今天我们继续来第二节课程内容，我们今天主要给大家分享一下如何通过阿里云百炼去构建自己的AI应用并通过很方便的方式去发布在不同的渠道，创建完成后，您可以根据需求将AI机器人回调地址或二维码分享给目标用户。只需简单配置，即可在钉钉或微信公众号平台上创建具备大模型能力的AI机器人。

为什么使用智能体应用？

大模型具有强大的语言理解和生成能力，但也存在一定的局限性，例如：

无法回答私有领域问题（如公司制度、人员信息等）；
无法及时获取最新信息（如实时天气、比赛结果等）；
无法准确回答专业问题（如复杂数学计算、图像生成等）。

为了提升用户体验和增强业务竞争力，越来越多的企业会构建 AI 助手，以便全天候（7x24）回应客户咨询。在阿里云上，只需几分钟即可构建一个 AI 助手，并发布到网站、钉钉或微信公众号中。

适用于以下客户场景：

有企业官网、钉钉、微信等渠道，期望为客户提供产品咨询服务
缺少技术人员开发大模型问答应用

智能体应用基于大模型，通过集成特定的外部能力，能够弥补大模型的不足。外部能力指的是大模型本身不具备的功能，例如实时信息获取、回答私有领域问题等。您可以在百炼控制台通过零代码的方式创建智能体应用，并将外部能力集成到应用中，从而解决您的具体业务需求。

智能体应用的典型场景

私有领域知识问答：您只需准备好相关知识库文件，就可以在百炼控制台快速创建一个私有领域知识问答应用，应用场景包括公司制度、人员信息等。
个性化聊天机器人：百炼提供了长期记忆功能，可以保存关键历史对话信息，从而提供个性化的聊天体验。平台还集成了夸克搜索和图像生成等插件，进一步扩展了聊天机器人的功能。
智能助手：通过引入RAG（检索增强生成）能力、长期记忆和自定义插件等功能，您可以构建一个智能助手，帮助提升工作效率，如处理邮件、撰写周报等。

AI客服 vs. 人工客服：优劣势对比

要想高效解决用户问题，客服系统必须具备一个结构清晰、全面的FAQ库。例如，在订票平台中，基于用户的账号信息或购票路径，提前呈现用户可能遇到的问题及对应解答，这比等待用户逐一选择问题更为高效。FAQ库不仅需要覆盖常见问题，还应根据实际场景进行动态更新，确保系统的响应能力。下面列举订票平台搭建FAQ的几种视角（内容不全，抛砖引玉）

原文可以参考：https://www.woshipm.com/ai/6131879.html

企业客户实践案例

内部业务助手

通过企业内部规章制度、部门结构、产品介绍等文档构建知识库，并借助RAG智能体实现内部知识问答功能。系统支持多源异构数据，并通过复杂文档解析和视觉增强技术，提升文档理解的准确性与深度。目前该功能已灰度上线，需提供UID并通过白名单进行开启。

阿里云内部产品助手：

医疗助手/法律助手/智能导购

构建领域专属知识库，为普通用户提供基础的医疗和法律知识，并提供准确的就医和法律援助建议。系统在基于相似度阈值筛选初步搜索结果的基础上，进一步引入大模型的智能分析能力。

通过相似度阈值筛选出与用户查询相关的初步结果，然后利用大模型对这些结果进行深度分析，评估其与用户查询的关联度。此方案结合了规则性与智能性的优势，具有较高的判定准确度，但判定速度稍慢，并且会产生额外的大模型调用费用。适用于那些需要高度定制化和智能化搜索服务的场景，有效减少了在企业场景中海量数据带来的数据混淆和模型幻觉问题。

步骤一：创建智能体应用

进入应用创建页面

访问百炼控制台中“我的应用”，单击新增应用，在智能体应用页签，单击直接创建。如果您之前已创建过应用，则单击右上角的新增应用。

控制台页面链接：https://bailian.console.aliyun.com/?spm=5176.29619931.J__Z58Z6CX7MY__Ll8p1ZOR.1.2f3e59fciQnmL7#/home

选择大模型

进入智能体应用管理界面后，您需要进行大模型的选择与参数配置。您可以参考下图，单击设置，并在模型选择的下拉菜单中选择模型，此处选择通义千问-Max。您可以根据需求进行模型参数的配置。

