导学

什么是Agent(智能体)?

如何学习Agent?

Coze: 普通人的AI Agent生产力工具

零代码门槛，让普通人也能快速搭建Agent。

课程分为六大章节

实战案例: 六大应用场景深度解析

Coze基础入门

企业面临的痛点问题

为什么ChatGPT还不够?

AI Agent是能够感知环境、自主决策、使用工具完成任务的智能体

能力对比&核心区别

Agent的核心优势: 从被动应答到主动执行，从单轮对话到多步规划，Agent让AI真正成为你的工作助手

Agent带来的改变

什么是Coze

官网地址: https://www.coze.cn/home

3分钟熟悉Coze平台

为什么选择Coze

实际案例体验

完整步骤: 自己如何搭建一个功能强大的机器人?

提示词工程

提示词(Prompt)开发者赋予Bot的身份、能力和行为规范，它决定了Bot的响应质量和风格

提示词是搭建智能体的第一步

如何设计提示词

提示词4个关键要素

角色定位

让Bot扮演某种角色: 角色越具体=回复越专业

技能描述

让Bot知道做什么

输出格式

给Bot知道怎么做

约束条件

给Bot设置边界

Coze中提示词分类

如何在Coze中设置提示词

Coze目前支持的提示词设计方法: 直接编写，使用模版、通过AI自动生成。

常用方式: 编写提示词+AI调优

实战演练

# ⻆⾊
你是⼀位经验丰富的沟通专家，拥有10年职场历练，在各类职场场景中都能游刃有余。尤其擅⻓撰写⾼
情商、得体且有效的沟通⽂本，在拒绝请求时，能巧妙地平衡关系与边界。
## 技能
### 技能 1: 语⽓把控
1. 以积极、友好的话语作为开头，营造融洽氛围。
2. 表达观点时，以“我”为主语阐述⾃身限制。
3. 杜绝使⽤指责性、命令式的语⾔。
### 技能 2: 内容构建
1. 率先表达对对⽅请求的理解以及诚挚的感谢。
2. 清晰、明确地说明⾃身存在的限制。
3. 根据实际情况，提供切实可⾏的替代⽅案或合理建议。
4. 以开放的态度，展望未来合作的可能性。
### 技能 3: 关系维护
1. 适时、恰当地表达歉意。
2. 真诚肯定对⽅⼯作的价值与贡献。
3. 始终保持专业且友善的态度。
## 输出格式
【开场寒暄】⽤积极友好的语⾔开启交流。
【表达理解与感谢】清晰传达对对⽅的理解与感激。
【委婉说明限制】明确阐述⾃身的限制条件。
【提供替代⽅案】给出具体的替代办法或建议。
【结尾祝福】以积极的话语结束对话，表达美好祝愿。
## 限制- 避免使⽤“不”“拒绝”等直接的负⾯词汇。- 不可过度承诺或给予虚假安慰。
31
32- 不贬低对⽅请求的合理性。- 不过多解释个⼈情况。

不同Prompt结果对比

你是⼀个低情商回复助⼿，刚开始⼊职⼯作，不太擅⻓和别⼈进⾏沟通和交流。如果⼯作中有⼈需要你的
帮助，给出⼀种你的回复

你是⼀个⾼情商回复助⼿，拥有10多年的⼯作经验，擅⻓和同事之间进⾏沟通交流，并且能很好的维护同
事间的关系。如果⼯作中有⼈需要你的帮助，给出⼀种你的回复

知识库应用

场景引入: Bot遇到的难题 (知识过时)

解决方案: RAG(Retrieval-Augmented Generation)检索增强技术

什么是RAG

RAG是一种结合知识检索和语言生成的人工智能技术,主要用于解决大型语言模型幻觉问题

1. 基本原理: 在生成回答时,先从知识库中检索相关文档，将检索到的文档与原始问题一起输入LLM，LLM基于检索内容生成最终答案。
2. 没有RAG: 直接将用户的问题(query)送入LLM(大模型)得到结果
3. 使用RAG:

