编程语言Node.jsSaaSAI
Coze 工作流全面解析与 AI Agent 实例搭建
Coze 作为低代码 AI 智能体开发平台，支持通过可视化工作流编排复杂任务。本文详解 Coze 核心功能、与 Dify 及 n8n 的差异对比，并提供成语视频生成智能体的完整搭建流程。内容涵盖提示词编写、多模态集成、本地开源版与在线版的优缺点分析及部署建议，帮助开发者快速上手 AI Agent 应用构建。
Coze 作为低代码 AI 智能体开发平台，支持通过可视化工作流编排复杂任务。本文详解 Coze 核心功能、与 Dify 及 n8n 的差异对比，并提供成语视频生成智能体的完整搭建流程。内容涵盖提示词编写、多模态集成、本地开源版与在线版的优缺点分析及部署建议，帮助开发者快速上手 AI Agent 应用构建。
近日，Coze开源引起科技圈激烈讨论。Coze开源是 AI 领域的重要举措，既通过 Apache 2.0协议降低了智能体开发门槛，让开发者可自由部署、二次开发及商用，推动技术普惠与行业标准化，又能借助开源社区构建开发者生态，助力字节跳动推广豆包大模型和云服务，重塑行业竞争格局；但同时也面临功能生态短板（如缺失部分高级功能、插件较少）、可持续性风险（算力需求与变现压力）及安全治理挑战（漏洞风险与劣质应用泛滥）等问题，是一把兼具机遇与挑战的'双刃剑'。
Coze扣子空间是新一代 AI Agent 开发平台。凭借'低代码'功能，使开发门槛降低。开发的 AI 智能体，可以通过 API 或 SDK 将 AI 应用集成到你的业务系统中。提高了编码效率。
这是 Coze的基础且核心能力，支持零代码或低代码搭建专属 AI 智能体。
即前文提到的'工作流'，用于将复杂任务拆解为自动化流程，是提升 Bot 效率的关键工具。
用于存储和管理 Bot 的'专属知识'，确保 Bot 回复的准确性与针对性。
适合多人共同开发或企业级使用。
| 对比维度 | Coze | Dify | n8n |
|---|---|---|---|
| 定位 | 字节跳动推出的开源无代码 AI 聊天机器人平台，主打快速构建对话式 AI 应用 | 开源的大语言模型 (LLM) 应用开发平台，融合后端即服务（Backend as Service）和 LLMOps 理念，专注于基于大语言模型的智能应用全生命周期管理 | 开源的、可扩展的工作流自动化工具，核心能力是跨系统集成与复杂工作流编排 |
| 开源情况 | 开源，采用 Apache 2.0协议 | 开源 | 开源，采用'公平代码'（Fair Code）许可，允许商业化使用，鼓励对开源贡献者补偿 |
| 核心设计理念 | '即用即走'，通过可视化界面和预制模板降低 AI 开发门槛 | 融合后端即服务和 LLMOps 理念，提供从原型到生产部署全流程支持 | 以流程为核心，通过节点拼接实现系统间数据流转，强调灵活性和扩展性 |
| 工作流搭建 | 通过可视化界面拖拽节点搭建工作流，支持基础流程设计，部分节点支持简单脚本 | 有 Chatflow（面向对话类情景）和 Workflow（面向自动化及批处理情景），通过节点配置和变量串联搭建，支持条件分支等复杂逻辑 | 可视化拖拽高度灵活，支持条件分支、循环、并行执行等复杂逻辑，可嵌入 JavaScript/Python 代码实现复杂逻辑 |
| 模型支持 | 内置多模型对话系统，支持接入主流大语言模型，模型选择相对有限 | 支持数百种开源/专有模型，可本地部署，能动态切换模型，如白天用国产模型，夜间用 GPT-4 | 可将 LLM接入流程，通过插件或 API 集成多种主流大语言模型，能根据业务场景动态切换模型 |
| 连接器数量 | 约 50 + 官方连接器，依赖官方支持，可通过 API 触发工作流，配置相对基础 | 未明确提及连接器数量，但插件机制完善，可扩展 API 和第三方工具 | 超过 400 个内置节点，支持 600 + 应用和服务连接，可连接几乎所有有 API 的应用程序 |
| 数据处理能力 | 可通过插件和脚本进行数据处理，能力相对有限，侧重于智能体对话和简单任务自动化 | 内置 RAG框架，可一键上传企业文档构建知识库，实现精准问答，在与 AI 相关的数据处理上能力较强 | 可通过 JavaScript/Python处理数据，如合并表格、加密敏感信息等，数据处理能力灵活且强大 |
| 部署方式 | 仅提供云服务（SaaS） | 支持私有化部署和云服务，可根据企业需求定制部署 | 支持本地部署、云服务和 Kubernetes 集群部署，部署灵活性高 |
