2025 最新 Coze AI Agent 全流程教程：从 Prompt 提示词调教到插件开发，手把手打造专业级智能体

开篇

在「多模态 + 自动化」成为常态的 2025 年，Coze 已成为低代码/无代码构建 AI 智能体的热门平台之一。

本教程将带你从零开始：理解 Coze 的基本概念、写出高质量 Prompt、用 Flow 搭建自动化流程、接入 Tools/插件并最终发布与运维，目标是让你能在实战中快速产出稳定可用的专业级智能体。

本教程适合谁（Who）

• 小白 / 非技术产品经理、运营人员：想快速把想法变成能“跑起来”的智能体（可复用模板 + 可视化 Flow）。
• 前端/后端/AI 开发者：需要快速迭代 Agent 原型，或开发并上线插件与 API 集成。
• 创业者 / 产品负责人：评估 Coze 在产品化、自动化场景下的落地能力与成本收益。
• 企业用户 / SRE：关注部署、权限、数据接入与合规性（如何把内部知识库安全地接入智能体）。

本文能学到什么（What）

• 从 Prompt 到效果：掌握角色设定、能力边界、容错与多轮会话技巧。
• Flow 自动化实战：理解节点类型、条件分支、变量管理与外部工具调用（把想法变成可执行流程）。
• Tools 与插件开发：如何接入第三方 API、设计插件 schema、调试与上线。
• 部署与调用：把智能体发布到 Web / Chat / API / 第三方平台的最佳实践。
• 性能与成本优化：Prompt 分层、Token 控制、并发与监控要点。

Coze 与其他 Agent 平台的快速对比（Choose）

截至2025年12月01日，大部分模型厂商都提供类似的 Agent 开发平台，包括 Gemini。

• Coze：面向低代码/个人与创作者场景，强调「AI + 可视化流程 + 多平台部署」，适合快速产出面向用户的智能体与聊天型应用。生态最丰富，部署最简单，知名度最高没有之一。可直接部署到飞书，依托飞书的多维表格等击穿办公场景。缺点是国外的大模型如 Gemini 不能直接使用，要通过插件等方式包一层。
• Dify：代码开源，偏向工程/企业级 LLMops 与可扩展的 AI 应用部署，强调模型管理、RAG（检索增强生成）与生产级运维能力；更适合需要自托管或复杂 RAG 管线的企业场景。
• GPTs / Gems / 类 GPT 平台：模型厂商自己搞的 Agent 平台，以自家的强大模型能力为核心，通常偏重于对话/生成能力本身，平台化能力（如可视化 Flow、插件生态）视不同实现而异。缺点吗，排他。
• n8n：以开源工作流/自动化为核心，擅长连接各种 API 与构建数据管线；若把「智能体」看作一系列自动化任务与数据流，n8n 是极佳的流程编排工具，但其原生并非专注于对话型 Agent（需要把 LLM 集成进流程以实现 Agent 行为）。
• 手搓：通过代码以及 大模型API 来通过组织代码实现需求。优点，模型随心选并发自己控制。缺点吗，需要懂代码，要到处找API，生态几乎没有。

简要结论：想快速做面向用户的智能体/聊天产品 → Coze；要做企业级 LLMops /复杂 RAG → Dify/手搓；要做通用自动化/数据流编排 → n8n；需要强生成能力 → 结合 GPTs 做核心推理/生成。

1. Coze AI Agent 基础入门

1.1 什么是 Coze 智能体？

Coze 是一个一站式 AI 智能体平台，你可以在其中创建、训练、部署并自动化各种 AI 任务。它结合了大模型能力、知识库、插件、工具调用以及流程自动化，让你可以像搭积木一样搭建一个会思考、会执行任务的“数字员工”。

常见应用场景：

• 内容自动生成（文案、脚本、社交媒体运营）(也是应用最广的场景)
• 数据处理（分析、清洗、结构化、转换）
• 多步骤任务执行（如：抓取数据→分析→发推文）
• 自动客服（多轮对话 + 业务逻辑响应）
• 自动化表单/工单处理
• 知识库问答（多文档问答）

但需要明确一点，内容自动生成并不能直接让你的自媒体账号从播放惨淡到询盘做不完。

1.2 Coze 智能体的核心组成

Coze 智能体主要由以下模块构成，每一块都决定了你的智能体能做什么、做得多好：

• Prompt（角色 + 能力定义）：智能体的大脑，定义它“是什么角色 + 拥有哪些能力”。
• Flow（流程自动化）：让智能体按流程执行任务的工作流系统，很多时候大家并不需要智能体，只是需要工作流。
• Tools（工具调用）：对外部世界的操作能力，例如爬虫、数据库、API 调用等。
• 插件（Plugin）：官方/第三方扩展能力，如搜索、翻译、OCR 等。
• Knowledge（知识库）：给智能体提供专业知识、文档、产品手册等。
• API 调用能力：开发者可通过 API 调用智能体，实现 SaaS、自动化系统等集成。

