嗨! Coze 的 AI 漫游：解锁智能体与工作流，轻松拿捏智能应用（1）

 Hi，好久不见，我是云边有个稻草人，一个偶尔中二的万粉博主与你分享专业知识 ~ U·ェ·U ~

现在来一场 Coze 的 AI 漫游——解锁智能体与工作流，轻松拿捏智能应用吧！

一、课程概述

1.1 什么是coze？

coze又称扣子，是字节跳动开发的新一代 AI Agent 开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用，并将 AI 应用发布到各个社交平台、通讯软件，也可以通过 API（Application Programming Interface 应用程序编程接口） 或 SDK（ Software Development Kit 软件开发工具包） 将 AI 应用集成到你的业务系统中。

人工智能工具，辅助我们的开发工作，可以少写代码，甚至不写代码实现一个程序！

1.2 为什么要学习coze？

扣子提供的可视化设计与编排工具，你可以通过零代码或低代码的方式，快速搭建出基于大模型的各类 AI 项目，满足个性化需求、实现商业价值。

• 智能体：智能体是一种通过对话与用户交互的AI应用。你只需要用自然语言输入需求，它就能借助大模型自动调用相关工具或流程，帮你完成特定任务，并给出回应。常见的应用包括智能客服、虚 拟伴侣、个人助理、英语外教等，让复杂操作变得像聊天一样简单。
• 应用：应用是利用大模型技术开发的软件程序。在扣子上搭建的应用，具备清晰的操作界面和完整 的业务流程，是一个真正可用的 AI 项目。每个应用都有明确的输入和输出，能够根据预设的逻辑和流程，自动完成从简单到复杂的各类任务。

上述两个概念中都提到了一个核心词 大模型（Large Language Model），简单来说大模型就是一个什么都懂、但需要人为引导的“超级大脑”，你可以向他咨询问题，他可以给你一个解决方案。

举一个具体的例子：学做“西红柿炒鸡蛋”

假设你想学做这道菜，你会怎么利用这个“超级大脑”？

（1）如果你问得模糊：

• 你问：“怎么做西红柿炒鸡蛋？”
• 他答：（他会给你一段从无数菜谱里综合出来的标准步骤，可能很长，可能包含一些你不懂的术 语，比如“煸炒”、“滑散”，也没考虑你家只有两个鸡蛋的实际情况。）

（2）如果你问得具体：

• 你问：“我家有2个西红柿、3个鸡蛋、盐和葱。我没有生抽。请用简单的三步教我做一个人的西 红柿炒鸡蛋。”
• 他答： 第一步：鸡蛋打散，西红柿切块，葱切花。第二步：锅里放油，油热后倒入鸡蛋，炒熟盛出。第三步：用锅里剩的油炒西红柿，炒出汁后倒入炒好的鸡蛋，加盐翻炒均匀，撒上葱花即可。

你看，当你问得越具体、越有引导性，他给出的答案就越靠谱、越有用。 使用扣子可以降低开发门槛，我们可以少写代码甚至不写代码来实现一个项目。部分场景下，使用扣子部分业务代码可以自动生成也能提高程序员的开发效率。

1.3 学习完coze你能收获到什么？

通过本节的学习，我们将能够全面掌握coze平台的核心功能和应用开发技能，具体目标如下：

1. 掌握coze平台基础操作：熟悉coze平台的界面布局、核心功能模块，能够独立完成智能体的创 建、配置和发布流程。
2. 掌握智能体开发技术：学会设计智能体的人设与回复逻辑，掌握提示词工程的编写技巧，能够根据 不同场景定制智能体的行为模式。
3. 熟练应用插件与工作流：掌握插件的添加与配置方法，能够利用工作流功能设计复杂的业务逻辑， 实现自动化任务处理。
4. 构建专业知识库：学会上传和管理各类格式的知识库文件，优化知识检索效果，提升智能体的专业 应答能力。
5. 封装个性化服务：把coze提供的API或SDK集成到同学们已有的业务项目中。
6. 开发实际应用项目：能够独立完成一个完整的coze项目，并能发布出来供用户正常使用。