| 数据安全与合规性 | 提供加密传输和数据隔离，符合基础安全标准，闭源导致透明度较低 | 通常注重数据安全与合规，一般提供相应的数据安全措施和合规支持，但未提及具体细节 | 支持加密、RBAC 权限管理、审计日志，企业版通过 ISO 27001 认证，支持 GDPR、HIPAA等合规要求，数据安全性和合规性较高 |
| 团队协作 | 具备基础团队协作功能，如共享工作流 | 支持多工作区、权限控制，适合团队协作 | 支持团队协作，可通过权限管理等功能实现多人协同开发 |
| 适用场景 | 适合个人、小型团队的轻量级自动化需求，以及快速搭建对话式 AI，如智能客服、社交媒体聊天机器人等 C 端场景，可快速部署到字节系产品及微信等平台 | 适合企业级 AI 应用开发，如智能客服系统、企业级知识库问答系统、以 AI 为底层能力的 SaaS系统开发等，可满足对模型运维和复杂工作流有较高要求的场景 | 适用于个人、中小型企业，尤其是有复杂自动化需求场景，如电商自动化运营、营销自动触发、企业 IT 自动化等，可实现跨系统的数据自动化流转 |
| 学习门槛 | 零代码操作，通过自然语言操作和拖拽式工作流，中文文档完善，学习门槛低，适合零基础用户 |
智能体，也就是我们常说的 AI Agent，但它到底是什么呢？我们可以用一个简单的公式进行描述：AI Agent = Processing（流程处理）+ LLM（语言模型）+ Memory（长期记忆）+ Tools（工具）。
有没有发现这个 AI Agent跟我们人有点相似，LLM就像是我们的大脑，帮助我们做决策和分析，Processing是我们将一件事拆分成的每一个步骤，Memory就像是我们人类的记忆和经验，Tools就像是我们为了完成一件事所需要用到的工具。
单纯的 LLM就是 Large Language Model 大语言模型，简称大模型，主要被用来理解文本和生成自然语言文本，也就是我们前些年最火所谓的 AI。通常没有特定的目标和任务，就是你一句我一句这种根据输入的文本给出相应的回答的形式，大家所熟知的 ChatGpt、Deepseek、豆包、Kimi、元宝、通义千问这些其实都是大语言模型。
但是单一的大语言模型能做到的对话再厉害，它也只是一个对话模型，无法真正做到某件事情，其实 AI Agent 就是自动化机器人，可以给它设定很多个功能，我只需要一个指令，它就可以帮我们完成一系列动作，这和前几年火的 RPA 有异曲同工之妙。
我们来使用 Coze 在空间中设计一个智能体。
首先，我们要明白我们的目的，我要设计一个能生成成语视频的智能体。我通过输入成语，他就能给我生成一个完整的讲解视频。生成视频，我们需要有文案，图片，声音。我们可以做以下部署：
1.首先进入资源库，点击工作流
2.输入名称
3.插入大模型，重命名
4.配置开始节点
5.配置大模型
6.书写提示词
请围绕某一成语故事，生成一段成语类短视频口播文案，需遵循以下结构：1. **悬念开场**：以'【成语相关场景/背景】+ 反常识疑问/断言'开篇，激发观众兴趣。2. **身份代入**：用第二人称'你'描述在成语故事背景下的身份、所处情境及面临的核心难题，包含具体情境信息，直接进入主题。3. **冲突升级**：依次展现事件发展中的外部阻碍、内部矛盾、关键抉择三层冲突。4. **破局细节**：主角采取 3 个递进动作，包含：具体行动（如实地考察/制定策略）、巧思运用（如借助外力/变换方法）、核心举措（如关键言行/决定性行为）。5. **主题收尾**：通过事件结局引出成语的形成，以'这一刻你终于明白…'句式点题，揭示成语蕴含的道理。要求：每段不超过 3 句话，多用短句制造节奏；加入至少 2 处与成语相关的文化常识；在关键转折点使用感官描写（如动作触感/场景视觉/氛围感受）；生成 200-300 字左右口播文案，由长短句构成，长句用逗号分隔，每个短句不超 19 个汉字。**输出要求**：只输出口播字幕文案，不要输出其他任何额外内容，不输出分段说明 参考实例：1：完璧归赵'蔺相如捧着和氏璧，真的只是靠嘴皮子退敌吗？你是赵王派去的护卫，手按剑柄站在秦宫廊下，玉璧的冰凉透过锦盒传来，像块寒冰贴在掌心。秦王把玩玉璧时，侍臣的笑声震得梁上灰尘簌簌落，没人提割城的事，你摸出靴中短刀，刀柄的纹路已被冷汗浸软。赵军在边境被秦军牵制，国内大臣吵着要毁玉避祸，你收到密信，若玉璧留秦，家眷立斩。蔺相如突然捧玉后退，指尖抵着柱角，石屑硌进肉里。他先说玉有瑕疵，骗回璧后举过头顶，扬言要撞碎在柱上，声音比殿角铜钟还响。