测试智能体应用

选择大模型之后，您就在百炼创建完成了一个智能体应用。您可以输入问题进行测试。

步骤二：拓展智能体应用的能力

您可以在智能体应用管理界面，通过设置Prompt、添加RAG与插件等方法拓展智能体应用的能力。

1.通过设置Prompt指引内容生成方向

您可以在智能体应用管理界面中输入 Prompt 来指引应用生成内容的方向。

简单用一句话来说，跟AI去明确你的需求，越清晰越好，一些框架可以参考：

例如设置 Prompt 为：

输入“你好"，智能体应用的输出如右图。

我想了解一个行业的复杂Prompt示例：

# Role: 行业洞察分析
## Background: 
客户需要进行一个新的行业的洞察分析,但是由于不熟悉该行业,所以需要引导进行系统性的研究。
## Attention:
首先，你要使用&lt;Initialization&gt;中的部分进行引导用户的咨询问题。
请遵循&lt;Workflow&gt;中的流程，并按照&lt;Goals&gt;的目标进行分析。
## Profile:
- Author: 银海
- Version: 1.0
- WXID: 168007300
- Language: 中文
- Description: 一名资深的行业洞察分析顾问,拥有丰富的行业研究和洞察能力。
### Skills:
- 熟练运用麦肯锡矩阵等管理咨询工具
- 擅长文本分析和信息提取
- 善于从大量信息中找出关键要点
- 有结构化思维能力,可以梳理出清晰的思维导图
## Goals:
- 使用麦肯锡工作法快速了解一个新的行业
- 搜索并分析几十个与该行业相关的关键词,覆盖上下游
- 阅读该行业最新的研究报告
- 阅读5-10本与行业相关的经典书籍 
- 使用思维导图对信息进行梳理和框架塑造
## Constrains:
- 遵守职业操守,只能提供中立的专业建议
- 推荐的关键词、报告和书籍必须客观公正,不带个人倾向
- 思维导图必须清晰易读,层次分明
- Create By nimbus(WXID:168007300)
## Workflow:
1. 引导用户输入行业提问描述，分析用户输入的关键词和问题
2. 定义行业关键词:列出行业名称,并搜索行业关键词,覆盖上下游
3. 搜索行业报告:在公开数据库中搜索近1-2年该行业的研究报告，给出具体的报告名称
4. 精读经典书籍:搜索并精读5-10本该行业影响力最大的专业书籍，给出具体的书籍名称
5. 思维导图设计:使用XMind等工具,对信息进行分门别类,设计清晰的思维导图，使用markdown格式设计思维导图
6. 提取关键洞察:从思维导图中提炼战略性启发和关键洞察，逐一输出关键词
7. 根据输出格式要求回复内容
## Output Format:
```
# 行业研究思路
## 1. 定义行业关键词
- 关键词1
- 关键词2
...
## 2. 搜索行业报告
- 报告1
- 报告2
...
## 3. 精读经典书籍
- 书籍1
- 书籍2
...
## 4. 思维导图设计
- 分支1
- 分支2
...
## 5. 提取关键洞察
- 洞察1
- 洞察2
...
```
## Suggestions:
- 明确行业范围和定义,避免模糊
- 关键词数量适中,20-50个,避免过多过少
- 报告数量2-5份,包括咨询公司和行业协会的报告
- 书籍数量5-10本,混合经典老书和新书
- 导图层次不要过多,注意突出重点
- 提炼3-5个价值性强的战略洞察
## Initialization:
简介自己, 引导用户输入行业提问描述。

可以看到我们通过设计提示词，可以影响大模型最终输出的内容。

当然，我们今天的重点并不是完全放在提示词上！我们会更侧重去讲一下这个发布渠道的生态。

2.通过RAG提升领域知识问答能力

RAG可以显著提高大模型在处理私域知识或垂直领域问答时的效果。此处向您展示通过百炼控制台操作将RAG的能力集成到智能体应用中的过程。

知识库问答的核心本质是RAG，所以这个时候就需要使用RAG技术能力了，那么什么是RAG呢？

（1）上传文档：用户上传包含知识的文档，支持 txt、pdf、docx 等格式，LangChain Chatchat 会将文档转换为 Markdown 格式

（2）文本切割：为了便于分析和处理，将长文本切割为小块（chunk）

（3）文本向量化：将切割的 chunk 通过 embedding 技术，转换为算法可以处理的向量，存入向量数据库

（4）问句向量化：用户提问后，同样将用户的问句向量化

（5）语义检索匹配：将用户的问句与向量数据库中的 chunk 匹配，匹配出与问句向量最相似的 top k 个

（6）提交 Prompt 至 LLM：将匹配出的文本和问句，一起添加到配置好的 prompt 模板中，提交给 LLM

（7）生成回答：LLM 生成回答，返回给用户

RAG研究范式不断发展，本节主要描述了其发展过程。我们将其分为三种类型：基础RAG（Naive RAG）、高级RAG（Advanced RAG）和模块化RAG（Modular RAG）。下图简单的说明了这三种RAG的工作流程：

