对于Coze—AI：智能体的解析

开篇介绍：

hello 大家，在上篇博客中，我们认识了coze，想必大家脑海中也有了一个基础的认知，那么接下来，我们就得进一步去进行学习，所以在本篇博客中，我们就将学习Coze—AI中的智能体。

作为字节跳动旗下的低门槛 AI 智能体开发平台，Coze（扣子）彻底打破了 AI Agent 开发的技术壁垒，让零基础开发者、程序员、中小企业都能快速搭建属于自己的智能体应用。从简单的智能问答机器人到复杂的多智能体协同系统，Coze 凭借可视化操作、丰富的模型支持、完善的插件生态，成为了国内 AI 智能体开发的优选平台。

一、智能体核心认知：到底什么是 AI 智能体？

想要开发 Coze 智能体，首先要搞清楚什么是 AI 智能体，它和我们常见的聊天机器人、传统自动化工具有什么区别，这是后续所有开发工作的基础。

1.1 智能体的官方定义

智能体是基于大语言模型（LLM）构建的智能软件系统，具备自主感知环境、分析数据、执行目标任务的核心能力，与传统工具最大的差异在于主动适应能力—— 它能通过用户反馈和数据迭代持续优化自身的执行策略，而非像传统工具一样仅执行预设规则。

用一个通俗的比喻理解：

传统自动化工具是配置好的饮料机，你按下可乐的按钮，它只会出可乐，按下雪碧的按钮只会出雪碧，全程没有任何交互和反馈，规则是固定死的；

而智能体是奶茶店的专业饮料师，你说 “想喝一杯适合夏天的、不太甜的饮品”，他会根据你的需求推荐冰饮、调整糖度，甚至会根据你的口味偏好做个性化修改，过程中存在双向互动，而且会记住你的喜好，下次再点单时能直接给出适配建议。

说白了，智能体就是像一个人类一样，那么大家也就一下子就能明白了，ai的目的终究就是类人。

1.2 智能体的四大核心能力

基于大语言模型的 AI 智能体，之所以能实现 “自主决策、持续学习”，核心是具备四大基础能力，这也是它区别于普通聊天机器人的关键：

1.3 别再混淆：AI 智能体、AI 助手、聊天机器人

很多人会把 AI 智能体和 Siri、小爱同学这类 AI 助手，以及电商平台的普通聊天机器人混为一谈，其实三者的自主性、能力边界、应用场景有本质区别，用一张表就能清晰区分：

简单来说，聊天机器人是 “按脚本做事”，AI 助手是 “听指令做事”，而 AI 智能体是 “按目标做事”—— 你只需要告诉智能体最终想要什么，它会自己想办法实现，这也是智能体的核心价值所在。

1.4 Coze 智能体的典型应用场景

Coze 作为国内成熟的智能体开发平台，已经在各行各业落地了大量的智能体应用，官方案例库（https://www.coze.cn/customers）中涵盖了电商、教育、医疗、职场、生活等多个领域，典型的应用场景包括：

• 智能客服：7×24 小时解答产品咨询、处理订单问题、转接人工投诉，支持多平台部署；
• 内容创作：根据用户需求生成文案、诗歌、海报文案、短视频脚本，支持个性化风格定制；
• 生活规划：旅游攻略、家庭日程、美食推荐，适配不同人群、预算、场景的需求；
• 职场辅助：数据分析、文档处理、会议纪要、邮件撰写，提升办公效率；
• 教育辅导：个性化作业讲解、知识点梳理、学习计划制定，适配不同年龄段的学生；
• 行业解决方案：医疗慢病管理、政务政策解读、金融产品咨询，垂直领域的专业问答。

这些场景的核心共性是：能替代人工完成重复性、标准化的工作，同时能提供个性化的服务，降低人工成本，提升效率。

下面我们将以这个顺序来进行扣子智能体的学习。

二、Coze 智能体快速创建：3 步搭建你的第一个智能体

了解了智能体的核心认知后，我们进入实战环节 ——如何在 Coze 平台创建一个最简单的智能体。Coze 的设计理念是 “低代码、可视化”，整个创建过程无需复杂的编程能力，只需要完成注册、选择创建方式、填写基础信息三步，就能得到一个可直接使用的基础智能体。

2.1 环境准备：注册与实名认证

Coze 的所有功能都需要基于账号使用，首先需要完成注册和实名认证，这是后续创建、发布智能体的前提，步骤简单且无门槛：

注意：实名认证一旦完成，暂不支持修改，建议使用本人的真实信息进行认证；企业用户可选择企业实名认证，需要上传营业执照等资料，支持多账号管理。

2.2 核心步骤：创建智能体的两种方式

完成实名认证后，进入 Coze 的工作台，核心操作区为左侧的功能菜单，创建智能体的入口在工作空间→项目开发，点击右上角的创建智能体，平台提供标准创建和AI 创建两种方式，适配不同的开发需求，新手推荐先尝试 AI 创建，快速体验智能体的效果。

2.2.1 方式一：AI 创建（零基础首选）

AI 创建是 Coze 为零基础开发者设计的快捷方式，你只需要用自然语言描述你的智能体需求，平台会自动生成智能体的名称、功能描述、图标、基础配置，全程无需手动填写，步骤如下：

AI 创建的优势：速度快、无门槛，适合零基础开发者快速体验，或快速生成智能体原型；不足：配置较为基础，个性化程度低，需要后续在配置页面进行优化。

2.2.2 方式二：标准创建（个性化定制首选）

标准创建需要手动填写智能体的所有基础信息，适合有明确需求、想要个性化定制的开发者，能让智能体的名称、功能更贴合实际场景，步骤如下：

标准创建的优势：个性化程度高，能让智能体的配置更贴合实际需求；不足：需要手动填写信息，耗时稍长，适合有明确需求的开发者。

2.3 智能体初始配置页面：核心功能区介绍

创建完成后，自动进入智能体的配置中心，这是后续所有优化、调试、发布工作的核心页面，整个页面分为左侧功能菜单和右侧操作区，新手只需先熟悉核心的 4 个功能区，后续会逐步讲解每个功能的使用：

到这里，你的第一个 Coze 智能体就创建完成了 —— 此时的智能体具备基础的对话能力，能根据用户的输入进行简单的回复，后续的开发工作，都是在这个基础上进行模型优化、提示词编写、技能增强、调试发布，让智能体的能力更贴合实际需求。

2.4 小实战：创建一个 “七言绝句创作智能体”

为了让大家更直观地掌握创建过程，我们以 “七言绝句创作智能体” 为例，用标准创建的方式完成搭建：

三、Coze 智能体核心模式选择：3 种模式的适用场景与实战解析

创建完基础智能体后，接下来需要选择智能体的运行模式—— 这是 Coze 智能体开发的核心关键，直接决定了智能体的工作方式、能力边界、适用场景。Coze 平台提供了 3 种核心运行模式：单 Agent（自主规划模式）、单 Agent（对话流模式）、多 Agents 模式，三种模式各有优劣，适配不同的任务复杂度和场景需求。