你看见秦王眼角抽搐，侍臣摸向腰间的剑，寒光映在玉璧上。蔺相如让秦王斋戒五日，你趁机带着玉璧混在商队里，用炭笔在璧上刻下微小记号。五日后秦宫，他指着空盒笑说，玉已归赵，要杀要剐悉听尊便。秦王摔碎案上酒樽，酒液溅湿你裤脚，却终究没下令动手。你摸着袖中带回的玉璧，刻痕还带着体温。这一刻你终于明白，'完璧归赵'靠的从不是鲁莽，是把生死当筹码的精准算计。'2：负荆请罪'廉颇光着脊背负荆，真的只是服软那么简单吗？你是廉颇的亲兵，捧着荆条跟在他身后，石板路的凉气透过草鞋往上窜，棘刺在他背上划出红痕。蔺相如的门客拦在巷口，投来的白眼比冬日寒风还冷，军中副将在街角跺脚，骂将军辱没了上卿身份。秦军在边境集结，扬言要趁赵国内斗来犯，赵王的诏书催了三次，让廉颇去蔺相如府中议事，他却关在帐中喝闷酒。廉颇突然摔碎酒坛，抓起荆条就往外走，你想给他披件衣服，被他一胳膊肘推开，掌心的老茧蹭过你手背，比荆条还硬。他在蔺相如门前跪下，脊背挺得笔直，荆条的尖刺扎进皮肉，血珠滴在青石板上，像撒了把红豆。蔺相如慌忙扶起他时，你看见两人手扣在一起，指节都在用力。三日后联军出征，蔺相如坐帐筹谋，廉颇挥师冲锋，你们跟着将军杀进敌阵，听见他吼着'蔺相如信我'。刀光剑影里，你摸着腰间的令牌，上面刻着'赵'字。这一刻你终于明白，'负荆请罪'藏的不是卑微，是能屈能伸的家国大义。'3：草木皆兵'苻坚望见八公山草木，真的是吓破了胆吗？你是前秦的传令兵，站在山顶瞭望台，晋军的旗帜在风里猎猎作响，像一片翻涌的红海压过来。帐篷里传来争吵，鲜卑将领说要退军，氐族老将拍着案大叫，说晋军不过是纸老虎，苻坚的手指在地图上乱点，墨迹晕染了'淝水'二字。粮草车队在山坳被劫，士兵嚼着树皮骂娘，你去查岗时，看见哨兵把树影当成晋军，弓弦拉得咯吱响，冷汗顺着他的下颌线往下淌。苻坚突然下令全军后撤，让晋军渡过淝水来决战，你传达命令时，马蹄踩在落叶上，沙沙声像背后有人追。晋军趁势渡河，喊杀声震得山摇地动。你看见士兵们掉头就跑，铠甲撞在一起叮当乱响，有人被自己人推倒，惨叫淹没在惊呼声里。苻坚的轿子在乱军里颠簸，他掀帘张望时，脸色比头盔还白。退到淮北时，你捡了面掉在地上的战鼓，鼓皮上还沾着泥和血。风一吹，周围的草叶沙沙动，你突然觉得那都是举着刀的晋兵。这一刻你终于明白，'草木皆兵'怕的从来不是草木，是败亡前夕，自己吓垮自己的人心。'
7.再添加个大模型，配置，书写提示词
# 角色 根据故事信息生成故事主角开场绘画提示词 desc_prompt。 ## 技能 ### 技能 1: 生成绘画提示 1. 根据故事信息，生成主角任务绘画提示词 desc_promopt，详细描述人物动作、表情、服装，色彩风格等细节。 - 风格要求：古代动漫宫崎骏插画风格，卡通风格，明亮色彩，柔和线条，适合儿童观看的古代成语故事插画，主角正面视角面对屏幕，位于画面正中间，表情亲切可爱，穿着鲜艳的古代服饰，背景简洁留白，画面清晰，人物特写，高清，低对比度，色彩高饱和，浅景深，氛围轻松愉快，充满童趣 # 限制 1. 只输出绘画提示词，不要输出其他额外内容。将这段提示词改一下，我要生成的图片应该是适合小孩观看的成语故事。提示词用汉语回答。
8.插入图像生成模型
9.单链验证
10.添加大模型并配置
11.配置画面分镜大模型
# 角色 你是一位专业的故事创意转化师，你能够深入理解故事文案的情节、人物、场景等元素，用生动且具体的语言为绘画创作提供清晰的指引。 ## 技能 ### 技能 1：生成分镜字幕 1. 当用户提供故事文案时，仔细分析文案中的关键情节、人物形象、场景特点等要素。 2. 文案分镜，生成字幕 cap： - 字幕文案分段：第一句单独生成一个分镜，后续每个段落均由 2 句话构成，语句简洁明了，表达清晰流畅，同时具备节奏感。 - 分割文案后特别注意前后文的关联性与一致性，必须与用户提供的原文完全一致，不得进行任何修改、删减。字幕文案必须严格按照用户给的文案拆分，不能修改提供的内容更不能删除内容 ===回复示例=== [{ "cap":"字幕文案" }] ===示例结束=== ## 限制：- 只围绕用户提供的故事文案进行分镜绘画提示词生成和主题提炼，拒绝回答与该任务无关的话题。 - 所输出的内容必须条理清晰，分镜绘画提示词要尽可能详细描述画面，主题必须为 2 个字。 - 视频文案及分镜描述必须保持一致。 - 输出内容必须严格按照给定的 JSON 格式进行组织，不得偏离框架要求。 - 只对用户提示的内容进行分镜，不能更改原文 - 严格检查 输出的 json 格式正确性并进行修正，特别注意 json 格式不要少括号，逗号等
批处理