基础RAG

简单来说，基础RAG（检索增强生成）是一种将外部信息检索与大语言模型（LLMs）结合的技术。它的原理是，首先根据用户的查询，从外部知识库或数据源中获取相关的信息，然后把这些信息和模型本身已掌握的知识结合，生成更准确的回答或文本。

但是，基础RAG有一些局限性：

只能处理文本数据：它主要针对的是文本信息的检索和生成，对于图像或音频等多模态数据支持不足。
无法进行复杂对话：它的生成通常是一次性的，不能进行像人类对话那样的多轮互动。
效率较低：有时需要频繁地进行检索，这会让整个过程变得比较慢。

由于这些问题，后来研究者们发展了更高级的RAG技术，像高级RAG和模块化RAG，它们能更好地解决这些限制，适应更多的应用场景。

高阶RAG

高级RAG（检索增强生成）的目标是解决基础RAG的一些不足，提升其在更复杂应用中的表现。它结合了一些创新的技术和方法，让RAG能够应对更具挑战性的任务。下面是高级RAG的一些关键特点：

多模态支持：与基础RAG主要处理文本不同，高级RAG可以处理多模态数据，比如图像、音频和视频。这使得它在处理多媒体内容时非常有用，比如图文结合的应用或语音识别。
对话性增强：高级RAG能够处理更复杂的对话，支持多轮问答。这意味着它在像聊天机器人、虚拟助手等应用中，能够更自然、更深入地与用户交流。
自适应检索策略：高级RAG具有智能的检索机制，可以根据上下文和任务的需求自动决定何时进行检索，何时使用检索到的信息。这样可以提高效率，同时避免不必要的检索操作，提升整体性能。
知识融合：高级RAG能够更好地将外部知识（比如从文献、网页等处获取的资料）与模型的内部知识结合，从而生成更有价值、更精准的回答。这在一些需要大量领域知识的任务中尤其有用。

总体来说，高级RAG不仅扩展了基础RAG的功能，还解决了它在处理复杂任务时的局限，使得它能够在更广泛的应用中表现出色，推动了自然语言处理和人工智能的进一步发展。

模块化RAG

模块化RAG（检索增强生成）是RAG的另一种进化形式，主要侧重于提供更高的定制性和灵活性。与基础RAG和高级RAG不同，模块化RAG将RAG系统拆分成多个独立的模块或组件，每个组件负责特定的功能，便于根据不同需求进行灵活组合和定制。

以下是模块化RAG的关键特点和概念：

组件化架构：模块化RAG将RAG系统拆分为多个独立组件，例如检索组件、生成组件、评估组件等。这些组件可以根据任务需求独立工作，甚至可以互相替换。这种架构提供了更高的灵活性和可定制性。
可插拔性：模块化RAG允许开发者轻松地插入新组件或替换已有组件，以便适应不同的任务或数据源。这种特性使得系统的扩展和更新变得更加便捷，能够根据具体需求灵活调整。
自定义管道：模块化RAG允许用户根据特定任务需求配置和设计自定义的处理流程或“管道”。例如，可以将检索、生成和评估等不同组件按特定顺序排列，创建适合某一场景的RAG系统。这让RAG能够更加精准地满足各类应用需求。
集成外部工具：模块化RAG支持与外部工具和资源的集成，如不同类型的知识库、检索引擎、生成模型等。这种集成能力扩展了系统的功能，使得它能够访问更多的数据和资源，提升系统的能力。

模块化RAG的优势在于它的灵活性和定制性，允许根据具体应用场景和任务需求构建最合适的RAG系统。对于需要处理复杂任务的自然语言处理系统，模块化RAG是一种非常有用的方法。

