1. 从“学扣子”到“Coze”一个新手必须搞懂的概念变迁如果你最近在社交媒体或者一些技术社区里看到“学扣子”这个词感觉一头雾水但又隐约觉得它和AI、和编程有点关系那你的直觉是对的。作为一个在AI应用开发领域摸爬滚打多年的从业者我最近也频繁被问到这个问题。简单来说“学扣子”是“学习Coze”的一种网络化、口语化的谐音表达它指的就是学习和使用一个名为Coze的AI Bot机器人开发平台。为什么一个开发平台会引发这样的网络热词这背后反映的是一个趋势AI应用的门槛正在被极大地降低。过去我们要想打造一个能对话、能处理特定任务的智能助手可能需要组建一个团队搞定自然语言处理、机器学习模型部署、前后端开发等一系列复杂工程。但现在像Coze这样的平台把这一切都“可视化”、“模块化”了。你可以像搭积木一样通过拖拽组件、配置参数就快速构建出一个功能强大的AI机器人并且能一键发布到飞书、微信、Discord等主流平台上。这个过程被形象地称为“扣”组件学习这个过程自然就成了“学扣子”。所以当你看到“2026学扣子”这个标题时不必困惑。它的核心就是这是一份面向完全新手的、关于如何使用Coze平台从零开始构建AI机器人的终极指南。而且把时间指向“2026”更像是一种对未来趋势的肯定和一种吸引眼球的说法意指掌握了这个技能在未来几年都将是吃香的。本教程将彻底抛开晦涩的概念用最直白的方式带你走进Coze的世界让你亲手“扣”出你的第一个AI助手。2. Coze平台初探它到底是什么又能做什么在动手之前我们必须先理解我们手里的“工具”。Coze并不是一个单一的聊天机器人它是一个低代码/无代码的AI Bot开发平台与托管环境。你可以把它想象成一个高度智能化的“机器人工厂”。2.1 Coze的核心定位连接AI能力与现实场景的桥梁当前大型语言模型比如GPT-4、Claude、国内的各种大模型能力很强但它们是“通才”。你直接问它“帮我管理一下今天的待办事项”它可能给你列个清单但它无法真正接入你的日历软件帮你自动创建事件。Coze要解决的就是让这个“通才”变成“专才”。它通过几个核心功能来实现可视化工作流编排这是Coze的“心脏”。你无需写代码通过拖拽不同的“节点”Node如“语言模型”、“代码”、“知识库”、“条件判断”等并用“线”连接它们就定义了一个机器人的思考和行为逻辑。比如先让模型理解用户意图然后去查询知识库再根据结果执行一段Python代码处理数据最后把结果格式化回复给用户。插件生态这是Coze的“手脚”。Coze官方和社区提供了海量的插件每个插件都对应一项具体的能力或一个外部API。例如“天气插件”可以让机器人查询实时天气“数据库插件”可以让它读写数据“飞书插件”则允许它收发飞书消息、操作飞书文档。你的机器人通过调用插件获得了与现实世界交互的能力。知识库这是Coze的“专属记忆”。你可以上传公司文档、产品手册、个人笔记等任何文本资料Coze会将其处理成可被快速检索的向量知识库。当用户提问时机器人会优先从你提供的知识库中寻找答案确保回答的专业性和准确性避免大模型“胡言乱语”。多模型支持Coze并不绑定单一模型。你可以在工作流中灵活选择不同的AI模型作为“大脑”比如OpenAI的GPT系列、Anthropic的Claude或者国内的一些优秀模型根据场景和成本进行权衡。一键部署这是Coze的“发射按钮”。机器人制作完成后你可以直接将其发布为独立的Web页面或者集成到飞书、微信、钉钉、Slack等几乎所有常见的协作和社交平台中让最终用户以最自然的方式使用它。2.2 一个新手能马上想到的应用场景理解了这些你的思路应该就打开了。以下是一些你可以立即尝试的创意个人效率助手做一个能帮你总结网页文章、记录灵感闪念到Notion、规划旅行行程的私人助理。智能客服机器人为你的小店或产品创建一个7x24小时在线的客服它熟读你的产品FAQ能回答大部分常见问题。内部知识问答机器人将公司的规章制度、项目文档上传做成一个随时可问的“万事通”新员工 onboarding 神器。趣味互动机器人创建一个能讲特定风格故事、陪你聊天解闷、或者玩文字游戏的趣味Bot。自动化流程触发器监控特定信息一旦出现关键词自动发消息到群组或生成报告。注意Coze平台本身在快速发展其界面、功能细节可能随时调整。