1.4 学习coze你需要什么基础？

1. 基础文字处理能力：能够使用进行简单的文本操作。
2. 逻辑思维能力：具备基本的逻辑分析能力，能够理解简单的业务流程和条件判断逻辑。
3. 学习能力：具备自主学习和解决问题的能力，能够根据教程和文档进行实践操作。
4. 了解python：能够阅读简单的代码片段，有助于理解工作流开发和自定义功能实现。（可选）
5. 了解SQL：了解关系型数据库，熟悉新增、查询、编辑、删除等常见操作。（可选）

二、扣子产品生态

2.1 扣子产品矩阵

• 扣子开发平台：如同餐厅的菜谱研发部门，负责设计新菜品（智能体功能）、制定烹饪流程（工作流）和食材搭配（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（用户交互）、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。 我们重点学习的是扣子开发平台和扣子空间。

2.2 注册扣子

访问扣子官网，打开浏览器，在地址栏输入coze官方网址：https://www.coze.cn/，按下回车键进入coze平台首页，自行注册即可。

三种登录方式：

• 抖音账号登录：点击“抖音一键登录”，使用手机抖音APP扫描页面上的二维码，在手机上确认授 权即可完成登录。
• 手机号注册：点击“手机号登录”，输入手机号码，点击“获取验证码”，将手机收到的6位验证 码填入输入框，点击“登录”。
• 飞书账号登录：需要飞书所在组织管理员帮助开通权限。（不推荐）

2.3 扣子开发平台

（1）什么是扣子开发平台？

扣子平台是字节跳动做的一个“AI机器人搭建工具箱”。它最大的特点就是不用写代码或者只写很少的代码，让不懂技术的人也能像搭积木一样，轻松地创造一个能对话、会办事的AI助手。

一句话总结：扣子就是一个让你能轻松亲手制作自己专属AI助手的傻瓜式平台。

扣子开发平台也是我们本节的学习重点。假如编程基础薄弱，我们可以通过扣子开发出属于自己的智能体和应用。假如编程能力强，我们也可以靠封装扣子的SDK来实现更多的功能。

（2）扣子开发平台使用

1. 访问地址：https://www.coze.cn/home
2. 平台核心功能：

• 智能体：coze智能体是字节跳动推出的 AI Agent 开发平台核心组件，通过低代码/零代码可视化开发与模块化功能集成，重新定义了AI应用的构建方式。其核心价值在于将复杂的AI技术封装为可复用的组件，使企业与个人能够快速实现从“对话交互”到“任务自动化”的全场景需求。
• 应用：应用可以通过低代码/零代码方式快速构建具备多模态交互、任务自动化和插件扩展能力的AI 智能体，赋能企业与个人提升工作效率、优化服务体验。
• 开放的API和SDK：提供标准化接口与开发工具包，支持开发者将coze智能体、工作流等能力集成 到自有系统，实现功能扩展与跨平台协同。

智能体可以理解为一个能与用户进行对话的机器人。 应用则可以理解为给机器人加上了皮肤。

智能体与应用的区别只是外观不同，本质的功能是一样的。

（3）扣子开发平台付费管理

coze有免费额度，普通用户每次调用都是消耗资源点。普通用户每天有500个资源点，假如不够用的话，可以付费升级以下，或者升级用户，或者购买资源点（整个项目下来预计二三十个大洋）

收费在火山引擎系统：https://console.volcengine.com/home

2.4 扣子罗盘

（1）什么是扣子罗盘?

coze罗盘是字节跳动免费开放给大家用的一个 “AI机器人工厂管理系统”。你可以把它想象成一 个超级智能的控制中心和质检车间。从你开始造一个AI机器人（开发）、到反复训练它（调试）、给 它考试看它水平如何（评测）、再到把它上线工作并且时刻盯着别出问题（运维），整个生命周期都可以在这个系统里完成。