插入视频内容生成大模型
插入选择器
优化提示词
配置选择的另一条单线。尝试生成图像
插入代码，修改格式
// 在这里，您可以通过'params'获取节点中的输入变量，并通过'ret'输出结果// 'params'和'ret'已经被正确地注入到环境中// 下面是一个示例，获取节点输入中参数名为'input'的值：// const input = params.input; // 下面是一个示例，输出一个包含多种数据类型的'ret'对象：// const ret = { "name": '小明', "hobbies": ["看书", "旅游"] };
async function main({ params }: Args): Promise<Output> {
var image1 = params.image1;
var image2 = params.image2;
if (!image1) { image1 = image2; }
// 构建输出对象
const ret = { "image_url": image1 };
return ret;
}
插入字幕合成模型
获取视频时长
连接
配置批处理
插入数据整合代码
// 在这里，您可以通过'params'获取节点中的输入变量，并通过'ret'输出结果// 'params'和'ret'已经被正确地注入到环境中
async function main({ params }: Args): Promise<Output> {
// 关键：为所有依赖的参数添加默认值，避免 undefined
const { image_list = [], audio_list = [], duration_list = [], scenes = [], role_img_url = "", title = "" } = params;
// 处理音频数据
const audioData = [];
let audioStartTime = 0;
const audioTimelines = [];
let maxDuration = 0;
const imageData = [];
// 关键：添加数组长度校验，避免因空数组导致循环异常
const loopLength = Math.min(audio_list.length, duration_list.length, image_list.length);
for (let i = 0; i < loopLength; i++) {
// 用最小长度限制循环，避免越界
const duration = duration_list[i] || 0; // 避免 duration 为 undefined
audioData.push({
audio_url: audio_list[i],
duration,
start: audioStartTime,
end: audioStartTime + duration
});
audioTimelines.push({
start: audioStartTime,
end: audioStartTime + duration
});
if ((i - 1) % 2 === 0) {
// 修复原代码的'=='为'==='，避免隐式类型转换
imageData.({
: image_list[i],
: audioStartTime,
: audioStartTime + duration,
: ,
: ,
: ,
:
});
} {
imageData.({
: image_list[i],
: audioStartTime,
: audioStartTime + duration,
: ,
:
});
}
audioStartTime += duration;
maxDuration = audioStartTime;
}
roleImgData = [];
(role_img_url && duration_list. > ) {
roleImgData.({
: role_img_url,
: ,
: duration_list[],
: ,
:
});
}
captions = scenes.( item?. || ).();
subtitleDurations = duration_list;
{ textTimelines, processedSubtitles } = (captions, subtitleDurations);
title_list = [title || ];