• 第一步: 将用户的问题(query)先和知识库做相关性检索，检索出和问题相关的Context(上下文)
• 第二步: 再将query和Context融合拼接得到一个完整的结果:result
• 第三步: 将第二步融合的结果result送入大模型得到最后的结果

知识库构建: 文档准备

文档预处理建议:

• 清理无关内容(广告、水印)
• 按主题分类整理
• 文件命名规范(含关键信息)

知识库构建: 文档切片

文档切片: 为了适应大语言模型的上下文长度限制，并提升检索的精确度和效率。

切片方式:

一般选择:

知识库构建: 文档向量化

文档向量化: 将切分后的文本进行向量数字化，便于计算问题和文档的相似性。

向量化作用: 语义理解; 相似度计算; 快速检索

创建LOL攻略知识库

1. 基本操作步骤

1. 创建知识库

1. 让Bot 应用知识库

创建一个智能体, 不进行任何配置, 回答效果如下

给智能体添加提示词, 优化回答效果

# ⻆⾊
你叫⼩智，是⼀个英雄联盟游戏助⼿
## 技能
### 技能1：问题理解与回复分析
1. 认真理解从知识库中召回的内容和⽤户输⼊的问题，判断召回的内容是否是⽤户问题的答案。
2. 如果你不能理解⽤户的问题，例如⽤户的问题太简单、不包含必要信息，此时你需要追问⽤户，直到
你确定已理解了⽤户的问题和需求。
### 技能2：回答⽤户问题
1. 如果知识库中没有召回任何内容，你的话术可以参考“对不起，我已经学习的知识中不包含问题相关
内容，暂时⽆法提供答案。
2. 如果召回的内容与⽤户问题有关，你应该只提取知识库中和问题提问相关的部分，整理并总结、整合
并优化从知识库中召回的内容。你提供给⽤户的答案必须是精确且简洁的，⽆需注明答案的数据来源。
3. 为⽤户提供准确⽽简洁的答案，同时你需要判断⽤户的问题属于下⾯列出来的哪个⽂档的内容，根据
你的判断结果应该把相应的⽂档名称⼀起返回给⽤户
## 限制
1. 禁⽌回答的问题
对于这些禁⽌回答的问题，你可以根据⽤户问题想⼀个合适的话术。
 - 个⼈隐私信息：包括但不限于真实姓名、电话号码、地址、账号密码等敏感信息。
 - 违法、违规内容：包括但不限于政治敏感话题、⾊情、暴⼒、赌博、侵权等违反法律法规和道德伦理
的内容。
2. 你必须确保你的回答容易理解。
3.你应该⽤与⽤户输⼊相同的语⾔回答
5. 回答⻓度：不超过300字。
6. ⼀定要使⽤ Markdown格式回复

给智能体添加知识库, 解决知识过时问题

一个Bot可以关联多个知识库 设置优先级可控制检索顺序

插件应用

什么是Function Calling

2023年6月13日OpenAI公布了Function Call(函数调用)功能，该功能指的是在语言模型中集成外部功能或API的调用能力，这意味着模型可以在生成文本的过程中调用外部函数或服务，获取额外的数据或执行特定的任务。

Function Call应用基本流程(简化):

Function Call可以解决大模型什么问题:

FunctionCall工作原理

1. 当没有函数调用(funciton-calI)时候，我们调用GPT构建AI应用的模式非常简单。

主要步骤:

• 1.用户(Client)发请求给我们的服务(Chat Server)
• 2.我们的服务(Chat Server)给GPT提示词
• 3.重复执行

1. 当有函数调用(funciton-calI)时候，我们调用GPT构建AI应用的模式比之前要复杂一些。

主要步骤:

• 1.用户(Client)发请求prompt以及functions给我们的服务(Chat Server)
• 2.GPT模型根据用户的prompt，判断是用普通文本还是函数调用的格式响应我们的服务(Chat Server)
• 3.如果是函数调用格式，那么Chat Server就会执行这个函数，并且将结果返回给GPT
• 4.然后模型使用提供的数据，用连贯的文本响应。返回

注意: 大模型的Function cal不会调用函数，仅返回函数的参数。开发者利用模型输出的参数在应用中调用函数

Coze中如何应用Function Calling

Coze插件生态一览

Coze现有插件应用

1. 创建智能体

1. 冷测试: 配置一个简单的提示词, 然后使用智能体, 智能体给出一个还宽泛的回答

1. 结合需求, 给智能体提出一些具体的要求,让回答更具可行性

1. 智能体的回答还可以, 但是天气等细节信息, 明显是基于历史信息的推测, 合理性不足

1. 优化系统提示词, 让智能体的回答符合我们的预期

# ⻆⾊
你是⼀位专业且贴⼼的旅游规划助⼿，擅⻓综合考虑时间、天⽓、价格、旅游景点等多元信息，为⽤户
精⼼打造性价⽐超⾼的出⾏计划。不仅如此，还能凭借丰富的知识储备，深⼊解读旅⾏⽬的地的⽂化历
史内涵。
## 技能
### 技能 1: 深度探索名胜古迹历史
当⽤户提出旅⾏计划相关需求时，⾸先运⽤{search_url}搜索插件精准挖掘相关历史信息，并以⽣
动、易懂的⽅式呈现给⽤户，帮助⽤户深度领略当地历史底蕴。
### 技能 2: 精准搜索周边特⾊饭店
1. 当⽤户当⽤户提出旅⾏计划相关需求时，借助{search_around}插件全⾯搜索相关信息。
2. 对搜索到的饭店信息进⾏细致整理，涵盖饭店名称、详细地址、招牌特⾊菜品等关键内容，为⽤户提
供清晰、实⽤的参考。
===回复示例===
 - 饭店名称: <饭店具体名称>
 - 地址: <详细地址>
 - 特⾊菜品: <列举⼏道特⾊菜品>
===示例结束===
### 技能 3: 实时掌握出⾏天⽓
1. 当⽤户提出旅⾏计划相关需求时，利⽤{DayWeather}插件获取⽬的地出⾏期间的准确天⽓状况。
2.若天⽓状况可能对旅⾏体验产⽣影响，依据天⽓特点，给出合理且⼈性化的出⾏⽇期调整建议。
===回复示例===
 - 预计出⾏期间天⽓状况: <具体天⽓描述>
 - 基于天⽓情况，建议出⾏⽇期调整为: <具体⽇期>
===示例结束===
### 技能 4: 精细规划旅⾏费⽤预算
1. 根据⽤户提供的旅⾏计划相关信息，诸如⽬的地、出⾏时⻓、住宿要求等，通过{calculate} 插
件进⾏精确的费⽤预算。
2. 费⽤预算全⾯覆盖交通、住宿、餐饮、景点⻔票等主要⽀出项⽬，确保⽤户对旅⾏开⽀有清晰的预
估。
===回复示例===
 - 交通费⽤预算: <具体⾦额>
 - 住宿费⽤预算: <具体⾦额>
 - 餐饮费⽤预算: <具体⾦额>
 - 景点⻔票费⽤预算: <具体⾦额>
 - 总预算: <各项费⽤总和>
===示例结束===
## 输出格式
### 旅⾏计划输出示例- 旅⾏⽬的地: <具体城市/地点>- 地点⽂化历史: <描述名胜古迹历史>- 出⾏时间: <开始⽇期 - 结束⽇期>- 总预算: <具体⾦额>- 天⽓情况: <具体天⽓信息描述>- ⾏程安排: 
  - 
第 1 天: 
  - 
上午: <具体⾏程安排，详细说明参观景点及活动内容>
  - 
  - 
  - 
  - 
中午: <推荐⽤餐饭店，简单介绍饭店特⾊>
下午: <具体⾏程安排，突出重点活动>
晚上: <推荐⽤餐饭店及活动安排，提供活动亮点介绍>
第 2 天: 
  - 
上午: <具体⾏程安排，明确景点特⾊>
  - 
  - 
  - 
中午: <推荐⽤餐饭店，提及招牌菜品>
下午: <具体⾏程安排，强调体验感受>
晚上: <推荐⽤餐饭店及活动安排，说明活动意义>
  - ……（按实际⾏程天数依次详细罗列）- 特⾊饭店推荐: 
  - <饭店 1 名称>：地址 - <详细地址>，特⾊菜品 - <列举菜品，并对特⾊菜品进⾏简单介绍>
  - <饭店 2 名称>：地址 - <详细地址>，特⾊菜品 - <列举菜品，说明菜品独特之处>
  - ……（如有多个饭店依次详细罗列）
## 限制
- 专注提供与旅⾏规划紧密相关的信息，坚决拒绝回答与旅⾏规划⽆关的话题。
- 所输出的内容务必严格按照给定的格式进⾏组织，不得有任何偏离框架要求的情况。
- ⾏程安排描述要做到简洁明了且重点突出，让⽤户能够快速把握⾏程要点。
- 确保所有信息来源准确可靠，借助插件获取的信息需经过严谨的整理和筛选。
- 请使⽤ Markdown 的 ^^ 形式清晰说明引⽤来源（若有）。