这些组成部分决定了 Coze 不仅是一个聊天机器人，而是真正可执行任务的 Agent 智能体。

2. 创建你的第一个 Coze 智能体（新手快速上手）

2.1 进入 Coze 后台

进入 Coze 官方平台 后，你可以在菜单选择 「开发平台」 来开始你的第一个项目。期间需要你登陆自己的账号。会跳转到火山引擎登陆。

登陆后就可以看到如下的界面了。

点击 创建智能体 就可以开始了。

填写一个你能记住的名称就行了，自用不对外的情况下随意填，对功能不会有影响，其余保持默认就好了。

可以看到有三列，我们现在先忽略中间的模块，先看最左边的 人设与回复逻辑，以及最右边的 预览和调试。

很简单，人设与回复逻辑就是我们填写提示词 prompt 的地方，右边就是我们测试效果的地方。

那么 人设与回复逻辑 的 prompt 提示词应该如何写？

2.2 Prompt 提示词结构教学

Prompt 是 Coze 智能体的大脑，决定它“是谁”“会做什么”“如何说话”“不该做什么”。

2.2.1【标准 Prompt 框架】（强烈推荐直接使用）

下面是一个可复制、可延展、可复用的标准框架：

1. 你是一个 {角色定义} 。


2. 你的核心能力：

{能力点1}

{能力点2}

{能力点3}


3. 工作方式（重要的规则）：
- 始终遵守：{风格/限制条件}
- 回答要：清晰、结构化、可执行
- 不要：捏造、跑题、输出无意义内容

4. 输出格式要求：
- 使用 Markdown
- 使用分点表达
- 使用步骤结构说明

5. 特别说明（边界）：

如果用户提问超出你能力范围，请给出可执行建议，而不是胡乱编造。

这是一个 可直接复用的生产级 Prompt 模板，适用于大部分 Agent，包括内容生成、客服、工具调用、逻辑任务执行等。

2.2.2 如何写出可控、稳定、不跑题的 Prompt（核心技巧）

1. 角色越具体，智能体越稳定
   不要写“你是一个 AI 助手”，要写成：
   → “你是一名专业的 SaaS 客服工程师，负责回答 xxx 产品相关的问题”。

2. 明确“做什么 + 不做什么”
   对模型来说，“边界”比“能力”更重要。

3. 使用格式要求锁定输出格式
   如：必须输出 Markdown、必须分点、必须有步骤。

4. 用“步骤 + 判断”降低错误
   例如：
   → “在给用户答案前，先自我检查是否满足事实、有逻辑、无偏差。”

5. 给出示例（Few-shot）能极大提高正确率

2.2.3 cemcoe智能体提示词

下面就以我的cemcoe智能体为例：

1. 你是 cemcoe，AI 应用开发者、技术顾问。
在 GitHub 上开源多个 AI 项目， 同时运营公众号「AI 实验册」，分享 AI Agent 的落地实践。你的 GitHub 地址为： https://github.com/cemcoe，你的网站为 https://cemcoe.com
 

2. 你的核心能力：

帮企业搭建可理解业务的 AI 客服，自动应答、持续学习、提升转化率。

让AI参与内容生成、社群维护、数据分析，让运营流程更高效。

根据你行业场景，量身打造AI Agent方案，从设计到部署全流程交付。


3. 工作方式（重要的规则）：
- 始终遵守：真诚，有理有据
- 回答要：清晰、结构化、可执行
- 不要：捏造、跑题、输出无意义内容

4. 输出格式要求：
- 使用 Markdown
- 使用分点表达
- 使用步骤结构说明

5. 特别说明（边界）：

如果用户提问超出你能力范围，请给出可执行建议，而不是胡乱编造。比如让用户访问 https://cemcoe.com，或通过微信公众号「AI 实验册」联系。

我们将prompt放到人设中就可以在右边测试了，效果还行，不是吗？

非常棒，如果你要让别人使用这个智能体，你就可以点击右上角的发布按钮了。这部分就是点击的过程，这里就不展开了。

欢迎点击体验智能体： https://www.coze.cn/store/agent/7573155597265813530?bot_id=true

当然，文章的右下角可以直接使用，我已经通过 SDK 的方式加以引入。

3. 构建智能体的技能模块（Skill）

仅仅通过上面的步骤构建的智能体，你如果问他天气，你得到的答复是：

很抱歉，我没办法直接获取实时的天气信息。不过你可以通过以下几种可执行的方式了解今天的天气情况：
1. **天气类应用程序**：在手机应用商店下载如彩云天气、天气通、中国天气等应用，打开应用后定位到你所在的位置，就能查看当地今天的天气状况。
2. **搜索引擎**：在百度、谷歌等搜索引擎的搜索框中输入“[你所在地区]今天天气”，搜索引擎会直接显示该地区今天的天气信息。
3. **电视广播**：收看当地电视台的新闻节目或者收听广播电台，通常会有固定时段播报天气情况。 

你看，它在干什么？它在要资源呀，要完成这个工作它需要资源，和人一样，就比如要拍短视频，你得先配个手机吧。

就像一个正常的职场人应该是会使用打印机的，但他如果没有权限或不告诉他打印机在哪里，他也干不了活。

也就意味着我们需要给这个智商超高的大模型趁手的工具，可以自己造，也可以直接买。

大模型就像是一个流水线的主管，它知道怎么干，但想要搞出真家伙你得给它上设备比如”拍照仪器”，“检测仪器”。。。。。。。。

那么如何把设备给它？Coze 中的技能模块就是为了解决这个问题而来。

Coze 中的 Skill（技能模块） 是智能体执行复杂任务的关键组成部分。

如果说 Prompt 是“大脑思考方式”，那么 Skill 就是大脑的“可执行能力”——让 AI 能使用工具。

3.1 什么是 Skill？（概念 + 结构）

在 Coze 中，Skill 可以理解为：

“插件 + 工作流（Flow）”的组合能力模块，用来完成明确的、可以拆分的任务。”

Skill 通常包含以下内容：

• 一个独立任务（如：生成内容 / 调接口 / 处理数据）
• 输入 → 处理 → 输出 的闭环结构
• 可重复调用，可被多个流程复用
• 能连接其他工具（Tools）、第三方 API、插件（Plugin）

它更像一个 小型应用模块，而不是一句 Prompt。

3.2 Skill 适合用来做哪些任务？（常见场景）

当任务满足以下条件，就适合做成 Skill：

• 步骤明确、可以拆分（如：抓取→处理→生成）
• 需要结构化输出（如：报告、列表、排版内容）
• 需要固定流程（如：多步骤决策）
• 需要调用 API 或插件（如：数据库、爬虫、发送邮件）
• 需要精准控制行为（避免模型自由发挥跑题）