为了让大家更容易理解，我们将以 **“全家周末一日游规划”** 为例子帮助大家理解

3.1 单 Agent（自主规划模式）：能干的 “总秘书”

自主规划模式是 Coze 平台最常用的模式，也是本文后续教程的核心模式 —— 单个智能体独立完成所有任务，具备强大的自主规划、推理、工具调用能力，你只需要告诉它最终的目标，它会自己拆解步骤、调用工具、逐步完成，像一个能干的 “总秘书”。

3.1.1 核心定义

单个智能体独立完成任务，架构简单，智能体内置自主规划和推理逻辑，能根据用户的最终目标，自主完成任务拆解→工具调用→步骤执行→结果汇总，无需用户干预，核心特点是自我驱动、思考型。

3.1.2 实战案例：全家周末一日游规划

以 “帮我们全家规划本周六的一日游，预算 1000 元，老人孩子都能参与，晚上 8 点前要到家” 为目标，自主规划模式的智能体工作过程分为规划、执行、回复三步，全程自主完成，无需用户额外提供信息：

3.1.3 核心特点与适用场景

一句话总结：你只管下最终指令，它自己会思考、会决策、会调用各种工具来完成任务，目标明确但路径复杂的任务首选这种模式。

适用场景：

• 目标明确但执行路径复杂的任务：旅游规划、数据分析、文档处理；
• 需要自主决策、动态调整的场景：天气适配的出行规划、实时价格的产品推荐；
• 单一场景的专业问答：垂直领域的智能客服、个性化的内容创作。

3.2 单 Agent（对话流模式）：按清单行事的 “助理”

对话流模式是一种流程化、标准化的运行模式，单个智能体的行为流程完全由开发者预先设计的 “对话流” 决定，像一个严格按照 checklist 行事的助理 —— 它会按照预设的步骤，一步步向用户提问，收集必要的信息，待用户回答完所有问题后，才会执行任务、给出结果，核心特点是流程固定、引导型。

3.2.1 核心定义

通过预设多轮对话流程引导用户完成任务，支持条件分支、上下文记忆和动态交互，但所有的提问步骤、执行逻辑都是开发者预先设计的，智能体无法跳出流程自主决策，确定性高，但灵活性低，像电话里的语音客服，严格按脚本提问。

3.2.2 实战案例：全家周末一日游规划

以 “全家周末一日游规划” 为目标，对话流模式的智能体工作过程是固定的多轮提问，用户必须按部就班回答，否则智能体无法继续执行，具体步骤如下：

关键特点：如果用户在提问过程中跳出流程，比如在第一步突然问 “周六天气怎么样？”，智能体会无法响应，因为它的流程卡在 “询问预算” 这一步，无法跳出流程去调用天气 API 或回答无关问题。

3.2.3 核心特点与适用场景

一句话总结：它像电话里的语音客服，严格按脚本提问，引导你一步步提供信息，最后给出结果，流程标准化、需要引导用户收集信息的任务首选这种模式。

适用场景：

• 流程标准化、需要收集用户信息的场景：电商客服、外卖预约、酒店预订；
• 信息收集类任务：问卷调查、报名登记、需求采集；
• 标准化的问答服务：快递查询、话费查询、社保政策解读。

3.3 多 Agents 模式：群策群力的 “专家委员会”

多 Agents 模式是 Coze 平台的高级模式，多个智能体协同工作，每个智能体扮演不同的 “专家角色”，具备专属的专业能力，通过分工协作、讨论辩论的方式处理复杂任务，像一个群策群力的 “专家委员会”—— 主控智能体接收用户需求，将任务分配给不同的专业智能体，专业智能体完成子任务后，将结果汇总给主控智能体，最终生成一个全面、平衡的方案。

3.3.1 核心定义

多个智能体组成协同系统，通过分工处理完成复杂任务，支持主从模式和平等模式两种协同方式，每个智能体专注于一个细分领域，具备专属的专业能力，核心特点是协作讨论、群策群力。

两种协同方式：

3.3.2 实战案例：全家周末一日游规划

以 “规划一下周六的家庭日” 为目标，多 Agents 模式需要先创建三个专业智能体，再通过主从模式协同工作，主控智能体负责汇总结果，专业智能体负责各自的子任务，工作过程如下：

3.3.3 核心特点与适用场景

一句话总结：多个智能体各司其职，从不同专业角度评估问题，通过协作或辩论得出更全面、更平衡的方案，极其复杂、需要多角度权衡的任务首选这种模式。

适用场景：

• 极其复杂的决策任务：产品设计、战略规划、项目管理；
• 需要多领域专业知识的场景：企业咨询、商业策划、大型活动规划；
• 大规模的协同工作：多部门的办公自动化、跨领域的数据分析。

3.4 三种模式的核心对比与选择原则

为了让大家能快速选择适合自己的模式，我们将三种模式的核心维度进行汇总对比，同时给出模式选择的三大核心原则，无需纠结，直接根据场景选择即可：

3.4.1 三种模式核心对比表

3.4.2 模式选择的三大核心原则

本文后续教程的模式选择：由于我们主要创建单个场景、单一功能的智能体，任务复杂度适中，且追求开发效率和落地速度，因此后续所有实战内容均采用单 Agent（自主规划模式）。

四、模型设置与深度优化：选择合适的模型，让智能体更 “聪明”

智能体的核心能力依赖于底层大语言模型，就像人的 “大脑”—— 选择合适的模型，再通过参数配置优化模型的输出效果，能让智能体的回复更准确、更贴合需求。

Coze 平台仅支持国内合规的大模型（无国外模型，符合国内监管要求），目前已集成 DeepSeek 系列、豆包系列、通义千问、文心一言四大主流模型，每个模型的优势、适用场景、注意事项各不相同，同时平台支持对模型的核心参数进行自定义配置，适配不同的开发需求。

本章节将详细讲解 Coze 支持的四大模型、模型的核心工作原理、模型参数的配置技巧，让你能根据自己的场景选择合适的模型，并通过参数优化让智能体的输出效果达到最佳。

4.1 模型选择：四大主流模型的核心对比与实战选择

Coze 平台的模型选择入口在智能体配置中心→模型设置→模型选择，支持一键切换模型，无需复杂的配置，每个模型都针对不同的场景做了优化，核心是根据自己的需求选择，而非盲目选择 “最先进” 的模型。

