在实际 AI 应用开发中我们常常面临一个困境想要快速构建一个能理解复杂指令、调用外部工具、并拥有记忆和推理能力的智能体Agent但又不希望从零开始搭建复杂的底层框架处理繁琐的模型部署、API 管理和状态维护。这时像“扣子”Coze这样的智能体开发平台就成为了一个高效的选择。它封装了 LLM 调用、知识库、工作流、插件集成等核心能力让开发者可以像搭积木一样专注于业务逻辑和交互设计。本文将以一个具体场景——“买个der啊”购物比价与决策助手为例带你从零开始在扣子平台上完成一个功能完整的智能体开发。这个智能体将能理解用户模糊的购物需求通过联网搜索获取商品信息进行多维度比较并给出购买建议。整个过程不涉及一行后端代码但会深入讲解智能体的核心组件配置、工作流设计、以及如何让智能体具备“思考”和“行动”的能力。无论你是想快速验证一个 AI 产品想法还是希望为现有业务添加一个智能交互入口这篇文章都将提供一条清晰的实践路径。1. 理解扣子平台与智能体的核心组件在开始动手之前需要先厘清几个关键概念这决定了你如何设计智能体以及如何高效地使用扣子平台。1.1 什么是智能体在扣子的语境下智能体不是一个简单的聊天机器人。它是一个具备以下能力的 AI 实体人格设定你可以通过系统提示词Prompt定义它的角色、说话风格和行事准则。例如“买个der啊”可以设定为一个“毒舌但精明的购物参谋”。记忆与上下文智能体能记住当前对话的历史甚至可以通过“长期记忆”功能记住用户的偏好实现个性化服务。工具使用能力这是智能体与简单问答机器人的本质区别。它可以调用你赋予它的各种“技能”如联网搜索、查询数据库、调用第三方 API天气、股票、地图等、执行代码等。多轮规划与推理面对复杂任务智能体可以分解步骤规划先做什么后做什么并在执行过程中根据结果调整策略。扣子平台将这些能力模块化让你通过配置而非编码来实现。1.2 扣子平台的核心功能模块登录扣子平台后你会主要与以下几个模块打交道它们共同构成了一个智能体角色与回复逻辑这是智能体的“大脑”。你在这里编写系统 Prompt定义角色并配置基础模型如 GPT-4、DeepSeek 等。回复逻辑决定了智能体如何组织它的回答。知识库智能体的“外部记忆”。你可以上传文档PDF、Word、TXT、输入文本或添加网页链接。智能体在回答时会优先从知识库中检索相关信息确保回答的准确性和专业性。对于“买个der啊”我们可以上传一些消费决策指南、产品评测标准作为知识库。插件智能体的“手和脚”。扣子提供了丰富的官方和社区插件如“联网搜索”、“天气查询”、“计算器”、“图片生成”等。插件是智能体与外部世界交互的桥梁。工作流智能体的“自动化脚本”。当任务步骤固定、逻辑复杂时可以使用工作流。它是一个可视化的编程界面通过拖拽节点如“开始”、“LLM”、“代码”、“判断”、“API调用”来定义执行流程。工作流可以处理订单、生成报告、进行复杂计算等。“买个der啊”的比价和决策过程就非常适合用工作流来实现。开场白与建议问题定义智能体启动时的第一句话以及推荐用户提问的示例降低用户的使用门槛。理解了这些组件我们就可以开始构建“买个der啊”智能体了。2. 环境准备与项目规划2.1 平台账号与访问访问平台通过搜索引擎找到扣子Coze的官方网站使用手机号或邮箱注册并登录。目前平台提供免费额度足够用于学习和原型开发。熟悉界面登录后进入“工作台”或“创建智能体”页面。主界面通常包含“我的智能体”、“知识库”、“插件商店”等导航栏。2.2 “买个der啊”智能体功能规划在开始配置前我们需要明确这个智能体要做什么以及如何分解任务。核心目标帮助用户在预算和需求模糊的情况下做出合理的购物决策。功能分解需求澄清当用户说“我想买个电脑”时智能体应主动询问预算、主要用途办公、游戏、设计、品牌偏好、尺寸等关键信息。信息获取根据澄清后的需求使用“联网搜索”插件获取当前市场上的相关产品信息、价格、评测。信息处理与比较解析搜索到的信息提取关键参数如 CPU、GPU、内存、价格、品牌进行横向对比。决策与建议结合知识库中的选购指南生成 2-3 个备选方案并给出优缺点分析和最终建议。个性化记忆进阶记住用户的历史查询和最终选择在后续推荐时提供更个性化的建议。技术实现路径需求澄清通过精心设计的系统 Prompt 和开场白实现。信息获取调用“联网搜索”插件。