那么如何建设高质量的企业知识库呢？

在做知识问答的过程中，将企业复制的知识文件进行数据格式化清洗是个最基础且耗时的活。

文档类型与命名

类型：推荐使用Markdown或Excel表格的格式。相较于Word和PDF，我们推荐使用Markdown/Excel格式以获得更佳的文档处理效果。
编码：推荐使用UTF-8编码，以确保字符兼容性最佳。
文档命名：文档名用词简洁明了，不同命名之间应有明显差异，便于模型理解。避免使用含义不明的英文缩写、数字或符号。

反例

正例

《编码规范》、《安全规范1》、《安全规范2》、《SR3》这些命名缺乏具体性，不易区分，且可能造成混淆。

《Java语言编程规范》：明确指出了编程语言和文档性质。

《API数据安全管理规范》：指出了文档内容和目的。

《云账号安全使用管理规范》：清晰地表达了文档的主题和适用范围。

文档结构

层级结构：需采用多级标题来组织文档内容，避免将信息堆砌在单一段落。特别是对于专有名词的释义，每个专有名词建议单独成行。
各级标题：各层级标题含义清晰用词简洁明了，不同标题之间有明显差异。避免使用含义不明的英文缩写、数字或符号。避免罗列文章关键词，会对模型造成干扰。

反例

正例（/* */部分为优化说明）

《AK安全使用规范》
【目录】
关键词：AK、安全规范、Access Key
一、 定义
Access Key（简称AK），是用于身份验证的一种密钥对，由Access Key ID 和 Access Key Secret 组成。它允许用户通过API调用安全地访问系统服务。本规范旨在明确AK的使用规则，确保系统的安全性与稳定性。Access Key ID是代表用于标识用户的身份。Access Key Secret是代表用于加密签名，保证请求的唯一性和不可抵赖性。
二、 使用原则
确保Access Key Secret的保密性，不得泄露给任何未经授权的第三方。遵循最小权限原则授予API调用权限，仅授予完成任务所必需的权限。定期每90天更换Access Key Secret。记录AK的使用情况，并定期审查使用日志，确保没有异常行为，以及在不需要时及时撤销其权限。
三、 安全实践
为确保访问密钥（AK）的安全，我们实施了以下简化的安全实践：在生产环境中，我们优先使用环境变量存储AK，避免硬编码；通过配置管理系统统一管理AK，防止其在代码中的直接暴露。同时，我们对日志进行过滤，确保AK的Secret信息不会被记录。我们还定期进行权限审查，确保AK仅拥有执行必要操作所需的最低权限。此外，建立了异常检测机制，以便快速识别并响应任何可疑的AK使用活动。这些措施共同保障了AK的安全和合理使用。
四、 API调用示例
● 示例1
Node.js中使用AK/SK进行API调用： 在Node.js中，可以使用axios库来发送API请求，并在请求头中包含AK和SK。例如，使用AK和SK进行签名认证的API请求可能如下所示：
【示例代码块】
● 示例2
Python中使用AK/SK调用API： 在Python中，可以使用requests库来发送带有AK和SK的API请求。以下是一个示例代码，展示了如何构建请求并添加签名：
【示例代码块】

《AK安全使用规范》
/*
去除干扰元素：文章开头的目录、关键词等无需召回的内容可以删除，以减少干扰。
专业名词解释：专业名词及其解释应以条目形式列出，以便于模型更好地查找和理解。
 */
一、 定义
● Access Key（简称AK）：是用于身份验证的一种密钥对，由Access Key ID 和 Access Key Secret 组成，它允许用户通过API调用安全地访问系统服务。
● Access Key ID：用于标识用户的身份。
● Access Key Secret：用于加密签名，保证请求的唯一性和不可抵赖性。
/*
避免使用大段落陈述，建议采用分点陈述的方式，以便模型更容易理解
 */
二、 使用原则
● 保密性：Access Key Secret 必须严格保密，不得泄露给任何未经授权的第三方。
● 最小权限：授予API调用的权限应遵循最小权限原则，仅授予完成任务所必需的权限。
● 定期轮换：定期更换Access Key Secret，推荐每90天更换一次。
● 监控与审计：记录AK的使用情况，并定期审查使用日志，确保没有异常行为。
● 及时撤销：当不再需要使用某个AK时，应及时撤销其权限。
三、 安全实践
● 环境变量：在生产环境中，使用环境变量而非硬编码的方式存储AK。
● 配置管理：使用配置管理系统来管理AK，避免直接在代码中出现。
● 日志过滤：确保日志记录中不会出现Access Key Secret。
● 权限审查：定期检查AK的权限设置，确保符合最小权限原则。
● 异常检测：建立异常检测机制，及时发现并处理可疑活动。
/*
关于API调用示例部分，示例层级的名字不清晰，其中“示例1”和“示例2”，需要修改为某个示例的具体名字
*/
四、API调用示例
● Node.js中使用AK/SK进行API调用示例
 在Node.js中，可以使用axios库来发送API请求，并在请求头中包含AK和SK。例如，使用AK和SK进行签名认证的API请求可能如下所示：
【示例代码块】
● Python中使用AK/SK调用API示例
在Python中，可以使用requests库来发送带有AK和SK的API请求。以下是一个示例代码，展示了如何构建请求并添加签名：
【示例代码块】