本教程侧重于传授核心方法论和通用工作流掌握了这些无论界面如何变化你都能快速上手。3. 零基础启动注册、界面与第一个“Hello World”机器人现在我们抛开所有理论直接上手。请跟着步骤一步一步来这个过程比你想的简单得多。3.1 环境准备与账号注册访问平台在浏览器中访问 Coze 的官方网站。通常你需要使用手机号或邮箱进行注册。由于平台政策可能变化请以官网最新指引为准。选择模型注册成功后平台可能会让你选择一个默认的AI模型。对于新手选择平台推荐的默认模型即可例如GPT-4或平台自研模型它已经具备了强大的通用能力。认识主界面登录后你会看到类似“工作台”、“探索”、“知识库”、“插件”等导航栏。核心区域是“工作台”这里会陈列你创建的所有机器人Bot。3.2 创建你的第一个Bot在工作台页面找到并点击醒目的“创建Bot”按钮。给Bot起名输入一个名字比如“我的第一个助手”。描述可以简单写“这是一个练习用的机器人”。选择头像上传一张图片或从默认库中选择让它更有辨识度。进入Bot编辑界面点击创建后你会进入这个机器人的“驾驶舱”。这里主要包含以下几个关键部分提示词Persona Prompt这是机器人的“人格设定”和核心指令。就像导演给演员说戏。你可以在这里定义它的角色如“你是一个热情的客服专员”、它的回答风格如“简洁、专业、友好”、以及它不能做什么如“不能回答政治相关问题”。工作流Workflow空白画布区也是我们之后主要“扣扣子”的地方。插件Plugins可以在这里为Bot添加能力。知识库Knowledge可以在这里上传文件丰富Bot的专属知识。预览与调试界面右侧或下方通常有一个聊天窗口你可以随时在这里与你的Bot对话测试效果。3.3 实现“Hello World”从提示词开始对于第一个机器人我们不需要复杂的工作流先从提示词入手感受AI的响应。在提示词Prompt区域输入以下内容你是一个乐观向上的鼓励机器人。你的主要任务是当用户和你打招呼或感到沮丧时用充满活力、幽默且温暖的话语鼓励他们。你的名字叫「小太阳」。 你的回答必须简短不超过三句话。永远保持积极。输入完成后记得点击“保存”。转到右侧的预览对话框输入“你好”或者“我今天心情不好”。观察回复。你应该会得到一个符合你设定风格的、简短的鼓励性回复。比如“你好呀我是小太阳今天有什么闪闪发光的事情要和我分享吗” 或者 “乌云只是暂时的访客你心里的阳光才是永恒的主人来笑一个”恭喜你已经完成了“学扣子”的第一步创建并配置了一个有简单个性的聊天机器人。它虽然还没“手”和“脚”插件也没有“记忆”知识库但已经有了一个独特的“大脑”通过提示词塑造。4. 核心技能解锁深入理解与构建工作流提示词决定了机器人的“性格”而工作流决定了机器人的“智商”和“行动力”。这是Coze最强大也最核心的部分。我们通过一个实际案例来学习创建一个“天气查询穿衣建议”机器人。4.1 案例目标用户对机器人说“北京今天天气怎么样” 机器人需要理解用户想查询“北京”的“今天”的“天气”。调用天气插件获取北京的实时天气数据温度、风力、天气状况。根据天气数据生成一条贴心的穿衣建议。将天气信息和穿衣建议合并回复给用户。4.2 工作流搭建实战开启工作流在你的Bot编辑界面找到并点击“工作流”标签然后点击“新建工作流”。给它起个名字比如“查询天气与建议”。拖入第一个节点大语言模型LLM从左侧节点库中找到“LLM”节点拖到画布上。这个节点就是机器人的“思考中枢”。我们需要它来理解用户意图并结构化地提取关键信息。配置LLM节点双击节点进行配置。系统提示词这里输入给模型的指令告诉它在这个工作流中的具体任务。输入你是一个意图理解助手。请从用户的输入中提取出查询天气所必需的实体信息。 你必须严格按照以下JSON格式输出且只输出这个JSON对象 { city: 提取出的城市名如‘北京’、‘上海’。如果用户未提及则默认为‘北京’, date: 提取出的日期如‘今天’、‘明天’、‘后天’。如果用户未提及则默认为‘今天’ }用户问题这里通常关联整个工作流的输入。你会看到一个“引用变量”的按钮通常是{{}}符号。点击它选择“系统变量” - “用户问题”。这会将用户实际说的话传入这个LLM节点。