信息处理与比较使用工作流来实现。因为步骤固定搜索 - 解析 - 对比 - 总结且需要较强的逻辑控制。决策与建议在工作流中调用 LLM 节点进行总结并参考知识库。个性化记忆使用扣子的“长期记忆”或“用户属性”功能。接下来我们进入具体的创建和配置环节。3. 创建并配置“买个der啊”智能体3.1 创建智能体与基础设定在扣子平台点击“创建智能体”输入名称“买个der啊”并上传一个符合气质的头像例如一个戴着眼镜、表情挑剔的卡通形象。关键配置一角色与回复逻辑在“角色与回复”部分填写系统 Prompt。这是智能体行为的核心指令。# 角色 你是一个名为“买个der啊”的购物决策助手。你性格直接、略带毒舌但分析问题一针见血目的是帮助用户避免冲动消费和踩坑。 # 能力 1. 当用户提出模糊的购物需求时如“想买个手机”你必须主动追问关键信息包括但不限于预算范围、核心用途、品牌偏好、在意的功能点如拍照、续航、性能。 2. 你拥有联网搜索能力可以获取最新的产品信息和价格。 3. 你拥有一个工作流专门用于对多个商品进行深度比较和生成购买建议。 4. 你参考知识库中的《消费决策白皮书》和《数码产品选购避坑指南》来提供建议。 # 回复风格 - 开头可以用“哟想买啥”之类的口语。 - 分析时条理清晰使用分点1. 2. 3.或表格如果平台支持呈现信息。 - 在指出产品缺点时可以犀利一些但最终建议要客观务实。 - 如果用户预算和需求严重不匹配可以直接指出“你这预算想买这个怕是有点难”。 # 限制 - 不要推荐明确超出用户预算的产品除非用户主动要求。 - 如果没有搜索到足够信息如实告知用户并尝试提供基于通用知识的建议。 - 所有价格、参数信息需注明来源或声明“信息可能实时变动请以购买时为准”。关键配置二开场白与建议问题开场白“嘿我是‘买个der啊’专治选择困难症和冲动消费直接说你想买啥预算多少我来给你扒拉扒拉。”建议问题“预算5000左右推荐个打游戏不卡的手机。”“我想买个办公用的笔记本电脑要轻一点。”“帮我比较一下最新款的 iPad Air 和 iPad Pro。”3.2 配置知识库在平台“知识库”模块点击“创建知识库”命名为“购物决策指南”。选择“文本输入”或“上传文件”。我们可以手动输入一些核心原则《消费决策白皮书》核心原则 1. 需求优先原则先明确“为什么要买”再决定“买什么”。 2. 预算锚定原则总花费不应超过预算的120%。 3. 参数对比原则同类产品比较时优先关注3个核心差异参数。 4. 口碑验证原则关注中差评反映的普遍性问题而非个别好评。 《数码产品选购避坑指南》摘录 - 笔记本电脑警惕“全能本”宣传明确自己是更需要CPU性能编程、数据处理还是GPU性能游戏、渲染。 - 手机不要盲目追求高像素传感器尺寸和算法更重要续航看电池容量和功耗评测而非厂商宣传。 - 耳机降噪深度和佩戴舒适度需要线下体验参数仅供参考。创建完成后回到智能体编辑页面在“知识库”配置区域添加刚刚创建的“购物决策指南”知识库。可以设置相关性权重和引用模式。3.3 配置插件在智能体编辑页面的“插件”区域点击“添加插件”。搜索并添加“联网搜索”插件。这是智能体获取实时信息的必备工具。通常需要你授权启用并可能消耗一定的额度。可选你可以根据需要添加其他插件如“计算器”用于计算分期、折扣、“天气”用于推荐季节性商品等。至此智能体已经具备了“大脑”Prompt、“记忆”知识库和“感知外界的能力”插件。接下来我们为它构建一个强大的“自动化处理引擎”——工作流。4. 构建核心工作流商品搜索与比价引擎工作流将把“搜索 - 解析 - 对比 - 建议”这个固定流程自动化。我们创建一个名为“商品比价与决策”的工作流。4.1 创建工作流并定义输入参数在智能体编辑页面找到“工作流”模块点击“创建”。定义工作流的输入参数。这些参数将由智能体在对话中收集并传递给工作流。product_type(文本): 产品类型如“笔记本电脑”、“手机”。budget(文本): 预算范围如“4000-6000元”。key_requirements(文本): 核心需求如“编程开发、便携”。brand_preference(文本可选): 品牌偏好如“联想、戴尔”。