文档章节和段落

将相关性强的内容尽量聚集在同一段落或章节内，以确保数据处理文档切片的准确性和相关内容的连续性。
避免指代或缩略关键信息。如果遇到内容相同，避免“同上”或“与某个模块相同”这样的表述，应该具体写明内容。
避免无意义的空行。
建议利用项目符号（如Markdown中的“-”或“*”）和有意义的缩进来分点阐述，可以在一定程度上辅助模型更准确地理解。

反例

正例

无意义的空行

6.3 方法的接收器
推荐以类名第一个英文首字母的小写作为接收器的命名。
接收器的命名在函数超过`20行`的时候不要用单字符。
命名不能采用 `me`，`this`，`self` 这类易混淆名称。

去掉无意义的空行

6.3 方法的接收器
● 推荐以类名第一个英文首字母的小写作为接收器的命名。
● 接收器的命名在函数超过`20行`的时候不要用单字符。
● 命名不能采用 `me`，`this`，`self` 这类易混淆名称。

使用省略描述或指代描述

4.6 Go语言的接口命名规则
命名规则和结构体命名规则一致。
或
同3.2章《命名规则和结构体命名规则》

需要详细阐述具体内容，避免使用同上、缩写或指代词

4.6 Go语言的接口命名规则
● 采用驼峰命名方式，首字母根据访问控制采用大写或者小写。
● 结构体名应该是名词或名词短语，如 Customer、WikiPage、Account、AddressParser，它不应是动词。
● 避免使用 Data、Info 这类意义太宽泛的结构体名。

特殊内容与媒体处理

当文档段落中出现图片、表格时，应该对应注意以下几点：

文档中关于表格的处理：

表格格式要求：表格的第一行应为表头，不要将表格名称作为表格的第一行内容。
表格结构说明：对于表格结构没有特别的要求。可以根据内容的需要自由设计列和行。
保持样式简洁：建议去除所有不必要的格式，如背景色、字体样式等。表格线条应保持清晰，使用默认的线条样式。
补充说明：

企业标准版，由于表格处理能力仍在持续优化，建议在文档中尽量减少表格，或考虑比如文本列表等替代方式来展示表格数据。
企业专属版与私有化版本，通义灵码已经具备了更高级的表格处理能力，可确保表格数据的准确性。

文档中关于图片的处理：

优先使用文字：尽可能地使用文字表达信息，如果图像中的文字比较少且包含重要信息，建议将信息转录成文字的形式。
添加图示说明：确保所有核心图都有图示说明（即图解或说明），图示说明应清晰地解释图中的主题。

其他通用注意事项：

特殊字符：避免包含表情包的特殊字符，以免造成解析问题。
页眉页脚、水印、批注：避免包含批注、页眉、页脚或水印，以免造成不必要的干扰。
文档背景：文档每页尽可能无背景，复杂背景容易造成干扰。
统一文字方向：确保文档中所有文字的方向一致。
音视频：避免包含音视频等多媒体内容。

不同类型文档的处理准则

Markdown：建议优先使用Markdown格式。
Word：

使用更新格式：优先采用2007版或之后的Word格式。
使用全局样式：统一使用全局标题和段落样式。
避免字符样式：不要使用字符样式，如特殊字体格式、边框和底纹。
使用段落样式：应使用段落样式来保持文档格式的一致性。

PDF：

避免使用图片：不要直接将图像转换成PDF文件。应该将图像中的重要信息转录成文本，并按照本文中的文档规范要求进行组织。
不包含嵌入压缩文件： 请确保文件中不包含嵌入的压缩文件。
保持文档单栏布局：避免双栏并排形式，以确保内容被正确解析。

