大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



 
Coze 是什么？为什么现在很多人都在学它？
 

Coze（扣子编程） 是一个面向 AI 应用开发的低代码/无代码平台。

它的核心目标非常明确：让不会写代码的人，也能通过自然语言 + 可视化编排，快速搭建 AI 智能体、工作流和应用。

根据官方文档，Coze 提供的是一个 AI 驱动的应用开发平台，支持多种开发范式，帮助用户构建并交付生产级别的全栈 AI 应用；同时它也支持通过自然语言描述需求来生成工作流或项目骨架。

---

如果你刚接触 Coze，可以先把它理解成这 3 层能力：

1）智能体（Bot / Agent）

适合做：

• AI 客服
• AI 助手
• 文案生成助手
• 学习辅导助手
• 资料问答机器人
• 公众号排版助手
• 小红书/短视频脚本助手

你可以给它设置：

• 人设（System Prompt）
• 回复风格
• 工具调用
• 知识库
• 工作流能力
• 发布渠道

---

2）工作流（Workflow）

适合做：

• 多步骤内容生成
• 审核 + 改写 + 输出
• RAG 检索问答
• 分类路由
• 表单处理
• 数据清洗
• 批量文本分析
• 多模型协同

Coze 官方把工作流定义为：

一系列可执行指令的集合，用于实现业务逻辑或完成特定任务，并提供可视化画布，通过拖拽节点来快速搭建。

---

3）AI 编程 / 生成式工作流

这是最近很火的一块。

官方文档提到，Coze 推出了 AI 生成式工作流功能，你只需要用自然语言描述业务需求，Coze 就能自动生成工作流骨架、节点结构和初步逻辑，大幅降低搭建门槛。

这意味着你可以直接说：

“帮我做一个文章润色工作流：先检测敏感词，再优化标题，再生成摘要，最后输出公众号版本。”

然后让 Coze 自动给你生成一套流程。

---

1）什么是中转API？

神马中转API本质上就是：

你不直接连 OpenAI / Claude / Gemini，而是先连一个中间层服务。

它通常提供：

• 统一接口
• 统一 Key 管理
• 多模型路由
• 余额计费
• 国内网络优化
• OpenAI 兼容格式

---

2）为什么在Coze里配置中转 API？

主要有 4 个原因：

• 官方模型不够用，想接更多模型
• 想统一管理多个模型厂商
• 想降低接入门槛
• 想把不同模型集中到一个 Base URL

---

3）你需要准备什么？

一般需要这 3 个信息：

• API Key
• Base URL
• 模型名称（Model Name）

GPT plus 代充 只需 145 API Key: sk-xxxxxx Base URL: https://api.whatai.cc/v1/chat/completions Model: gpt-5.4

---

4）在 Coze 中配置模型的大致步骤

Coze 平台里不同入口可能因版本更新略有变化，但核心逻辑一致。

路径思路（通用）

进入：

• 工作空间 / 管理后台
• 左侧菜单-项目开发-创建项目
• 创建智能体，填写名字、介绍与图标

创建工作流

---

添加HTTP请求，OpenAI 兼容格式的通用配置模板

点击➕，添加HTTP请求

神马中转 API 是 OpenAI 兼容，通常这样填：

基础配置示例

 curl --location --request POST 'https://api.whatai.cc/v1/chat/completions' --header 'Accept: application/json' --header 'Authorization: Bearer {{YOUR_API_KEY}}' --header 'Content-Type: application/json' --data-raw '{ "model": "gpt-5.4", "messages": [ { "role": "user", "content": "给我写个神马中转API介绍" } ], "max_tokens": 1000, }'