4.2 设计工作流节点我们将通过拖拽的方式构建如下流程开始 - 联网搜索 - LLM解析搜索结果 - 判断(是否有足够数据) - (是)LLM生成对比报告 - 结束 - (否)返回错误信息 - 结束节点一开始节点作用接收从智能体对话中传递过来的参数。配置将之前定义的product_type,budget,requirements等变量映射到该节点的输出。节点二联网搜索节点作用执行搜索获取原始信息。配置选择之前添加的“联网搜索”插件。在搜索查询Query中动态组合输入参数。例如最新 ${product_type} 推荐 ${budget} ${key_requirements} ${brand_preference ? ‘品牌 ‘ brand_preference : ‘’} 评测 2024可以限制搜索结果的条数如5条。节点三LLM解析节点作用将搜索到的杂乱文本结构化提取成商品信息。配置添加一个“LLM”节点。Prompt:你是一个信息提取专家。请从下面的搜索结果中提取出符合用户需求的商品信息。 用户需求产品类型【{{product_type}}】预算【{{budget}}】需求【{{key_requirements}}】。 搜索结果 {{search_results}} 请以严格的 JSON 数组格式输出每个商品是一个对象包含以下字段 [ { “name”: “商品名称”, “price”: “价格或价格区间”, “key_specs”: “核心规格如CPU、内存、屏幕等”, “pros”: “优点数组格式如 [‘续航好’ ‘性价比高’]”, “cons”: “缺点数组格式如 [‘机身较重’ ‘屏幕一般’]”, “source”: “信息来源或链接” } ] 只输出JSON不要有任何其他解释。变量将上一个“联网搜索”节点的输出search_results和开始节点的参数传入。节点四判断节点作用检查解析出的商品列表是否有效。配置添加一个“判断”节点。条件设置为parsed_products(解析节点的输出) 数组的长度大于 0。节点五分支一LLM生成报告节点作用当有商品数据时生成对比分析和购买建议。配置添加一个“LLM”节点。Prompt:你是一个专业的购物顾问“买个der啊”。请根据以下商品列表和用户需求生成一份购买建议报告。 用户需求{{product_type}}预算{{budget}}主要用途是{{key_requirements}}。 商品列表JSON格式 {{parsed_products}} 请结合你的专业知识参考知识库中的选购指南生成一份包含以下部分的报告 1. **需求匹配度分析**简要说明每个商品如何满足用户需求。 2. **核心参数对比**用清晰的 Markdown 表格对比各商品的核心规格和价格。 3. **优缺点总结**列出每个商品最突出的2个优点和2个缺点。 4. **最终建议**给出你的推荐排名123并说明理由。如果都不合适直接建议用户调整预算或需求。 报告风格保持你犀利、直接的风格可以吐槽产品的明显短板。此节点的输出将作为整个工作流的最终结果返回给用户。节点六分支二错误处理节点作用当没有解析出商品时返回友好提示。配置添加一个“回复消息”节点或简单的“LLM”节点。输出固定文案“伙计搜了一圈没找到完全符合你要求的。可能是你需求太独特或者预算和产品有点不搭。要不放宽点条件或者再加点预算试试”节点七结束节点作用将分支的结果输出。最后用连接线将各个节点按照逻辑流程连接起来。确保“判断节点”的两个出口分别连接到“生成报告”和“错误处理”节点。4.3 在工作流中引用知识库为了让工作流中的 LLM 节点也能利用知识库需要在工作流编辑界面同样添加“购物决策指南”知识库并在 LLM 节点的配置中勾选“引用知识库”。4.4 在智能体中触发工作流工作流构建完成后回到智能体的“角色与回复”配置。 在系统 Prompt 的末尾需要明确告诉智能体何时调用工作流。我们在之前写的 Prompt 的“能力”部分已经提到了。但还需要在对话逻辑中具体化。一种常见的做法是在智能体的“回复逻辑”中设置一个触发条件。例如当用户的问题明显包含购物比价意图且智能体已经通过多轮对话收集齐了必要参数产品类型、预算、需求后自动触发“商品比价与决策”工作流并将收集到的参数传入。在扣子平台这通常可以通过在“发布设置”或高级配置中设置“意图识别”和“工作流自动触发”规则来实现。