KNOWLEDGE NOTE / AI · 平台

Coze 智能体与工作流实践

把 Coze 课程案例、当前平台文档与智能体工作流的搭建、测试、发布和迭代方法连起来。

创建
2026年9月24日
更新
2026年10月15日

Coze 智能体与工作流实践

这篇笔记解决什么问题

Coze 课程包含提示词、插件、知识库、工作流和发布等内容。平台界面会变化,因此这里不记录逐按钮教程,而是保留不依赖特定版本的设计方法,并用课程案例解释每种组件的作用。

1. 把需求拆成应用、工作流和工具

  • **智能体(Bot/Agent)**负责理解用户意图、组织提示、调用允许的能力并生成答复。
  • 工作流将一项任务拆成开始、条件判断、知识检索、模型处理和结束等明确节点。节点之间传递结构化变量。
  • 插件或工具连接智能体本身无法直接获得的外部能力,例如天气查询或经授权的业务 API(接口)。
  • 知识库提供可检索的资料。上传文件只是开始,还要处理切分、索引、检索质量和过期内容。
  • 发布入口可以是平台内对话、嵌入网页或 API。发布后还需要身份认证、限流、监控和密钥管理。

2. 课程案例一:天气查询与旅行规划

旅行规划助手的请求通常要拆成结构化字段:出发地、目的地、日期、同行人、预算、兴趣和约束。然后分别处理需要外部数据的环节:天气由天气工具查询,开放时间或交通信息需要可信来源,路线和预算由程序或受约束的工作流汇总。

合理的处理顺序:

  1. 检查日期、地点等必要字段;缺失时先追问。
  2. 调用只读天气或地点服务,并把来源与更新时间带回。
  3. 根据用户的预算、时间和偏好生成候选安排。
  4. 标出尚未核实的开放时间、价格或交通信息,不把模型猜测伪装成实时事实。
  5. 需要预订、付款或提交个人资料时,停止自动操作,要求用户确认并进入安全的业务流程。

课程的旅行助手示例也说明:通过已有插件完成天气、周边信息和预算规划,通常比让模型凭空回答实时问题可靠。但第三方插件返回的数据仍需检查新鲜度、完整性和适用范围。

3. 课程案例二:跨境电商知识问答

课程材料中的对话流可以归纳为:

text
用户问题
  ├─ 问候、感谢或告别 → 固定回复
  ├─ 找人工、投诉或售后 → 转人工分支
  └─ 专业问题 → 知识库检索
                    ├─ 找到相关依据 → 基于依据回答并标出来源
                    └─ 没有可靠依据 → 澄清、说明资料不足或转人工

这一结构把确定性业务规则放进分支,把语言归纳留给模型。它比“所有问题都直接交给模型”更好测试,也更容易控制无资料时的行为。

课程示例中存在固定短语匹配和固定人工链接。真实系统不应把“词表匹配”当成完整的意图识别,也不能沿用演示地址。客服入口、退款、投诉、账号等场景应接入真实服务端规则,并检查身份与订单归属。

4. 工具调用的正确边界

模型做出的函数调用只是一个结构化请求,不代表函数已经安全执行。推荐采用以下边界:

  1. 工具描述要明确用途、输入字段、返回值和禁用情况。
  2. 用 JSON Schema 或等效方式验证参数类型、长度、枚举和范围。
  3. 在服务端验证当前用户身份、租户/资源归属和权限。
  4. 对付款、退款、删除、发布等副作用动作增加二次确认或人工审批。
  5. 设置超时、重试上限、幂等键和可追踪日志;日志不要记录密钥或不必要的个人数据。
  6. 将工具报错、空结果和部分结果作为不同状态返回,不让模型把失败包装成成功。

5. 怎么决定用工作流还是 Agent

任务特点更合适的做法例子
步骤和分支已知,结果需要审计工作流知识问答分流、文档字段提取
需要对多种工具动态排序,且风险低有边界的 Agent先搜索再汇总旅行灵感
有数据库写入、付款、删除等高影响动作确定性服务端流程 + 人工确认退款、改订单、发布内容
问题需要用户补充信息澄清节点或多轮表单未给日期的行程规划