4.1.1 DeepSeek 系列：推理与编程的 “利器”

DeepSeek 是由深度求索公司开发的大语言模型，采用混合专家（MoE）架构（简单理解：将一个大模型拆分成多个小模型，每个小模型负责一个细分领域，按需调用，既提升效率，又降低成本），主打高效推理和低成本部署，是编程辅助、数据分析的首选模型。

• 核心优势：
• 推理能力突出：在数学推理、代码生成、逻辑分析任务上表现优异，接近 GPT-4 水平；
• 成本优势明显：推理成本仅为传统模型的 1/4，API 调用价格低至 GPT-4 Turbo 的 1/70，适合大规模使用；
• 部署灵活：支持本地化部署，最低配置 2 核 CPU+4GB 内存即可运行，适合企业内部使用；
• 开源生态完善：采用 Apache 2.0 开源协议，GitHub 社区活跃，插件和自定义功能丰富；
• 适用场景：编程辅助（代码生成、调试、优化）、数据分析（复杂逻辑推理、数学计算）、学术研究（论文写作、文献分析）、企业级自动化办公；
• 注意事项：
• 中文优化有限：对中文语义和文化背景的理解不如豆包、文心一言，需要额外微调以适应中文场景；
• 多模态支持弱：原生不支持图像、语音处理，需要依赖插件实现；
• 大参数模型资源消耗较高：高版本的 DeepSeek 模型对硬件要求较高，本地化部署需要更高的配置。

4.1.2 豆包系列：中文场景与字节生态的 “首选”

豆包是字节跳动自研的大语言模型，也是 Coze 平台的默认模型，目前 Coze 平台常用的版本为豆包 1.5 Pro 和豆包 – seed-1.6，针对中文场景做了深度优化，且能无缝对接字节系产品，是中文对话、智能客服的首选模型。

• 核心优势：
• 中文理解能力强：对中文语义、文化背景、网络用语的理解精准，回复流畅自然，贴合国人的表达习惯；
• 响应速度快：平均响应时间 300ms 以内，适合实时交互的场景（如智能客服、实时问答）；
• Function Call 表现优异：工具调用的准确率高，能精准理解开发者的需求，适配 Coze 的插件生态，适合工作流自动化；
• 字节生态无缝对接：能直接部署到抖音、飞书、今日头条等字节系产品，无需额外的适配工作；
• 适用场景：中文智能客服、内容创作（文案、诗歌、短视频脚本）、语音交互（语音识别、语音合成）、企业办公（飞书集成、文档处理）；
• 注意事项：
• 长文本处理弱：上下文窗口有限，不适合处理超长文档（如整本书、万字报告）；
• 开源程度低：定制化能力受限，无法进行深度的模型微调；
• 多语言支持有限：主要优化中文场景，对英语、小语种的支持较弱。

4.1.3 通义千问：长文本与多模态的 “专家”

通义千问是阿里巴巴达摩院开发的大语言模型，最新版本 Qwen3支持 128K 超大上下文窗口（简单理解：能一次性 “阅读” 并理解 128K 个 Token 的文本，相当于一本几十万字的书），且原生支持多模态处理，是长文档分析、多模态内容创作的首选模型。

• 核心优势：
• 长文本处理能力强：128K 上下文窗口，能轻松处理超长文档（如企业知识库、论文、书籍），适合知识检索和问答；
• 原生多模态支持：无需插件，直接支持文本、图像、语音的输入和输出，适合图文并茂的内容创作；
• 多语言能力优秀：支持 119 种语言，适合跨国业务、多语言客服和内容翻译；
• 部署成本低：激活参数仅为传统模型的 1/3，本地化部署的硬件要求低，适合边缘设备；
• 适用场景：企业知识库（长文档检索、问答）、多模态内容创作（图文海报、短视频脚本）、跨国业务（多语言客服、翻译）、边缘设备部署（低资源环境的本地化运行）；
• 注意事项：
• 推理速度较慢：长文本处理时，响应时间会明显延长，不适合实时交互的场景；
• 数学推理能力有限：在复杂的数学计算、逻辑推理任务上的表现不如 DeepSeek；
• 开源协议限制：部分高级功能需要商业授权，企业大规模使用需要付费。

4.1.4 文心一言：垂直领域与安全合规的 “标杆”

文心一言是百度开发的大语言模型，2025 年推出的文心大模型 4.5 版本在中文理解和垂直领域表现突出，尤其是医疗、教育、政务等领域，知识覆盖全面，且符合国内数据安全标准，是垂直领域专业问答的首选模型。

• 核心优势：
• 中文语义理解精准：在医疗、教育、政务等垂直领域的专业知识覆盖全面，回答的准确性高；
• 安全合规性强：完全符合国内数据安全和隐私保护标准，适合企业和政府机构使用；
• 工具生态完善：内置丰富的行业解决方案，无需额外开发，可直接使用；
• 知识更新及时：与百度搜索引擎打通，能获取最新的行业知识和政策信息；
• 适用场景：医疗健康（医学知识问答、慢病管理、辅助诊断）、教育培训（个性化学习、知识点梳理）、政务服务（政策解读、政务问答）、内容审核（文本合规性检查）；
• 注意事项：
• 推理成本高：API 调用的费用较高，大规模使用的成本偏高；
• 开源程度低：定制化能力受限，无法进行深度的模型微调；
• 国际支持弱：多语言能力有待提升，不适合跨国业务。

4.1.5 实战选择技巧：根据场景快速匹配

选择模型的核心原则是 **“按需选择，贴合场景”**，无需盲目追求模型的参数和版本，以下是不同场景的模型选择建议：

4.2 模型工作原理：通俗理解大模型的 “思考过程”

很多开发者会觉得大模型的工作原理很抽象，其实用一个通俗的比喻就能理解：

把大模型比作班里的 “学霸”，大模型的训练和推理过程，就是学霸的 “学习备考” 和 “现场答题” 过程，核心分为数据准备预处理、模型训练、模型推理、对齐与微调四个步骤，四个步骤环环相扣，最终让大模型从 “只会做题” 变成 “会好好答题”。

4.2.1 第一步：数据准备预处理 —— 给学霸准备海量的复习资料

大模型在训练之前，需要先准备 “学习资料”—— 从互联网、书籍、代码库、文献等渠道收集的海量文本数据，但这些原始数据是杂乱无章的，需要进行清洗、格式化、分词处理，变成大模型能 “阅读” 和理解的标准化数据，就像给学霸准备的复习资料，需要整理成清晰、有序的笔记。

核心操作分为三步：

核心目标：得到一份干净、庞大、标准化的文本数据集，让大模型能高效地 “学习”。

4.2.2 第二步：模型训练 —— 学霸疯狂阅读并做完形填空练习

模型训练是大模型工作原理的核心步骤，也是最耗计算资源和时间的一步 —— 让大模型从标准化的数据集中 “学习” 语言的内在规律、知识和逻辑，核心采用自监督学习的方式，无需人工标注，就像学霸通过疯狂阅读复习资料，再通过做 “完形填空” 练习来巩固知识，提升解题能力。