为什么这么做直接让天气插件去解析“北京今天天气怎么样”这样的自然语言是困难的。插件通常需要明确的参数城市名、日期。所以我们先用一个LLM节点作为“解析器”将非结构化的自然语言转化为结构化的数据JSON。这是AI应用开发中非常经典的“LLM as a Parser”模式。拖入第二个节点天气插件从左侧节点库的“插件”分类下找到“天气”插件或类似名称拖入画布。连接节点从LLM节点的输出点通常在下边缘拖出一条线连接到天气插件的输入点。配置天气插件双击天气插件节点。你会看到它需要两个参数“城市”和“日期”。现在我们需要将上一步LLM输出的JSON里的值传递给这两个参数。点击“城市”字段的输入框再次点击“引用变量”按钮。这次选择框里会出现上游节点的输出。你应该能看到类似“LLM.output”的选项。选择它后继续在表达式编辑器中指定路径通常写成LLM.output.city。这表示“取LLM节点输出结果中的city字段的值”。同理将“日期”字段配置为引用LLM.output.date。为什么这么做这就是工作流的“流”。数据从用户输入流经LLM节点被处理成结构化数据再作为参数流入天气插件触发一次真实的API调用。你不需要关心天气API的地址、密钥插件已经帮你封装好了。拖入第三个节点大语言模型LLM再拖入一个LLM节点。这个节点将充当“建议生成器”。连接节点将天气插件的输出连接到这第二个LLM节点的输入。配置LLM节点系统提示词输入你是一个贴心的生活助手。根据提供的天气信息生成一段简短、亲切的穿衣和生活建议。 建议要具体结合温度、天气状况和风力。语气要像朋友一样关心。用户问题这里我们需要构造一个包含天气信息的“问题”给模型。点击引用变量选择天气插件的输出比如Weather.output。通常插件返回的数据也是一个结构体包含了temp温度、condition天气状况、wind风力等字段。你可以直接引用这个对象。拖入第四个节点回复用户从节点库中找到“回复”节点或“Answer”节点拖入画布。这是工作流的终点。连接节点将第二个LLM节点的输出连接到“回复”节点。配置回复节点我们需要将天气信息和穿衣建议组合成一段话回复给用户。在回复内容中你可以结合文本和变量。例如这是您查询的天气情况 城市{{LLM.output.city}} 日期{{LLM.output.date}} 天气状况{{Weather.output.condition}}温度{{Weather.output.temp}}度风力{{Weather.output.wind}}。 --- {{LLM_2.output}} !-- 假设第二个LLM节点的变量名是LLM_2 --为什么这么做“回复”节点是工作流向用户呈现结果的出口。在这里你可以精心设计最终的消息格式给用户最好的体验。保存并测试点击画布空白处确保工作流已保存。然后转到预览窗输入“北京今天天气怎么样”。如果一切配置正确你会先看到工作流执行的步骤提示各个节点依次亮起然后得到一份包含实时天气和穿衣建议的完整回复。实操心得工作流调试时最常用的功能是每个节点的“预览输出”。当你不确定某个节点的输出是什么结构时先运行一次然后点击该节点查看它的详细输出内容。这是理解数据流转、排查错误最关键的一步。比如你就能清楚地看到第一个LLM节点输出的JSON具体是什么天气插件返回的对象里有哪些字段。5. 能力扩展为你的机器人注入“记忆”与“技能”只会聊天和查天气还不够。一个真正有用的机器人需要专业知识和执行具体任务的能力。这就是知识库和插件的用武之地。5.1 打造机器人的“专属大脑”知识库应用假设你想做一个“公司制度问答机器人”。创建知识库在Bot编辑界面或主站找到“知识库”功能点击“新建知识库”命名为“公司员工手册”。上传文档将你的《员工手册》PDF、Word或TXT文件上传。Coze支持多种格式。上传后平台会自动进行切片、向量化处理这个过程可能需要几分钟。关联知识库到Bot回到你的Bot编辑界面找到“知识库”配置区域点击“添加知识库”选择刚创建的“公司员工手册”。配置知识库优先级通常有一个“引用知识库”的开关或选项。打开它并设置引用模式如“优先回答知识库内容”或“混合回答”。这意味着当用户提问时机器人会先在知识库中搜索相关片段再结合大模型的能力生成答案。