Coze 智能体实战初体验
访问 Coze 官网进入工作台，创建新智能体并命名。界面主要分为三大模块：人设与回复逻辑、知识库、插件。
1.1 写提示词
在左侧编辑区编写系统提示词（Prompt），定义智能体的角色、技能及回复规范。这是智能体的核心大脑，决定了它的行为边界。
1.2 预览智能体
点击右侧预览窗口，模拟用户对话，测试提示词效果是否符合预期。
1.3 发布智能体
调试完成后需发布智能体，否则无法对外提供服务。发布后获取 ID 和 Token，用于后续集成。
Coze 入门配置
2.1 大语言模型 (LLM) 配置
Coze 支持接入多种大模型，如豆包、DeepSeek 等。不同模型擅长领域不同，若不确定可选默认模型。
生成多样性 (Temperature)
控制输出的随机性。值越高，创意越强但稳定性下降；值越低，输出越理性精准。
- 精确模式 (0.2)：适合代码、法律文档等需严格遵循指令的场景。
- 平衡模式 (0.8)：默认设置，兼顾多样性与准确性。
- 创意模式 (1.0)：适合小说创作、文案撰写。
Top P
限制模型选择词汇的概率累积阈值。通常建议不要与 Temperature 同时大幅调整，以免产生不可控的输出。
重复性语句惩罚 (Frequency Penalty)
正值可阻止模型频繁使用相同词汇，增加表达多样性。
携带上下文轮数
默认为 3 轮。增加轮数可让模型参考更多历史对话，但会消耗更多 Token 成本。根据需求权衡，避免无意义地堆砌上下文。
最大回复长度
控制输出 Token 上限。默认 4096，过短可能导致内容截断。注意平台免费额度限制，合理设置以避免超额消耗。
2.2 插件
插件是智能体的手脚，扩展其能力边界。
什么是插件？
LLM 负责思考，插件负责执行。例如联网搜索、图片生成、Excel 处理等。Coze 内置大量官方及第三方插件，也支持自定义开发。
插件使用
在插件市场搜索所需功能（如头条图片搜索），添加到工作流或智能体中。智能体会自动分析意图调用对应插件。部分高级插件可能涉及费用。
智能体之知识 (RAG)
针对大模型未掌握的内部数据（如公司内部资料、特定院校信息），可通过 RAG（检索增强生成）技术外挂知识库。
3.1 智能体提示词
设定专家角色，要求智能体优先利用工具搜索政策，再结合内部知识库回答。例如高考志愿填报场景，需明确只讨论相关话题，并按指定格式输出。
3.2 知识之文本
上传 Markdown 或 Word 文档作为知识库。智能体会先检索 LLM 通用知识，若无结果则从上传的文本中提取信息。
3.3 知识之表格
支持 Excel 表格上传。适用于结构化数据查询，如学费标准、课程表等。
3.4 知识之图片
支持 PNG、JPG 等图片格式。需为图片添加标签以便识别，适用于图像特征提取或 OCR 辅助场景。
3.5 如何管理本地知识库
在知识库管理中可对已上传文件进行增删改查，确保数据的时效性和准确性。
Coze 记忆与对话体验
4.1 智能体之记忆
实现个性化交互的关键组件。
变量
用于临时存储常用数据（如用户名、偏好设置）。发布后不同用户拥有独立的变量空间。
数据库
重要组件，支持定义表结构永久存储数据（如记账本、用户列表）。相比变量，数据库更适合复杂业务逻辑的数据持久化。
长期记忆
由火山引擎提供，可总结对话内容并在未来召回。目前多为收费功能，一般场景暂不需要。
文件盒子
用于存储发票、合同等文件，支持随时调取。默认关闭，按需开启。
4.2 智能体之对话体验
优化用户交互细节。
- 开场白：用户首次打开时显示的引导语。
- 快捷指令：预设按钮，用户点击即可触发特定操作。
- 背景图片：提升视觉体验。
- 语音通话：支持语音输入输出。
- 用户输入方式：可限制仅允许打字或语音。
ApiFox 调用 Coze 智能体
通过 API 将智能体集成到外部系统中。
5.1 发布智能体
必须先将智能体发布，获取机器人 ID。
5.2 准备调用参数
需要两个关键参数：
- 机器人 ID（从发布后的 URL 获取）
- 认证 Token（在智能体设置中生成）
5.3 ApiFox 发起对话
使用 GET 请求访问 https://api.coze.cn/v3/chat/message/list，传入上述参数即可发起对话并获取返回结果。
Coze 工作流案例一：中草药识别
6.1 需求
用户上传草药图片，系统识别名称、性味归经、功效及禁忌，并格式化输出。
6.2 创建工作流
采用可视化编排方式，串联多个节点。
开始节点
接收用户输入的图片变量。
识别草药节点
添加大模型节点，设定系统提示词为'中草药识别专家'，要求详细分析图片特征并输出标准化信息。
系统提示词 vs 用户提示词
- 系统提示词：定义 AI 的底层身份、行为规范及知识边界（如'你是一位医生'）。
- 用户提示词：触发具体任务（如'我头疼怎么办'）。
输出节点
将识别结果格式化展示。
试运行
在工作流编辑器中直接测试流程是否通畅。
Coze 工作流案例二：菜谱生成
7.1 工作流步骤
- 开始：输入菜名。
- 插件节点：调用美食插件查询做法。
- 大模型节点：整理插件返回的 JSON 数据，补充缺失信息。
- 大模型节点：将整理好的数据转换为 HTML 格式。
- 插件节点：将 HTML 转为页面链接。
- 输出：返回网页地址。
7.2 创建工作流
开始节点
定义输入变量 dish_name。
根据菜名返回菜谱 - 插件节点
搜索并添加'食神'插件，获取菜品详情。
处理插件返回的数据 - 大模型节点
系统提示词：设定为菜谱整理助手，要求将原始数据清洗为美观格式，缺失信息自动补充。
用户提示词：引用插件返回的 {{input}}。
处理 html 格式 - 大模型节点
系统提示词：基于 Tailwind CSS 模板，动态替换菜谱名称、食材、步骤等内容，生成完整的 HTML 代码。
用户提示词：引用上一步整理好的数据 {{input}}。
html 转页面 - 插件节点
调用 HTML 渲染插件，生成可访问的静态页面链接。
7.3 工作流试运行
在编辑器中多次测试不同菜名，验证 HTML 生成效果。
7.4 发布工作流和智能体中生成
- 发布工作流。
- 在智能体编排中引入该工作流作为工具。
- 完成最终联调。