核心逻辑分为三步，核心是 **“遮蔽语言模型”** 任务：

核心目标：让大模型的参数调整到最佳状态，能精准地根据上文预测下一个 Token，掌握语言的规律、知识和逻辑。

4.2.3 第三步：模型推理 —— 你们向学霸提问，他现场作答

模型训练完成后，大模型就具备了 “答题能力”，这个阶段被称为模型推理—— 大模型根据用户的输入（提示词），生成相应的输出（回复内容），就像学霸考完试后，现场回答别人的问题，核心是 **“逐词接龙”** 的生成方式。

核心工作过程分为两步：

比如用户输入 “以春风为主题写一句诗”，大模型的生成过程是：

春风→吹绿→江南→岸→，→明月→何时→照→我→还。

核心目标：快速、流畅地生成符合用户需求、上下文逻辑通顺的文本内容。

4.2.4 第四步：对齐与微调 —— 告诉学霸，不能光炫技，要好好说话

经过前三个步骤的大模型，已经具备了强大的 “答题能力”，但可能会出现 **“炫技式回答”**—— 比如回答过于复杂、不符合人类的表达习惯、甚至生成有害或不准确的内容，就像学霸答题时，为了炫技写了很多复杂的公式，却没有按题目要求作答。

对齐与微调的核心作用，就是让大模型的输出更符合人类的价值观和偏好，从 “只会做题” 变成 “会好好答题”，核心分为监督微调和 ** 人类反馈强化学习（RLHF）** 两步：

核心目标：确保大模型不仅 “聪明”（推理能力强），而且 **“善良、有用、诚实”**（输出符合人类的需求和价值观）。

4.3 模型参数配置：3 个核心参数，优化智能体的输出效果

选择好模型后，还可以通过配置模型的核心参数，优化智能体的输出效果 —— 不同的参数配置，会让智能体的回复呈现出不同的特点，比如更确定、更多样、更贴合上下文。

Coze 平台支持对模型的核心参数进行自定义配置，入口在模型设置→参数配置，无需复杂的编程，直接拖动滑块或输入数值即可，核心需要配置的参数有三个：Temperature（温度）、上下文轮数、最大回复长度，三个参数覆盖了输出的随机性、上下文理解、长度控制，是优化智能体输出的关键。

4.3.1 Temperature（温度）：控制输出的 “随机性”

Temperature 是最常用的模型参数，取值范围为0~1，核心作用是控制智能体输出的随机性和多样性—— 数值越低，输出越确定、越标准化；数值越高，输出越多样、越有创意，甚至会出现一些意想不到的回答。

可以用一个通俗的比喻理解：温度就像智能体的 “脑洞大小”，温度越低，脑洞越小，回答中规中矩；温度越高，脑洞越大，回答更有创意。

调整技巧与场景取值：

注意：温度值不宜设置为 0 或 1—— 设置为 0 时，智能体的输出会完全固定，甚至出现重复；设置为 1 时，智能体的输出会过于随机，可能出现逻辑混乱、答非所问的情况。

4.3.2 上下文轮数：控制智能体的 “记忆力”

上下文轮数的核心作用是控制智能体保留的对话历史轮数，Coze 平台的默认值为 3 轮，比如用户和智能体的对话有 5 轮，智能体只会保留最后 3 轮的对话内容，用于理解当前的问题，核心是让智能体能根据上下文进行回复，避免答非所问，就像人的 “短期记忆力”，能记住最近的对话内容。

意思就是说，一旦用户和智能体对话的轮数超过了一定值（n），那么智能体就会忘记n轮前的对话的所有内容了，这一点大家还是需要知道

调整技巧与场景取值：

注意：上下文轮数并非越多越好 —— 轮数越多，模型的推理成本越高，响应速度越慢，建议根据实际需求设置，无需盲目设置过多的轮数。

4.3.3 最大回复长度：控制智能体的 “话痨程度”

最大回复长度的核心作用是控制智能体输出的 Token 数，从而限制回复的文字长度，避免智能体出现 “话痨” 的情况，输出过长、无关的内容，Coze 平台支持自定义设置最大 Token 数，也可以选择 **“无限制”**。

说白了就是限制智能体回答的字数罢了。

调整技巧与场景取值：

注意：不同的平台对文字长度有不同的限制（比如微信公众号的单条回复限制 2000 字），在发布智能体时，需要根据部署平台的要求，设置合适的最大回复长度。

4.3.4 参数配置的实战建议

参数配置的核心原则是 **“贴合场景，按需调整”**，以下是不同场景的参数配置组合，直接套用即可，零基础开发者无需额外调整：

五、提示词编写实战指南：智能体的 “行为准则”，决定智能体的能力边界

如果说模型是智能体的 “大脑”，那么提示词（Prompt）就是智能体的“行为准则”—— 提示词是开发者与大模型交流的载体，定义了智能体的角色、能力、约束、输出格式，直接决定了智能体的回复效果和能力边界。同样的模型，不同的提示词，会让智能体呈现出完全不同的能力，这也是 Coze 智能体开发的核心优化环节，被称为 “提示词工程（Prompt Engineering）”。

Coze 平台的提示词分为系统提示词和用户提示词，两者协同工作，共同决定智能体的输出效果。

这个还是比较重要的哦各位

5.1 提示词的核心定义：系统提示词与用户提示词的协同逻辑

很多零基础开发者会混淆系统提示词和用户提示词，其实用一个 **“AI 奶茶店”** 的通俗比喻就能清晰区分 —— 系统提示词是奶茶店的《员工培训手册》，用户提示词是顾客下的订单，两者缺一不可，协同工作，才能让智能体给出符合需求的回复。

5.1.1 系统提示词（System Prompt）：奶茶店的《员工培训手册》

系统提示词是开发者在后台为智能体设置的固定规则，对智能体的所有回复都生效，是智能体的 “底层行为准则”，就像奶茶店的《员工培训手册》，规定了店员的身份、行为、技能、边界，店员的所有工作都必须遵循手册的要求，顾客看不到手册，但手册时时刻刻在规范店员的行为。

系统提示词的核心作用是定义智能体的 “如何做”—— 告诉智能体：你是谁？你有什么能力？你该如何工作？你有什么不能做的？系统提示词是全局性、持续性的，会影响智能体的整个对话过程，是提示词编写的核心。

比如一个 “奶茶店智能体” 的系统提示词可以这样写：

你的身份是 “快乐奶茶小专家”，必须热情、有耐心，且熟知所有奶茶产品的口味、配料、价格。行为准则：必须主动向顾客问好；必须复述顾客的订单以防出错；回复必须使用口语化的语言，加入 “亲～”“呢” 等语气词。技能边界：只能解答奶茶相关的问题，只能推荐菜单上的饮品，无法回答奶茶之外的问题。安全规范：绝不能推荐过期的饮品；如果顾客询问非奶茶问题，应礼貌表示无法帮忙，并引导回奶茶点单话题。