title_timelimes = duration_list. > ? [{ : , : duration_list[] }] : [];
kc_audio_url = ;
bg_audio_url = ;
bg_audio_data = [];
(maxDuration > ) {
bg_audio_data.({
: bg_audio_url,
: maxDuration,
: ,
: maxDuration
});
}
kc_audio_data = [];
kc_audio_data.({
: kc_audio_url,
: ,
: ,
:
});
ret = {
: .(audioData),
: .(bg_audio_data),
: .(kc_audio_data),
: .(imageData),
: textTimelines,
: processedSubtitles,
: title_list,
: title_timelimes,
: .(roleImgData)
};
ret;
}
= {
: ,
: [, , , , , , , , , , ],
:
};
() {
( text !== ) text = (text || );
(text. <= maxLen) [text];
( delimiter .) {
pos = text.(delimiter, maxLen - );
(pos > ) {
splitPos = pos + ;
[
text.(, splitPos).(),
...(text.(splitPos).(), maxLen)
];
}
}
startPos = .(maxLen, text.) - ;
( i = startPos; i > ; i--) {
(.(text[i])) {
[
text.(, i + ).(),
...(text.(i + ).(), maxLen)
];
}
}
splitPos = .(maxLen, text.);
[
text.(, splitPos).(),
...(text.(splitPos).(), maxLen)
];
}
= () => {
cleanRegex = ;
processedSubtitles = [];
processedSubtitleDurations = [];
safeLength = .(captions., subtitleDurations.);
( index = ; index < safeLength; index++) {
text = captions[index];
totalDuration = subtitleDurations[index] || ;
phrases = (text, .);
phrases = phrases.( p.(cleanRegex, ).()).( p. > );
(phrases. === ) {
processedSubtitles.();
processedSubtitleDurations.(totalDuration);
;
}
totalChars = phrases.( sum + p., );
accumulatedμs = ;
phrases.( {
ratio = totalChars > ? phrase. / totalChars : ;
durationμs = i === phrases. - ? totalDuration - accumulatedμs : .(totalDuration * ratio);
processedSubtitles.(phrase);
processedSubtitleDurations.(durationμs);
accumulatedμs += durationμs;
});
}
textTimelines = [];
currentTime = startTimeμs;
processedSubtitleDurations.(durationμs => {
start = currentTime;
end = start + (durationμs || );
textTimelines.({ start, end });
currentTime = end;
});
{ textTimelines, processedSubtitles };
};
创建草稿
字幕音频生成
视频画面生成
关键帧代码
import json
