1. Coze 为什么火？AI Agent 生态大揭秘
1.1 🎯 学习目标
- 明确 Coze 的官方概念与定位
- 弄清 Coze 为何能在 AI Agent 平台中迅速出圈
- 认识 Coze “四件套”——开发平台·罗盘·空间·开源版
- 掌握核心里程碑 & 行业影响
1.2 📖 平台定义：什么是 Coze ?
Coze（中文名 扣子）是字节跳动推出的 「下一代 AI 应用 / 智能体开发平台」，主打 零代码拖拽 + 工作流编排 + 全渠道发布，并允许通过 插件、知识库、长短期记忆与变量聚合 等能力，快速把创意落地为可运行的 Chatbot、App 或 API 服务。
1.3 🚀 为什么火：三大核心卖点
- 零代码 · 极低门槛 可视化拖拽 + Prompt 编辑，非技术用户 5 分钟即可生成可用智能体。
- 一站式 · 全生命周期 从数据接入、工作流编排到监控调优，全流程在浏览器内完成，省去多工具切换痛点。
- 全渠道 · 快速分发 支持豆包、飞书、网页、API 等多端发布；开源后还能私有化部署，覆盖 B/C 两端场景。
1.4 🧩 Coze “四件套”全景图
| 组件 | 定位 | 关键能力 | 最新动态 |
|---|---|---|---|
| Coze 开发平台 (Coze Studio) | 可视化 Agent 开发 IDE | 画布式编排、即时调试、插件市场 | 2025‑07‑26 开源，GitHub ★10 k+ |
| Coze 罗盘 (Coze Loop) | Agent 运维 & 优化中心 | 指标监控、评测基准、持续迭代 | 与 Studio 同步开源，支持全链路回溯 |
| Coze 空间 (Coze Space) | SaaS 场景库 & 社区 | 案例克隆、专家模板、7×24 运行 | 覆盖舆情、PPT、播客等多行业案例，官方案例超 2k 份 |
| Coze 开源版 | 私有化部署 | Docker‑Compose 一键起服、二次开发 | 最低 2C4G 即可本地跑通，教程已刷屏社区 |
1.5 ⏳ 关键时间线
| 📅 日期 | 🚩 事件 |
|---|---|
| 2023-11 | 海外灰测版公测，首次验证市场需求 |
| 2024-02-01 | 国内版正式开放注册，当晚流量高峰导致排队登录 |
| 2024-10-09 | “模型广场”与统一智能体商店上线，支持模型对战 —— 现在模型广场入口已经下线 |
| 2025-04 | 推出 Coze Space 公测，提供专家模板与案例库 |
| 2025-07-26 | Studio & Loop 双双开源，48 h 星标破 9 k，硬件需求仅 2C 4G |
1.6 🌈 特色场景速览
| 🌟 典型用例 | 📝 独家亮点 | 🚀 适用人群 |
|---|---|---|
| 热点扫描助手 | 关键词监听 + 情感分析，定时输出 Markdown & 图表报告 | 品牌公关、市场研究员 |
| PPT 秒生器 | 主题 → 结构化大纲 → 可下载 PPT 文件 | 咨询顾问、职场新人 |
| AI 客服机器人 | 意图识别 + FAQ 知识库 + 工单分流，7×24 全天服务 | 电商、SaaS 客服团队 |
| 爆款短视频流水线 | 文案 → 图像 → 口播 → 视频合成；一键导入 剪映/CapCut 二次编辑 | 自媒体、MCN 机构 |
| 数字人带货直播片段 | Coze 工作流调用数字人 & 电商接口，批量生成带货口播视频 | 跨境电商、直播运营 |
| 商品图批量生成器 | 图像节点批处理，10 秒出一张高质电商主图 | 店铺设计、视觉团队 |
| 历史人物传记视频 | 多模型并行：文生图 + 图生视频 + 剪辑编排，全流程自动 | 教培机构、知识博主 |
1.7 🏁 总结
Coze 之所以能在 AI Agent 赛道迅速出圈，核心在于 “零代码易用 + 一站式闭环 + 开源可扩展” 三重优势。通过开发平台、罗盘、空间与开源版四大组件，Coze 把“构建‑调优‑发布”整条链打通，让个人与企业都能 用更低成本、更快速度 把创意落地为真实可用的智能体，真正做到 “一天跑通业务闭环”。
2. 平台大比拼：Coze·Dify·腾讯元器·阿里云百炼·n8n 横评
2.1 🎯 学习目标
- 快速掌握五大主流低/无代码 AI 平台的定位、核心机制与适用场景
- 通过横向对比，理解各平台在 模型接入、工作流编排、发布分发、生态开放 等方面的差异
- 为后续深入学习腾讯元器、阿里云百炼、n8n 及 Dify 奠定选型与思维框架
2.2 🏁 为什么要学？
- 平台众多，易陷选型迷雾：功能看似相似，底层机制差异巨大，提前掌握有助于少走弯路
- 业务闭环诉求强：从“做出 Demo”到“跑通生产”，对工作流、权限、运维能力要求各不相同
- 技能迁移最大化：吃透共性概念，后续学习任何平台都能触类旁通
2.3 🧩 五大平台速览
| 平台 | 背景 | 核心定位 | 代表优势 | 典型短板 |
|---|---|---|---|---|
| Coze（字节） | 豆包大模型生态 | 一站式智能体开发 + 社区分发 | 零代码拖拽、Loop 运营闭环、开源可私有化、体验顺滑 | 社区鱼龙混杂，相似插件多，需自行筛选 |
| Dify（独立团队） | 全开源 LLM Ops 专案 | 开源 LLM 应用开发 + 云托管 SaaS | 前后端全开源、Prompt & Workflow 双引擎、模型热插拔、插件商城 | SaaS 版功能相对轻量；深度运营工具仍在完善 |
| 腾讯元器 | 混元大模型生态 | 智能体 + 插件 + 工作流 + 微信/QQ 分发 | 微信原生入口、插件市场活跃、多模态生成强 | 第三方 API 托管受限，需走腾讯云生态 |
| 阿里云百炼 | 通义系列 & 阿里云 | 企业级多模态应用工作台 | RAG 与插件解耦、计费灵活、与阿里云产品深度集成 | 控制台偏工程化，上手门槛略高 |
| n8n | 开源社区 | 通用自动化 + AI 节点生态 | 完全开源、自定义代码节点、LangChain/LlamaIndex 集成成熟 | 需自托管 LLM 或外部 API；中文资料相对分散 |
2.4 🔍 核心能力对比
| 能力维度 | Coze | Dify | 腾讯元器 | 阿里云百炼 | n8n |
|---|---|---|---|---|---|
| 模型接入 | 豆包默认 + 自定义 API | OpenAI、Anthropic、Azure、Self-host LLM 热插拔 | 混元 + 多模态模型 | 通义系列 + 第三方市场 | 任意 HTTP/SDK、本地 LLM |
| 知识库 | 向量化 + 多记忆 | 原生 RAG 组件，支持自动分段 + Embedding | 模块化知识块 | RAG 组件即插即用 | 需手动集成向量库节点 |