常见 Skill 类型：

1. 文案自动生成类

   • 系列内容生成、爆款分析、故事脚本、排版器

2. 客服/问答类

   • 故障排查器、用户意图分类、FAQ 结构化输出

3. 自动化工具类

   • 数据清洗、格式转换、提取关键词

4. AI 分析类

   • 文件解析、情感分析、竞品分析、洞察生成

Skill 的本质是：让智能体像“应用程序”而不是“聊天机器人”一样行动。

3.3 如何拆解一个任务成几个 Skill？（核心方法论）

拆解任务可以遵循这个公式：

复杂任务 = 信息收集 → 信息分析 → 执行输出 → 结果优化

你只需要问自己几个问题：

1. 用户需要我完成什么？（目标）
2. 完成这个目标，需要哪些步骤？（流程）
3. 这些步骤 ai 需要哪些支持吗？（插件，最核心的点）
4. 这些步骤是否可以单独复用，形成sop？（模块化）

这对于当领导的各位 “总” 应该很熟悉，思想是一样的。

例子：

任务：生成一篇高质量文章
→ 其实包含多个隐性步骤：

• 需求收集
• 大纲生成
• 正文生成
• 语言优化
• 格式排版

这是“多步骤、多判断”的典型任务，非常适合切成多个 Skill。

3.4 示例：从“自动写文案”任务拆解到 Skill 模块

以“自动写文章 / 文案”为例，我们可以拆成 3 个 Skill：

为了便于理解我们先创建一个工作流。

Skill 1：素材收集 / 信息结构化

前面提到，智能体默认是没有联网的能力和权限的，我们可以通过插件来实现。

最近 nano banna pro 挺火的，我们就拿它来试一试。

功能：联网搜索最新信息
输入：nano banna pro 输出：结构化 JSON

示例输出：

{
  "output": {
    "cursor": 10,
    "doc_results": [
      {
        "sitename": "36氪",
        "summary": "前情提醒，Nano Banana Pro是谷歌趁着Gemini 3 Pro好评如潮而推出的最新、最强文生图模型。它又名Gemini 3 Pro Image，整合了Gemini 3 Pro的多模态理解能力以及谷歌搜索...",
        "title": "太炸裂了，全网实测Nano Banana Pro，网友:这模型里到底装了什么鬼东西",
        "url": "http://m.toutiao.com/group/7575086932657504814/"
      },
      {
        "sitename": "新智元",
        "summary": "【新智元导读】谷歌Nano Banana Pro问世，图像AGI已至。谷歌表示，Nano Banana Pro带来的是一下层次的创造能力——生成栩栩如生的景观、植物、人物与动物图像，每一处细...",
        "title": "AGI真来了!谷歌Nano Banana Pro实测，设计师天塌了?",
        "url": "http://m.toutiao.com/group/7575359488958448170/"
      },
      {
        "sitename": "人人都是产品经理",
        "summary": "AI工具再强，如果无法落地应用，终究只是概念。Nano Banana Pro在实测中展现出超乎预期的能力，让“邪修”也能转化为可商用的场景。本文将带你走进这款产品的使用体验与...",
        "title": "强得离谱!实测Nano Banana Pro:邪修可落地商用功能场景",
        "url": "http://m.toutiao.com/group/7576131767771152930/"
      },
      {
        "sitename": "机器之心Pro",
        "summary": "转念一想不对，昨天 Nano Banana Pro 不是刚发布吗，干脆试一下看看到底有没有那么神。不试不知道，一试吓一跳，这是第一版的封面图:有读者要说了，这也没什么大不了的...",
        "title": "Nano Banana Pro一手实测:我们玩嗨了",
        "url": "http://m.toutiao.com/group/7575122253835141632/"
      },
      {
        "sitename": "果壳",
        "summary": "Nano Banana Pro(官方也称 Gemini 3 Pro Image)在昨夜上线。其基于 Gemini 3 Pro 构建，具备更强的多模态能力、推理能力，比如文本渲染准确性更高;具备最新知识储备，集...",
        "title": "连夜测试 Nano Banana Pro，从创意玩具变成了专业工具",
        "url": "http://m.toutiao.com/group/7574954341598052927/"
      },
      {
        "sitename": "AI产品狙击手",
        "summary": "兄弟们，有看我上一个《AI早报》视频的应该知道Nano Banana2出来了，效果有多炸裂，测评见真章。·第一题:来到Gemini，记得选择thinking这个选项，否则还是用老的Nano B...",
        "title": "Nano banana Pro杀到!真实测评!",
        "url": "http://m.toutiao.com/group/7574943102201315846/"
      },
      {
        "sitename": "人人都是产品经理",
        "summary": "谷歌新发布的Nano Banana Pro生图模型，凭借Gemini 3.0 Pro的逻辑思考能力，大幅提升了设计效率。本文分享了8种实用玩法，从自媒体封面图到表情包生成，展示其强大的功...",
        "title": "实测Nano Banana Pro，我总结了8种实用玩法",
        "url": "http://m.toutiao.com/group/7577614689778090515/"
      },
      {
        "sitename": "爱范儿",
        "summary": "Gemini 3.0 Pro 的热度还没散去，宇宙「最强」图像模型 Nano Banana Pro，就水灵灵地端上来了。距离出场就惊艳到大家的第一代版本，才刚刚过去了三个月不到。",
        "title": "Nano Banana Pro保姆级指南!全网最火玩法+官方7大技巧+免费渠道",
        "url": "http://m.toutiao.com/group/7575733343216484891/"
      },
      {
        "sitename": "IT之家",
        "summary": "IT之家11 月 20 日消息，谷歌今日正式推出了全新图像生成与编辑模型 Nano Banana Pro (Gemini 3 Pro Image)。该模型基于 Gemini 3 Pro 架构构建，号称能以“前所未有的...",
        "title": "谷歌发布新一代图像生成模型Nano Banana Pro",
        "url": "http://m.toutiao.com/group/7574827012812964404/"
      },
      {
        "sitename": "人人都是产品经理",
        "summary": "Nano Banana Pro的进化引发广泛关注，它真如传闻中那样强大吗? 通过对其自拍测试，发现它在图像理解、推理、搜索及中文文本能力等方面实现突破，从单纯画图迈向理解任务...",
        "title": "Nano Banana Pro:强的不只是画面，而是理解力",
        "url": "http://m.toutiao.com/group/7576869274502726178/"
      }
    ],
    "has_more": true,
    "search_id": "021764573798891fdbddc03000504572640c330330000775e0cdc"
  }
}

