Coze创建AI Agent还有一个很重要的功能，就是可以插入自己创建的工作流，这篇文章就来详细介绍，如何创建一个工作流。
01 什么是Coze工作流？
想象一下，如果我们想要让AI Agent执行一个“每日新闻摘要与翻译”的任务：
- 获取用户指定领域（如“科技”）的最新新闻。
- 阅读新闻内容并生成摘要。
- 将摘要翻译成指定语言（如英文）。
- 将原文链接、摘要和翻译结果呈现给用户。
整个AI Agent的工作，我们也许可以像上一篇文章所讲的那样，使用Coze中的插件，但是如果这4个步骤中，也许第1个和第3个有相关的插件可以直接使用，而第2和第4个没有呢？我们这时就可以考虑使用工作流。工作流就是将这个任务拆解为4个标准化、可控的步骤，一些步骤可以插入已有的插件，而其他的没有相关插件可供直接使用的步骤，就可以根据我们的需求，灵活进行编写。这样，工作流便会有序执行这些步骤来达成目标。使用工作流的好处就是：提升任务处理的可靠性、灵活性和可控性，让AI Agent能更好地应对复杂场景。
02 工作流搭建步骤详解
接下来，我们将以一个简化的“智能文本处理助手”（获取文本、总结、翻译）为例，演示如何在Coze中创建一个工作流。
首先我们创建一个工作流，如下图所示：
这样我们就创建了一个工作流，这个工作流现在只有一个开始节点，和一个结束节点：
开始节点用来接收用户输入的问题，我们只需要一个输入参数，设置参数名为original_text，类型是String（字符串/文本），并设置为必填：
接下来，我们要在开始和结束节点之间，加入我们的节点，来完成整个工作流的功能。
我们可以加入的节点包括大模型、插件、代码、知识库、选择节点等。
- 大模型（LLM）节点： 调用大语言模型对问题进行处理及解答。可以选择不同的模型，并设置Prompt。
- 插件（Plugin）节点： 使用Coze内置或自定义的插件，例如获取获取公众号文章内容等。
- 代码（Code）节点： 执行代码，进行复杂的数据处理或自定义逻辑。
- 知识库（Knowledge）节点： 在工作流中查询配置的知识库内容。
- 选择（Condition）节点： 根据条件判断，执行不同的分支流程。
我们创建的工作流目标是：输入一段文本，AI Agent先对文本进行总结，然后再将其翻译成英文。
这样，我们在开始节点之后，可以先加入大模型节点，用于将输入的文本进行总结。
加入大模型节点，我们将此节点的输入设置为开始节点的传入参数：
我们接下来设置系统提示词，即Prompt，可以根据提示将变量融合到提示词中。不会写提示词没关系，我们只要将功能描述清楚，Coze可以利用AI帮忙对我们的提示词进行润色：
其中 {{original_text}} 是此节点的输入变量：original_text。提示词经过AI润色之后即为：
设置输出变量，即为大模型总结后的文本：
这样第一个用于总结文本的节点就创建完成。
第二个节点用于翻译总结后的文本，同样使用大模型节点，配置方式与第一个节点类似，不再赘述，配置后的节点为：于是我们想要的总结、翻译功能就完成了，我们接下来将翻译节点连接到结束节点，并配置结束节点的输入及输出：
整个工作流即为：
创建好整个工作流后，我们可以对整个工作流进行调试、试运行：
输出结果为：
如果输出结果与预期不符，我们可以检查每个节点的输入输出，看是哪个节点出现问题，再进行解决，或者在创建节点的时候，就对每个节点进行试运行。
至此，一个简单的工作流就完成了！
接下来，我还会继续深入AI Agent的深入实践，也会继续分享其他AI的相关知识！
03 结语
AI Agent作为人工智能发展的前沿领域，正从概念走向广泛应用。对于初学者而言，现在是进入这一领域的绝佳时机。
在这个时代，我们可以不懂AI，但一定要会使用AI，避免将宝贵的时间用在重复冗余的事情上。