| 工作流编排 | 画布节点 + 条件分支 | Prompt Flow（链）+ 触发器 + 条件守护 | 拖拽式流程 + 触发器 | 多层画布：流程、插件、组件 | 节点链式 + JS 表达式 |
| 工具/插件 | 官方/社区双市场 | 插件商城（OCR、扩写、翻译等）+ Function Call | 插件商店活跃 | 企业插件私有部署 | > 400 官方节点 + 自定义包 |
| 多端发布 | Web、API、飞书、豆包、iframe | Web App、API、Share Link、Widget | 微信服务号、QQ 频道、小程序、API | 钉钉、企微、网页、API | 任何支持 Webhook 的系统 |
| 运维监控 | Loop 指标、重放、A/B 评测 | 对话日志、Token 统计、调用告警 | 日志中心 + 质检面板 | 全链路监控、Token 计费 | Execution Log + CLI |
| 部署方式 | SaaS / Docker / K8s | 全开源源码、Docker、一键云托管 | SaaS（腾讯云） | SaaS / ACK / 离线沙箱 | 本地二进制 / Docker / 云托管 |
| 开源许可 | Apache-2.0（Studio & Loop） | Apache-2.0 | 暂未完全开源 | 组件 SDK 开源，控制台闭源 | RPL-1.5（社区版） |
2.5 🛠️ 实现原理拆解
2.5.1 🏗️ Coze
- Prompt Runtime + 插件沙箱：Prompt 与工具调用彻底解耦
- 多模式记忆：短期会话 & 向量长期记忆双通道
- Loop 持续评测链：对话重放 + 指标打分
2.5.2 🏗️ Dify
- Prompt Flow + Workflow 双引擎：Prompt 级快速迭代，Workflow 级复杂编排
- LLM 代理层：统一封装 OpenAI/Anthropic/自托管模型，调用方式一致
- 全链路 RAG：内置切片、Embedding、检索、重写 4 阶段流水线
2.5.3 🚀 腾讯元器
- 插件沙盒 + 工作流 两层调度
- 混元 API Adapter：多模态共用推理网关
2.5.4 🛡️ 阿里云百炼
- 应用引擎 & 模型引擎 解耦
- 可插拔 RAG + 全链路监控
2.5.5 ⚙️ n8n
- 节点隔离沙箱
- AI 节点套件：LangChain、向量库、路由器
2.6 🌐 生态与社区
| 维度 | Coze | Dify | 腾讯元器 | 阿里云百炼 | n8n |
|---|---|---|---|---|---|
| 插件/节点数 | 400+ 官方 + 社区 | 100+ 官方 + 社区 | 600+（微信生态） | 300+（企业 SaaS） | 500+ 官方 + 1000+ 社区 |
| 社区活跃度 | GitHub 10 k★/Space 模板 | GitHub 23 k★/Discord 群 | 微信/QQ Dev 群 > 15 k | 阿里云论坛专版 | GitHub 45 k★ |
| 商业化通道 | 插件分成、模板付费 | 云托管 SaaS 套餐、插件 | 小程序内购、直播带货 | Marketplace、企业套餐 | 商业云版、插件市集 |
| 学习资料 | 官方文档、案例空间 | 官方 Docs、中文博客 | 混元学院、Demo 源码 | Hands-on Lab 视频 | Docs、YouTube、博客 |
2.7 🥊 选型避坑指南
- 想要纯开源 + 二次开发：优先 Dify / n8n
- 微信/QQ 生态强依赖：腾讯元器
- 追求企业级稳定 + 阿里体系：阿里云百炼
- 内容生产与多模态：Coze（剪映）、腾讯元器（音图生）
- 最小成本跑通 Demo：Coze / Dify SaaS
2.8 🧠 总结金句
- “选型的真相：没有最好，只有最贴合业务的那一个。”
- 把握 模型接入、工作流编排、生态分发、部署模式、开源程度 五大维度做决策
- 先做 MVP，再随着用户量与数据安全需求决定是否 私有化 / 混合云 / 完全开源托管
3. 三分钟上号：Coze 账户注册，界面速览与API功能
3.1 🎯 学习目标
- 完成 Coze 国内站账号注册并登录
- 分辨 Space（扣子空间） · Studio（扣子开发平台） · Loop（扣子罗盘） 三大在线界面的职责与入口
- 了解 Coze 平台如何对接 API 来调用做好的智能体
- 为后续实操课打好基础
3.2 🛠️ 环境准备与注册路径
建议使用最新 Chrome / Edge 浏览器，保持网络可访问
https://www.coze.cn
3.2.1 访问官网并点击 开始使用
进入 coze.cn 首页，右上角有 登录扣子 按钮，可跳转到登录注册页
3.2.2 选择登录方式
- 抖音一键登录：最快捷，自动绑定手机号
- 手机号验证码登录：国内用户主流方案，适配企业/个人双主体
3.2.3 完善个人资料
首次登录会进入 资料向导：设置昵称、选择「个人 / 企业」角色，完成后自动跳转至「扣子空间」主页
3.3 🖼️ Space · Studio · Loop 界面速览
登录成功后，会默认进入扣子开发平台，左上角的头像可以回到各个扣子组件的界面，可以切换其他子平台。
| 🌌 扣子空间 (Coze Space) | 🛠️ 开发平台 (Coze Studio) | 📊 罗盘 (Coze Loop) |
|---|---|---|
| 定位：SaaS 运行 & 模板库，类似 Manus | 定位：可视化 IDE | 定位：运维 & 评测 |
| 首页：案例宫格 + 「做同款」按钮，可一键克隆官方模板 | 画布：节点拖拽区 + 右侧属性面板；可切换「智能体 / 工作流 / 插件」多种资源 | 概览仪表板：请求量、Token 消耗、对话成功率折线图；支持时间维度筛选 |
| 亮点：定时任务、网页部署、分享链接 | 亮点：插件 SDK、一键发布多端 | 亮点：对话重放、A/B 评测、指标告警 |
| 适用：零代码运营、批量内容 | 适用：智能体深度定制、团队协作 | 适用：生产监控、性能优化 |
3.4 🔑 API 功能快速上手
Coze 为每个账号提供 REST API，可将智能体、工作流嵌入自有系统。
访问：扣子开发平台左侧导航栏 → 扣子API。
可以查看到各种 API 接口和创建授权，对接本地业务系统或者代码使用。
3.5 🧠 总结
- 扣子快速注册：官网 → 抖音/手机号登录 → 资料向导
- 三大界面：Space 运营、Studio 开发、Loop 运维，各司其职
- 快速了解扣子 API：开发者中心生成密钥，快速对接本地代码及系统
4. 扣子空间漫游：优秀空间案例带你开眼界
4.1 🎯 学习目标
- 掌握在 扣子空间 (Coze Space) 中查找并克隆他人公开任务的方法
- 通过四个他人使用扣子空间的例子，快速体验舆情分析、PPT 生成、爆款图文、网页搭建
- 学会识别并记录「可优化点」，为后续二次创作做准备