（2）coze罗盘使用

访问地址：https://loop.coze.cn/console/enterprise/personal/space/7487806534651887643/pe/prompts

coze罗盘主要功能：

• Prompt工程化管理：编写AI提示词 • 自动化多维度评测：对将来生成的智能体产生的结果进行评价打分
• 全链路可观测性：记录用户输入、模型调用、工具执行等完整链路
• 多模型管理与对比：支持OpenAI、火山方舟、本地私有模型等多源接入
• 开源与部署特性：Apache 2.0许可，支持商业使用与二次开发

2.5 Eino框架

Eino 是基于 Go 语言的 Al Agent 开源开发框架，提供了丰富的辅助 Al Agent 开发的原子组件、集成组件、组件编排、切面扩展等能力，可以帮助开发者更加简单便捷地开发出架构清晰、易维护、高 可用的 Al Agent 和各类AI 应用。

github地址：https://github.com/cloudwego/eino

2.6 扣子空间

（1）什么是扣子空间？

coze空间是字节跳动做的一个 “AI同事办公室”。在这个“办公室”里，你不用下复杂的命令， 就像跟真人同事说话一样，直接告诉AI你的需求就行。比如你说“做个下半年旅游计划的PPT”，它就能自己琢磨步骤、去找资料、调用工具，然后把做好的PPT直接交给你。

扣子空间是我们本节的另外一个重点，扣子空间与扣子开发平台的最大区别是扣子空间是零代码的，扣子开发平台是低代码的。

相比于扣子开发平台，扣子空间的上手门槛更低。

（2）coze空间使用

• 访问平台：https://www.coze.cn/space-preview

• 向coze空间提问

输入：请帮我写一首赞美程序员的诗，立意要新颖，主题要积极向上

扣子空间会把思考和执行任务的过程也体现出来，我们可以把很多的问题都来咨询扣子空间，结合合适的输入词，就可以得到相对靠谱的答案。

三、智能体开发基础

3.1 什么是智能体？

智能体是基于大语言模型（LLM Large Language Model）构建的，具备自主感知环境、分析数据 并执行目标任务的能力。与传统自动化工具不同，其核心差异在于主动适应能力——可通过用户反馈和数据迭代持续优化策略，而非仅执行预设规则。

举个栗子：

传统的自动化工具像一个配置好的饮料机，规则驱动，根据设定好的规则去执行任务，过程中没有用户反馈。

智能体更像是一个店里的饮料师，反馈驱动，整个过程是一个双向互动和持续学习的过程，最终产品是个性化的。

智能体应用场景与案例：https://www.coze.cn/customers

下面我们将以这个顺序来进行扣子智能体的学习

3.2 如何创建一个智能体？

（1）访问Coze官网（https://www.coze.cn/）， - 进入“工作空间”→“项目开发”→点击右上角“创建智能体”，选择创建方式：

（2）选择 标准创建 or AI创建？

• 标准创建：手动填写名称（如“电商客服助手”）、功能描述（如“7×24小时解答产品咨询，提供价格对比和库存查询”），上传或生成图标。
• AI创建：输入需求描述（如“帮我创建一个能生成旅游攻略的智能体”），系统自动生成基础配置。