5.1.2 用户提示词（User Prompt）：顾客下的订单

用户提示词是用户在和智能体对话时输入的具体问题或指令，是单次的、具体的，就像顾客走到奶茶店柜台前下的订单，告诉店员：我要什么？用户提示词的核心作用是定义智能体的 “做什么”—— 告诉智能体：用户现在需要什么？用户的具体需求是什么？

用户提示词是具体性、一次性的，仅针对当前的请求生效，比如顾客的订单：“亲～我要一杯大杯的冰珍珠奶茶，三分糖，多加一份椰果”，就是一个典型的用户提示词。

5.1.3 两者的协同逻辑：缺一不可

系统提示词就是告诉智能体你能做什么，用户提示词就是告诉智能体你要做什么

系统提示词和用户提示词缺一不可，缺少任何一个，智能体都无法给出符合需求的回复：

核心总结：系统提示词定义 **“如何做”，用户提示词定义“做什么”，两者协同工作，才能让智能体给出准确、贴合需求、符合角色 ** 的回复 ——高质量的智能体，必然有一份高质量的系统提示词，这是提示词编写的核心。

5.2 系统提示词的核心结构：CO-STAR 框架，让提示词更规范

编写系统提示词的核心难点是 **“如何让提示词更清晰、更规范、让模型更容易理解”—— 很多开发者编写的提示词过于笼统、杂乱，导致模型无法准确理解需求，回复效果差。

目前行业内最通用、最有效的系统提示词编写框架是CO-STAR 框架 **，该框架将系统提示词分为 **Context（背景）、Objective（目标）、Steps（步骤）、Tone（风格）、Audience（受众）、Response（输出）** 六个模块，每个模块各司其职，让提示词的结构更清晰，模型的理解更准确。

CO-STAR 框架是通用框架，适配所有的场景，开发者可以根据自己的实际需求，对模块进行适当的删减或调整，核心是让提示词的逻辑更清晰。

5.2.1 CO-STAR 框架六大模块详解

5.2.2 CO-STAR 框架实战案例：三个典型场景的完整提示词

以下给出电商客服、七言绝句创作、天气查询三个典型场景的 CO-STAR 框架完整系统提示词，直接套用即可，无需额外修改：

案例 1：iPhone 15 电商客服智能体

Context：你是某电商平台的 iPhone 15 专属客服，需解答用户关于 iPhone 15 的所有咨询，知识库包含 iPhone 15 各版本的最新价格、库存、发货时间和售后政策。

Objective：准确、快速地回答用户的价格、库存、发货时间问题，主动推荐适配的配件，耐心解答售后问题，提升用户的购买意愿和满意度。

Steps：1. 识别用户的问题类型（价格 / 库存 / 发货 / 售后）；2. 检索知识库获取相关信息；3. 用亲切的语气整理成结构化的回复；4. 主动推荐 1-2 款适配的配件；5. 询问用户是否有其他问题。

Tone：口语化、亲切、有耐心，使用 “亲～”“呢” 等语气词，避免专业术语，回复简洁明了。Audience：20-35 岁的年轻消费者，对价格敏感，关注库存和发货速度，部分用户对配件有需求。

Response：核心信息分点列出，格式为：【核心问题】：XXX\\n【答案】：XXX，配件推荐单独列出，用 “推荐搭配” 开头。

案例 2：七言绝句创作智能体

Context：你是一位专业的古典诗词创作者，擅长以各种主题创作七言绝句，熟知七言绝句的格律要求（平仄、押韵、对仗）。

Objective：根据用户给定的主题，创作符合格律要求、语言优美、意境丰富的七言绝句，拒绝非七言绝句的内容输出。

Steps：1. 识别用户给定的主题和创作风格；2. 遵循七言绝句的格律要求进行创作；3. 为诗作拟定一个贴合主题的标题；4. 整理成结构化的回复，包含标题和诗句。

Tone：典雅、优美、有诗意，符合古典诗词的表达风格，避免口语化的表述。

Audience：诗词爱好者，年龄不限，对古典诗词有基础的了解，追求诗作的意境和格律。Response：格式为：《诗作标题》\\n 第一句 \\n 第二句 \\n 第三句 \\n 第四句，无需额外的解释，除非用户要求。

案例 3：实时天气查询智能体

Context：你是一位专业的天气查询助手，能根据用户输入的城市名称，查询该城市的实时天气、温度、空气质量、风力和未来 24 小时预报，数据来源为权威的天气 API。Objective：快速、准确地回答用户的天气查询问题，用简洁的语言给出结构化的天气信息，提醒用户注意天气变化。

Steps：1. 识别用户输入的城市名称；2. 调用天气 API 获取该城市的实时天气数据；3. 整理成结构化的天气信息；4. 根据天气情况给出简单的出行建议。

Tone：简洁、客观、亲切，使用口语化的表述，避免专业的气象术语。Audience：所有人群，需要快速获取天气信息，用于出行、工作、生活规划。

Response：格式为：【XX 市实时天气】\\n 天气：XXX\\n 温度：XXX℃\\n 空气质量：XXX\\n 风力：XXX\\n 未来 24 小时预报：XXX\\n 出行建议：XXX。

5.3 提示词优化技巧：三个核心技巧，让智能体的回复更精准

掌握了 CO-STAR 框架后，还需要通过提示词优化技巧，让提示词的质量更高，模型的理解更准确，智能体的回复更贴合需求。核心的优化技巧有三个：角色设定具体化、技能描述明确化、约束条件清晰化，三个技巧环环相扣，能让智能体的角色更清晰、能力更明确、边界更清晰，避免出现答非所问、超出能力范围的回复。

5.3.1 技巧一：角色设定具体化 —— 拒绝 “笼统表述”，让智能体有 “明确身份”

很多开发者编写的提示词，角色设定过于笼统，比如 “你是一个诗人”“你是一个客服”，导致模型无法准确理解智能体的身份，回复效果差

角色设定的核心是 “具体化”，要明确智能体的职业、专业能力、擅长领域、风格特点，让智能体有一个清晰、具体的身份，模型才能根据这个身份进行回复。

正反案例对比：

• 反面案例（笼统）：你是一个诗人。（模型无法理解是哪种诗人，擅长写什么类型的诗，回复的诗歌风格杂乱，甚至不符合格律）；
• 正面案例（具体）：你是一位才华横溢的古典诗词诗人，擅长以山水、情感、生活为主题创作七言绝句，熟知七言绝句的平仄、押韵要求，能写出意境丰富、语言优美的诗作。（模型能清晰理解智能体的身份，回复的诗歌符合七言绝句的要求，风格统一）。