通常可以采用混合结构:固定工作流负责权限、校验和高风险节点;模型只在低风险的理解、分类和文本生成部分提供弹性。

6. 上线前测试清单

  • 正常输入、边界输入、缺失字段、超长输入和多轮追问。
  • 知识库有答案、没有答案、召回到过期资料和多条资料互相冲突。
  • 工具成功、超时、限流、无权限、格式错误和重复请求。
  • 用户要求跳过安全规则、查看他人资料或执行未授权动作。
  • 中文、英文、口语、错别字和语音转写等目标输入。
  • 测量任务成功率、引用支持率、工具参数准确率、人工转接率、时延和成本。

先使用少量人工审核样例,再逐步扩大试用范围。上线后收集的是脱敏、授权且对排错有必要的信息;错误样例进入回归集,不直接把用户隐私作为提示词示例。

7. 把平台课转成可复用的端到端流程

不论使用 Coze、Dify 还是自己写服务,都先按同一条业务链思考。平台只是承载方式,不能替代需求、权限和测试设计。

  1. 定义任务与边界:写清使用者、触发条件、输入、输出、不能做的事,以及错误后由谁接管。把“做一个智能客服”改写成“回答商品说明书内的问题;查不到时提示缺资料;涉及退款时转到已认证的售后流程”。
  2. 准备可用数据:核对资料授权、所有者、更新时间、重复版本、敏感字段和失效/删除机制。知识问答要保留来源、段落位置和版本;实时价格、订单、天气等不能只靠静态文档。
  3. 选择最简单的应用形态:单轮文本任务可先用提示词和结构化校验;固定步骤用工作流;多轮对话需要会话上下文时选对话型应用;需要模型动态选择工具时才引入有边界的 Agent。表单、权限、事务和高风险动作仍由服务端业务逻辑负责。
  4. 搭建数据流:为每个节点规定输入、输出、错误状态和超时。用分支处理缺字段、无检索结果、权限不足和工具异常;不要让错误分支偷偷落到一个不受约束的“自由回答”。
  5. 逐节点调试,再跑端到端样例:除正常问题外,还要试空值、错别字、越权、冲突资料、检索为空、工具超时、重复提交和恶意内容。保存最小且脱敏的失败样例。
  6. 发布前核对依赖:检查模型提供方、知识索引完成状态、工具凭证、域名/嵌入权限、API 身份验证、限流和回退;密钥仅保存在服务端配置中。
  7. 小范围上线后复盘:观察任务结果、转人工、引用支持率、失败节点、延迟、成本和用户反馈;变更提示词、数据、模型或工具后,用同一回归集重跑,并记录版本。

Coze 与 Dify 中容易被课件界面误导的地方

主题稳定的设计概念需要按当前版本复核的部分
工作流明确开始输入、节点依赖、分支、错误出口和结束输出;先测试再供 Agent/用户调用节点名称、资源库/项目应用入口、发布按钮和可用节点会随版本变化
知识库数据管理、切片、召回、阈值/数量设置、空结果处理和来源核验缺一不可支持的文件类型、检索选项、调用策略和默认参数会变化
Agent/对话应用模型提出工具请求,平台或服务端仍应验证参数、身份和动作权限对话记忆、执行轮数、模型、插件和发布渠道受平台/套餐/版本影响
发布/API发布是把经验证的版本交给调用方,不是“调试成功”的同义词;外部调用要认证URL、API 版本、授权范围、令牌管理、嵌入方式要以当前官方文档为准

Coze 官方工作流指南描述的通用步骤是创建工作流、连节点并配置参数、测试运行,之后才发布并添加到 Agent。知识库可按自动调用或按需调用配置;平台文档还区分资源库工作流与项目内工作流的版本行为。因此,课程中的按钮路径不应被当成永久操作手册。Dify 快速入门也以逐节点配置、测试运行和发布为主线;测试通过后仍要在真实调用入口做一次端到端检查。

8. Coze 知识库、工作流与记忆要分开

  • 知识库适合由开发者维护、用户只读调用的相对稳定材料,如课程手册、产品说明和 FAQ。要检查分段是否保留标题、表格和条款边界,并对代表问题看实际召回片段。
  • 记忆/会话状态保存交互中产生或用户希望系统记住的动态信息。它不是知识库,也不应默认跨用户、跨 Agent 共享。保存前要征得必要授权,定义查看、更正和删除方式。
  • 工作流把明确的处理顺序固化为可观测节点;Agent 可在低风险任务中决定何时调用已授权工作流或工具。工作流内仍必须做身份、参数和数据范围校验。
  • 自动召回适用于每个问题都需要检查知识的场景;按需召回适用于确实只有部分问题需要检索的场景,但要测是否漏触发。关键词/编号类问题通常需关注全文检索;语义表述差异较大的问题可以比较语义或混合检索。不要只凭平台的匹配分数认定答案可信。
  • 若启用来源展示,展示的原文片段仍可能包含内部信息;应先做知识权限与内容脱敏,不要把“可显示来源”误认为授权控制。

