文章目录
 
  
    
    
 
     
一、Coze简介 
      
 
       
1.1 什么是Coze？
 
       
1.2 核心概念
 
      
 
     
二、Coze产品生态
 
     
三、智能体开发基础
 
     
四、Coze资源 
      
 
       
4.1 插件
 
       
4.2 扣子知识库
 
       
4.3 数据库资源
 
      
 
     
五、工作流开发与发布
 
     
六、应用开发与发布
 
     
七、Coze的API与SDK
 
     
八、实战案例
 
    
Coze 是字节跳动开发的 AI Agent 平台，作为一款人工智能开发工具，它可以帮助开发者通过低代码甚至零代码的方式快速构建应用程序。此外还提供了相关的API和SDK，可以集成到我们自己开发的项目业务中。
 
  
    
    
 
     
智能体：用户以对话的方式与AI进行交互，它根据用户输入，利用大模型自动调用相关的工具或流程完成特定任务，例如，可以将其构建为类似人工智能客服的对话应用。
 
     
应用：在智能体的基础上包装一层外壳，即多了一个web页面或移动端界面。
 
     
大模型：是一种基于海量数据和巨量参数构建的人工智能模型，类似一个“超级大脑”。智能体和应用的实现依赖于大模型。
 
    
大模型的缺陷
 
  
    
    
 
     
没有数据实时性：比如它无法知道今天的天气情况，无法知道今天道路的拥堵情况，无法社会的实时热点等等。
 
     
“幻觉”问题：生成看似合理但完全错误或虚构的信息，包括捏造事实、引用不存在的文献、给出错误答案。
 
     
推理能力有限：在复杂逻辑推理、数学计算、因果推断和规划任务上表现不稳定，容易犯低级错误。
 
    
此外大模型还依赖于提示词，提示词的详细程度和设计质量直接影响模型输出结果是否符合预期。
Coze 的核心价值，在于为原始大模型装备了一套功能强大的“外骨骼”与“操作系统”。这个“操作系统”通过一系列工程化手段（工具扩展、流程固化、知识增强、角色设定）来引导、约束、放大和聚焦大模型的通用能力，最终创造出能够可靠、自主、高效地解决特定领域问题的智能体（AI Agent）。将大模型的“通用能力”设计成“特定能力”。
 
  
    
    
 
     
扣⼦开发平台：如同餐厅的菜谱研发部⻔，负责设计新菜品（智能体功能）、制定烹饪流程（⼯作
流）和⻝材搭配（插件/知识库集成）。



 
     
扣⼦罗盘：相当于餐厅的运营管理系统，实时监控订单流量（⽤⼾交互）、分析菜品受欢迎程度（智
能体性能指标）、优化供应链（模型调⽤成本）。



 
     
Eino框架：相当于餐厅的厨房基础设施，包括炉灶（核⼼引擎）、冷藏系统（数据存储）和排烟管道
（数据流处理）。



 
     
扣⼦空间：相等于顾客在餐厅就餐，可直接与"厨师团队"（专家Agent）交互，直接看到后厨做菜到上
菜的全过程。



 
    
扣子官方网站：https://www.coze.cn/home
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
     
单Agent（自主规划模式）：单个智能体独⽴完成任务，架构简单，适⽤于流程固定、逻辑单⼀的场景。
 
     
单Agent（对话流模式）：通过预设多轮对话流程引导用户完成任务，⽀持条件分⽀、上下⽂记忆和动态交互。它像电话⾥的语⾳客服，严格按脚本提问，引导你⼀步步提供信息，最后给出结果。适合流程标准化、需要引导⽤户的场景。
 
     
多Agents：多个智能体协同⼯作，从不同专业⻆度评估问题，通过协作或辩论得出更全⾯、更平衡
的⽅案。适合极其复杂的任务。



 
    
提示词：
 
  
    
    
 
     
系统提示词：在创建智能体式由开发者设定，告诉大模型这个智能体是用来做什么的，和设定一些技能和规则等等。
 
     
用户提示词（个性化的）：也在使用智能体时用户的输入，在系统提示词规则范围内才内被处理。
 
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
在Coze中，插件是扩展智能体功能的模块化⼯具，通过调⽤外部服务、数据接⼝或预设逻辑，使智能体具备实时交互、动态决策和场景化服务能⼒。
示例：
出行规划智能体














 
  
    
    
 
      
    
 
  
    
    
 
      
    
从这个例子可以看出，AI 插件是为智能体赋予 “实际行动能力” 的工具，就像 AI 的 “手和脚”，让智能体拥有了对外执行操作的实体能力。它能打破智能体仅停留在聊天与文本生成的局限，连接真实的外部世界，执行各类具体任务。
插件分类：
 
  
    
    
 
     
数据查询类：获取外部实时数据，墨迹天⽓、微博热点
 
     
业务⼯具类：执⾏特定的功能，如⽣成视频、⽣成图⽚
 
    
注：有的插件可能付费，可能需要到第三方平台申请。
 
  
    
    
 
     
“公司的Wi-Fi密码是多少？”
 
     
“报销流程怎么⾛？需要哪些票据？”
 
     
“年假是怎么计算的？”
 
     
“公司附近有什么好吃的推荐吗？”
 
     
“技术⽂档的模板在哪⾥下载？”
 
    
 
  
    
    
 
     
检索：根据问题，从一个外部知识库（如数据库、文档等）中查找最相关的信息片段。
 
     
增强：将这些检索到的信息作为“参考资料”或“上下文”，与用户的原始问题一起输入给大语言模型。
 
     
生成：大语言模型基于这些提供的可靠“参考资料”，生成更准确、更可靠的回答。
 
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
什么是工作流？
是完成特定目标，而设计的一系列结构化、自动化（或半自动化）的步骤和规则。节点是工作流的最小拆分单位，它的核心包括开始节点、结束节点、大模型节点、插件节点、工作流节点，是系列指令的集合，能够处理复杂的场景。



注：可以将其理解为编程中的“函数调用”，即一个工作流可以嵌套调用另一个工作流。
工作流分类
 
  
    
    
 
     
Workflow（⼯作流）：⾯向数据⾃动化处理场景，通过顺序执⾏节点链实现特定功能，适⽤于标准化、批量化任务。
 
     
Chatflow（对话流）：基于对话场景的特殊⼯作流，通过多轮交互动态调整流程逻辑。
 
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
 
  
    
    
 
      
    
GPT plus 代充 只需 145
同样的最终结果处理用来提取url：
主流程中的代码，整理并构建最终结果：
GPT plus 代充 只需 145
 
  
    
    
 
     
注意：因为使用的阿里云 OSS 插件生成的 URL 可能包含换行符或空白字符，因此我们在代码中增加了去除空白字符的处理逻辑。
 
    
阿里云 OSS（对象存储服务）的使用：
阿里云官网：https://www.aliyun.com/?spm=5176..J_4VYgf18xNlTAyFFbOuOQe.d_logo.5fb793a1t16gRU



 
  
    
    
 
     
登录阿里云官网搜索并创建免费的对象存储oss
 
     
点击个人头像点击找到AccessKey，点击进入使用云账号创建AccessKey并保存好信息。
 
     
进入对象存储 OSS控制台，创建Bucket列表。
 
     
在工作流中搜索插件阿里云文件上传oss，并设置
 
    
 
  
    
    
 
      
    
在创建好工作流后，我们可以像之前一样将其用于智能体或应用开发。接下来，我们将进一步把它封装成 SDK，并集成到一个独立的 Web 应用中。
首先创建.env环境变量，设置相关信息
 
  
    
    
 
      
    
GPT plus 代充 只需 145