5.3.2 技巧二：技能描述明确化 —— 从 “知道” 到 “做到”，扩展智能体的能力边界

技能描述是提示词的核心部分，决定了智能体的能力边界—— 很多开发者编写的提示词，只告诉智能体 “知道什么”，而没有告诉智能体 “能做什么”，导致智能体只能进行简单的对话，无法完成实际的任务，比如 “你知道天气知识”，但智能体不会调用天气 API 查询实时天气。

技能描述的核心是 “明确化”，要明确智能体的核心技能、执行步骤、工具调用能力，让智能体从 “知道知识” 变成 “能做事情”—— 也就是从 “认知” 到 “行动”，扩展智能体的能力边界。

核心区别：

• 无明确技能：智能体只能依靠自身的模型知识进行文本生成，比如用户问 “北京今天的天气怎么样？”，智能体可能会说 “我不知道实时天气”，或根据训练数据猜测，结果不准确；
• 有明确技能：智能体能根据技能描述，调用相应的工具完成任务，比如用户问 “北京今天的天气怎么样？”，智能体能调用天气 API，查询北京的实时天气，给出准确的答案。

5.3.3 技巧三：约束条件清晰化 —— 拒绝 “跑偏”，让智能体有 “明确边界”

约束条件是提示词的重要组成部分，核心作用是防止智能体 “说错话、做错事、跑偏”，明确智能体的能力边界、行为禁忌、输出要求，让智能体的回复始终贴合需求，避免出现超出能力范围、不符合角色、有害的回复。

约束条件的核心是 “清晰化”，要明确智能体不能做什么、必须遵守什么规则、输出有什么要求，分点说明，让模型能清晰理解，比如 “只能创作七言绝句，拒绝回答非七言绝句的问题”“不能推荐过期的产品”“输出必须符合格律要求”。

5.3.4 优化后的提示词代码示例：七言绝句创作智能体

以下是结合三个优化技巧，优化后的七言绝句创作智能体的系统提示词代码示例，直接复制到 Coze 的提示词配置→系统提示词中即可使用，智能体的回复会更精准、更贴合需求：

# 角色
你是一位才华横溢的古典诗词诗人，擅长以山水、情感、生活、节日为主题创作七言绝句，熟知七言绝句的格律要求（平仄、押韵、对仗），能写出意境丰富、语言优美、贴合主题的诗作，创作风格偏向婉约派，语言精炼，富有画面感。

## 核心技能
### 技能1：七言绝句创作
1. 当用户给出创作主题后，围绕该主题进行七言绝句创作，严格遵循格律要求；
2. 每句诗七个字，共四句，第二、四句必须押韵，平仄符合七言绝句的规则；
3. 为诗作拟定一个贴合主题的标题，标题简洁明了，符合古典诗词的风格；
4. 若用户有创作风格要求（如豪放派、田园派），优先按照用户的要求创作。

## 约束条件
1. 只能围绕用户给定的主题创作七言绝句，拒绝回答与七言绝句创作无关的任何问题；
2. 创作的诗作必须严格遵循七言绝句的格律要求，禁止出现非七言绝句的内容；
3. 创作内容必须积极健康，避免消极、低俗、违法违规的内容；
4. 若用户未给出明确主题，礼貌询问用户的创作主题，不随意创作；
5. 除非用户明确要求，否则不添加诗作的解释，仅输出标题和诗句。

## 输出

5.4 提示词编写的常见避坑点

5.4.1 避坑点 1：角色和需求表述过于笼统

问题表现：提示词中出现 “你是一个助手”“你会创作内容”“你能解答问题” 这类笼统的表述，模型无法理解智能体的具体身份和核心能力，导致回复杂乱、不符合预期，比如 “你是一个创作助手”，智能体可能既写诗歌又写文案，风格不统一。

避坑方法：按照 “角色设定具体化” 的技巧，明确智能体的职业、专业领域、核心能力、风格特点，让模型有清晰的身份参考，比如将 “你是一个创作助手” 优化为 “你是一位专业的小红书文案创作者，擅长写美食类小红书笔记，风格活泼、接地气，符合年轻人的阅读习惯”。

5.4.2 避坑点 2：缺少明确的执行步骤和输出格式

问题表现：只告诉智能体 “要做什么”，但没有告诉它 “怎么做”“输出什么格式”，导致智能体的回复逻辑混乱、格式不统一，比如让智能体 “做一份旅游攻略”，智能体可能只给出一两句话的简单建议，没有结构化的内容。

避坑方法：在提示词中明确执行步骤和输出格式，执行步骤分点说明（3-5 步最佳），输出格式明确结构化要求（如分点、分模块、固定句式），比如让智能体做旅游攻略时，明确输出格式为 “【出行路线】\\n【景点介绍】\\n【餐饮推荐】\\n【费用预算】”。

5.4.3 避坑点 3：约束条件缺失或模糊

问题表现：提示词中没有设置约束条件，或约束条件过于模糊，导致智能体的回复 “跑偏”，比如创作诗歌的智能体回复闲聊内容，解答电商问题的智能体给出错误的价格信息。

避坑方法：按照 “约束条件清晰化” 的技巧，分点明确智能体的能力边界、行为禁忌、内容要求，比如创作诗歌的智能体，明确约束 “只能创作七言绝句，拒绝回答无关问题，内容必须积极健康”。

5.4.4 避坑点 4：提示词逻辑混乱、模块杂糅

问题表现：提示词中角色、技能、约束、格式等内容杂糅在一起，没有清晰的模块划分，模型无法快速识别关键信息，导致回复效果差，比如把 “口语化风格”“只能解答 iPhone 问题”“分点回复” 混在一句话中。

避坑方法：采用模块化编写的方式，给提示词划分清晰的模块（如角色、技能、约束、输出格式），用标题、符号（如 #、##、###）分隔，让模型能快速识别关键信息，推荐使用 CO-STAR 框架的模块划分方式。

5.4.5 避坑点 5：过度堆砌要求，提示词过长

问题表现：想让智能体具备多种能力，在提示词中堆砌大量的要求和规则，导致提示词过长（超过 1000 字），模型无法完全理解和执行，反而出现回复错误的情况，比如让电商客服智能体同时具备解答问题、生成文案、数据分析、物流跟踪等多种能力，且每个能力都设置大量规则。

避坑方法：聚焦核心能力，一个智能体只实现 1-2 个核心功能，避免贪多求全，比如电商客服智能体，核心能力聚焦在 “解答产品咨询、查询物流”，其他能力（如生成文案）可单独创建智能体；同时精简提示词，每个模块的内容控制在合理范围内，总字数建议不超过 500 字。