async def main(args: Args) -> Output:
params = args.params
segment_ids = params['segment_ids']
times = params['duration_list']
seg = params['segment_infos']
# 验证参数长度一致性
if len(segment_ids) != len(times):
raise ValueError("segment_ids 与 times 数组长度不一致")
keyframes = []
for idx, seg_id in enumerate(segment_ids):
if idx == 0: # 跳过第一张图片
continue
# 获取对应音频时长并转换微秒
audio_duration = int(float(times[idx]))
# 根据循环索引决定缩放方向
cycle_idx = idx - 1
# 计算排除第一个元素后的循环索引
if cycle_idx % 2 == 0: # 偶数索引：1.0->1.5
start_scale = 1.0
end_scale = 1.5
else: # 奇数索引：1.5->1.0
start_scale = 1.5
end_scale = 1.0
# 起始关键帧（0 秒位置）
keyframes.append({"offset": 0, "property": "UNIFORM_SCALE", "segment_id": seg_id, "value": start_scale, "easing": "linear"})
# 结束关键帧（同步音频时长）
keyframes.append({: audio_duration,
: , : seg_id, : end_scale, : })
keyframes.append({: , : , : seg[][], : , : })
keyframes.append({: , : , : seg[][], : , : })
keyframes.append({: seg[][] - seg[][],
: , : seg[][], : , : })
{: json.dumps(keyframes)}
添加关键帧
制作字幕数据
添加字幕
批量添加字幕
输出
结束
这样我们的工作流就做好了，后续会更新制作后的视频
2025 年 7 月 26 日，Coze 宣布开源，发布了 Coze Studio 和 Coze Loop 两大项目，采用 Apache 2.0 协议，允许免费使用、修改甚至商业化部署。开发者可通过 Coze Studio GitHub 和 Coze Loop GitHub 获取开源代码。
ChatSDK与 API，无法部署到扣子商店、豆包、抖音小程序等流量平台，难以触达 C 端用户或外部客户。| 版本类型 | 核心适用场景 | 适配人群 |
|---|---|---|
| 在线版 Coze | 1. 零基础用户学习 AI Agent 开发；2. 个人/小型团队轻量级任务（如简单智能客服、短视频脚本生成）；3. 需快速部署至多平台（如微信、抖音）触达用户的场景 | 零基础小白、非技术团队、小型企业、内容创作者 |
| 开源版（本地部署）Coze | 1. 对数据隐私要求极高的企业（金融、医疗）；2. 需深度定制化智能体的场景（如企业内部定制化办公助手）；3. 高并发、高频次自动化任务且需无功能限制的场景 | 具备技术能力的中大型企业、IT 团队、技术开发者 |
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online
| 需一定技术基础，了解大模型相关知识和开发流程，适合有技术能力的团队，但提供了较为完善的文档和工具，上手难度适中 |
| 需理解 API 接口和数据处理逻辑，对技术能力有一定要求，适合自动化流程开发者、技术型运营等，但可视化设计也降低了部分难度 |
| 成本模型 | 目前免费，未来或按交互量收费 | 开源部分可免费使用，私有化部署等企业级服务可能需付费，按 Token 计费 + 企业订阅 | 社区版开源免费，需自托管且自行维护；企业版按用户/工作流付费，支持私有云部署 |
| 生态优势 | 深度整合抖音、飞书等字节系产品，可一键发布触达用户 | 社区活跃度高，功能迭代快速，可与多种开源模型和工具集成 | 有丰富的社区资源和大量的工作流模板分享，可通过第三方插件扩展功能，生态较为丰富 |