见下图：

创建个智能体实践一下

点击确认后，一个最简单的智能体就出来了

3.3 智能体模式选择

智能体可供选择的模式有3种：单Agent（自主规划模式）、单Agent（对话流模式）和多 Agents 模式。

下面我们将通过一个全家周末一日游的小例子来串联起这3种模式，来学习一下这些模式的使用特点和各自的适用场景。

（1）单Agent（自主规划模式）

定义：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。

委托给一个能干的总秘书：你只创建一个智能体（Agent），但它内部具备强大的自主规划和推理能力。你只告诉它一个最终目标，它会自己拆解步骤、调用工具、逐步完成。

举个栗子：

• 你对你的“总秘书”说：“帮我们全家规划一个本周六的一日游，预算1000元，老人孩子都能参与，晚上8点前要到家。”
• 总秘书（自主规划模式）的思考和行为过程：
• a. 规划：“主人给了个复杂任务。我需要先确定景点，再安排交通，然后找餐厅，最后计算时间和预算。”
• b. 执行：
• 调用工具：它自己先去调用 地图API ，搜索“城市周边 适合家庭景点”。
• 规划：筛选出“动物园”和“植物园”两个选项。 ▪ 再调用工具：又调用 天气API ，发现周六下雨，于是排除动物园，选择植物园（有室 内场馆）。
• 继续规划：根据植物园的位置，调用交通API 规划公交路线，调用 美食API 查找园区内和周边的家庭餐厅，并估算每一项的费用。
• c. 回复：最后给你一个完整的方案：“建议去植物园。上午9点出发，坐地铁5号线...中午在 园内的‘绿光餐厅’用餐...总费用约900元。”

一句话总结：你只管下最终指令，它自己会思考、会决策、会调用各种工具来完成任务。适合目标明 确但路径复杂的任务。

（2）单Agent（对话流模式）

定义：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。

和一个严格按照 checklist 行事的助理沟通：你只创建一个智能体，它的行为流程完全由你预先设计好的“对话流”决定。像是一个流程图，每一步该问什么、该做什么都是固定的，确定性高，但灵活性低。

举个栗子：

• 你启动了一个“出游规划助手”（对话流模式）。
• 它的行为是固定的：
• a. 第一步：它会严格按照设定问你：“请问您的出游预算是多少？” （你必须先回答这个）
• b. 第二步：你回答“1000元”后，它接着问：“出游人员有老人或小孩吗？” （你必须再 回答这个）
• c. 第三步：你回答“有”后，它再问：“您偏好自然风光还是人文历史？”
• d. 等你按部就班地回答完所有预设问题后，它才会调用一次工具，生成一个标准化的方案给 你。
• 如果你在第一步突然问：“周六天气怎么样？” 它会很困惑，因为它当前的流程卡在“问预 算”这一步，不会跳出流程去查天气。

一句话总结：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。

（3）多 Agents 模式

定义：多个智能体协同工作，通过分工处理复杂任务，如“分诊Agent+专业Agent”架构。

协同方式：

• 主从模式：主控Agent接收用户请求，分配任务给专业Agent（如“电商客服系统”中，分诊Agent识别意图后，将“产品咨询”分配给营销Agent，“投诉”分配给售后Agent）。
• 平等模式：多个Agent并行处理不同子任务，结果汇总后生成最终回复（如“数据分析智能体”中， 数据采集Agent+清洗Agent+可视化Agent协同工作）。

组建一个专家委员会：创建多个智能体，每个智能体扮演不同的专家角色，它们通过协作、讨论（甚至辩论）来共同解决一个复杂问题。

举个栗子：

• 你不再只和一个助手沟通，而是拉了一个群，里面有三位专家：
• 交通规划专家 ：精通路线和时间管理。
• 美食娱乐专家 ：熟知餐厅和景点玩法。
• 财务预算专家 ：擅长控制成本和分配预算。
• 你只需要在群里说一句最初的指令：“规划一下周六的家庭日。”
• 委员会的工作过程：
• a. 美食娱乐专家先提议：“去新开的野生动物园怎么样？”
• b. 交通规划专家 反对：“不行，周六那边肯定大堵车，带着老人孩子不方便。我建议去坐游船，码头离得近。”
• c. 财务预算专家计算了一下：“游船套餐三人要1200元，超预算了。我们可以只买船票， 自己带午餐，这样能控制在1000以内。”
• d. 经过几轮这样的讨论和权衡，最终他们达成一致，由主席（或你自己）汇总出一个最优方案给你。