导入cURL，填写自己的key

修改自己想用的模型值（模型值去神马中转API模型价格页面复制），最后试运行成功

配置时重点检查 Base URL、API Key、模型 ID 三项是否正确，超时时间设置最长，并通过单节点工作流先做连通性测试，再正式接入复杂工作流。

---

---

1）知识库（RAG）

Coze 支持知识库存储和检索能力，官方文档说明支持上传和存储外部知识内容，并提供多种检索能力。

适合做：

• 企业 FAQ
• 产品文档问答
• 课程资料答疑
• 法规条文检索
• 内部 SOP 问答

---

2）大模型节点（LLM Node）

官方文档说明，大模型节点依赖大语言模型的理解与生成能力，可以处理复杂 NLP 任务，并可配置提示词来定义回复风格。

适合做：

• 总结
• 分类
• 改写
• 提取
• 生成
• 翻译
• 审核

---

3）技能（Skill）

Coze 支持通过 AI 编程方式开发技能，也可以上传技能文件打包为技能。

适合做：

• 自定义工具函数
• 接外部 API
• 复杂业务逻辑封装
• 复用组件

---

4）数据库（Database）

Coze 平台支持数据库能力，可以让你的 AI 应用具备一定的数据存储与查询能力。

适合做：

• 用户记录
• 对话状态
• 表单数据
• 订单状态
• 业务配置

---

这一部分是很多人最感兴趣的。

官方文档明确表示：

你不需要手动一个个拖节点，只要用自然语言描述需求，Coze 可以帮你自动生成工作流。

---

1）什么是 AI 生成式工作流？

简单说就是：

你负责“说需求”，Coze 负责“搭框架”。

例如你输入：

GPT plus 代充 只需 145 帮我创建一个文章处理工作流： 1. 接收用户输入文章 2. 判断文章类型（科普/营销/故事） 3. 根据类型生成不同风格标题 4. 输出摘要 5. 输出优化后的正文

Coze 会尝试自动生成：

• 开始节点
• 分类节点 / 判断逻辑
• LLM 节点
• 多分支节点
• 输出节点

---

2）AI 生成式工作流适合什么场景？

非常适合：

• 内容生产流程
• 审核流程
• 问答分流
• 客服意图识别
• 知识库问答
• 数据提取
• 批量文档处理

---

3）推荐的提示词写法（非常重要）

如果你直接说：

帮我做个工作流

Coze 可能生成得很泛。

你应该这样说：

模板 1：结构化描述法

 帮我创建一个工作流，用于处理用户提交的文章内容。 输入： - article_text（字符串） 目标： - 判断文章类型（科普/营销/故事） - 根据类型生成 3 个标题 - 输出 100 字摘要 - 输出润色后的正文 要求： - 使用大模型节点完成分类和生成 - 每一步都保留中间变量 - 最终输出 title_list、summary、optimized_text

---

4）AI 生成后要做的 3 件事

① 检查输入输出变量

重点看：

• 输入字段是否正确
• 类型是否正确（String / Object / Array）
• 节点输出是否被后续引用

② 检查提示词

AI 自动生成的提示词通常能用，但不一定最优。

建议你自己补充：

• 输出格式要求
• 风格要求
• 错误兜底逻辑
• 结构化 JSON 要求

③ 跑试运行

一定要点 试运行 / 调试，看每个节点输出是否符合预期。

---

更多官方教程文档：https://www.coze.cn/open/docs/guides/learning_resources

低代码工作流是可执行指令集合，可通过可视化画布拖拽节点快速搭建。

---

案例：做一个“文章优化工作流”