- 为进阶实操夯实灵感与素材基础
4.2 🎨 界面导览：案例库怎么找？
- 登录后进入「扣子空间」视图，右侧底部即显示案例入口。
- 向下滚动至分类标签区，浏览「推荐」「PPT 制作」「AI 搜索」等类别。
- 点击任意卡片 → 可以选择做同款或者查看回放，即可参考别人的案例进行运行制作，也可以查看别人的提示词以及扣子空间的思考运行情况。
4.3 🔍 四大精选案例总览
| 案例名称 | 主要功能亮点 | 可优化方向 | 任务链接 |
|---|---|---|---|
| 小米 YU7 发布后表现调研 | AI 搜索 + 舆情情感分析，输出 Markdown 报告 & 图表 | 二次生成可视化网页；集成更多数据源 | space.coze.cn/share/75250… |
| 2024 中国智能手机 PPT 报告 | 关键词 → 结构化大纲 → 可下载横版 PPT | 下载到本地的 PPT，字体不同意，需要统一字体 | space.coze.cn/share/75186… |
| 教育孩子防讨好型人格推文 | 爆款图文生成 + AI 插图占位 | 用图像生成节点批量生成原创配图 | space.coze.cn/share/75251… |
| 高中英语自动刷题网页生成 | 题库整理 → 单页 Web 应用自动部署 | 接入数据库并实现随机抽题；接入登录等模块 | space.coze.cn/share/75172… |
4.4 🧠 总结
- “快速克隆 + 轻量改造 = 最低成本的 AI MVP。”
- 在扣子空间中，借助他人成熟的舆情报告、PPT 生成、内容创作与网页模板，你能用几分钟就跑通复杂流程，再按业务需求微调，就能把创意落地为可交付成果。
- 站在案例库的肩膀上，你的学习速度与产品迭代都会成倍提升！
5. 热搜情绪雷达：精美报告 & 可视化网页快速生成
5.1 🎯 学习目标
- 认识并调用 「舆情分析专家」 这一预置专家
- 掌握 关键词 + 需求 两段式提示，生成可读性强的舆情报告
- 学会用追加指令一键把报告升级为 可视化网页
- 熟悉任务分享链接，用于演示、复盘与团队协作
5.2 🧐 需求背景分析
- 新品上市舆情风险高 小米 YU7 等热门车型一经发布，社媒热度、用户口碑与竞品比较瞬间爆发。企业若不能实时掌握正负面情绪，将错过危机公关窗口或营销机会。
- 传统监测门槛高、周期长 经典做法依赖爬虫 + 情感模型 + BI 报表，往往需要数据团队 + 可视化工程师，多日才能产出初版报告。
- 扣子空间提供一站式解决方案 通过 舆情分析专家 → 联网搜索 → 报告生成 → 网页可视化 四步，非技术学员也能快速完成完整舆情洞察闭环，为市场、公关、运营决策提供实时支撑。
5.3 🔍 入口在哪里？——找到「舆情分析专家」
在「扣子空间」首页输入框左侧，点击 ✨ 试试@专家和工具，下拉列表选择 舆情分析专家。
也可在左栏 AI 专家 区直接点击名称进入独立界面，右侧 立即开始 按钮即可新建任务。
5.4 🚀 实操步骤：从关键词到网页
5.4.1 💡 任务创建
第一步： 点击 舆情分析专家 → 立即开始，弹出「任务设置」窗口
第二步：
-
实体关键词：
小米YU7 -
具体需求：
分析小米YU7车型在近期的主要话题及情感倾向，输出舆情分析报告
第三步： 点击“生成关联词”，点击“下一步”，勾选 联网搜索，保证数据实时
第四步： 点击 下一步 / 完成，系统开始生成 Markdown 报告
5.4.2 📊 报告优化
- 检查 话题热度排名、情感饼图、数据来源 等版块
- 如需补充，直接输入「请添加近 30 天正负面趋势折线图」
- 点击 下载 按钮，可获取 .md 等格式版本用于归档或再编辑
5.4.3 🌐 可视化网页
- 在同一对话框追加指令：
请帮我生成一个方便可视化的网页吧 - 系统将报告转换为 HTML 并自动部署，返回在线地址
- 打开链接即可查看配色统一、图表可交互的完整页面
- 复制链接分享给团队或嵌入企业知识库
5.5 🛠️ 可升级玩法
| 🔧 思路 | 📈 效果 |
|---|---|
| 定时任务 + 数据库 | 每日自动刷新热度与情感趋势，形成长期监控看板 |
| 插件调用 ECharts | 将静态 PNG 图转为可缩放、可筛选的交互图表 |
| 多品牌关键词 | 同时监测小米、理想、比亚迪，输出竞品对比报告 |
5.6 🧠 总结
- “舆情分析 ≠ 复杂代码 + BI 工程。”
- 只需 关键词与需求，舆情分析专家即可在数分钟内输出专业报告，并一键升级为 可视化网页。
- 结合定时任务与插件扩展，这个 热搜情绪雷达 将成为你掌握市场风向、预判公关风险的高效利器。
6. 自媒体主播生成器：工具调用玩转语音合成
6.1 🎯 学习目标
- 学会在 扣子空间 调用“语音合成”工具，把文本一键转成广播级 MP3
- 掌握 口语化脚本 → 音频台词 → 配乐男声 的三段式提示技巧
- 了解音色选择、文件下载、二次剪辑的关键参数
6.2 🧐 需求背景分析
- 自媒体内容同质化严重：图文 / 视频更新频次越来越高，音频栏目却因制作门槛被忽视，抢先布局能形成差异竞争
- 传统配音成本高：人工主播 + 后期混音价格不菲，且单篇制作周期长
- 扣子语音合成插件丰富：官方提供多种男女声色，还能叠加背景音乐，一站式生成可商用文件
6.3 🔍 工具入口：找到 语音合成
- 在「扣子空间」首页输入框左侧点击 ✨ 试试@专家和工具
- 切换至 工具 标签，向下滚动选择 语音合成 （蓝色麦克风图标）
- 点击后后续 Agent 的运行过程中即可自动规划调用此工具了。
6.4 🚀 实操步骤：5 分钟电台稿 → 男声音频
6.4.1 ✏️ 输入提示词
近期饿了么、美团、京东、淘宝等都在做外卖业务，请用口语化的形式来生成一篇5分钟以内的情况总结分析稿，
要求口语化的类似喜马拉雅电台那样的表达，仅返回音频台词即可，其他内容不要包含，
最后用音乐电台男声的音色生成一段音频给我。
6.4.2 ⏳ 生成与下载
- 点击 发送 → 等待扣子空间 Agent 自动进行分析，最终任务面板出现 音频文件链接
- 点击 下载 或直接复制 URL 供后续使用
6.4.3 📦 二次剪辑（可选）
- 将音频导入 剪映 / CapCut，添加片头、淡入淡出，添加对应的视频素材
- 配合字幕自动生成，提高视频可听可视双体验
6.5 🛠️ 可升级玩法
| 🔧 思路 | 🚀 效果 |
|---|---|
| 批量生成 | 要求扣子空间 Agent 多次调用语音合成，批处理生成 10 条热点音频 |
| 多音色对比 | 一次生成温柔女声 / 运动男声两版，A/B 测试用户喜好 |
| 自定义背景音乐 | 上传品牌 BGM，合成时自动混音 |
6.6 🧠 总结
- “文本 ➊ → 音频 ➋ → 剪辑 ➌，只需三步，就能把枯燥资讯变成有声节目。”
- 通过 扣子语音合成工具，你可以在几分钟内完成脚本撰写、配音合成与背景音乐混音，极大压缩自媒体音频制作链。