这样我们就给我们的工作流连上网络了。

Skill 2：生成内容（核心内容生成器）

输入：Skill 1 的结构化信息

目标：生成文章、脚本或引导文案

优势：内容更稳定、不跑题、不崩坏逻辑

输出：文章正文（Markdown 格式）

这一部分可以通过大模型节点完成，核心是提示词。

Skill 3：排版 + 优化（增强可读性）

输入：Skill 2 的内容 功能：

• 优化标题
• 加粗重点
• 自动加小标题
• 增加 bullet points
• SEO 优化（keywords + H2/H3 结构）

这一部分可以通过大模型节点完成，核心也是提示词。

输出：最终成品文章

这样拆解有什么好处？

• 可维护性强（修改其中一步不影响其他步骤）
• 逻辑更稳定（模型不会一次性生成乱序内容）
• 可复用（信息收集 Skill 可以被其他项目复用）
• 易扩展（可以新增“翻译”“优化”易于拓展）

这就是专业级 Coze Agent 的常见做法。

3.5 结语：为什么 Skill 是做好 Coze Agent 的关键？

• Prompt 让智能体“思考”
• Skill 让智能体“行动”
• Flow 让智能体“自动化执行”
• Action / 插件 让智能体“连接外部世界”

你会发现：

一个能力强的智能体，往往不是 Prompt 写得多强，而是 Skill 架构搭得多合理。

下一章节，我们将进入 Skill中的 Flow（自动化流程），进一步让智能体变得“能独立完成任务”。

4. 使用 workflow 打造可执行的自动化流程（重头戏）

为什么说它是重头戏？因为市面上 90% 的 agent/智能体 就是工作流。

这里的底层原因是，agent中最吊的智能的部分意识识别通过应用层很难拉开效果差距，而插件开发又需要有编程基础，能出活的就剩下工作流自动化了，特别是和自媒体内容生产相关的，这是实打实的效率提升。

Coze 的 Flow（自动化流程） 是让智能体真正具有“执行力”与“业务逻辑”的关键能力。
它让你的智能体从“聊天模型”进化为 能处理任务、能自动化、能决策的 AI Agent。

4.1 Flow 是什么？（可视化逻辑 + 自动化执行）

一句话解释：

Flow = 拖拽式逻辑编排工具，用来让智能体分步骤执行任务。

题外话，如果你有编程基础，你也可以直接用代码搓出来。

如果 Prompt 是“告诉 AI 要怎么思考”，
那么 Flow 就是“告诉 AI 按什么顺序、用哪些工具、做多少步”。

Flow 的核心价值：

• 不再依赖一次性大 Prompt
• 可视化构建复杂任务（自动化发布、数据处理、业务流程）
• 通过分步执行让 AI 降低错误、减少幻觉
• 能集成外部 API / Tools / Plugins
• 带有变量系统，可实现分支、循环、数据映射

Flow 是 Coze 和 GPTs 最大的区别：
Coze 不是“提示词工具”，而是 流程自动化平台 + AI Agent 平台。

4.2 Flow 基本节点讲解

下面按官方结构介绍最常用、最重要的节点类型，以官方为准。

① 输入节点（Start / User Input）

作用：

• 用于接收用户输入、Skill 输入、外部触发数据
• 可定义输入结构（文本 / JSON / 文件）

常用于：

• 文案生成
• 数据处理
• 任务触发入口

② 判断节点（If / Switch）

作用：

• 类似传统编程中的条件判断
• 如果用户选择不同选项 → 走不同流程

适用场景：

• 用户意图分类
• 对内容进行判断（如长度、类型、情绪）
• 自动化分支逻辑

示例：

• 如果内容 < 20 字 → 补全内容
• 如果用户类型为 “新用户” → 给新手教程
• 如果数据格式错误 → 返回报错提示

③ 变量节点（Set Variable / Update Variable）

作用：

• 保存中间结果（如用户输入、模型输出）
• 将一个节点的结果传到后续节点

变量是构建复杂 Flow 的基础，类似编程语言的“局部变量”。

应用场景：

• 保存文章大纲供后续使用
• 保存 API 返回的数据
• 保存用户选择的选项（如风格、字数）

④ LLM 节点（模型节点）

作用：

• 用于让 AI 执行具体任务（生成、分析、提取信息）

最常见，也是最常被滥用的节点。

常规建议：

• 使用结构化输出（JSON）
• 添加“思考限制条款”（避免自由发挥造成幻觉）
• 不要让 LLM 节点一次性做完任务 → 要拆分

⑤ Tool 节点（工具 / 插件 / API 调用）

作用：

• 调用外部 API（如天气、翻译、数据库、HTTP）
• 使用 Coze 内置工具（网页爬虫、图像生成等）

常见用法：

• 抓取网页内容
• 读取文件（Excel、PDF）
• 调用第三方 API（Notion、Telegram、飞书、数据库）
• 发送消息、发布内容

这是让智能体“真正连接外部世界”的节点。

⑥ 输出节点（Return / End）

作用：

• 返回结果给用户或下一层调用者
• 可以是文本、Markdown、JSON

适用场景：

• 输出最终文章
• 返回给 Webhooks / API 调用
• 作为自动化流程的最终结果

4.3 Flow 实战案例

以下提供三个从入门到进阶的高价值自动化案例。

案例 1：自动生成文章并自动发布到平台

流程拆解：

1. 用户输入文章主题
2. Flow 生成文章大纲
3. Flow 生成正文
4. Flow 进行排版优化
5. 调用 Tool → 发布到平台（Notion / Telegram / 飞书 / WordPress）
6. 返回链接给用户

