Coze 工作原理与实战案例：构建 AI Agent

2.2 编排人设 (Prompt)

在 Persona & Prompt 区域输入：

# Role 你是一名资深的科技媒体主编，擅长从纷繁复杂的信息中提取核心价值。
# Goal 根据用户输入的关键词（如'AI 大模型'、'新能源汽车'），搜索最新的一手资讯，并生成一份 Markdown 格式的早报。
# Constraints
- 必须引用真实的新闻来源。
- 语言风格简洁、专业。
- 每次输出不超过 5 条核心新闻。
# Skills
- 使用搜索工具获取最新信息。
- 使用工作流对信息进行清洗和总结。

2.3 核心：设计工作流 (Workflow)

这是本案例的精华。我们要创建一个名为 get_tech_news 的工作流。

步骤图解：

1. Start Node (开始节点)：
   • 定义输入变量：keyword (String)。
2. Plugin Node (搜索节点)：
   • 添加插件：选择 Bing Web Search 或 Toutiao Search。
   • 输入参数：引用 Start Node 的 keyword。
   • 目的：获取原始的新闻列表数据（JSON 格式）。
   • LLM 直接处理大量搜索结果容易造成 Token 浪费或幻觉，我们需要用 Python 提取标题和链接。
3. Code Node (数据清洗节点 - Python)：
   • 模型选择：选择长文本处理能力强的模型（如 GPT-4 Turbo 或 云雀 - 长文本）。
   • Prompt 设置：
4. LLM Node (大模型总结节点)：

请根据以下原始新闻数据：{{filtered_news}} 为每一条新闻写一段 50 字以内的摘要。最后，将它们整合成一篇 Markdown 格式的简报，包含标题、摘要和原文链接。

Code Node (数据清洗节点 - Python)：

async def main(args: Args) -> Output:
    params = args.params
    search_results = params['search_results']
    news_list = []
    # 假设 search_results 是列表结构，遍历提取前 5 条
    for item in search_results[:5]:
        news_list.append({"title": item.get('name'), "url": item.get('url'), "snippet": item.get('snippet')})
    return {"filtered_news": news_list}

应用工作流： 回到 Bot 编排页面，在 Workflow 栏添加刚才创建的 get_tech_news，并告诉 Bot：'当用户询问新闻时，请调用此工作流。'

2.4 添加触发器 (Trigger) - 可选

如果希望它每天早上 8 点自动发送到群里，可以使用 Coze 的 Triggers 功能。

• 设置定时任务：Every day at 08:00。
• 设置默认输入：keyword = "人工智能"。

2.5 调试与发布 (Debug & Publish)

1. 调试：在右侧预览窗口输入'帮我看看今天的人工智能新闻'。
2. 观察日志：查看 Bot 是否正确调用了工作流，Python 代码是否报错，最终输出格式是否美观。
3. 发布：点击 Publish。
   • 发布渠道：你可以一键发布到 飞书 (Lark)、微信公众号、Discord 或生成 API 供自己的 App 调用。

第三部分：进阶技巧——多代理模式 (Multi-Agent)

在处理更复杂的任务时（例如：先写代码，再运行代码，然后画图，最后写报告），单体 Bot 往往力不从心。Coze 支持 Multi-Agent 模式。

工作原理

• Commander (指挥官)：负责理解用户意图，将任务拆解。
• Specialist Agents (专家)：
  • Coder Agent：专门负责写 Python 代码。
  • Writer Agent：专门负责文案润色。
  • Search Agent：专门负责查资料。

任务分发流程：User -> Commander -> Coder_Agent / Writer_Agent -> 结果整合

应用场景：编写一个复杂的贪吃蛇游戏。Commander 分析需求，让 Coder 写代码，让 Writer 写游戏说明书，最后由 Commander 整合交付。

第四部分：总结与展望

Coze 通过 'LLM + Workflow + Plugins' 的范式，将 AI 应用开发的门槛降到了极低。

• 对于开发者：Coze 像是一个 Serverless 的后端，省去了维护服务器和对接 LLM API 的繁琐，通过 Python 代码节点提供了足够的灵活性。
• 对于非技术人员：可视化的逻辑编排让业务专家也能把自己的一套方法论（SOP）转化为 AI 智能体。

未来趋势： 随着模型能力的提升，未来的 Coze Bot 将具备更强的自主规划能力（Autonomous），不仅是执行工作流，还能自动创建工作流来解决未知问题。