资源库工作流的版本边界

当前 Coze 官方说明:资源库工作流支持发布版本记录与回退;项目应用里的工作流不一定保留同样的历史版本。Agent 关联工作流和项目中引用资源库工作流的版本更新语义也不同。上线前应确认“修改的是哪份草稿、Agent 实际绑定哪个版本、发布后谁会受到影响”,并保留回归测试结果。此处描述的是官方文档当前所列行为,不能外推到所有工作区/未来版本。

9. 课程案例拆解:保留结构,修正危险默认值

案例与来源课程展示的流程可迁移的学习点不能照抄或声称的内容
跨境电商答疑(Coze 课程 Markdown)问候/人工服务/专业问题分流;专业问题查知识库后生成回答把礼貌语、专业问答和转人工拆成不同处理路径;把无答案作为显式状态源示例中无召回时转给通用大模型,可能回答超出证据;固定短语表会漏掉表达变化;示例人工服务地址不是可直接使用的真实服务。应改为“证据不足→澄清/拒答/人工”,再测意图误分与越权输入
英雄联盟知识助手(Coze/Dify 课件)以知识文档补充模型知识,并按问题召回内容用过时知识问题说明 RAG 的动机;要求回答与召回证据对应课程里的游戏版本和演示资料有时效性;“不必给来源”的提示不适合需要追溯的问答产品;未验证当前平台的界面与索引效果
天气与旅行规划(Coze 课程 Markdown)地图/搜索/天气/计算等工具获取实时信息,再组织行程外部数据要通过工具获得;结果应同时带来源、地点、时间和单位课程插件、接口和演示提示词不代表当前服务仍可用;预算估算不等于实时价格;预订、付款、提交个人资料须进入身份验证和人工确认
Dify 教学电商知识问答(第六章节与复杂案例文件)问候/找人工分流,专业问题进入知识检索,再由模型组织答案工作流可以把业务规则、检索和生成分层,使失败节点更好定位课件把“检索为空后自由回答”作为路径之一,不能直接用于事实型客服;应把空检索设计成有证据状态,而不是默认补知识
Dify 教学 NL2SQL 查询助手(第六/第七章节)自然语言→生成 SQL→数据库插件执行→解释/可视化让用户用自然语言提出查询,并把查询、执行与展示拆开课程演示不证明查询已安全上线;模型生成 SQL 不能直接执行,须经过只读账号、表/列白名单、SQL 语法树校验、租户过滤、结果行数/耗时限制和审计

以上都是课程设计或教学工作流,不是本人实际生产项目,不包含可核实的线上准确率、节省工时或用户规模。新的项目说明应该把“课件搭建”“本地练习”“真实上线”明确分开。

10. 发布前的检查清单

  • 需求、目标用户、支持范围和拒答/转人工边界已写明。
  • 知识源有授权、所有者、更新时间和删除/失效流程;索引完成且检索样例经过人工核读。
  • 每个节点的输入输出、分支条件、失败出口和默认值经过测试;无召回不会意外调用不受约束的通用回答。
  • 工具参数通过类型/范围校验,服务端再次验证身份、对象归属和权限;副作用动作有确认、幂等和审计。
  • 测过正常、边缘、越权、注入、无结果、冲突来源、工具超时和重复请求。
  • 发布/API 凭证未写入提示词、前端、共享笔记或日志;业务 API Key 放在服务端。
  • 监测错误类型、任务完成、转人工、引用、延迟和成本;每次模型/提示/数据版本变化可回归、可回滚。

相关笔记

  • Agent与Dify基础
  • 提示词工程
  • RAG检索增强生成
  • Agent、MCP与Skill
  • AI产品设计与行业案例

参考资料与整理范围

原始来源文件

以下列出本篇整理所依据的代表性原件;同主题重复版本与完整状态请查阅 source-manifest.csv。

  • Raw sources/002.Coze智能体入门到项目实战/02-操作说明文档/第二章:Prompt实操案例/第2章节:实战案例说明.md
  • Raw sources/002.Coze智能体入门到项目实战/02-操作说明文档/第三章: 英雄联盟助手案例/英雄联盟助手.md

放弃未保存的修改?

有未保存的修改,离开会丢失这些内容。