- 后续可以使用工作流进行复刻，日更播客 / 电商口播 / 新闻快闪 都能自动化输出，让创作效率和品牌声量双双起飞！
7. 卡通风小红书工厂：GPT-5 主题图文笔记一站生成
7.1 🎯 学习目标
- 掌握在 扣子空间（Coze Space） 使用“设计”能力，一键生成小红书封面、图文笔记与配套文案
- 学会用 “参考图 + 明确风格 + 产出规格” 的提示词模板，稳定产出卡通可爱风
- 了解生成后在图片编辑器里进行 AI 修改 / 去背景 / 变清晰 等二次优化的方法
- 把素材与文案 成套导出，快速发布到小红书或复用到多平台
7.2 🧐 需求背景分析
- 小红书内容竞争激烈，封面图 + 三图笔记 + 爆款文案 是最常见的组合，人工做版式与找图耗时。
- 扣子空间新增设计相关能力，支持以自然语言直出网页/视觉素材并可视化二次编辑，还能结合参考图做风格对齐，显著缩短从灵感到成片的时间。尤其是对于汉字的产出效果，相当的不错。
7.3 🔍 工具入口：在哪里开始？
- 打开 扣子空间 首页，在输入框上方点击 「设计」。
- 在对话框中上传参考图并输入需求；系统会自动规划设计并生成图片与文案。
- 生成后可进入图片编辑器，使用 AI修改 / 擦除 / 无痕改字 / 变清晰 / 去背景 等功能进行细节微调。
💡要点：参考图用于锁定配色与构图，文字里明确“1 张封面 + 3 张图文 + 文案”的数量与风格要求。
7.4 🚀 实操步骤：从提示到成片
第一步：准备素材
- 挑选 1–3 张风格相似的参考图（卡通手绘、可爱配色）。
- 明确主题：本节以 “GPT-5 信息与亮点宣传” 为题。
💡小技巧：可以直接到小红书中下载别人比较好的封面图作为参考；也可以直接创建一条新的笔记，在创建笔记的编辑页面有小红书自带的一些模板，挑选一个喜欢的模板用来做参考图即可。
第二步：输入提示词 在「设计」里粘贴并稍作个性化修改（保留结构即可）：
帮我获取现在 GPT-5模型 的一些信息，然后生成 1 张小红书的封面、3 张小红书的图文笔记，
图文笔记的风格需要是偏可爱、卡通的风格，参考我上传的参考图，如果涉及卡通人物，需要注意一下图文笔记中主体人物的一致性，
并且提供一篇对应的爆款小红书文案（含标题、话题标签、行动号召）。
第三步：检查产出
- 期望结果：封面 1 张 + 图文 3 张 + 配套文案。
- 若图片风格不统一：补充指令“保持统一配色与插画笔刷”。
- 若排版拥挤：补充指令“字号减小 10%，增加留白”。
第四步：图片二次优化（可选）
- 在图片编辑器里使用：
- AI 修改：一句话整体调整风格/构图；
- 擦除：去掉多余元素（如角落水印）；
- 无痕改字：替换某些文字但不破坏底图；
- 变清晰 / 去背景：提升清晰度或做抠图用于海报再设计。
第五步：导出与发布
- 图片：逐张下载或一键打包；
- 文案：复制到剪贴板，按平台规范修改话题与表情；
- 发布小红书：先上封面，再按顺序上传图文图片，最后粘贴文案发布。
7.5 ✏️ 提示词模板（便于复用）
主题：{热点主题，如 GPT-5 最新发布}
风格：卡通可爱 / 扁平插画 / 明亮配色（#FF6A00/#FFE7C2 这一类）
规格：1 张封面 + 3 张图文笔记 + 配套爆款文案
要求：标题简短有梗；每张图文只放 3–5 个要点；图中文字避免超过画面 30%
参考：已上传参考图，请统一其配色、字体与插画笔刷
7.6 🧪 质检清单（发布前 60 秒自查）
- 图片风格统一（配色/插画笔刷/留白一致）
- 关键信息无遮挡（Logo、核心卖点在安全区）
- 文案包含 标题 + 3–4 个要点 + 话题标签 + 行动号召
- 素材命名清晰（
封面_01/图文_01~03），便于团队协作
7.7 🧠 总结
- 利用扣子空间的设计能力，一次性打包出封面、三图与爆款文案，显著缩短“从灵感到上架”的时间。
- 通过 参考图对齐 + 明确规格的提示词，能稳定产出统一的卡通可爱风。吸引不同年龄层的用户关注笔记内容。
- 借助 AI 修改 / 去背景 / 变清晰 的二次编辑，即可完成“生成 → 调整 → 发布”的全闭环。
8. 新闻速递网页：上班路上听听世界大事件
8.1 🎯 学习目标
- 在 扣子空间 使用“网页创建”能力，自动生成国际新闻聚合站点
- 通过二次提示，将新闻内容转化为 对话式播客 并嵌入网页
- 掌握网页预览、链接分享与二次编辑要点
- 理解文本-网页-音频三合一流程在通勤场景、自媒体运营中的应用价值
8.2 🧐 需求背景分析
- 信息过载：国际新闻分散在多语言、多站点，手动汇总耗时费力
- 碎片化阅读场景：上班路上更适合音频形式，网页+播客双模态可满足眼睛/耳朵切换
- 一站式生产：扣子空间内置网页模板与语音合成，非技术同学也能快速完成“采编-制作-发布”全链路
8.3 🔍 工具入口：找到 网页创建
- 登录扣子空间首页，点击输入框顶部 工具
- 输入提示词，系统自动规划网页布局并部署
8.4 🚀 实操步骤：新闻 → 网页 → 播客
8.4.1 ✏️ 生成新闻网页
帮我收集整理最近一个月的国际大新闻，并整理成精美的网页并部署
- 发送后，Agent 将抓取权威媒体 RSS、社交热榜等数据源
- 生成完毕后，输出 网页访问链接 与 HTML 源码
8.4.2 ⏳ 检查与微调
- 打开网页，确认 标题栏、分栏卡片、配图 是否排版合理
- 如需修改布局，可在聊天框输入「把新闻分类标签放到顶部导航」等追加指令
8.4.3 🎙️ 嵌入对话播客
内容挺不错的，请根据 HTML 页面内容，生成一个对话的播客，嵌入到 HTML 页面中
- Agent 调用内置的播客生成工具生成音频（双人主播对话）
- 自动在
<audio>标签内嵌 MP3 并更新网页，再次返回新链接
8.4.4 💾 下载与分发
- 点击 下载按钮 可保存完整 HTML，也可以通过链接下载对应的音频文件
- 将链接可以部署到服务器上，即刻分享
- 我们还可以到这个网站上传html源码来部署网页到线上：www.youware.com/
8.5 🛠️ 可升级玩法
| 🔧 思路 | 🚀 效果 |
|---|---|
| 定时任务 + 网页创建 | 每天 7:30 自动更新当日要闻，持续输出晨读网页 |
| 多语种播客 | 生成英文/西语双语主播，吸引海外听众 |
| 工作流 + 图像工具 | 给每条新闻自动匹配 Midjourney 风格配图，提升视觉冲击 |
8.6 🧠 总结
- 网页 ➊ → 播客 ➋ → 分享 ➌，三步即可打造多模态新闻速递。
- 一个提示词完成国际新闻采编，额外一句话就能生成对话式播客并嵌入网页。
- 通过定时任务与工作流扩展，可实现 每天自动更新 + 全渠道分发，让你通勤一路掌握全球大事件。
9. 极速上手：智能体·工作流·应用概念即学即用
9.1 🎯 学习目标
- 一眼区分 智能体 (Agent)、工作流 (Workflow)、应用 (Application/Project) 三大核心概念