CSV：

避免使用图片：不插入图片，以确保文档的文本可搜索性。
不嵌入压缩文件：不要在文档中嵌入压缩文件。
表头作为第一行：在表格中，将表头放在第一行，不要将表格名称作为表格的第一行内容。
特别说明：

推荐用法：保存FAQ（常见问题解答）中的问答对。FAQ的问题表述清晰明确，答案简洁易懂，使用用户熟悉的术语，突出关键词，以提高检索召回准确度。例如：
不推荐：在CSV中上传复杂的关系型数据表。可能会导致数据处理时间超长，导致数据处理失败。

🌟 希望能够深入了解RAG的同学可以进入知识库专区中了解：RAG 专区

上传数据

回到百炼控制台，我们先上传一下数据。

下面我们就来上传数据，此处选作为知识库文件。在导入数据界面，将文件通过本地上传方式导入。

我这边也提供了一份测试数据供大家使用，电商服饰类数据：百炼系列电商服饰介绍.docx

回到我们的智能体中：

创建知识库：

访问知识库索引，单击创建知识库。在创建知识库界面填入知识库名称与知识库描述，此处设置知识库名称为：百炼手机产品介绍，知识库描述为：本知识库包含有百炼手机产品的详细介绍。其它保持默认选项即可，单击下一步。

单击选择文件，类目位置单击默认类目，文件名称选择我们提供的文件数据。单击下一步。

数据处理，使用默认的智能切分。单击导入完成。

当状态为解析完成时，表示知识库创建完毕。

在应用中集成 RAG

1.访问我的应用，单击已创建应用卡片的管理按钮，进入智能体应用管理界面。单击知识库检索增强按钮Prompt 中会自动填入让大模型参考知识库的指令。单击配置知识库，然后从列表中选择电商服饰类数据，其它选项保持默认即可。

2.向输入框输入问题：

给我推荐一件上衣

从右图可以看到，在集成了 RAG 能力后，智能体应用可以根据上传的知识库文件来回答问题。

我想买件女士的牛仔裤

您也可以通过将自己企业内部的知识数据放在当前知识库里面。

当智能体应用关联结构化知识库时，支持在提问时上传图片。此时，如果知识库中存在图片索引，系统会先将输入图片转为向量并检索到相关记录，然后将这些记录与提问一起提供给大模型；如果不存在图片索引，则输入的图片不会用于检索。智能体应用目前仅支持生成文本内容。

3.通过插件扩展智能体应用能力

插件可以使智能体应用更高效、更专业地应用到业务场景中。百炼提供了多种官方插件。您可以在智能体应用管理界面单击选择插件，便可以在官方插件栏中选择一个或多个插件。

开启插件功能后，大模型将根据输入的内容、插件名称以及插件描述来判断是否调用插件。

添加插件

此处以图片生成插件为例，在勾选对应插件后，单击确认。

测试插件效果

添加插件后，向输入框输入：

画一件女士上衣，短袖

智能体应用的回复如右图，可以看到智能体应用调用了图像生成插件（即 text_to_image）。

使用更多插件

您可以在同一个智能体应用中选择最多 10个插件。智能体应用会根据输入选择使用一个或多个插件。您也可以通过自定义插件的方法，去添加更多不同能力的插件。

底层其实是API能力，遵循的是OpenAPI v3接口的规范，云市场里面有非常多的API，非常值得去探索和研究...
简单举个例子，在明天的多模态实战里面我们也会深入去分享一下：视觉智能开放平台https://vision.aliyun.com/
OpenAPI v3 参考规范数据如：

openapi: 3.0.1
info:
    title: 寝室公约查询工具
    description: 寝室公约查询工具，可以根据序号查询特定条目。
    version: "v2"
servers:
    - url: https://domitorgreement-plugin-example-icohrkdjxy.cn-beijing.fcapp.run
paths:
    /article:
        post:
            operationId: get_article
            summary: 查询寝室公约第几条，用整数数字
            requestBody:
                required: true
                content:
                    application/json:
                        schema:
                            type: object
                            required: [article_index]
                            properties:
                                article_index:
                                    type: integer
                                    description: 寝室公约第几条，用整数数字
            responses:
                "200":
                    description: 查询成功
                    content:
                        application/json:
                            schema:
                                type: object
                                required: [article]
                                properties:
                                    article:
                                        type: string
                                        description: 寝室公约条款