一句话总结：多个智能体各司其职，从不同专业角度评估问题，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。

在本节课中因为我们会创建多个智能体，每个智能体的案例场景比较单一，所以我们的智能体都选择：单Agent（自主规划模式）。

3.4 模型设置与优化

（1）模型选择

coze支持多种主流大模型（只支持国内大模型，国外没有审核），其优势、使用场景与注意事项如下：

（2）模型工作原理

大模型的工作原理通俗地讲如图：包括4个步骤。

假设大模型相当于同学们班里的“学霸”。

第一步：数据准备预处理 (Data Preparation)

——相当于“给学霸准备海量的复习资料”

在训练之前，模型需要数据。但这些数据不能是原始的、杂乱无章的。

• 做什么：从互联网、书籍、代码库等渠道收集巨量的文本数据（通常是TB甚至PB级别）。
• 怎么做：
• 清洗：去除重复、低质量、有害的内容。
• 格式化：将所有文本转换成统一的格式。
• 分词：将句子拆分成模型能理解的更小单元（称为“Token”），比如单词或词根。例如， “I don't like apples” 可能被分词成 [ "I", "don", " ' ", "t", "like", "apples"] 。
• 目标：得到一份干净、庞大、可供模型“阅读”的文本数据集。

第二步：模型训练 (Model Training)

——相当于“学霸疯狂阅读并做完形填空练习”

这是最核心、最耗计算资源和时间的一步。其核心是自监督学习。

• 做什么：让模型从数据中自行学习语言的内在规律和知识，而不需要人工标注。
• 怎么学（关键机制）：
• a. 任务设计：采用“遮蔽语言模型”任务。比如，把一句话“今天天气真好，我们一起去公园 吧”中的“公园”一词遮住，变成“今天天气真好，我们一起去____吧”。
• b. 预测与纠错：让模型根据上下文“今天天气真好，我们一起去”来预测被遮住的词是什么。 它可能会猜“散步”、“打球”、“公园”等，并给出每个词的概率。
• c. 参数调整：模型一开始会乱猜。猜错后，它会通过一种叫做“反向传播”的算法，微调其内 部数百万、乃至万亿个“参数”（可以理解为脑细胞之间的连接强度和方式）。每次调整都 让它对语言的理解更精准一点。
• 目标：通过海量重复上述过程，让模型的“参数”调整到最佳状态，使得它能够非常准确地根据 上文预测下一个词（Token）。

第三步：模型推理 (Model Inference)

——相当于“你们向学霸提问，他现场作答”

训练好的模型就可以用来为用户服务了，这个过程就叫推理。

• 做什么：根据用户的输入（提示词-Prompt），生成相应的输出（Completion）。
• 怎么工作：
• a. 理解输入：模型将你的提示词进行分词等处理。
• b. 迭代生成：
• 模型从你给的最后一个词开始，基于它学到的所有规律，计算下一个最可能出现的词是什 么。
• 把这个新生成的词加到原来的句子上，形成新的上下文。
• 再基于新的上下文，预测再下一个词。
• 如此循环往复，就像一个“逐词接龙”，直到生成一个完整的回答或达到长度限制。
• 目标：快速、流畅地生成符合用户要求和上下文逻辑的文本。

第四步：对齐与微调 (Alignment & Fine-Tuning)

——相当于“告诉学霸，不能光炫技，要好好说话、有帮助、无害”

一个只知道预测下一个词的模型，可能会生成无用、有害或不准确的回答。因此需要一个“打磨”过程，让它更符合人类的价值观和偏好。

• 做什么：让模型的输出更安全、有用、符合预期。
• 怎么做：
• 监督微调：雇佣人类专家，编写高质量的问答对（例如：“问：天空为什么是蓝色的？ 答： 因为瑞利散射...”），用这些数据进一步训练模型，教它“应该如何回答问题”。
• 人类反馈强化学习：这是更关键的一步。
• i. 让模型对同一个问题生成多个答案。
• ii. 人类评审员对这些答案从好到坏进行排序。
• iii. 训练一个“奖励模型”来学习人类的偏好。 iv. 用这个奖励模型去指导原始大模型进行优化，让它倾向于生成能被奖励模型打高分的回答 （即人类更喜欢的回答）。
• 目标：确保模型不仅“聪明”，而且“善良、有用、诚实”。