测试在预览窗提问“我们公司的年假有多少天” 机器人应该能基于你上传的手册内容给出准确答案而不是泛泛而谈。注意事项知识库不是万能的。对于非常具体、答案唯一的问题如“年假几天”效果很好。但对于需要复杂推理、总结多个章节的问题效果可能打折扣。此外知识库的“召回”质量取决于文档本身的结构清晰度和上传后的处理效果。对于重要信息建议在提示词中引导机器人“请优先根据‘公司员工手册’知识库的内容回答问题。”5.2 赋予机器人“十八般武艺”插件集成插件是Coze生态的活力源泉。我们以“让机器人能发送一封邮件”为例。查找插件在Bot编辑界面的“插件”区域点击“添加插件”。在插件商店中搜索“邮件”或“Email”。你会发现可能有“发送邮件SMTP”这类插件。添加并配置插件添加插件后通常需要进行初始配置。对于邮件插件你需要提供SMTP服务器地址、端口、发件邮箱和授权码不是邮箱密码需要在邮箱设置中申请。这些信息需要你提前准备好。在工作流中使用插件创建一个新的工作流例如“发送总结邮件”。第一个节点LLM让用户输入邮件主题和内容或者从对话中提取。第二个节点代码节点或LLM将内容格式化成合适的邮件正文。第三个节点邮件插件配置收件人、主题、正文。其中正文内容可以引用上游节点的输出变量。第四个节点回复告诉用户“邮件已发送成功”。权限与安全首次使用涉及外部服务的插件如邮件、数据库时Coze可能会要求你授权或配置密钥。请务必在可信的环境下操作并遵循最小权限原则不要使用高权限的账户信息。通过结合工作流、知识库和插件你的机器人就从“聊天玩具”进化成了能解决实际问题的“智能员工”。你可以创建一个机器人当用户询问产品信息时知识库它不仅能回答还能在用户决定购买时调用插件在后台生成订单插件并触发一个工作流通知客服工作流。6. 从开发到上线调试、发布与迭代优化机器人搭建好了最后一步就是把它交付给用户使用。这个过程同样在Coze平台内可以轻松完成。6.1 调试让机器人更“聪明”调试不是找Bug更是优化体验。对话测试在预览窗进行大量、各种角度的提问包括模糊提问、错误提问、边界情况提问。观察机器人的反应是否符合预期。工作流调试利用之前提到的每个节点的“预览输出”功能像侦探一样追踪数据在每一个环节的形态确保它按你设计的路径流动。提示词迭代如果机器人回答跑偏、冗长或不符合语气首要调整的就是提示词。增加更明确的指令、提供示例Few-shot Learning、调整角色设定。提示词工程是AI应用开发的核心技能之一。知识库优化如果知识库回答不准检查源文档是否清晰。可以尝试将长文档拆分成更聚焦的小文档上传或在上传前对文档进行预处理如添加更明确的小标题。6.2 发布让机器人被看见、被使用Coze提供了极其便捷的发布渠道。发布到Coze托管页在Bot编辑界面找到“发布”或“部署”选项。选择“发布为网站”你会获得一个独立的URL。任何人点击这个链接就可以在网页上直接与你的机器人对话。这是最快的方式。集成到第三方平台这是Coze最强大的优势之一。在发布选项中你可以看到“飞书”、“微信”、“钉钉”、“Slack”等图标。以飞书为例选择飞书Coze会引导你完成授权。你需要有一个飞书开发者账号个人也可申请创建一个自建应用并将Coze机器人添加为“事件订阅”和“消息与群组”的能力。按照Coze和飞书官方文档的步骤操作大约10-15分钟即可完成。完成后你就可以在飞书个人或群聊中你的机器人使用了。以微信公众号为例流程类似需要你有一个已认证的微信公众号服务号在后台配置服务器地址Coze提供和Token完成验证即可。6.3 迭代机器人也需要成长上线不是终点。你需要观察用户如何使用它。查看对话日志Coze平台通常提供对话历史查看功能。分析用户的常见问题、机器人未能回答好的问题。收集反馈主动向早期用户询问使用体验。持续更新根据日志和反馈不断优化提示词、补充知识库、增加新的工作流和插件来处理高频或重要的新需求。踩坑实录在集成到第三方平台时最常见的坑是“配置回调地址”和“权限配置”。务必仔细阅读双方平台的文档确保每一步的配置都准确无误。例如飞书集成需要精确配置“事件订阅”的请求地址并验证Token微信则需要服务器配置一次成功后续Coze才能正常回调。遇到问题时第一反应是去检查相关配置项的每一个字符。 从零开始学Coze：AI机器人开发入门与实战指南
