目录

一、课程概述

1.1 什么是coze？

1.2 为什么要学习coze？

1.3 学习完coze你能收获到什么？

1.4 学习coze你需要什么基础？

二、扣子产品生态

2.1 扣子产品矩阵 

2.2 注册扣子 

2.3 扣子开发平台 

（1）什么是扣子开发平台？

（2）扣子开发平台使用

（3）扣子开发平台付费管理

2.4 扣子罗盘 

（1）什么是扣子罗盘?

（2）coze罗盘使用

2.5 Eino框架 

2.6 扣子空间 

（1）什么是扣子空间？

（2）coze空间使用

三、智能体开发基础

3.1 什么是智能体？

3.2 如何创建一个智能体？

3.3 智能体模式选择

（1）单Agent（自主规划模式）

（2）单Agent（对话流模式）

（3）多 Agents 模式

3.4 模型设置与优化

（1）模型选择

（2）模型工作原理

（3）模型参数配置

3.5 提示词编写

（1）什么是提示词？

（2）系统提示词结构

（3）提示词优化技巧

3.6 智能体的调试与发布

3.7 用户体验优化—开场白

正文开始——

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：

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。
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。
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。
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。
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。
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？
基础文字处理能力：能够使用进行简单的文本操作。
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。
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。
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）
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
1. 访问地址：https://loop.coze.cn/console/enterprise/personal/space/7487806534651887643/pe/prompts

2. 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，扣子开发平台式低代码的。

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

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

2. 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：

模型    优势    使用场景    注意事项
DeepSeek系列

DeepSeek是由深度求索公司开发的大语言模型，采用混合专家 （MoE）架构，主打高效推理和低成本部 署。

推理能力突出：在 数学推理、代码生 成任务上表现优异，接近GPT-4水平

成本优势明显：推 理成本仅为传统模型的1/4，API价格低至GPT-4 Turbo 的1/70

部署灵活：支持本 地化部署，最低配置2核CPU+4GB内存即可运行

开源生态：采用 Apache 2.0开源协议，GitHub社区活跃，插件丰富

编程辅助：代码生成、调 试和优化

数据分析：复杂逻辑推理和数学计算

学术研究：论文写作和文献分析

企业级应用：智能客服和自动化办公

中文优化有限：需额外微调以适应中文语境

多模态支持弱：需依赖插件实现图像和语音处理

资源消耗较高：大参数模型对硬件要求较高

豆包系列

豆包是字节跳动开发的大语言模型，分为多个版本，其中豆包 1.5 Pro和豆包-seed1.6是Coze平台常用模 型，针对中文场景优化。

中文理解能力强： 对中文语义和文化 背景理解准确

响应速度快：平均响应时间300ms以 内，适合实时交互

Function Call表现优异：工具调用准确率高，适合工 作流自动化

智能客服：中文对话流畅自然

内容创作：文案生成和编辑

语音交互：语音识别和合成精度高

企业办公：文档处理和数据分析

长文本处理弱：上下文窗口有限，不适合超长篇文档

开源程度低：定制化能力受限

多语言支持有限：主要优化中文场景

通义千问

通义千问是阿里巴巴达摩院开发的大语言模型，最新版本 Qwen3支持128K上下文窗口和多模态处理。

长文本处理能力强：支持128K tokens上下文，适合文档分析

多模态支持：原生支持文本、图像、 语音输入输出

多语言能力：支持119种语言，国际 化应用友好

部署成本低：激活参数仅为传统模型 的1/3

企业知识库：长文档检索和问答

多模态内容生成：图文并茂的内容创作

跨国业务：多语言客服和内容翻译

边缘设备部署：低资源环境下的本地化运行

推理速度较慢：长文本处理时响应时间延长

数学能力有限：复杂计算任务表现一般

开源协议限制：部分高级功能需商业授权

文心一言

文心一言是百度开发的大语言模型，2025年推出的文心大模型4.5版本在中文理解和 垂直领域表现突出。

中文语义理解精准：在医疗、教育等垂类领域表现优 异

知识覆盖全面：百科知识和专业领域知识丰富

安全合规：符合国内数据安全标准

工具生态完善：内置丰富的行业解决 方案

（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：

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。”
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！’”
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。”
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

2. 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。
3. 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

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

四、AI大模型商业化落地方案

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量