目标

用户输入一段文章，系统自动完成：

1. 提取主题
2. 生成 3 个标题
3. 生成 100 字摘要
4. 输出优化后的正文

---

第一步：创建工作流

1. 登录 Coze
2. 进入工作空间
3. 打开资源库 / 项目开发
4. 点击 新建资源
5. 选择 工作流

输入：

• 名称：文章优化工作流
• 描述：用于标题优化、摘要生成和正文润色

---

第二步：配置开始节点（Start）

在开始节点里定义输入参数：

• article_text（String，必填）

示例：

GPT plus 代充 只需 145 变量名：article_text 类型：String 说明：用户输入的原始文章内容

---

第三步：添加“大模型节点”——提取主题

新增一个 大模型节点，命名为：提取主题

输入变量

• article_text

提示词示例

 请阅读下面的文章内容，提取文章的核心主题，并用一句话返回。 文章内容： {{article_text}} 要求： - 只输出一句话 - 不要解释

输出变量

• topic

---

第四步：添加“大模型节点”——生成标题

新增第二个 大模型节点，命名：生成标题

输入变量

• article_text
• topic

提示词示例

GPT plus 代充 只需 145 请根据文章内容和主题，生成 3 个适合公众号传播的标题。 主题： {{topic}} 文章内容： {{article_text}} 要求： - 输出 3 个标题 - 每个标题单独一行 - 风格要有传播性，但不要夸张标题党

输出变量

• title_list

---

第五步：添加“大模型节点”——生成摘要

新增第三个 大模型节点，命名：生成摘要

提示词示例

 请根据以下文章内容，生成一段 100 字以内的摘要。 文章内容： {{article_text}} 要求： - 100 字以内 - 语言自然 - 适合放在文章开头

输出变量

• summary

---

第六步：添加“大模型节点”——润色正文

新增第四个 大模型节点，命名：润色正文

提示词示例

GPT plus 代充 只需 145 请将以下文章润色为更适合公众号发布的版本。 原文： {{article_text}} 要求： - 保留原意 - 提升可读性 - 增加段落层次 - 语言自然流畅 - 不要虚构事实

输出变量

• optimized_text

---

第七步：配置结束节点（End）

在结束节点里输出以下变量：

• topic
• title_list
• summary
• optimized_text

这样一次调用就能拿到完整结果。

---

第八步：试运行

输入一段文章测试：

• 看 topic 是否准确
• 看 title_list 是否符合风格
• 看 summary 是否过长
• 看 optimized_text 是否过度改写

如果不理想，就优化提示词。

---

---

第 1 天：认识平台

看欢迎页、平台介绍、学习资源。

第 2 天：做一个最简单的智能体

先把 Prompt 调顺。

第 3 天：学低代码工作流

学开始节点、大模型节点、结束节点。

第 4 天：做“文章优化工作流”

把上面教程跑通。

第 5 天：学知识库

做一个资料问答助手。

第 6 天：接入神马中转API

把模型换成你自己的模型源。

第 7 天：做一个完整产品

比如：

• AI 客服
• 公众号助手
• 知识库问答机器人
• 报告生成助手

---

---

1）公众号爆文助手

功能：

• 选题
• 标题生成
• 提纲生成
• 正文扩写
• 风格改写
• 摘要提取

---

2）知识库客服机器人

功能：

• 产品文档问答
• FAQ 自动回复
• 售前咨询
• 售后问题处理

---

3）简历优化助手

功能：

• 提取岗位 JD
• 匹配简历关键词
• 优化项目经历
• 生成自我介绍
• 模拟面试题

---

很多人学 Coze 最大的问题不是不会，而是：

一上来就想做“超级智能体”。

我的建议：

正确顺序是：

1. 先做一个单节点任务
2. 再做一个 3 节点工作流
3. 再接知识库
4. 再接中转模型
5. 最后再做完整产品

---

一句话总结：

Coze 是当前非常适合普通人上手 AI 应用开发的平台之一。

它的价值不只是“做个聊天机器人”，而是：

• 用最小成本验证 AI 产品想法
• 用工作流把 AI 从“会聊天”变成“能做事”
• 用知识库把 AI 从“会说”变成“懂业务”
• 用中转 API 把 AI 从“能用”变成“可控、可扩展”

官方文档已经明确展示了它在 智能体、低代码工作流、AI 生成式工作流、知识库、技能、数据库 等方面的完整能力路径。对于新手来说，完全可以从“会用”一路进阶到“会搭项目”。