- 熟悉在 Coze Studio 中的创建 → 调试 → 发布的基本思路
- 通过官方示范，快速体验各类型资源的实际效果与适用场景
9.2 🧐 需求背景分析
- 概念易混淆：刚接触 Coze 的同学常把「能聊天」和「能执行流程」混为一谈，导致配置混乱、复用率低
- 平台功能丰富：Coze 同时支持多模型、插件、网页 UI，只有先厘清三大资源边界，才能高效组合
- 商业交付闭环：理解 Application 的“打包”角色，才能把 Demo 升级为可交付的企业工具或 SaaS 服务
9.3 🧩 核心概念速记
| 概念 | 定义 | 关键元素 | 典型场景 |
|---|---|---|---|
| 智能体 Agent | 具备独立人设、对话记忆与工具调用能力的对话主体 | 角色设定、知识库、插件、短/长期记忆 | 客服机器人、个人助理、品牌吉祥物 |
| 工作流 Workflow | 由多个节点串联的流程脚本，负责决策、调用、数据流转 | 触发器、条件分支、变量聚合、插件调用 | 数据管道、内容流水线、定时任务 |
| 应用 Application/Project | 封装 UI、Agent、Workflow 与发布配置的可交付产品 | 页面布局、UI 组件、连接具体的智能体、工作流行为 | SaaS 小工具、企业内部门户、对外落地页 |
口诀： Agent 负责“说”，Workflow 负责“做”，Application 负责“交付”。
9.4 🚀 不同类型例子试玩
| 类型 | 名称 | 核心亮点 | 体验入口 |
|---|---|---|---|
| 智能体 | 完蛋！我的女友生气了 | www.coze.cn/store/agent… | |
| 工作流 | 故事生成 | 主题 → 优化提示词 → 生成故事 输出，一条龙故事流水线 | www.coze.cn/template/wo… |
| 应用 | 互联网嘴替 | 一句话生成要求生成嘴替话术，包含绿茶型、直球型、体面型、发疯型不同语气选择 | www.coze.cn/template/pr… |
9.4.1 🧠 总结
- 智能体 专注对话与知识理解，工作流 处理多步逻辑与插件调用，应用 则把资源打包成最终产品
- 通过例子体验，你可以在几分钟内体验三种资源各自的配置界面、运行方式等，为后续实操打下基础
- 掌握概念之后，再进行多 Agent 协作、插件深度定制或企业级 Project 打包时，将事半功倍
10. 法律智囊团：日常纠纷快速裁判
10.1 📚 学习目标
- 体验在 Coze 开发平台 搭建法律咨询智能体的完整流程
- 掌握「知识库上传 → Prompt 编写 → 参数调优」三要素
- 能针对常见民事纠纷，快速引用《民法典》条款给出裁判建议
- 为后续多 Agent 协作与企业法务自动化奠定基础
10.2 🧐 需求背景分析
- 法律搜索门槛高：普通用户难以在浩繁法条中迅速定位答案
- 咨询成本与时效矛盾：律师咨询费用高，且无法 7×24 h 覆盖
- AI+知识库优势：通过本地《民法典》文本 + 智能检索，可在秒级返回引用条款与裁判建议，既降低成本又提高时效
10.3 🛠️ 工具准备
下载 民法典全文：从国家法律法规数据库下载 PDF/DOCX，网址：flk.npc.gov.cn/
10.4 🚀 实操步骤
第一步：新建智能体
- 进入 Coze 开发平台 → +项目 > 创建智能体，命名
民法典智囊 - 图标自动生成即可，点击“确认”创建。
小技巧：因为生成图标是根据名称和智能体的介绍文本来生成的，你可以先把生图的提示词放入名称和介绍中，成功生成图标后，再换成容易理解的介绍内容。
第二步：上传知识库
- 在「知识」区域点击 添加知识库 → 创建一个新的知识库 → 上传准备好的法律条款。
- 选择 自动分段与清洗 即可，也可以按照自己的需要修改参数，然后可以预览分段效果，即可完成知识库的创建。
第三步：编写人设 Prompt 在左侧编辑框粘贴（也可以通过自动优化提示词功能来通过 AI 自动优化）：
# 角色
你是一个专业的法律助手，对知识库中涵盖民法典在内的各种法律法条了如指掌。能够精准查询知识库内容，并以查询结果作为回答用户法律问题的依据。
## 10.5 技能
### 10.5.1 技能 1: 回答法律问题
1. 当用户提出法律相关问题时，使用知识库查询与问题相关的法律法条。
2. 根据查询结果，清晰准确地向用户解答问题，说明涉及的法律条款及规定。回复示例：
=====
依据知识库中的《{法律名称}》第{条次}条规定：{法条原文}。针对您的问题，{解答内容}。
=====
## 10.6 限制
- 仅依据知识库内容进行回答；若知识库中没有相关信息，请明确告知无法提供。
- 回答需简洁明了，突出法律依据与要点。
第四步：模型与知识设置
- 模型：选择
豆包·1.5·Pro·32k - 知识调用：勾选「自动调用」
第五步：测试提问
在右侧 预览与调试 窗口输入：
-
小明跟小帅打架，根据民法典，一般会如何判罚？ -
小明借了小帅一万块钱，到期了不还，小帅联系小明无人回应，根据民法典，应该如何判罚？ -
民法典中有哪些跟员工薪酬待遇有关的规定？
确认回复格式符合示例，且均引用条文。
第六步：发布与分享
- 点击右上 发布，选择「发布平台」渠道 → 生成外链
- 将链接分享给同学和朋友，即可在线体验法律问答
10.7 🧠 总结
- 知识库上传 + 精准 Prompt 是构建法律智能体的核心
- 测试时要关注 条文引用完整性、答案简洁性 等等
- 完成本节后，你已具备用 Coze 开发平台 将任何法规或企业规章转化为可问可答的法律智囊，为后续企业合规、HR FAQ、合同审核自动化等场景奠定基础
11. 界面参数深挖：智能体调校落地攻略
11.1 🎯 学习目标
- 全面认识 Coze 开发平台 智能体编辑面板的核心参数
- 学会使用 AI 创建 快速生成原型，并对参数做深度调校
- 通过即时测试，体会模型切换、记忆开关、对话体验等配置对输出效果的影响
- 掌握一套「创建 → 调校 → 评估」的实战思路，为后续多智能体项目奠基
11.2 🧐 需求背景分析
- 配置项多而分散：初学者常因不了解各栏目含义，导致智能体表现不稳定
- 场景多样化：客服、法务、营销对“模型”“记忆”“知识”需求差异大，需要灵活调节
- 上线前必备调优：细节如“预设追问”“变量”“对话体验”决定了最终可用度和用户满意度
11.3 🗂️ 面板总览：四大区域一图读懂
| 区域 | 功能 | 常用操作 | 注意事项 |
|---|---|---|---|
| 左侧 Markdown | 人设 & 回复逻辑 | 编写 / AI 优化 Prompt | 用 ### 分层保持可读性 |
| 中央「编辑」栏目 | 模型 / 插件 / 知识 / 记忆 等参数 | 下拉选择、开关、拖拽排序 | 变更后需在右侧测试 |
| 右侧「预览与调试」 | 对话实时预览 | 输入示例 & 检视引用 | 留意 Token 消耗提示 |