1. 从“学扣子”到“Coze”一个新手必须搞懂的概念变迁如果你最近在社交媒体或者一些技术社区里看到“学扣子”这个词感觉一头雾水但又隐约觉得它和AI、和编程有点关系那你的直觉是对的。作为一个在AI应用开发领域摸爬滚打多年的从业者我最近也频繁被问到这个问题。简单来说“学扣子”是“学习Coze”的一种网络化、口语化的谐音表达它指的就是学习和使用一个名为Coze的AI Bot机器人开发平台。为什么一个开发平台会引发这样的网络热词这背后反映的是一个趋势AI应用的门槛正在被极大地降低。过去我们要想打造一个能对话、能处理特定任务的智能助手可能需要组建一个团队搞定自然语言处理、机器学习模型部署、前后端开发等一系列复杂工程。但现在像Coze这样的平台把这一切都“可视化”、“模块化”了。你可以像搭积木一样通过拖拽组件、配置参数就快速构建出一个功能强大的AI机器人并且能一键发布到飞书、微信、Discord等主流平台上。这个过程被形象地称为“扣”组件学习这个过程自然就成了“学扣子”。所以当你看到“2026学扣子”这个标题时不必困惑。它的核心就是这是一份面向完全新手的、关于如何使用Coze平台从零开始构建AI机器人的终极指南。而且把时间指向“2026”更像是一种对未来趋势的肯定和一种吸引眼球的说法意指掌握了这个技能在未来几年都将是吃香的。本教程将彻底抛开晦涩的概念用最直白的方式带你走进Coze的世界让你亲手“扣”出你的第一个AI助手。2. Coze平台初探它到底是什么又能做什么在动手之前我们必须先理解我们手里的“工具”。Coze并不是一个单一的聊天机器人它是一个低代码/无代码的AI Bot开发平台与托管环境。你可以把它想象成一个高度智能化的“机器人工厂”。2.1 Coze的核心定位连接AI能力与现实场景的桥梁当前大型语言模型比如GPT-4、Claude、国内的各种大模型能力很强但它们是“通才”。你直接问它“帮我管理一下今天的待办事项”它可能给你列个清单但它无法真正接入你的日历软件帮你自动创建事件。Coze要解决的就是让这个“通才”变成“专才”。它通过几个核心功能来实现可视化工作流编排这是Coze的“心脏”。你无需写代码通过拖拽不同的“节点”Node如“语言模型”、“代码”、“知识库”、“条件判断”等并用“线”连接它们就定义了一个机器人的思考和行为逻辑。比如先让模型理解用户意图然后去查询知识库再根据结果执行一段Python代码处理数据最后把结果格式化回复给用户。插件生态这是Coze的“手脚”。Coze官方和社区提供了海量的插件每个插件都对应一项具体的能力或一个外部API。例如“天气插件”可以让机器人查询实时天气“数据库插件”可以让它读写数据“飞书插件”则允许它收发飞书消息、操作飞书文档。你的机器人通过调用插件获得了与现实世界交互的能力。知识库这是Coze的“专属记忆”。你可以上传公司文档、产品手册、个人笔记等任何文本资料Coze会将其处理成可被快速检索的向量知识库。当用户提问时机器人会优先从你提供的知识库中寻找答案确保回答的专业性和准确性避免大模型“胡言乱语”。多模型支持Coze并不绑定单一模型。你可以在工作流中灵活选择不同的AI模型作为“大脑”比如OpenAI的GPT系列、Anthropic的Claude或者国内的一些优秀模型根据场景和成本进行权衡。一键部署这是Coze的“发射按钮”。机器人制作完成后你可以直接将其发布为独立的Web页面或者集成到飞书、微信、钉钉、Slack等几乎所有常见的协作和社交平台中让最终用户以最自然的方式使用它。2.2 一个新手能马上想到的应用场景理解了这些你的思路应该就打开了。以下是一些你可以立即尝试的创意个人效率助手做一个能帮你总结网页文章、记录灵感闪念到Notion、规划旅行行程的私人助理。智能客服机器人为你的小店或产品创建一个7x24小时在线的客服它熟读你的产品FAQ能回答大部分常见问题。内部知识问答机器人将公司的规章制度、项目文档上传做成一个随时可问的“万事通”新员工 onboarding 神器。趣味互动机器人创建一个能讲特定风格故事、陪你聊天解闷、或者玩文字游戏的趣味Bot。自动化流程触发器监控特定信息一旦出现关键词自动发消息到群组或生成报告。