通过python API来调用扣子coze的工作流

通过 Python 调用**扣子(Coze)**的工作流(Workflow),目前最推荐的方式是使用官方提供的 cozepy SDK(Python SDK)。这是字节跳动官方维护的包,支持完整的 Coze Open API,包括直接执行工作流(非流式/流式)、带文件上传、恢复中断等功能。

1. 准备工作(必须先完成)

  1. 登录扣子平台https://www.coze.cn 或 https://www.coze.com(国际版)
  2. 创建并发布工作流
    • 在工作流画布中搭建好逻辑(支持输入参数、LLM、代码节点、插件等)
    • 发布后,复制工作流 ID(通常在 URL 最后一段数字)
  3. 创建个人访问令牌(Personal Access Token)
    • 进入「个人空间」→「设置」→「API 密钥」→「创建新密钥」
    • 记录下生成的 pat_xxx…(这就是 Token)
    • 注意:Token 有有效期,过期需重新生成

安装 SDK

pip install cozepy 

2. 基本调用方式(非流式 / 同步)

import os from cozepy import Coze, TokenAuth, Message # 初始化客户端(推荐从环境变量读取 Token,安全) coze = Coze(auth=TokenAuth(os.getenv("COZE_API_TOKEN")))# 或直接写 TokenAuth("pat_xxxxxxxx")# 工作流 ID(从 Coze 平台复制) workflow_id ="你的工作流ID,例如 7423xxxxxx"# 输入参数(根据你工作流定义的输入变量) parameters ={"topic":"2025年AI发展趋势","length":"800字","style":"专业分析"# ... 其他你定义的输入键值对}# 执行工作流(同步,非流式) result = coze.workflows.runs.create( workflow_id=workflow_id, parameters=parameters,# 可选:user_id(自定义用户标识,用于追踪)# user_id="user_123")# 打印最终输出print("工作流执行结果:")print(result.output)# 通常是 dict,根据工作流输出节点决定print("最终消息:", result.output.get("content","无输出"))# 如果工作流有多个输出节点,可遍历ifhasattr(result,'outputs'):for key, value in result.outputs.items():print(f"{key}: {value}")

3. 流式调用(推荐用于长任务,实时获取进度)

from cozepy import Stream, WorkflowEvent, WorkflowEventType defhandle_stream(stream: Stream[WorkflowEvent]):for event in stream:if event.event == WorkflowEventType.MESSAGE:# 收到消息增量(类似聊天流式输出)print(event.message.content, end="", flush=True)elif event.event == WorkflowEventType.ERROR:print("\n错误:", event.error)elif event.event == WorkflowEventType.INTERRUPT:# 中断(需要用户补充信息)print("\n中断,需要补充:", event.interrupt)# 可调用 resume 接口继续# coze.workflows.runs.resume(workflow_id=workflow_id, event_id=..., resume_data="补充内容")elif event.event == WorkflowEventType.DONE:print("\n执行完成")# 流式执行 stream = coze.workflows.runs.create_stream( workflow_id=workflow_id, parameters=parameters ) handle_stream(stream)

4. 支持文件上传(常见场景:OCR、文档分析等)

from pathlib import Path # 先上传文件 file_obj = coze.files.upload(file=Path("/path/to/your/document.pdf"))# 然后把 file_id 传给工作流 parameters ={"file_id": file_obj.id,"question":"总结这份文档的主要观点"} result = coze.workflows.runs.create( workflow_id=workflow_id, parameters=parameters )print(result.output)

5. 完整推荐实践写法(带错误处理 + 环境变量)

import os import sys from cozepy import Coze, TokenAuth, WorkflowEventType defmain(): token = os.getenv("COZE_API_TOKEN")ifnot token:print("请设置环境变量:export COZE_API_TOKEN=pat_xxx") sys.exit(1) coze = Coze(auth=TokenAuth(token)) workflow_id ="7423xxxxxxxxxxxx"# 替换成你的 params ={"input_text":"帮我写一篇关于Python异步编程的文章","max_length":1200}try: result = coze.workflows.runs.create( workflow_id=workflow_id, parameters=params )print("执行成功!")print(result.output)except Exception as e:print("调用失败:", e)if __name__ =="__main__": main()

6. 常见问题 & 注意事项

地域:国内用 https://api.coze.cn,国际用 https://api.coze.com(SDK 可通过 base_url 指定)

coze = Coze(auth=TokenAuth(token), base_url="https://api.coze.com")

7. 官方文档参考(强烈建议看)

  • 工作流运行接口:https://www.coze.cn/open/docs/developer_guides/workflow_run
  • Python SDK 完整文档:https://github.com/coze-dev/coze-py
  • API 总览:https://www.coze.cn/open/docs

如果你的工作流涉及文件上传、复杂参数、流式中断恢复等特殊场景,告诉我具体需求,我可以帮你写更针对性的代码示例!