| 顶部操作栏 | 发布 / 版本 / 回滚 | 发布渠道、历史记录 | 发布后仍可灰度回滚 |
11.4 ⚡ 快速原型：AI 创建智能体
- 第一步： 主页点击 ＋ 创建智能体 →「AI 创建」
- 第二步： 输入一句描述，例如「一个能引用民法典帮我判定纠纷的法律助手」
- 第三步： 点击 生成，平台自动产出角色背景、开场白、预设提问
- 第四步： 进入编辑界面，对关键参数进行人工微调
小技巧： 利用 AI 创建获取灵感，再回到“标准创建”进行精细化配置。
11.5 🛠️ 核心参数深挖与调校
11.5.1 🧠 模型设置
- 模型：
豆包·1.5 Pro·32k→ 长文档场景。其他模型可以查看具体的模型介绍来选择 - 温度：0.2 = 回答稳定；0.8 = 更具创造力
- 系统指令：模型级别补充限制，如“仅回答法律相关”
11.5.2 📚 知识
- 扣子知识库：上传《民法典》后可勾选「自动调用」
- 来源开关：打开时，智能体自动在回答末尾附上“引用段落”
11.5.3 🗃️ 记忆
- 短期记忆：保存本轮上下文；适合多轮追问
- 长期记忆：储存重要实体（姓名、案件号）；法务建议关闭，避免泄密
11.5.4 🔌 插件 / 工作流 / 触发器
- 插件：如「PDF 解析」「文档翻译」
- 工作流：可接入“证据归档”流程，完成后回写判决摘要
- 触发器：设置「Webhook」= 接受外部系统案件数据
11.5.5 💬 对话体验
- 开场白：友好招呼 + 使用提示
- 预设追问：通常为 3 条，便于引导用户提问
- 用户输入方式：可选“打字输入 / 语音输入 / 文件上传”
11.6 🔍 参数调优即兴实验
| 调优项 | 修改前 | 修改后 | 观察要点 |
|---|---|---|---|
| 模型温度 | 0.2 | 0.7 | 口吻是否更生动？引用是否仍准确？ |
| 自动调用知识 | 开 | 关 | 关闭后再提问冷门条款，智能体是否拒答？ |
| 长期记忆 | 关 | 开 | 连续提 3 个案件，是否记住当事人名字？ |
建议一次只改一项，方便在右侧调试窗口对比效果。
11.7 ✅ 调校清单
- 模型与温度符合场景
- 知识库引用条款准确
- 记忆策略避免泄露隐私
- 插件 / 工作流 调用链路通畅
- 对话体验友好，追问引导合理
11.8 🧠 总结
- 参数决定体验：模型、知识、记忆三大块是智能体输出质量的根基
- 一点改变，立即测试：右侧调试面板可实时观察效果，快速迭代
- 发布前跑 Checklist：确保所有开关、权限、引用格式符合业务与合规要求
12. 对话流初识：单 Agent 流程化问答
12.1 🎯 学习目标
- 了解 单 Agent（对话流模式） 的应用场景与优势
- 掌握在 Coze 开发平台 资源库中新建对话流的基本操作
- 能将对话流绑定到智能体，实现「意图识别 → 知识检索 → 大模型生成 → 结果聚合」的完整链路
- 通过即时调试，观察各节点输出对回答质量的影响
12.2 🧐 需求背景分析
- 复杂业务 往往需要多步骤处理，单纯“自主规划”无法精准管控调用顺序
- 图形化流程 让产品经理与开发者更易对齐逻辑、排查问题
- 复用价值：独立的对话流可跨多个智能体调用，降低维护与版本成本
12.3 🗂️ 对话流核心节点导览
| 🔑 节点 | 🎯 作用 | 关键配置 |
|---|---|---|
| 开始 | 接收 USER_INPUT | — |
| 意图识别 | 判断问题类型 | 意图：① 民法类法律问题 ② 其他问题 |
| 知识库检索 | 查询《民法典》条文 | 最大召回 5；最小匹配度 0.5 |
| 大模型-法律问题 | 引用条文撰写答案 | 系统提示：依据检索结果整理答案 |
| 大模型（兜底） | 未命中法律问题分支时生成回答/拒答 | 输入 = USER_INPUT |
| 变量聚合 | 合并多路输出 | 策略：返回分组内第一个非空值 |
| 结果 | 返回给用户 | 输出纯文本 |
12.4 🔗 节点串联示意
graph TD
A(开始) --> B(意图识别)
B -->|民法类问题| D(知识库检索)
B -->|其他问题| F(大模型·兜底)
D --> E(大模型-法律问题·引用条文)
E --> G(变量聚合)
F --> G
G --> H(结果)
阅读指引
- 民法类问题 检索条文、生成引用答案
- 非民法问题 直接由大模型兜底
- 变量聚合 取两路中第一个非空值，统一输出给用户
12.5 🚀 实操步骤
12.5.1 🧩 第 1 步：切换对话流模式
- 创建一个新的智能体 → 顶部 选择模式
- 选择 单 Agent（对话流模式） → 保存
12.5.2 🛠️ 第 2 步：资源库中新建对话流
- 左侧 资源库 → +资源 → 对话流
- 命名
law_chatflow→ 进入画布
12.5.3 🔧 第 3 步：拖拽并配置节点
按照上表添加七个节点，配置关键参数并拉线完成流向。
先在对话流内部进行测试，测试没问题后，再绑定到智能体中。
12.5.4 🔗 第 4 步：绑定对话流到智能体
- 返回智能体编辑页 → 对话流配置 → 点击添加工作流
- 选择
law_chatflow→ 保存并 发布
12.5.5 🧪 第 5 步：在线测试
提问示例：
- 小明借钱不还，如何判定？ → 应引用相关条文
- 我的爱好的唱歌，打篮球，rap → 触发兜底回答或拒绝
12.6 🧠 总结
- 对话流模式让业务逻辑可视化，方便迭代与排障，支持复杂逻辑分支
- 关键节点：意图识别（分流）、知识检索（RAG）、变量聚合（合并）
- 开发流程：创建对话流 → 调试输出 → 绑定智能体 → 发布验证
13. 多 Agent 协同：多语言翻译官
13.1 🎯 学习目标
- 切换到 多 Agents 模式，在一个智能体中编排多个子 Agent
- 配置“分发任务 → 多语言翻译 Agent 并行执行”的完整链路
- 原样填写各节点「适用场景」与「Agent 提示词」，体会参数对输出的影响
- 为日后扩展更多语种、审校 Agent 等复杂协作场景奠定基础
13.2 🧐 需求背景分析
- 跨境业务需要在 英 / 日 / 韩 多语之间即时切换
- 单 Agent 通过 Prompt 判断语言易误判；多 Agent 拆分职责可控且易维护
- 分发节点集中路由，子 Agent 专职翻译，结构清晰、复用度高
13.3 📜 人设与回复逻辑（完整粘贴）
# 角色
你是一名专业语言翻译专家，擅长将各类文本准确、流畅地翻译成英语、日语或韩语。
# 目标
1. 准确将用户输入的内容翻译成英语、日语或韩语。
2. 确保翻译后的内容在语法、语义和表达习惯上符合目标语言的规范。
# 技能
1. 精通英语、日语、韩语三种语言的语法、词汇和表达习惯。
2. 具备良好的语言理解和转换能力。
# 工作流程
1. 仔细阅读用户输入的内容，理解其含义。
2. 根据用户指定的目标语言，进行翻译工作。
