角度，都会直接影响模型识别中草药的准确性——同一味药，光线打不对，模型就给你识成另一味。

3. 大模型对少见或地域性药材识别能力有限。就像大模型这本"字典"里只收录了常用字，遇到生僻的方言用字，它就查不到读音和含义——因为它没收录这些"小众信息"。

当然其中我们也踩过相当多的坑，做了非常多模型相关的实验，放一张很初级的提示词和通用大模型识别准确率的图，就知道有多离谱了一些我们明确从老师那里拿到的药学图片，识别的一塌糊涂，还是和老师沟通后以实践AI工具为最优先，模型能力和学生的能力会逐渐提升的，准确率也会更好，也引到了我们使用模型训练的方式进行的第二大PBL模块的尝试。

我们希望学生的产出，不是模型吐一句"这是黄芪"就结束。

我们希望它出来的是这样一张卡片——

这种卡片对学生才有用，因为它对应的是专业课本里的鉴别框架，而不是 AI 给的一句标签。

精确度也是这里头要平衡的——在教学效果和识别准确率之间，取一个学生用得起来、又不至于离谱的中间值。具体细节我就不展开了。

简单说一下我们带学生走的路径：

整套打下来，学生从"对 AI 一无所知"，到"能讲清楚 AI 为什么这次识别错了，下一次怎么改提示词让它对"。

这件事在去年 10-11 月份得到了老师的认可，最后是用进了教材的。

其实现在不少院校都在做类似的事情。

如果学校自己有训练能力，那是另一条路（明天讲）；但就算不做训练，光是用 Coze 工作流，就已经能给学生把整条流程跑通。

而且这只是Coze 1.0的技术能实现的事，昨天刚出的Coze 2.0我们有机会再展开。这三天，先把过去 1.0 就能跑通的成果跟大家分享一下~

简单预告一下：

整个核心功能的探索和实践都是在去年 coze 1.0的时候就已经能够满足学校专业一些AI课程化的探索。

今年继续使用不同难度实现方式，满足各种实际场景需求，从豆包到coding，能抓到老鼠的就是好猫。

咱们杀鸡绝不用牛刀，主打一个易用且精准满足需求。其实还有很多可以与大家分享的主题和实际案例，如果你感兴趣，欢迎留言与我讨论~

我是刘旭，我们明天见。