Read more

M系列Mac保姆级教程:Clawdbot安装+API配置,30分钟解锁AI自动化!

前言 Clawdbot作为超实用的AI自动化工具,能帮你实现网页自动操控、办公流程自动化、本地文件管理等功能,搭配M系列Mac的低功耗特性,堪称效率神器!很多Mac用户安装时会遇到「架构不兼容」「API配置失败」「插件加载报错」等问题,这篇教程专为M4/M1-M3芯片MacBook定制,全程ARM原生适配,从环境准备到功能验证一步到位,新手也能轻松上手~ 一、安装前准备(必看!避坑核心) 1. 系统与工具要求 * 系统版本:macOS 13 Ventura 及以上(M4芯片默认满足,低于该版本先升级:系统设置→通用→软件更新) * 核心依赖:Node.js ≥ 22(必须ARM架构版,避免转译卡顿) * 辅助工具:终端(Launchpad→其他→终端)、Chrome浏览器(ARM原生版) * 网络:需访问外网(对接Claude/Gemini)

By Ne0inhk
【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

摘要:城市交通流量预测是智慧交通的核心任务,传统LSTM/CNN模型因忽视路网拓扑结构(如传感器间的道路连接关系),难以精准捕捉拥堵传播规律。本文以公开PeMSD4数据集(旧金山湾区交通数据)为基础,采用图卷积网络(GCN)构建预测模型——通过将交通传感器视为“节点”、道路连接视为“边”,结合PyTorch Geometric工具实现端到端时空预测。全流程涵盖:数据获取与清洗(处理12个时间步历史数据)、路网图结构构建(基于距离的邻接矩阵)、GCN模型搭建(含两层图卷积层)、模型训练与评估(对比历史平均法、LSTM)。实验显示,本文GCN模型在整体RMSE(15.1)和关键路口RMSE(19.6)上均优于传统方法,预测稳定性显著提升。需特别说明:本文为教学虚拟案例,所有结果基于离线回测,不可直接用于真实交通调度决策,实际落地需解决实时性、动态路网等问题。 优质专栏欢迎订阅! 【DeepSeek深度应用】【Python高阶开发:AI自动化与数据工程实战】【YOLOv11工业级实战】 【机器视觉:C#

By Ne0inhk
【从 AI 大模型视角,读懂 To C 与 To B 的本质分别】

【从 AI 大模型视角,读懂 To C 与 To B 的本质分别】

引言: 在 AI 大模型重塑商业规则的当下,理解 To C 和 To B 的核心差异,是每一位从业者精准把握市场脉搏、找准业务发力点的必修课。大模型在 To C 端为用户带来更智能、更个性化的体验,在 To B 端则成为企业降本增效、实现数智化升级的核心引擎,二者在产品逻辑、运营路径上的天差地别,值得我们深入拆解。 简单来说,To C 和 To B 指的是产品或服务的最终用户类型,它们决定了商业模式、产品设计、营销策略等几乎所有方面的根本差异。 1. To C(To Consumer / 对消费者) * 定义:产品和服务直接面向个人消费者,满足其个人生活、娱乐、消费等需求。 * 核心逻辑:感性驱动,解决个人痛点或创造愉悦感。

By Ne0inhk
2026最新 Python+AI 入门指南:0基础也能快速上手,避开90%新手坑

2026最新 Python+AI 入门指南:0基础也能快速上手,避开90%新手坑

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 【前言】 * 一、为什么2026年入门AI,首选Python?(新颖热点解读) * 二、Python+AI入门必备:前提+环境搭建(10分钟搞定) * 2.1 核心前提(不用啃硬骨头) * 2.2 环境搭建(Windows/Mac通用,避版本冲突) * 三、Python+AI入门实战:3个热门案例(附完整代码) * 案例1:数据处理(AI入门必备,80%AI开发第一步) * 案例2:机器学习入门(线性回归,房价预测) * 案例3:2026热门·大模型对接(LangChain快速调用) * 四、

By Ne0inhk