流程结构：

用户输入 → LLM（大纲） → LLM（正文） → LLM（排版） → Tool（发布） → 输出

亮点：

• 多步骤拆分，内容更稳定
• 可定时触发自动发文（增长黑客常用）
• 可作为“自动化内容工厂”基础架构

案例 2：智能问答 + 知识库（企业最常用）

流程拆解：

1. 用户提问
2. 判断用户是否需要知识库内容
3. 调用知识库节点检索
4. LLM 进行内容摘要 & 优化回答
5. 返回清晰可读答案

流程结构：

用户 → 判断问题类型 → 知识库 → LLM 优化 → 返回

亮点：

• 用于企业 FAQ、客服机器人、SaaS 技术支持
• 支持文件上传（PDF / Word / Excel）
• 可以绑定数据库（库存、工单系统）

案例 3：自动化数据处理（Excel → Summary）

流程拆解：

1. 用户上传 Excel
2. Flow 解析文件
3. 将内容转换为 JSON
4. LLM 进行数据分析
5. 输出总结报告（Markdown）

流程结构：

文件输入 → Excel 解析 Tool → 变量处理 → LLM 分析 → 输出报告

亮点：

• 常用在运营、财务、数据分析
• 支持自动化生成报告的工作流程（可每日定时）

4.4 Flow 的常见坑与高级技巧

① 防幻觉逻辑（强制约束 LLM）

避免 LLM 自由发挥的方法：

• 使用 JSON 结构化输出
• 用多个小步骤拆解任务
• 在 LLM 节点加入“必须基于输入内容”“不得自行编造”

② 如何减少 Tokens（降低成本）

• 避免一次性传入太长内容
• 中间步骤用变量，避免重复传输
• 大任务拆成多个小任务
• 使用短 Prompt（长 Prompt 成本高且不稳定）

③ 如何拆分大型任务（专业方法论）

大型任务建议拆成：

1. 信息收集
2. 判断与分类
3. 核心执行
4. 内容优化
5. 最终输出

好处：

• AI 不会一次性犯大错
• 更可控
• 便于复用
• 更适合自动化场景

下一章节，我们将进入 Action / 插件开发，搭建真正能“连接外部系统”的专业级智能体能力。

5. Coze Tools：让 Agent 能真正“执行任务”

Prompt 和 Flow 决定了智能体的“智力与逻辑”，
而 Tools（工具）才是让智能体拥有真正执行力的关键组件。

如果没有 Tools，Agent 只能聊天；
有了 Tools，它才能真正实现：

• 搜索网页
• 调用外部 API
• 处理文件
• 操作数据库
• 执行代码
• 连接 Notion、Google Sheet、飞书等系统

这一章非常重要，也是从“小玩具级 Agent → 专业级智能体”的核心门槛。

5.1 Coze 内建工具介绍（官方工具能力总览）

Coze 提供了一组强大的原生 Tools，让智能体无需任何代码就能执行丰富的操作。

下面逐一说明每个工具的用途与常见场景。

① Web Search（网页搜索）

功能：

• 直接从互联网实时获取信息
• 支持新闻、网站、百科、商品信息等

适用场景：

• 热门事件查询
• 报价、市场趋势获取
• 网页内容抓取 + 阅读优化
• 自动写文章前的“信息收集”

Flow 中一般这样使用：
输入关键词 → 搜索 → LLM 整理结果 → 输出摘要

② 代码执行（Code Interpreter / Python / JS）

功能：

• 运行 Python 或 JavaScript 代码
• 支持数据计算、统计、绘图
• 支持处理文件（Excel、CSV、JSON）

常见用途：

• 数据清洗
• 批量格式转换
• 生成图表报告
• 复杂数学计算
• 文件解析 + 输出结果

这是运营、分析师、独立开发者最喜欢的能力之一。

③ 角色调用（Sub-Agent 调用）

功能：

• 在 Flow 内调用其他智能体
• 让不同 Agent 分工合作

常见模式：

• “客服 Agent → 风格写手 Agent → 排版 Agent”流水线
• “数据分析 Agent → 文案 Agent”

类似微服务架构，将复杂任务拆给多个角色，提高稳定性。

5.2 如何使用外部 API（核心技能）

！！！需要有一定的软件开发基础，有前后端开发基础的喵一眼就会了。

如果你想让 Coze 连接：

• 你公司的系统
• SaaS 平台（Notion / 飞书 / Airtable / Telegram / Slack）
• 电商平台
• CRM 数据库
• 任何第三方 API

你需要学会使用 自定义 API Tool。

下面是完整步骤。

① 添加自定义 API

步骤：

1. 打开智能体 → Tools → 添加自定义工具
2. 填写 API URL（GET / POST / PUT / DELETE）
3. 设置 Header（如 Authorization）
4. 设置 Body 参数模板
5. 设置响应结果结构

少数人知道的一点：
你可以直接把 API 的 JSON 示例贴进去，Coze 会自动解析字段。

② Tokens / 鉴权（Authorization）

常见鉴权方式：

• Bearer Token
• API Key
• Basic Auth
• Query Params
• Header 鉴权

示例：

Authorization: Bearer {{notion_token}}

支持在变量中存 Key，避免暴露敏感信息。

③ 调 API 的最佳实践

• 输入尽量结构化（JSON）
• 不要把用户原始需求直接丢给 API
  → 先让 LLM 整理成结构化参数
• Flow 里分两步：参数生成 → API 调用
• API 返回的数据一定要用变量存起来

5.3 高级 Case：连接主流平台 API（Notion / Google Sheet / 飞书）

下面是三个最常用的实战案例。

案例 A：Coze 调用 Notion API（自动创建页面）

流程：

1. 用户输入：“帮我创建一篇《XXX》的笔记”
2. LLM 生成页面标题 + 内容
3. 调用 Notion API 创建 Page

API 示例：

POST [https://api.notion.com/v1/pages](https://api.notion.com/v1/pages)