1. 让智能体通过插件, 获取详细和准确的信息

现有插件选择

Coze自定义插件应用

什么时候需要自定义插件?

自定义插件基本流程

实战演练

1. 新建插件

1. 编写代码

# 导⼊ Coze 运⾏时所需的 Args 类，⽤于获取输⼊参数和⽇志记录器
from runtime import Args
# 导⼊ requests 库，⽤于发送 HTTP 请求（调⽤天⽓ API）
import requests # 需要安装对应的库
# 定义插件的主⼊⼝函数 handler；Coze 平台会⾃动调⽤此函数
# 参数 args 是 Coze 传⼊的运⾏时上下⽂对象
# 返回值为 dict 类型，将作为插件的输出结果返回给 Agent
def handler(args: Args):
    """
    天⽓查询插件：
        根据城市地址查询天⽓信息，⽐如输⼊“北京“，输出{
                                                high:"⾼温 7℃",
                                                low:"低温 -1℃",
                                                weather:"晴",
                                                week:"星期⼆"
                                                }
    """
    # === 1. 解析输⼊ ===
    try:
        # 从 args.input 中获取 location 字段，并去除⾸尾空格（如⽤户输⼊ " 北京 "）
        # 注意：此处假设输⼊为对象属性访问（如 args.input.location），适⽤于 
manifest 中声明了 location 字段的情况
        location = args.input.location.strip()
    except Exception:
        # 若获取 location 失败（如字段不存在、输⼊⾮对象等），设为空字符串
        location = ""
    # === 2. 城市编码映射（仅北京、天津，内置）===
    # 构建城市名称 → 天⽓ API 编码的映射字典（仅保留北京和天津两个城市，轻量且教学友好）
    city_code_map = {
        "北京": "101010100",   # 北京市的天⽓ API 编码
        "天津": "101030100"    # 天津市的天⽓ API 编码
    }
    # 根据⽤户输⼊的城市名，查找对应的编码；若找不到则返回 None
    city_code = city_code_map.get(location)
    # 不⽀持的城市（如输⼊“上海”或空字符串）→ 返回空值结构
    if not city_code:
        # 记录警告⽇志：提示该城市暂不⽀持（可在 Coze 后台查看）
        args.logger.warning(f"Unsupported location: '{location}'")
        # 返回标准化的空结果（所有字段为 None），保证输出结构⼀致
        return {
            "high": None,       # 最⾼温度
            "low": None,        # 最低温度
            "weather": None,    # 天⽓类型（如“晴”）
            "week": None        # 星期（如“星期⼆”）
        }
    # === 3. 调⽤天⽓ API ===
    # 拼接完整 API 请求 URL，替换 {city_code} 为实际城市编码
    url = f"http://t.weather.itboy.net/api/weather/city/{city_code}"
    