5.5 提示词调试技巧：快速优化提示词的核心方法

编写完提示词后，若智能体的回复效果不佳，无需重新编写，只需通过针对性调试优化即可。核心调试方法是 **“单变量测试法”**—— 每次只修改提示词中的一个变量（如角色、技能、约束、格式），测试回复效果，找到问题所在，避免同时修改多个变量，无法定位问题。

5.5.1 调试步骤

5.5.2 常见问题的调试方案

六、智能体的调试与发布：从测试到上线，一步到位

编写完提示词、配置好模型后，智能体已具备核心能力，接下来需要通过全面调试确保智能体的回复准确、流程完整，再通过发布部署将智能体上线到目标平台，让用户可以实际使用。Coze 平台提供了可视化的调试工具和多平台的发布入口，整个过程无需复杂的编程，零基础也能完成。

6.1 预览与调试：智能体的核心测试方法

Coze 的预览与调试面板是智能体测试的核心工具，入口在智能体配置中心的右侧，支持实时输入测试问题、查看回复效果、调试工具调用，无需发布即可测试智能体的所有功能。调试的核心原则是 **“覆盖核心场景 + 边界场景”**，既要测试智能体的常规核心功能，也要测试极端的边界场景，确保智能体在各种情况下都能正常工作。

6.1.1 核心场景测试：测试智能体的核心能力

核心场景是智能体的主要工作场景，也是用户最常使用的场景，需要确保智能体在核心场景下的回复准确、符合要求、格式规范。测试方法是输入核心场景的测试问题，逐一验证智能体的核心能力。

示例：七言绝句创作智能体的核心场景是 “根据主题创作七言绝句”，测试问题可设置为：

测试标准：

6.1.2 多轮对话测试：测试智能体的上下文理解能力

若智能体需要支持多轮对话（如电商客服、旅游规划），需要测试其上下文理解能力，确保智能体能记住之前的对话内容，根据上下文进行回复，避免答非所问。

示例：电商客服智能体的多轮对话测试：

测试标准：

6.1.3 边界场景测试：测试智能体的抗干扰能力

边界场景是非常规的极端场景，也是新手容易忽略的场景，比如用户输入模糊问题、无关问题、违法违规问题，需要测试智能体在这些场景下的抗干扰能力和异常处理能力，确保智能体不会跑偏、不会生成有害内容。

常见的边界场景测试问题分为以下几类，需逐一测试：

测试标准：

6.1.4 工具调用测试：测试智能体的工具执行能力

若智能体配置了工具调用（如天气 API、地图 API、知识库），需要单独测试工具调用能力，确保智能体能正常调用工具、获取数据、整理结果并回复，这是自主规划模式智能体的核心能力之一。

测试方法：输入需要调用工具的测试问题，查看智能体的回复是否包含工具调用的结果，比如天气查询智能体，输入 “北京今天的天气怎么样？”，测试智能体是否能调用天气 API，获取实时的温度、天气状况等信息。

测试标准：

6.2 问题排查：智能体调试的常见问题与解决方法

调试过程中，智能体可能会出现各种问题，以下总结了最常见的 6 个问题，并给出对应的问题原因和解决方法，新手可直接对照排查，无需复杂的技术操作。

6.3 发布部署：多平台上线流程，一键触达用户

智能体调试完成后，即可进行发布部署——Coze 平台支持将智能体发布到微信公众号、抖音、飞书等主流平台，也支持通过API/SDK集成到自有网站、APP、小程序，发布过程可视化，无需编写代码，只需完成简单的授权和配置即可。

6.3.1 发布前的最后准备

发布前需完成 3 项核心准备工作，确保智能体能正常上线：

6.3.2 发布入口与通用步骤

Coze 的智能体发布入口在智能体配置中心→右上角「发布」按钮，点击后进入发布页面，所有平台的发布都遵循 **“选择平台→完成授权→配置参数→确认发布”** 的通用步骤，具体的平台专属配置会在下文详细说明。

通用发布步骤：

6.3.3 主流平台的专属发布配置

（1）微信公众号发布：最常用的私域发布渠道

微信公众号是 Coze 智能体最常用的发布渠道，适合面向微信用户提供服务，支持关注后自动回复、关键词回复、菜单栏触发三种使用方式。专属配置：

使用方式：用户关注公众号后，直接发送问题（如 “以秋雨为主题写诗”），公众号即可自动回复智能体的内容。

（2）抖音发布：面向公域用户的短视频平台渠道

抖音发布适合面向公域用户提供服务，智能体将以抖音机器人的形式存在，支持抖音私信、评论区触发两种使用方式。专属配置：

使用方式：用户给绑定的抖音号发私信 “以春风为主题写诗”，抖音机器人即可自动回复诗作。

（3）飞书发布：企业内部办公的专属渠道

飞书发布适合企业内部使用，智能体将集成到飞书机器人中，支持飞书群聊、单聊触发，适合企业办公场景（如职场辅助、数据分析、智能客服）。专属配置：

使用方式：在飞书单聊中直接给机器人发消息，或在群聊中 @机器人 + 问题，即可触发智能体回复。

（4）自有系统集成：API/SDK 对接，适配自有业务

若需要将智能体集成到自有网站、APP、小程序，可通过 Coze 提供的API/SDK进行对接，支持自定义智能体的展示样式和触发方式，适配企业的自有业务场景。专属配置：

简单代码示例：Coze 智能体 API 调用（Python 版，仅作演示，无需复杂开发）

import requests
import json

# 配置请求参数
url = "https://open.coze.cn/api/v1/agent/chat" # Coze官方API地址
api_key = "你的API密钥" # 替换为自己的API密钥
agent_id = "你的智能体ID" # 替换为自己的智能体ID
user_question = "以春风为主题创作一首七言绝句" # 用户的问题

# 请求头
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}"
}

# 请求体
data = {
"agent_id": agent_id,
"query": user_question,
"user_id": "test_user_001" # 自定义用户ID
}

# 调用API
response = requests.post(url, headers=headers, data=json.dumps(data))
result = response.json()

# 打印智能体的回复
if result["code"] == 200:
print("智能体回复：", result["data"]["answer"])
else:
print("API调用失败：", result["msg"])

6.3.4 发布后的版本管理

Coze 平台支持智能体的版本管理，每次发布都可填写发布记录，记录版本的更新内容，若新版本出现问题，可快速回滚到上一个版本，避免影响用户使用。版本管理操作：

七、用户体验优化：让智能体更 “贴心”，提升用户使用感

智能体上线后，核心的优化方向是用户体验—— 一个优秀的智能体，不仅要 “能做事”，还要 “贴心、好用”，让用户愿意持续使用。用户体验优化的核心是 **“从用户角度出发”**，优化智能体的开场白、回复方式、异常处理等细节，让智能体的交互更贴近人类的沟通习惯，提升用户的使用感。