3. 检查翻译内容的准确性和流畅性。
4. 将翻译好的内容输出给用户。
5. 如果用户未指定语言，则默认翻译为英语。
# 约束
1. 必须准确翻译用户输入的内容，不得改变原意。
2. 禁止使用不规范或错误的语法和词汇。
3. 每次仅翻译成一种目标语言。
4. 仅输出目标语言，不要包含其他内容。
# 输出格式
以清晰、简洁的文本形式输出翻译结果，语言风格应符合目标语言的特点。
13.4 🧩 核心节点与配置
| 节点 | 适用场景 | Agent 提示词 |
|---|---|---|
| 分发翻译任务 | 将用户输入翻译为目标语言 | 1. 当用户表达出翻译为英语的意图时，跳转到“翻译为英语”节点 2. 当用户表达出翻译为韩语的意图时，跳转到“翻译为韩语”节点 3. 当用户表达出翻译为日语的意图时，跳转到“翻译为日语”节点 4. 用户如未表达目标语言意图，则默认跳转到“翻译为英语”节点 |
| 翻译为英语 | 将用户输入翻译为英语 | 1. 将用户输入翻译为英语 2. 如果目标语言不是英语，则返回“抱歉无法翻译” |
| 翻译为韩语 | 将用户输入翻译为韩语 | 1. 将用户输入翻译为韩语 2. 如果目标语言不是韩语，则返回“抱歉无法翻译” |
| 翻译为日语 | 将用户输入翻译为日语 | 1. 将用户输入翻译为日语 2. 如果目标语言不是日语，则返回“抱歉无法翻译” |
13.5 🔗 节点串联示意
graph TD
A(开始) --> B(分发翻译任务)
B -->|目标=英语| C1(翻译为英语)
B -->|目标=韩语| C2(翻译为韩语)
B -->|目标=日语| C3(翻译为日语)
说明：子 Agent 完成翻译后，直接把译文回复给用户，系统自动结束本轮对话。
13.6 🚀 实操步骤
第一步： 创建智能体 → 选择 多 Agents 模式 → 命名“翻译智能体”，粘贴完整人设与回复逻辑。
第二步： 进入对话流画布，在 开始 节点后面，拖出 分发翻译任务 节点，填入上表中的提示词。
第三步： 连续复制三份子 Agent 节点，分别命名 翻译为英语 / 翻译为韩语 / 翻译为日语，在各节点填写对应「适用场景」与「Agent 提示词」。
第四步： 按 Mermaid 示意图连线：开始 → 分发 → 三个翻译 Agent。
第五步： 点击 试运行，在右侧调试框验证：
请把“我爱你”翻译成韩语→ 返回 사랑해요翻译成日语：欢迎→ 返回 ようこそ你好（未指定）→ 默认输出英文
第六步： 发布为 网页对话，复制链接分享给他人体验。
13.7 🧠 总结
- 多 Agent = 单入口 + 多角色分工：通过“分发节点”把不同任务路由给专职 Agent
- 只需维护分发逻辑与子 Agent 提示词，即可轻松扩展更多语种或后续审校、润色角色
- 图形化流程清晰可视，遇到误跳转或翻译错误时，能快速定位到对应节 点进行修正
14. 插上思维导图插件的翅膀：让你演示、汇报更直观专业
14.1 🎯 学习目标
- 在 Coze 开发平台 利用插件构建一条「文章 / 链接 → 思维导图」的自动化工作流
- 认识并使用 链接读取 与 生成思维导图 两大插件
- 编写自定义提示词，实现文章解析
- 通过 Mermaid 图掌握节点流向，学会快速调试与异常兜底
14.2 🧐 需求背景分析
- 会议汇报、课堂教学常需将 长文章或网页 转成结构化脑图，手动整理耗时且易遗漏
- 插件工作流可一键爬取链接、解析正文、调用外部思维导图服务，自动生成可下载输出
- 自动提取关键文字内容纲要，方便 PPT 或海报使用
14.3 🧩 节点与插件一览
| 节点 | 类型 | 主要作用 |
|---|---|---|
| 开始 | 系统 | 接收用户原始输入 |
| 意图识别 | 工具 | 判断输入是「链接」还是「文章文本」 |
| 链接读取 | 插件 | 抓取网页/PDF ，返回正文 content |
| 变量聚合 | 工具 | 合并抓取内容或原输入 |
| 文本处理 | 工具 | 依据提示词解析文章、提炼要点 |
| 生成思维导图 | 插件 | 将要点转为思维导图并链接数据 |
| 提取图片链接 | 工具 | 从原文中提取配图 URL（根据实际情况看是否需要添加） |
| 结束 | 系统 | 返回导图链接或错误信息 |
| 输出(兜底) | 工具 | 对无法识别的输入给出提示 |
14.4 🔗 工作流结构（Mermaid）
graph TD
A(开始) --> B(意图识别)
B -->|输入为链接| C[链接读取 📎]
B -->|输入为文章| D[变量聚合]
C --> D
D --> E[文本处理 ✍️]
E --> F[生成思维导图 🧠]
F --> G[提取图片链接 🔍（可选）]
G --> H(结束)
B -->|无法识别| Z[输出·兜底提示]
Z --> H
插件标识：📎 链接读取、🧠 生成思维导图 说明：
- 若输入为链接，先抓取正文再进入聚合；文章文本直接聚合。
- 兜底节点返回“请输入链接或文章文本”提示。
思维导图插件参考：
- TreeMind树图：www.coze.cn/store/plugi…
- 哆啦小A_生成思维导图：www.coze.cn/store/plugi…
14.5 ✏️ 自定义提示词
14.5.1 文本处理节点
# 角色
你是一位专业的文章/链接转思维导图专家，擅长精准剖析用户输入的文章内容，能将其转化为清晰、有条理的思维导图。支持多种思维导图格式，包括脑图、逻辑图、树形图、鱼骨图、组织架构图、时间轴等。请仅生成与思维导图转化相关的内容，避免输出其他无关话语。
## 14.6 技能
### 14.6.1 技能 1: 处理文章输入
1. 当用户输入文章内容时，仔细分析文章结构、要点和逻辑关系。
2. 依据分析结果，将文章转化为指定格式的思维导图，思维导图内容需全面且精炼地涵盖文章核心信息。
### 14.6.2 技能 2: 处理链接输入
1. 当用户输入链接时，使用工具打开链接获取文章内容。
2. 如同处理文章输入一样，对获取的内容进行分析并转化为指定格式的思维导图。
## 14.7 限制
- 只输出与思维导图转化相关的内容，拒绝回答与该任务无关的话题。
- 所生成的思维导图需符合逻辑、清晰有条理。
- 输出内容务必围绕输入的文章或链接内容展开，不得偏离主题。
14.7.1 提取图片链接节点
# 角色
你是一个高效精准的链接提取助手，专注于从用户输入的字符串中准确提取图片链接，不返回任何其他无关内容。
## 14.8 技能
### 14.8.1 技能 1: 提取图片链接
1. 仔细分析用户输入的字符串。
2. 从中精准识别并提取所有图片链接。
3. 仅返回提取到的图片链接，无其他多余表述。
## 14.9 限制
- 只处理与提取图片链接相关的任务，拒绝回答与提取图片链接无关的话题。
- 仅输出提取到的图片链接，不包含任何其他信息。
14.10 🚀 实操步骤
第一步： 在 资源库 → +资源 → 工作流 新建工作流。