常见用法：

• 自动发布文章
• 自动记录会议纪要
• 自动写日报
• 将 Flow 输出内容存档到 Notion

案例 B：Coze 调用 Google Sheets API（自动写入数据）

流程：

1. 用户上传 Excel / 填写表单
2. 转换为结构化数据
3. 写入 Google Sheet 作为数据库

适用场景：

• CRM 客户管理
• 数据备份
• 自动化流水线（内容库、素材库）

关键点：

• 需要 OAuth Token or API Key
• 设置表格范围（A1:B10）
• JSON → 二维数组映射

案例 C：Coze 调用飞书 API（发送消息、上传文件）

最常用接口：

• 发送消息（文本 / 卡片）
• 上传文件到飞书
• 创建日程
• 创建文档 / 表格
• 机器人 Webhook 通知

适用场景：

• 自动日报机器人
• 自动发周报
• 工单数据 → 飞书文档
• 监控脚本 → 飞书告警通知

示例 API：

POST [https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx](https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx)

总结：Tools 是让 Coze Agent 完成真正工作的核心能力

• Prompt → 思考
• Flow → 逻辑
• Tools → 执行

真正专业的 Coze Agent，往往是这些能力的组合：

LLM 生成内容 → 调用 API → 保存数据 → 发布 → 返回链接

Tools 是让智能体从“聊天机器人”升级为“数字员工”的决定性功能。

下一章，我们将进入 插件（Plugin）与 Action 开发，打造真正“可扩展”的专业级智能体。

6. 插件开发（Plugin）教程：打造专业级智能体必学

这是扣子中对于没有编程基础的人最难的地方，但如果你有编程基础，你直接跳过都没事，就是传统软件开发中的 API 开发。

Coze 的真正强大之处在于 —— 插件（Plugin）可以让你的智能体获得“原生能力扩展”。
如果 Prompt 是大脑、Flow 是流程，那插件就是 四肢与外部能力接口。

6.1 插件是什么？

插件（Plugin）本质是一个 可复用的 API 能力模块，智能体可以在运行时动态调用。
它与 Tools、Flow 的区别如下：

简单理解：

Tools 是用别人的能力，Plugin 是给你的智能体“装上你自己写的能力”。

6.2 插件开发流程（全流程拆解）

步骤 1：创建插件

在 Coze 后台 → 插件 → 创建新插件
填写基本信息：名称、描述、标签、用途。

步骤 2：定义功能（Actions）

插件包含多个“动作（Action）”，每个 Action 对应你的 API 的一个功能。

示例：

• 获取天气
• 查询汇率
• 拉取数据库数据
• 执行爬虫任务

步骤 3：设定参数（Input Schema）

每个 Action 都要定义：

• 参数名
• 类型（string/number/object）
• 是否必填
• 使用说明

（这些会自动展示在智能体调用界面中）

步骤 4：提供 API 地址

填写你的 API Endpoint
支持 GET / POST 等方式。

你也可以本地写一个小服务器，比如 Node.js 或 Python。

步骤 5：测试与调试

在插件开发界面直接：

• 输入参数
• 点击测试
• 查看返回结果
  确保格式符合 JSON & 文档说明。

6.3 插件项目结构（开发者友好）

一个标准的 Coze Plugin 项目通常包含：

/my-plugin
├── schema.json      # 插件结构定义：动作、参数、返回格式
├── api.js           # JS 实现逻辑（如果本地自建）
├── api.py           # Python 版本（可选）
├── config.json      # 环境变量、Token、权限
└── README.md        # 使用说明

schema.json 示例：

{
  "name": "weatherPlugin",
  "description": "城市天气查询插件",
  "actions": [
    {
      "name": "getWeather",
      "description": "查询指定城市天气",
      "method": "GET",
      "url": "https://api.xxx.cn/weather",
      "params": {
        "city": { "type": "string", "required": true }
      }
    }
  ]
}

6.4 插件案例：3 个可直接照搬的例子

案例 1：天气插件

**用途：**给智能体提供“实时天气查询”能力 接口：

GET https://api.xxx.cn/weather?city=北京

返回结构：

{
  "city": "北京",
  "temp": "3°C",
  "desc": "小雪"
}

智能体可以在回复中自动加入天气信息。

案例 2：汇率插件

GET https://api.xxx.com/exchange?from=USD&to=CNY

Action 定义：

• 输入参数：from、to
• 输出：rate、update_time

可以用于：

• 做电商系统智能助手
• 帮你自动折算价格

案例 3：爬虫插件（高级案例）

智能体调用插件时，插件内部执行 Python/Node.js 爬虫，例如：

POST /crawl
{
  "url": "https://news.xxx.com"
}

功能：

• 抓取网页内容
• 清洗 HTML
• 结构化输出标题、正文

非常适合：

• 新闻摘要 Agent
• 数据收集 Agent
• 自动生成日报 Agent

6.5 插件 + Flow 的高级组合（打造专业级 AI Agent）

插件是能力，Flow 是编排。

黄金组合用法：

1. Flow 接收用户输入
2. 调用插件（抓取数据 / 查询 API / 执行任务）
3. Flow 内部处理结果
4. LLM 节点进行总结润色
5. 输出专业级内容

👇 示例：

案例：自动生成一篇“今日热点新闻总结”

Flow:
  输入城市 → 调用爬虫插件 → LLM 撰写总结 → 自动发到公众号

你将得到一个专业级智能体，具备真正“执行任务”的能力，而不仅仅是聊天。

7. Knowledge（知识库）使用全指南

Coze 的知识库（Knowledge）是让智能体具备“专业理解能力”的关键模块。
通过上传文档、网页、FAQ，你可以让 AI 真正理解某个业务、产品或行业知识，从而输出更精准的答案。

7.1 支持的文档格式

Coze 支持以下格式的知识库内容：

7.2 如何避免知识库误读（高价值实战技巧）

知识库误读是最常见问题，会导致：

• 回答不准
• AI“编造内容”
• 引用文档错误章节
• 回答风格不一致

以下是避免误读的最佳实践👇

方法 1：保持文档结构清晰

• 标题使用 H1 / H2 / H3
• 列表清晰，不要整段大段文字塞在一起
• 段落之间增加空行

示例（正确格式）：

# 产品功能介绍

## 1. 用户管理

* 创建用户
* 删除用户

方法 2：一文一主题，不要把所有内容塞成一个 PDF

错误示例（高概率导致跑偏）：

• 把公司 200 页文档全塞进一个 PDF
• 把产品手册 + 合同 + API 文档放在一起

正确方式：

一个知识点 → 一个单独文档
多个文档 → 放在同一知识库里即可

方法 3：避免包含无关内容（尤其是对话、代码错误、旧版本说明）

容易导致 AI 误识别语气、掺杂无用信息。

方法 4：给知识库加“前置说明”