你需要定义一条规则当用户表达出“比较”、“推荐”、“哪个好”等意图并且对话中已存在相关实体如产品、预算时自动运行指定工作流。至此“买个der啊”智能体的核心功能已经搭建完毕。你可以点击“预览”进行测试。5. 测试、发布与优化5.1 对话测试与调试在平台的“预览”窗格中模拟用户对话进行测试。测试用例1模糊需求用户“我想买个电脑。”预期智能体应追问预算、用途等。符合设计。测试用例2完整需求触发工作流用户“预算8000左右推荐个适合编程和偶尔玩游戏的笔记本电脑。”预期智能体识别意图触发“商品比价与决策”工作流。稍等片刻后应返回一份结构化的对比报告包含表格和建议。测试用例3无结果处理用户“预算1000块推荐个顶配游戏本。”预期工作流搜索解析后无结果触发错误处理分支返回调整预算或需求的建议。在测试过程中重点关注意图识别是否准确是否该触发工作流时没触发不该触发时乱触发。参数传递是否正确工作流接收到的产品类型、预算等信息是否和对话中一致。工作流执行是否成功查看工作流的运行日志检查每个节点的输入输出尤其是“联网搜索”的结果和“LLM解析”后生成的 JSON 是否规范。最终回复质量报告是否清晰、有用风格是否符合设定。5.2 常见问题排查问题现象可能原因检查点与解决方案智能体不追问直接调用工作流系统 Prompt 中“必须主动追问”的指令权重不够或触发规则设置得太宽泛。1. 强化系统 Prompt 中的追问指令。2. 检查工作流的触发条件确保其仅在参数齐全时启动。可以在工作流开始前加一个“判断”节点检查必要参数是否为空。工作流被触发但最终回复是乱码或无关内容LLM 解析节点输出的 JSON 格式不正确导致后续节点处理出错。1. 检查“LLM解析节点”的 Prompt确保其要求“只输出 JSON”。2. 在测试中查看该节点的实际输出修正 Prompt 或尝试换用更擅长格式化的模型如 GPT-4。3. 可以在解析节点后添加一个“代码”节点对输出做简单的 JSON 格式验证和清洗。联网搜索不到有效信息搜索 Query 组合得不好或搜索插件受限。1. 优化搜索 Query使其更具体、包含更多关键词如“2024年 评测”。2. 在“联网搜索”节点配置中尝试增加搜索结果的条数。3. 确认“联网搜索”插件额度是否充足。生成的报告没有参考知识库内容工作流中的 LLM 节点未正确关联知识库。1. 在工作流编辑界面确认已为相关 LLM 节点添加并勾选了知识库。2. 检查知识库内容是否与当前查询相关可以尝试在知识库中增加更具体的关键词。回复风格不符合“毒舌”设定最终生成报告的 LLM 节点 Prompt 风格指令被覆盖或弱化。1. 在“LLM生成报告节点”的 Prompt 中再次强调回复风格。2. 在系统层面可以为智能体选择“更有创造力”或“更精确”的模型温度Temperature参数调高可能使风格更鲜明。5.3 发布与集成测试无误后即可发布智能体。发布到平台可以选择发布到扣子平台的 Bot 商店供其他用户使用。获取 API在“发布”设置中可以找到 API 密钥和接口地址。这样你就可以将“买个der啊”集成到你自己的网站、应用或聊天工具如飞书、钉钉、微信公众号中。配置连接器扣子通常提供与常见通讯工具的“连接器”按照指引配置即可将智能体接入相应平台。5.4 进阶优化方向一个可用的智能体已经建成但要使其更强大、更稳定可以考虑以下优化丰富知识库持续添加更垂直的选购指南、产品评测精华、价格历史数据等。优化工作流增加“价格监控”节点定期爬取价格信息并更新到知识库。在解析后增加“数据过滤”节点剔除广告或无效信息。将最终报告生成拆分为“数据对比”和“文案润色”两个节点使逻辑更清晰。启用长期记忆在智能体设置中开启“长期记忆”功能让智能体记住用户的历史选择和偏好实现“越用越懂你”。加入验证机制对于关键操作如确认购买意向可以在工作流中加入“人工确认”节点或发送确认消息避免误操作。监控与迭代关注用户与智能体的真实对话日志发现新的常见问题或意图不断优化 Prompt 和工作流逻辑。通过扣子平台开发智能体核心在于将复杂的 AI 能力拆解为角色设定、知识管理、插件调用和工作流编排这几个可配置的模块。“买个der啊”这个例子展示了如何将这些模块组合起来解决一个具体的实际问题。这种模式极大地降低了 AI 智能体的开发门槛让开发者能快速聚焦于业务逻辑和用户体验的创新。