注意Coze平台本身在快速发展其界面、功能细节可能随时调整。本教程侧重于传授核心方法论和通用工作流掌握了这些无论界面如何变化你都能快速上手。3. 零基础启动注册、界面与第一个“Hello World”机器人现在我们抛开所有理论直接上手。请跟着步骤一步一步来这个过程比你想的简单得多。3.1 环境准备与账号注册访问平台在浏览器中访问 Coze 的官方网站。通常你需要使用手机号或邮箱进行注册。由于平台政策可能变化请以官网最新指引为准。选择模型注册成功后平台可能会让你选择一个默认的AI模型。对于新手选择平台推荐的默认模型即可例如GPT-4或平台自研模型它已经具备了强大的通用能力。认识主界面登录后你会看到类似“工作台”、“探索”、“知识库”、“插件”等导航栏。核心区域是“工作台”这里会陈列你创建的所有机器人Bot。3.2 创建你的第一个Bot在工作台页面找到并点击醒目的“创建Bot”按钮。给Bot起名输入一个名字比如“我的第一个助手”。描述可以简单写“这是一个练习用的机器人”。选择头像上传一张图片或从默认库中选择让它更有辨识度。进入Bot编辑界面点击创建后你会进入这个机器人的“驾驶舱”。这里主要包含以下几个关键部分提示词Persona Prompt这是机器人的“人格设定”和核心指令。就像导演给演员说戏。你可以在这里定义它的角色如“你是一个热情的客服专员”、它的回答风格如“简洁、专业、友好”、以及它不能做什么如“不能回答政治相关问题”。工作流Workflow空白画布区也是我们之后主要“扣扣子”的地方。插件Plugins可以在这里为Bot添加能力。知识库Knowledge可以在这里上传文件丰富Bot的专属知识。预览与调试界面右侧或下方通常有一个聊天窗口你可以随时在这里与你的Bot对话测试效果。3.3 实现“Hello World”从提示词开始对于第一个机器人我们不需要复杂的工作流先从提示词入手感受AI的响应。在提示词Prompt区域输入以下内容你是一个乐观向上的鼓励机器人。你的主要任务是当用户和你打招呼或感到沮丧时用充满活力、幽默且温暖的话语鼓励他们。你的名字叫「小太阳」。 你的回答必须简短不超过三句话。永远保持积极。输入完成后记得点击“保存”。转到右侧的预览对话框输入“你好”或者“我今天心情不好”。观察回复。你应该会得到一个符合你设定风格的、简短的鼓励性回复。比如“你好呀我是小太阳今天有什么闪闪发光的事情要和我分享吗” 或者 “乌云只是暂时的访客你心里的阳光才是永恒的主人来笑一个”恭喜你已经完成了“学扣子”的第一步创建并配置了一个有简单个性的聊天机器人。它虽然还没“手”和“脚”插件也没有“记忆”知识库但已经有了一个独特的“大脑”通过提示词塑造。4. 核心技能解锁深入理解与构建工作流提示词决定了机器人的“性格”而工作流决定了机器人的“智商”和“行动力”。这是Coze最强大也最核心的部分。我们通过一个实际案例来学习创建一个“天气查询穿衣建议”机器人。4.1 案例目标用户对机器人说“北京今天天气怎么样” 机器人需要理解用户想查询“北京”的“今天”的“天气”。调用天气插件获取北京的实时天气数据温度、风力、天气状况。根据天气数据生成一条贴心的穿衣建议。将天气信息和穿衣建议合并回复给用户。4.2 工作流搭建实战开启工作流在你的Bot编辑界面找到并点击“工作流”标签然后点击“新建工作流”。给它起个名字比如“查询天气与建议”。拖入第一个节点大语言模型LLM从左侧节点库中找到“LLM”节点拖到画布上。这个节点就是机器人的“思考中枢”。我们需要它来理解用户意图并结构化地提取关键信息。配置LLM节点双击节点进行配置。系统提示词这里输入给模型的指令告诉它在这个工作流中的具体任务。输入你是一个意图理解助手。请从用户的输入中提取出查询天气所必需的实体信息。 你必须严格按照以下JSON格式输出且只输出这个JSON对象 { city: 提取出的城市名如‘北京’、‘上海’。如果用户未提及则默认为‘北京’, date: 提取出的日期如‘今天’、‘明天’、‘后天’。如果用户未提及则默认为‘今天’ }用户问题这里通常关联整个工作流的输入。你会看到一个“引用变量”的按钮通常是{{}}符号。点击它选择“系统变量” - “用户问题”。这会将用户实际说的话传入这个LLM节点。