（3）模型参数配置

在使用大模型的时候，不同的参数配置会导致不同的输出结果，下面我们来逐一分析一下大模型的参数。

如果你没有什么需求的话可以就按照我这个参数进行设定

通过调整模型参数可优化输出效果，核心参数说明如下：

关键参数详解

• Temperature（温度）：控制输出随机性（0~1）。
• 低值（0.1~0.3）：输出更确定；
• 高值（0.7~0.9）：输出更多样。 调整Temperature值的大小，最终产生的结果会不同。
• 上下文轮数：保留对话历史的轮次（默认3轮），影响上下文理解能力。
• 最大回复长度：控制输出token数，避免超长回复。

3.5 提示词编写

（1）什么是提示词？

提示词是与大模型交流的载体，一般情况下，提示词可以分为系统提示词和用户提示词。 举一个实际例子，想象一下，你走进一家“AI奶茶店”。

用户提示词一定要在系统提示之内！

系统提示词 = 奶茶店的《员工培训手册》

在你看不见的后台，店长有一本厚厚的《员工培训手册》，这本手册就是给所有店员（AI模型）的系统提示词。它规定了店员应该以什么身份、什么流程、什么标准来工作。

这本手册里可能写着：

1. 身份设定 (Role): “你的身份是‘快乐奶茶小专家’，必须热情、有耐心，且熟知所有产品。”
2. 行为准则 (Behavior): “必须主动向顾客问好：‘您好，欢迎光临！’；必须向每位顾客复述一 遍他们点的订单以防出错；最后必须说：‘这是您的奶茶，请拿好，祝您一天愉快！’”
3. 技能边界 (Capability): “只能制作菜单上有的饮品，如果顾客想要菜单外的，可以建议相似款 式，但不能自行发明。”
4. 安全规范 (Safety): “绝不能使用过期原料。如果顾客询问奇怪的非饮品问题（比如‘怎么修电脑’），应礼貌表示无法帮忙，并引导回点单话题。”

你看不到这本手册，但它时时刻刻都在规范着店员的行为。

用户提示词 = 你下的订单

现在，你走到柜台前，对店员说的一句话，就是用户提示词。这是一个具体的、一次的指令。

你（用户）说：

“你好，我要一杯大杯的冰珍珠奶茶，三分糖，多加一份椰果。”

如果只有其中一个，会怎样？

• 只有系统提示词（手册），没有用户提示词（订单）：
• 店员会微笑着对你说：“您好！欢迎光临！”，然后就开始等你点单。他行为规范，但不知道具体要做什么。
• 只有用户提示词（订单），没有系统提示词（手册）：
• 你可能会遇到一个冷漠、机械的店员。你说完“要大杯冰珍珠奶茶...”，他可能直接扔给你一 杯全糖、没加椰果的普通奶茶，甚至反问你：“珍珠奶茶是什么？我们没这东西。”

总结一下：

（2）系统提示词结构

优质提示词需清晰定义角色、目标、约束、流程、示例，推荐使用CO-STAR框架：

在实际中提示词，有多种框架。可以根据具体的使用场景去灵活调整。

下面我来简单举个栗子：

我们来简单设定一下我们前面创建的智能体

输入：你是一个诗人，能够帮我写诗

下面的第三步是可以让AI来自动优化我们所写的提示词

下面我们来试用一下我们自己创建的智能体吧

如果我让智能体帮我画一幅画会怎么样？

智能体无法回答，根据我们前面的设定，该智能体不具备画画的技能，so，用户提示词一定要在系统提示之内！

（3）提示词优化技巧

1. 角色设定具体化

你还记得我们前面对智能体角色的设定吗，其实我们当时的描述是一个反面案例......