    try:
        # 发起 GET 请求，设置超时 5 秒（防⽌插件卡死）
        response = requests.get(url, timeout=5)
        # 若 HTTP 状态码⾮ 2xx，主动抛出异常（如 404、500 等）
        response.raise_for_status()
        # 将响应体解析为 JSON 字典（安全⽅式，避免使⽤危险的 eval()）
        data = response.json()
        # 检查 API 业务层返回状态码（该 API 约定 status=200 表示成功）
        if data.get("status") != 200:
            # 若业务状态异常（如城市编码错误），抛出⾃定义异常
            raise ValueError("Weather API returned non-200 status")
        # 从返回数据中提取「今⽇」天⽓预报（forecast 列表第 0 项即为当天）
        # 路径：data → forecast 数组 → 第 0 个元素
        forecast = data["data"]["forecast"][0]
        
        # 构造并返回天⽓基本信息字典
        return {
            "high": forecast["high"],     # 字符串，如 "⾼温 7℃"
            "low": forecast["low"],       # 字符串，如 "低温 -1℃"
            "weather": forecast["type"],  # 字符串，如 "晴"、"⼩⾬"
            "week": forecast["week"]      # 字符串，如 "星期⼆"
        }
    # 捕获所有可能的异常（⽹络错误、JSON 解析失败、字段缺失等）
    except Exception as e:
        # 记录错误⽇志，包含具体异常信息和请求城市，便于调试
        args.logger.error(f"Weather query failed for '{location}': {e}")
        # 统⼀返回空值结构，确保插件健壮性（不会因异常导致 Agent 崩溃）
        return {
            "high": None,
            "low": None,
            "weather": None,
            "week": None
        }

1. 配置参数

1. 运行测试和发布

1. 使用自定义插件

如果只有一个插件的情况下, 即使不在提示词中声明插件的调用, 插件也会自动调用

工作流编辑

工作流作用: 它将一个复杂的任务分解成一系列可管理的、按顺序或按条件执行的步骤，并通过图形化的界面将这些步骤连接起来。

Coze的两种工作流类型

节点=工作流的核心组件

节点定义: 每个节点是一个具有特定功能的独立组件，负责处理数据、执行任务

通过将这些不同功能的节点连接起来，我们就能够精确地控制数据流向和任务执行顺序，从而实现任何复杂的业务逻辑。

工作流4种不同形式

创建工作流的标准流程

案例1: 跨境电商答疑助手(对话流)

1. 为什么选择对话流

多轮交互、上下文记忆、理解对话历史

1. 业务场景

痛点: 学生学习中产生大量问题，教师答疑压力大

1. 核心功能设计

1. 基本流程

1. 完整流程图

1. 核心实现步骤

• 1.开始节点
• 2.意图识别

• • 如果属于打招呼/找人工，直接回复结果
  • 否则，进入知识检索

• 3.知识检索

• • 检索出相关上下文(基于RAG大模型回答)
  • 没有检索出上下文(基于闲聊大模型回答)

• 4.结束节点

案例2: 历史人物视频生成(工作流)

1. 为什么选择工作流

功能类AI应用、批量数据处理、多步骤自动化、无需对话交互

1. 业务场景

目标: 输入人物名字，自动生成视频

1. 核心功能设计:

1. 基本流程

Agent发布

注册微信公众号

第一步: 访问微信公众号平台:https://mp.weixin.qq.com/，选择注册

第二步: 填写基本信息完成注册

获取AppleID

第一步: 访问微信公众号平台:https://mp.weixin.qq.com/，选择登陆

第二步: 找到账号管理，前往公众号详情页

选择Agent发布

选择发布渠道

检验结果