为什么这么做直接让天气插件去解析“北京今天天气怎么样”这样的自然语言是困难的。插件通常需要明确的参数城市名、日期。所以我们先用一个LLM节点作为“解析器”将非结构化的自然语言转化为结构化的数据JSON。这是AI应用开发中非常经典的“LLM as a Parser”模式。拖入第二个节点天气插件从左侧节点库的“插件”分类下找到“天气”插件或类似名称拖入画布。连接节点从LLM节点的输出点通常在下边缘拖出一条线连接到天气插件的输入点。配置天气插件双击天气插件节点。你会看到它需要两个参数“城市”和“日期”。现在我们需要将上一步LLM输出的JSON里的值传递给这两个参数。点击“城市”字段的输入框再次点击“引用变量”按钮。这次选择框里会出现上游节点的输出。你应该能看到类似“LLM.output”的选项。选择它后继续在表达式编辑器中指定路径通常写成LLM.output.city。这表示“取LLM节点输出结果中的city字段的值”。同理将“日期”字段配置为引用LLM.output.date。为什么这么做这就是工作流的“流”。数据从用户输入流经LLM节点被处理成结构化数据再作为参数流入天气插件触发一次真实的API调用。你不需要关心天气API的地址、密钥插件已经帮你封装好了。拖入第三个节点大语言模型LLM再拖入一个LLM节点。这个节点将充当“建议生成器”。连接节点将天气插件的输出连接到这第二个LLM节点的输入。配置LLM节点系统提示词输入你是一个贴心的生活助手。根据提供的天气信息生成一段简短、亲切的穿衣和生活建议。 建议要具体结合温度、天气状况和风力。语气要像朋友一样关心。用户问题这里我们需要构造一个包含天气信息的“问题”给模型。点击引用变量选择天气插件的输出比如Weather.output。通常插件返回的数据也是一个结构体包含了temp温度、condition天气状况、wind风力等字段。你可以直接引用这个对象。拖入第四个节点回复用户从节点库中找到“回复”节点或“Answer”节点拖入画布。这是工作流的终点。连接节点将第二个LLM节点的输出连接到“回复”节点。配置回复节点我们需要将天气信息和穿衣建议组合成一段话回复给用户。在回复内容中你可以结合文本和变量。例如这是您查询的天气情况 城市{{LLM.output.city}} 日期{{LLM.output.date}} 天气状况{{Weather.output.condition}}温度{{Weather.output.temp}}度风力{{Weather.output.wind}}。 --- {{LLM_2.output}} !-- 假设第二个LLM节点的变量名是LLM_2 --为什么这么做“回复”节点是工作流向用户呈现结果的出口。在这里你可以精心设计最终的消息格式给用户最好的体验。保存并测试点击画布空白处确保工作流已保存。然后转到预览窗输入“北京今天天气怎么样”。如果一切配置正确你会先看到工作流执行的步骤提示各个节点依次亮起然后得到一份包含实时天气和穿衣建议的完整回复。实操心得工作流调试时最常用的功能是每个节点的“预览输出”。当你不确定某个节点的输出是什么结构时先运行一次然后点击该节点查看它的详细输出内容。这是理解数据流转、排查错误最关键的一步。比如你就能清楚地看到第一个LLM节点输出的JSON具体是什么天气插件返回的对象里有哪些字段。5. 能力扩展为你的机器人注入“记忆”与“技能”只会聊天和查天气还不够。一个真正有用的机器人需要专业知识和执行具体任务的能力。这就是知识库和插件的用武之地。5.1 打造机器人的“专属大脑”知识库应用假设你想做一个“公司制度问答机器人”。创建知识库在Bot编辑界面或主站找到“知识库”功能点击“新建知识库”命名为“公司员工手册”。上传文档将你的《员工手册》PDF、Word或TXT文件上传。Coze支持多种格式。上传后平台会自动进行切片、向量化处理这个过程可能需要几分钟。关联知识库到Bot回到你的Bot编辑界面找到“知识库”配置区域点击“添加知识库”选择刚创建的“公司员工手册”。配置知识库优先级通常有一个“引用知识库”的开关或选项。打开它并设置引用模式如“优先回答知识库内容”或“混合回答”。这意味着当用户提问时机器人会先在知识库中搜索相关片段再结合大模型的能力生成答案。