我的第一个 Coze 智能体（Agent）应用

前言：为什么选择 Coze？作为一个技术博主，我一直在寻找高效构建 AI 应用的工具。直到遇见了 Coze（扣子），我发现它像一个“乐高积木盒”，把复杂的 AI 能力拆解成一个个可拖拽的模块。Coze 智能体（Agent）就像是一个能感知环境、自主决策并执行任务的“数字大脑”，可以帮我们自动完成信息检索、数据处理、对话交互等任务。今天，我就手把手带你创建第一个 Coze 智能体应用。我们将构建一个“智能天气助手”，它能根据用户提问自动查询实时天气，甚至给出穿衣建议。## 1. 什么是 Coze 智能体？简单来说，智能体是一个自主行动的程序。在 Coze 中，每个智能体都包含：- 人设与回复逻辑：定义角色性格和行为规则- 知识库：存储特定领域的数据- 插件：连接外部 API（如天气查询、搜索引擎）- 工作流：多步骤的自动化处理流程想象一下，你有一个专属助手，它不仅能理解你的话，还会调用工具去完成复杂任务——这就是智能体的魅力。## 2. 准备工作：注册与创建项目首先，访问 Coze 官网 注册账号。登录后，点击左侧菜单的“创建 Bot”，选择“智能体”模式。关键步骤：1. 输入智能体名称：智能天气助手2. 填写简介：根据用户城市查询实时天气并给出建议3. 选择基础模型（如豆包模型）## 3. 核心配置：人设与插件### 3.1 编写人设 Prompt人设决定了智能体的“性格”。在“人设与回复逻辑”框中，输入以下内容：text你是一个专业且友好的天气助手。你的职责是：1. 当用户提供城市名时，调用天气查询插件获取数据2. 用通俗易懂的语言解释天气状况3. 根据温度给出穿衣建议（如≥30°C建议穿短袖）4. 如果用户没提供城市，主动询问回复风格：亲切、简洁，可适当使用表情符号### 3.2 添加天气插件点击“插件”区域的“+”，搜索“天气查询”（Coze 提供内置插件）。选择后点击确认，智能体就获得了实时天气数据的能力。## 4. 代码示例：用 Python 模拟智能体逻辑虽然 Coze 是可视化操作，但理解底层逻辑很重要。以下是一个模拟智能体决策的 Python 代码：python# 模拟智能体天气助手核心逻辑def simulate_weather_agent(user_input): # 定义简单知识库：城市与天气数据（模拟API） weather_db = { "北京": {"temp": 28, "condition": "多云"}, "上海": {"temp": 32, "condition": "晴"}, "广州": {"temp": 26, "condition": "小雨"} } # 步骤1：解析用户意图 def extract_city(text): for city in weather_db.keys(): if city in text: return city return None # 步骤2：决策与响应 city = extract_city(user_input) if not city: return "请告诉我您想查询哪个城市的天气？例如：北京" # 步骤3：获取数据（模拟API调用） data = weather_db[city] # 步骤4：生成建议（类似人设逻辑） advice = "" if data["temp"] >= 30: advice = "建议穿短袖、注意防晒" elif data["temp"] <= 10: advice = "建议穿羽绒服、注意保暖" else: advice = "天气适宜，正常穿着即可" # 返回结构化回复 return f"{city}当前天气：{data['condition']}，温度{data['temp']}°C。{advice} 🌤️"# 测试智能体print(simulate_weather_agent("上海今天天气怎么样？"))# 输出：上海当前天气：晴，温度32°C。建议穿短袖、注意防晒 🌤️这段代码展示了智能体的核心：意图识别 → 工具调用 → 规则推理 → 生成回复。在 Coze 中，这些步骤通过配置即可完成。## 5. 添加工作流：多步骤自动化Coze 的“工作流”功能可以串联多个操作。比如，我们的智能体可能需要：1. 提取城市名2. 调用天气API3. 根据温度计算穿衣建议4. 生成最终回复### 5.1 创建工作流在智能体编辑页点击“工作流” → “新建”，命名为 天气查询流程。然后添加以下节点：- 开始节点：接收用户输入- 代码节点：用 Python 处理逻辑（Coze 支持内嵌代码）- 结束节点：输出结果### 5.2 代码节点示例在代码节点中，我们可以编写如下 Python 代码：python# Coze 代码节点：处理天气数据并生成建议def main(input_data): # input_data 是从前一个节点传来的字典 weather = input_data.get("weather_data", {}) city = input_data.get("city", "未知") # 从天气数据中提取温度 temp = weather.get("temperature", 20) # 生成建议规则 if temp >= 35: advice = "极端高温！建议减少外出，多喝水" elif temp >= 30: advice = "较热，建议穿短袖、戴帽子" elif temp >= 20: advice = "舒适，建议穿薄外套" elif temp >= 10: advice = "微凉，建议穿夹克" else: advice = "寒冷，建议穿羽绒服" # 组装回复 reply = f"{city}当前温度{temp}°C，{advice}" return {"reply": reply}这个代码节点实现了规则引擎的功能，智能体可以根据温度动态调整建议。## 6. 发布与测试完成配置后，点击“发布”。Coze 会生成一个对话界面和 API 接口。你可以：- 直接在网页端测试对话- 通过 API 集成到自己的应用中（如微信小程序）测试示例：用户：北京现在冷吗？智能体：北京当前温度28°C，天气多云。温度适中，建议穿薄外套哦 🌥️## 7. 进阶优化：让智能体更智能### 7.1 添加知识库上传一份“全国旅游推荐”文档，智能体就能在回答天气的同时推荐景点。### 7.2 多轮对话记忆Coze 支持短期记忆，智能体会记住用户之前提到的城市，避免重复询问。### 7.3 错误处理在工作流中添加“条件判断节点”，当 API 返回错误时，回复“暂时无法查询，请稍后再试”。## 总结通过这个“智能天气助手”项目，我们完成了从零到一的 Coze 智能体构建。整个过程涉及：1. 人设设计：定义角色行为2. 插件集成：连接外部数据源3. 工作流编排：实现多步骤自动化4. 代码节点：处理复杂逻辑Coze 最大的价值在于降低了 AI 应用开发的门槛——即使不会编程，也能通过拖拽和配置创建智能体。而理解背后的代码逻辑，则能让我们构建更强大的应用。现在，打开 Coze 开始你的第一个智能体吧！从简单的天气助手开始，你可能会发现它能做的事情远超想象。有任何问题，欢迎在评论区交流。