• 反面案例：“你是一个诗人”（过于笼统，智能体可能回复生硬）；
• 正面案例：“你是一位才华横溢的诗人，擅长以巧妙的构思和优美的文字，根据用户给定的主题创作七言绝句。能用精炼且富有意境的语言，营造独特的氛围，传达深刻的情感与思想。”（赋予身份细节，回复更具人格化）。

现在我们来使用正面案例对智能体角色进行设定

输入：你是一位才华横溢的诗人，擅长以巧妙的构思和优美的文字，根据用户给定的主题创作七言绝句。能用精炼且富有意境的语言，营造独特的氛围，传达深刻的情感与思想。

同样的，再对智能体进行提问，帮我写一首赞美程序员的诗，对比正面案例和反面案例的结果。正面案例的结果更像是一首诗

技能

决定了智能体除了聊天之外，还能“做”什么。 技能可以扩展能力边界：从“知道”到“做到”

• 没有技能：智能体只能依靠自身模型的知识进行文本生成和对话。比如，你问“今天天气怎么样？”，它可能只会根据训练数据猜测，或者老实回答“我不知道实时天气”。
• 有了「天气查询」技能：它就能真正调用一个天气API，返回给你所在地点精确的、实时的天气预报。这就是从“知道”关于天气的知识，变成了“做到”查询天气这件事。

限制

限制的作用是防止你的智能体“说错话”、“做错事”或者“跑偏”，确保它的行为符合你设定的角色和法律法规，提供安全、可靠的服务。

3.6 智能体的调试与发布

• 预览调试：在右侧“预览与调试”面板输入测试问题（如“请问计算机专业大学生都要学什么课程？”），检查回复准确性和流程完整性。

• 发布部署：点击右上角“发布”，选择目标平台（微信公众号/抖音/飞书等），填写发布记录（如 “V1.0：初始版本，支持产品咨询”），完成授权后即可上线。

这里我选择“跳过并直接发布”

下面可以根据自己的需求进行选择

有下面的标志就算是已发布了

完成以上步骤就算是发布成功啦

我们可以在商店里面找到我们已发布的智能体

3.7 用户体验优化—开场白

设计符合一般沟通习惯的欢迎话术，快速建立亲切感并引导用户表达需求，同时自然融入品牌服务特色。

设计要点

• 语气风格：采用「亲~」「哈喽~」等网络化称呼，搭配波浪号「~」增强活泼感，避免过于正式的 「您好，请问需要什么帮助？」。
• 内容结构：包含 问候语+服务身份暗示+需求引导，可结合实时促销轻量植入（如限量赠品提示， 但避免信息过载）。

示例

• 您好，我是您的专属诗友「砚卿」。一笺心语，半卷闲情，愿以四句七言为您勾勒山河日月、人间烟火。
• 请君赐一主题，无论是「春风策马」的恣意、「枯荷听雨」的寂寥，还是「雪夜归人」的温情，我将为您斟酌字句、锻意炼境，成一首绝句小札。
• 您今日想为何事、何景、何情赋诗？

我们再次点击发布即可更新我们的智能体

这样就成功添加了开场白，让用户清楚地知道这个智能体的功能是什么

完——

Coze AI漫游 系列的第一节到这里就结束了，下面我会继续更新本节的剩余内容

“我想让你见识一下什么是真正的勇敢，而不是错误地认为一个人手里拿把枪就是勇敢。勇敢就是，在你还没开始的时候就知道自己注定会输，但依然义无反顾地去做，并且不管发生什么都坚持到底。一个人很少能赢，但也总会有赢的时候。”

——《杀死一只知更鸟》

至此结束——

我是云边有个稻草人

期待与你的下一次相遇......