测试在预览窗提问“我们公司的年假有多少天” 机器人应该能基于你上传的手册内容给出准确答案而不是泛泛而谈。注意事项知识库不是万能的。对于非常具体、答案唯一的问题如“年假几天”效果很好。但对于需要复杂推理、总结多个章节的问题效果可能打折扣。此外知识库的“召回”质量取决于文档本身的结构清晰度和上传后的处理效果。对于重要信息建议在提示词中引导机器人“请优先根据‘公司员工手册’知识库的内容回答问题。”5.2 赋予机器人“十八般武艺”插件集成插件是Coze生态的活力源泉。我们以“让机器人能发送一封邮件”为例。查找插件在Bot编辑界面的“插件”区域点击“添加插件”。在插件商店中搜索“邮件”或“Email”。你会发现可能有“发送邮件SMTP”这类插件。添加并配置插件添加插件后通常需要进行初始配置。对于邮件插件你需要提供SMTP服务器地址、端口、发件邮箱和授权码不是邮箱密码需要在邮箱设置中申请。这些信息需要你提前准备好。在工作流中使用插件创建一个新的工作流例如“发送总结邮件”。第一个节点LLM让用户输入邮件主题和内容或者从对话中提取。第二个节点代码节点或LLM将内容格式化成合适的邮件正文。第三个节点邮件插件配置收件人、主题、正文。其中正文内容可以引用上游节点的输出变量。第四个节点回复告诉用户“邮件已发送成功”。权限与安全首次使用涉及外部服务的插件如邮件、数据库时Coze可能会要求你授权或配置密钥。请务必在可信的环境下操作并遵循最小权限原则不要使用高权限的账户信息。通过结合工作流、知识库和插件你的机器人就从“聊天玩具”进化成了能解决实际问题的“智能员工”。你可以创建一个机器人当用户询问产品信息时知识库它不仅能回答还能在用户决定购买时调用插件在后台生成订单插件并触发一个工作流通知客服工作流。6. 从开发到上线调试、发布与迭代优化机器人搭建好了最后一步就是把它交付给用户使用。这个过程同样在Coze平台内可以轻松完成。6.1 调试让机器人更“聪明”调试不是找Bug更是优化体验。对话测试在预览窗进行大量、各种角度的提问包括模糊提问、错误提问、边界情况提问。观察机器人的反应是否符合预期。工作流调试利用之前提到的每个节点的“预览输出”功能像侦探一样追踪数据在每一个环节的形态确保它按你设计的路径流动。提示词迭代如果机器人回答跑偏、冗长或不符合语气首要调整的就是提示词。增加更明确的指令、提供示例Few-shot Learning、调整角色设定。提示词工程是AI应用开发的核心技能之一。知识库优化如果知识库回答不准检查源文档是否清晰。可以尝试将长文档拆分成更聚焦的小文档上传或在上传前对文档进行预处理如添加更明确的小标题。6.2 发布让机器人被看见、被使用Coze提供了极其便捷的发布渠道。发布到Coze托管页在Bot编辑界面找到“发布”或“部署”选项。选择“发布为网站”你会获得一个独立的URL。任何人点击这个链接就可以在网页上直接与你的机器人对话。这是最快的方式。集成到第三方平台这是Coze最强大的优势之一。在发布选项中你可以看到“飞书”、“微信”、“钉钉”、“Slack”等图标。以飞书为例选择飞书Coze会引导你完成授权。你需要有一个飞书开发者账号个人也可申请创建一个自建应用并将Coze机器人添加为“事件订阅”和“消息与群组”的能力。按照Coze和飞书官方文档的步骤操作大约10-15分钟即可完成。完成后你就可以在飞书个人或群聊中你的机器人使用了。以微信公众号为例流程类似需要你有一个已认证的微信公众号服务号在后台配置服务器地址Coze提供和Token完成验证即可。6.3 迭代机器人也需要成长上线不是终点。你需要观察用户如何使用它。查看对话日志Coze平台通常提供对话历史查看功能。分析用户的常见问题、机器人未能回答好的问题。收集反馈主动向早期用户询问使用体验。持续更新根据日志和反馈不断优化提示词、补充知识库、增加新的工作流和插件来处理高频或重要的新需求。踩坑实录在集成到第三方平台时最常见的坑是“配置回调地址”和“权限配置”。务必仔细阅读双方平台的文档确保每一步的配置都准确无误。例如飞书集成需要精确配置“事件订阅”的请求地址并验证Token微信则需要服务器配置一次成功后续Coze才能正常回调。遇到问题时第一反应是去检查相关配置项的每一个字符。