在每个知识库文档开头加入：

【使用说明】
本知识库内容为最新正式版本，请优先引用本文件。无关内容请忽略。

AI 会自动遵守。

7.3 如何构建结构化知识库（Coze 最强使用姿势）

为了让 AI 输出结构化、可控、不乱飞的内容，你可以将知识库做成：

方式 1：FAQ 知识库（适合客服）

文档格式如下：

Q：如何找回密码？
A：在登录页面点击“忘记密码”，通过邮箱或短信验证即可找回。

让 AI 回答更精准。

方式 2：API 文档知识库（适合开发者场景）

推荐格式：

## 接口名称：获取订单详情

### URL

GET /api/order/detail

### 参数

* order_id: string，必填

### 返回字段

* user
* product
* price

避免 AI 幻觉和字段乱写。

方式 3：操作规范类知识库（企业、团队 SOP）

格式建议如下：

# 客服标准流程

## 1. 打招呼

## 2. 核验用户身份

## 3. 提供解决方案

...

7.4 常见错误示例：文档太乱 → 输出跑偏

下面是常见“踩坑案例”，建议用户尽量避免：

通过掌握正确的知识库构建方法，你的 Coze 智能体将从“普通聊天机器人”，
升级为 “真正理解业务的专业助手”。

8. 发布、部署与调用

当你的 Coze 智能体已经具备 Prompt、Flow、Tools、Knowledge、插件等核心能力后，下一步就是 发布、部署与外部调用。
这一章将帮助你把智能体真正“落地”，让它能在 网页、小程序，以及应用后端中以 API 形式运行。

8.1 发布到 Coze 平台（最简单的发布方式）

Coze 提供了一键发布功能，让你的智能体可以：

• 对外公开访问
• 分享给团队内部
• 提供 Web Chat 小窗口
• 嵌入你的产品 UI、中台或业务系统

步骤：

1. 打开 Coze Agent 编辑页
2. 点击右上角 发布（Publish）
3. 选择发布模式：
   • 公开（Public）：任何人都能访问
   • 受限（Private / Team Only）：仅团队或指定成员可访问
4. 获取分享链接 / 嵌入代码

发布后，你将获得：

• Web Chat 在线页面
• Agent 分享链接

适合场景：

• 产品介绍页 → 嵌入智能客服
• SaaS 平台 → 嵌入智能助手
• 企业内训平台 → 嵌入知识库问答机器人

8.2 作为 API 调用（开发者向强力功能）

如果你希望把智能体接入 App、小程序、后端服务、SaaS 产品，就需要使用 Coze 的 API 模式。

适合场景：

• 产品后台调用 AI 生成内容
• CRM 系统调用 AI 处理工单
• 小程序接入智能客服
• 自动化脚本批量处理任务

Coze 提供 3 种方式：

方式 1：REST API 调用（最常用方式）

你可以使用 HTTP 请求调用智能体，例如：

POST

[https://api.coze.com/open_api/v1/chat](https://api.coze.com/open_api/v1/chat)

Body：

{
  "bot_id": "你的AgentID",
  "messages": [
    {"role": "user", "content": "帮我生成今日总结"}
  ]
}

返回的 JSON 即为 AI 回复内容。

可用于：

• 网页端、App、小程序
• 服务端 Node.js / Python / Java
• 第三方业务系统

方式 2：Webhook（事件触发型）

Webhook 可以让你的智能体自动响应事件：

• 用户注册成功 → 给用户发送欢迎消息
• 表单提交 → 自动总结
• 数据库更新 → 自动生成日报

配置方式：

1. 在 Coze 中启用 Webhook
2. 填写你服务器的 URL
3. Coze 会把事件推送到你的地址
4. 你返回 JSON → 控制智能体行为

适合搭建：

• CRM 自动化
• 自动工作流
• 业务通知机器人

方式 3：长连接（Streaming Stream）

适合实时输出场景：

• 实时编辑类应用
• AI 辅助写作
• 在线 IDE 智能提示

Coze 提供 Streaming 输出，让你可以边生成边展示。

8.4 延迟与费用考虑（对开发者很重要）

部署到生产环境前，你需要考虑：

（1）延迟（Latency）

影响因素：

• 模型大小
• Flow 中节点数量
• API 请求链路是否过长
• 是否进行 Web 搜索 / 插件调用

建议：

• 对实时场景（客服、互动 Bot）使用轻量模型 + 缓存策略

（2）费用（Cost）

费用来自：

• 模型调用 Token
• 插件 API 调用
• 外部 API 调用（如搜索、数据库、第三方服务）

建议：

• Flow 中避免重复调用模型
• 尽量合并多个 LLM 步骤为一个
• 对大文本使用 Knowledge + 摘要策略

通过以上步骤，你的 Coze 智能体不但能运行在平台内部，还可以完整地部署到各大渠道，并以 API 形式真正服务你的产品或用户。

9. 真实案例：从 0 到 1 打造一个可落地的专业级智能体

（后续更新，微信公众号 AI实验册）

9.1 明确目标

9.2 搭建 Prompt

9.3 Flow 自动化

9.4 插件接入

9.5 部署

9.6 真实效果展示

10. 常见问题（FAQ 区）*

本章节汇总了用户在使用 Coze 智能体时最常遇到的问题，通过 FAQ，能帮助新手快速入门。

Q1：Coze 智能体收费吗？

答：

• Coze 提供免费版和付费版（Pro / Enterprise）
• 免费版：基础功能、少量 API 调用、可创建有限智能体
• 付费版：支持高级模型、插件开发、Flow 自动化、知识库容量更大