第二步： 拖入并连接上方 Mermaid 中的各节点，按表格填写对应配置和提示词。
第三步： 给 链接读取 与 生成思维导图 选择插件实现；其余节点使用扣子现成节点。
第四步： 调试成功后，保存并发布工作流。
第五步： 试运行：
- 输入文章段落 → 输出思维导图链接
- 输入新闻网页链接 → 自动抓正文、生成导图
- 输入无效字符 → 触发兜底提示
参考的测试链接：mp.weixin.qq.com/s/YWp3zvZSn…
14.11 🧠 总结
- 插件让工作流“一步到位”完成抓取、解析、制图，比单纯 LLM 生成更稳定
- 关键节点：链接读取(抓内容) → 文本处理(提炼要点) → 生成思维导图(制图)
- 通过 变量聚合 兼容“直接给文章”与“给链接”两条路径，通用性更高
15. 销售线索直达飞书表格：工作流打通营销链路
15.1 🎯 学习目标
- 在 Coze 开发平台 搭建「收集邮箱 + 意向产品 → 飞书多维表格」自动入库工作流
- 学会使用 代码节点 组装
recordsJSON，并调用 add_records 插件写入多维表格 - 掌握从资源库发布工作流、在智能体中绑定调用的完整流程
- 体验用 AI 智能体引导客户对话、自动沉淀销售线索的营销闭环
15.2 🧐 需求背景分析
- 销售漏斗痛点：人工整理线索易遗漏且无法实时同步 CRM
- 飞书多维表格 支持 API 批量写入记录，可作为轻量级 CRM 容器
- Coze 的 add_records 插件 对接多维表格，无需手写复杂鉴权即可完成写入
- 通过工作流将「对话采集 → 数据格式化 → 写入表格」串联，可显著缩短跟进时间
15.3 🧩 节点说明与提示词
| 节点 | 类型 | 关键作用 |
|---|---|---|
| 开始 | 系统 | 定义输入变量 email、product（均为必填） |
| 代码 | 工具 | 用 Python 生成 records JSON，供插件写入 |
| add_records | 飞书插件 | 调用多维表格 API 将线索写入指定表 |
| 结束 | 系统 | 返回插件执行结果 |
| （可选）输出·兜底 | 工具 | 当 email/product 缺失时提示重新输入 |
15.3.1 代码节点脚本（选择编写 Python）
# 在这里，您可以通过 'args' 获取节点中的输入变量，并通过 'ret' 输出结果
# 'args' 已经被正确地注入到环境中
# 下面是一个示例，首先获取节点的全部输入参数params，其次获取其中参数名为'input'的值：
# params = args.params;
# 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：
# ret: Output = { "name": '小明', "hobbies": ["看书", "旅游"] };
async def main(args: Args) -> Output:
params = args.params
record = {"fields": {
"email": params['email'],
"关心的产品": params['product'],
}}
# 构建输出对象
ret: Output = {"records": [record]}
return ret
15.3.2 add_records 关键参数
- app_token：来自多维表格链接里的
base/xxxx段（必填），也可以直接粘贴 url - records：引用
代码·output变量 - table_id：表格 URL 中
table=yyy的部分（选填），如果多维表格李只有一个表格，可以留空
15.4 🔗 工作流结构
graph LR
A(开始 · 输入 email & product) --> B(代码 · 组装 records JSON)
B --> C(add_records📋 · 写入多维表格)
C --> D(结束 · 返回写入结果)
15.5 ✏️ 智能体提示词（粘贴至人设框）
# 角色
你是一个专业的用户销售线索录入智能体，负责准确获取用户提供的销售线索，例如邮箱、关心的产品等信息，并将这些线索通过sales_write_to_feishu工作流写入飞书多维表格。若用户提供的销售线索不完整，需及时提醒用户补全。
## 15.6 技能
### 15.6.1 技能 1: 获取销售线索
1. 主动询问用户销售线索相关信息，如“请问您潜在客户的邮箱是什么？您所关心的产品是什么？”等。
2. 当用户提供销售线索时，仔细记录并检查信息是否完整。
### 15.6.2 技能 2: 写入飞书多维表格
1. 当获取到完整的销售线索后，调用sales_write_to_feishu工作流，将线索准确无误地写入飞书多维表格。
2. 在成功写入后，告知用户“销售线索已成功录入飞书多维表格”。
### 15.6.3 技能 3: 提醒补全线索
1. 如果用户提供的销售线索不全，明确指出缺少的信息，例如“您还未提供潜在客户的邮箱信息，请补充完整以便录入”。
2. 持续跟进，直至用户补全所有必要信息。
## 15.7 限制
- 只围绕销售线索录入相关的内容进行交流，拒绝回答无关话题。
- 严格按照上述技能要求和回复逻辑进行交互，不能偏离框架要求。
- 确保销售线索准确完整后再调用工作流写入表格。
15.8 🚀 实操步骤
第一步： 在 资源库 → +资源 → 工作流 创建 sales_write_to_feishu，按上方 Mermaid 拖拽四个节点并配置参数。
第二步： 在代码节点粘贴脚本，点击 运行示例 确认 output 结构符合 add_records 要求。
第三步： 在飞书中创建多维表格，添加两列：email、关心的产品，获取页面对应的多维表格链接。填写 add_records 的 app_token、table_id（选填），records 选择 代码·output；经过调试成功后，可以点击 发布，状态应显示“已发布”。
第四步： 新建智能体 用户销售线索录入智能体，在 技能 → 工作流 绑定 sales_write_to_feishu 并保存。
第五步： 进入 预览与调试：
- 机器人：请提供你的邮箱和关心的产品
- 用户：
bbb@example.com，我想了解降噪耳机 - 机器人：信息已记录成功，感谢！ —— 检查飞书表格已新增一行记录。
第六步： 通过 发布 → 网页对话/飞书 Bot 生成链接，交给销售同事使用，线索将实时同步到多维表格。（或者对接到公司的业务系统对接 API 直接调用工作流来使用）
15.9 🧠 总结
- add_records 插件 将 Coze 与飞书多维表格无缝连接，实现线索自动沉淀
- 代码节点负责格式化数据，减轻数据拼装工作量
- 工作流发布后，可在多个智能体复用，便于不同渠道（官网、公众号、在线客服）统一进 CRM