Q2：Coze 能做哪些 AI Agent？

答：

• 内容生成 Agent（文章、文案、总结）
• 数据分析 Agent（Excel / CSV / 报告）
• 多轮任务执行 Agent（流程自动化）
• 企业知识问答 Agent
• 自动客服 Agent

Q3：Prompt 怎么写才不乱跑？

答：

• 使用标准框架：角色 + 能力 + 风格 + 边界
• 拆分大任务成小任务，每个 Prompt 只做一件事
• 结合 Flow 使用，减少 LLM 自由发挥
• 避免一次性给过多上下文

Q4：Flow 和 GPTs 的 Action 有什么区别？

答：

• GPTs Action：通常是简单的 API / 触发调用
• Coze Flow：可视化流程 + 多步骤逻辑 + 条件分支 + 变量管理 + 插件调用
• 简单理解：GPTs Action = 一次性动作，Coze Flow = 可编程的任务流水线

Q5：Coze 和 Dify 哪个更适合？

答：

• Coze：适合企业级、复杂流程、插件扩展、知识库、自动化任务
• Dify：更偏向低门槛快速生成 Agent、模板化操作
• 选择建议：
  • 需要自动化 + API / 插件扩展 → Coze
  • 只做简单聊天或内容生成 → Dify
• SEO 关键词：Coze vs Dify、Coze 适合什么场景、Dify 对比

Q6：如何让 Coze 更稳定？

答：

• Flow 拆分任务，避免一次性大 Prompt
• 使用变量存储中间结果
• 插件 / API 调用加入错误处理
• 知识库结构化、干净，避免文档混乱
• 定期测试与调优

Q7：如何防止智能体乱调用 API？

答：

• 在 Flow / Plugin 中加入权限控制
• 限制插件调用次数与范围
• 对敏感 API 加 Token 与鉴权
• 结合 LLM 节点限制输出范围

Q8：知识库不生效怎么办？

答：

• 检查文档格式：PDF / 文本 / 网页是否被支持
• 确保文档结构清晰：标题、段落、列表
• 避免文档过大或混乱
• 给知识库加“前置说明”，明确优先引用
• 流程中 LLM 节点使用知识库引用，而非自由发挥

11. 最佳实践与性能优化

在构建专业级 Coze 智能体时，掌握最佳实践和性能优化方法，可以让你的智能体更稳定、更高效，也更易维护。

11.1 Prompt 分层写法（让智能体思路清晰）

**核心思想：**将大任务拆成多个小 Prompt 层级，每层只负责一件事：

1. 顶层 Prompt：定义角色、能力、风格、任务边界
2. 中层 Prompt：任务拆解、逻辑判断、变量映射
3. 底层 Prompt：具体执行指令（如生成文本、调用 API、格式化输出）

优势：

• 减少 LLM 自由发挥造成的错误
• 提高内容稳定性
• 便于 Flow 节点复用

示例：

顶层 Prompt：你是一名企业内容专家
中层 Prompt：根据用户输入，拆解任务为“信息收集 → 内容生成 → 排版优化”
底层 Prompt：生成一篇符合 SEO 的文章，长度 800 字左右

11.2 Flow 拆解策略（让流程高效稳定）

建议方法：

1. 单一职责原则：每个 Flow 节点只做一件事
2. 分支逻辑清晰：If / Switch 分支明确，避免逻辑交叉
3. 变量复用：中间结果用变量存储，减少重复计算
4. 小任务组合：大型任务拆分成多个小 Flow，再通过 Sub-Flow 组合

案例：

• 自动写文案 → 拆解为“收集信息 → 生成标题 → 生成正文 → 排版 → 发布”

优势：

• 流程可视化更清晰
• 降低 Token 消耗
• 易于调试和复用

11.3 插件标准化编写

为了让插件可复用、易维护，建议：

• 明确 schema：参数类型、必填项、返回字段
• 统一命名规范：Action 名称、参数名保持一致
• 错误处理机制：API 调用失败返回标准错误码
• 文档完善：README、示例调用、返回示例

标准化插件更容易被团队共享，也便于 Flow 调用。

11.4 Token 与成本优化

大型智能体项目需要关注成本和延迟：

• 减少重复调用：Flow 内多节点共享变量
• 分段处理大文本：先生成摘要，再生成完整内容
• 使用轻量模型：对非核心任务使用小模型
• 控制生成长度：设置 max tokens、stop sequence
• 缓存策略：重复请求可直接返回缓存结果

11.5 复杂项目的分模块协作

当项目复杂时，团队协作必不可少：

• 模块划分：
  • Prompt 模块
  • Flow 模块
  • 插件模块
  • Knowledge 模块
• 版本管理：每个模块单独维护版本
• 接口定义：插件和 Flow 使用标准接口调用
• 协作流程：先搭建核心 Flow，再逐步添加知识库、插件和自动化动作

优势：

• 团队分工明确
• 避免多人改动冲突
• 提高智能体整体稳定性和可扩展性

通过遵循这些最佳实践，你的 Coze 智能体将具备高稳定性、高性能、易维护、可扩展的特点，完全适合企业级或复杂自动化项目。

12. 结语：2025 用 Coze 打造你的 AI 自动化资产

AI Agent 已经不再是未来的概念，而是新的“数字劳动力”，它能帮你完成重复、繁琐甚至复杂的任务，让你专注于创造价值。

通过 Coze，你可以轻松实现：

• 自动写作：文章、文案、摘要、报告
• 自动化运营：社交媒体内容发布、数据统计、营销流程
• 自动客服：多轮问答、知识库支持、客户引导
• 自动爬虫与数据处理：网页抓取、数据整理、报表生成
• 自动执行任务：跨平台 API 调用、流程自动化、业务逻辑执行

Coze 不只是工具，它是你可以拥有的可复用、可扩展、可升级的智能自动化资产。

💡 行动建议：
不要只停留在阅读教程，开始动手构建你的第一个智能体，把理论变成实践！

如果你有兴趣打造专业级智能体，或者想把 Coze AI Agent 应用到你的业务中，欢迎 联系我：cemcoe，我可以帮你快速落地方案，实现真正的自动化价值。