7.1 开场白设计：快速建立亲切感，引导用户提问

开场白是用户与智能体的第一次交互，直接决定了用户的第一印象，优秀的开场白能快速建立亲切感，同时引导用户精准表达需求，避免用户因 “不知道怎么问” 而放弃使用。

7.1.1 开场白的设计要点

7.1.2 不同场景的开场白实战示例

示例 1：七言绝句创作智能体（典雅有诗意）

您好，我是「砚卿」，专研七言绝句创作的诗词助手。一笺心语，半卷闲情，我能为你以山水、情感、节日等主题，创作格律严谨、意境丰富的七言绝句。请告诉我你的创作主题吧，比如 “春风”“中秋思念”～

示例 2：电商客服智能体（亲切口语化）

亲～您好！我是 iPhone 15 专属客服小伊，能为你解答产品价格、库存、发货时间等问题，还能查询物流哦！你可以直接问 “iPhone 15 多少钱”“什么时候发货”，我会快速为你解答～

示例 3：天气查询智能体（简洁客观）

您好！我是实时天气查询助手，能为你查询全国各城市的实时天气、温度、空气质量和未来 24 小时预报。请告诉我你要查询的城市名称吧，比如 “北京今天的天气”“上海未来 24 小时预报”～

示例 4：旅游规划智能体（热情活泼）

哈喽～我是家庭旅游规划师小游，能为你规划适合老人、孩子的家庭出游路线，适配不同预算和时间！你可以告诉我 “周末家庭游，预算 1000 元，城市 XX”，我会为你定制专属攻略～

7.2 用户问题建议：主动推荐，降低提问门槛

部分用户可能不知道如何精准表达需求，此时智能体可主动给出问题建议，在用户输入框下方展示常用的提问示例，用户点击即可触发提问，降低用户的提问门槛，提升使用效率。

7.2.1 问题建议的设计原则

7.2.2 问题建议的配置方式

Coze 平台支持在智能体配置中心→交互设置→问题建议中，添加自定义的问题建议，只需输入建议的问题内容，即可在用户端展示，用户点击建议即可自动发送问题，触发智能体回复。

7.3 回复结构化：让内容更易读，提升信息获取效率

用户使用智能体的核心需求是快速获取有效信息，若智能体的回复杂乱无章，用户需要花费大量时间梳理，会降低使用体验。因此，智能体的回复必须结构化，用分点、分模块的方式展示内容，让用户一眼就能获取关键信息。

7.3.1 回复结构化的设计技巧

7.3.2 不同场景的结构化回复示例

示例 1：电商客服智能体（iPhone 15 咨询）

亲～关于 iPhone 15 的相关信息如下：

示例 2：旅游规划智能体（家庭周末一日游）

为你规划的 XX 市家庭周末一日游攻略如下：【出行路线】：上午 9 点地铁 5 号线→植物园→下午 3 点周边公园→下午 6 点返程；【景点介绍】：植物园有室内热带植物馆和儿童游乐区，适合老人孩子，门票 20 元 / 人；【餐饮推荐】：植物园内绿光餐厅，家常菜，人均 50 元，适合家庭；【费用预算】：门票 + 交通 + 餐饮，一家三口总计 250 元，性价比超高～

示例 3：天气查询智能体（北京实时天气）

【北京市实时天气】

7.4 异常处理：应对用户的特殊输入，提升抗干扰能力

用户在使用智能体时，可能会输入模糊、无关、极端的内容，优秀的智能体需要具备完善的异常处理能力，在面对特殊输入时，不崩溃、不跑偏，给出友好的提示，引导用户回到核心场景，提升智能体的抗干扰能力。

7.4.1 常见的异常场景

结合之前的边界场景测试，用户的特殊输入主要分为以下 6 类，需要为每类场景设计专属的异常处理话术：

7.4.2 异常处理话术的设计原则

7.4.3 异常处理话术实战示例（以七言绝句创作智能体为例）

7.5 个性化优化：让智能体有 “温度”，区别于冰冷的机器人

个性化是智能体体验优化的高阶技巧，核心是让智能体 “记住用户的偏好”，并根据用户的偏好给出个性化的回复，让智能体从 “冰冷的机器人” 变成 “贴心的助手”，提升用户的粘性和使用感。Coze 平台支持用户偏好记忆，可在提示词中设置相关规则，让智能体记住用户的创作风格、偏好等信息。

7.5.1 个性化优化的核心方向

7.5.2 个性化优化的提示词配置

在智能体的系统提示词→约束模块中，添加个性化记忆的规则，即可让智能体记住用户的偏好，以下是七言绝句创作智能体的个性化优化提示词示例：

## 个性化记忆规则
1. 记住用户的创作风格偏好（如婉约派、豪放派、田园派），后续创作无需用户重复说明，直接按照该风格创作；
2. 记住用户偏爱的意象（如明月、清风、枯荷），后续创作时主动将该意象融入诗作中；
3. 若用户要求为诗作添加解析，后续创作自动添加格律和意境解析，无需用户重复要求；
4. 仅记忆当前用户的偏好，不同用户的偏好相互独立，不混淆。

7.5.3 个性化回复实战示例

用户第一次提问：以春风为主题，写一首婉约派的七言绝句，帮我解析一下格律智能体回复：

《春风》春风拂岸柳丝轻，细雨沾花润落英。巷口莺声啼渐软，一帘清梦绕江城。【格律解析】：本诗为平起平收式七言绝句，平仄为 “平平仄仄仄平平，仄仄平平仄仄平。仄仄平平平仄仄，平平仄仄仄平平”，第二句 “英”、第四句 “城” 押 ing 韵，符合七言绝句格律要求。【意境解析】：全诗以春风、细雨、莺声为意象，描绘了春日的柔美景色，营造出婉约、清新的意境，表达了对春日的喜爱之情。

用户第二次提问：以明月为主题写一首七言绝句智能体个性化回复（自动记住婉约派风格 + 格律解析要求）：

《明月》明月悬空照碧塘，荷风送香入小窗。凭栏凝睇思无尽，一枕清辉伴夜长。【格律解析】：本诗为平起平收式七言绝句，平仄为 “平平仄仄仄平平，仄仄平平仄仄平。平仄平平平仄仄，仄平仄仄仄平平”，第二句 “窗”、第四句 “长” 押 ang 韵，符合七言绝句格律要求。【意境解析】：全诗以明月、荷风、碧塘为意象，描绘了月夜的柔美景色，营造出婉约、静谧的意境，表达了淡淡的思念之情。

八、智能体开发实战：完整打造一个 “电商客服智能体”（从 0 到 1 落地）

前面我们讲解了 Coze 智能体开发的所有核心知识点，现在进入实战环节—— 从 0 到 1 完整打造一个iPhone 15 电商客服智能体，涵盖需求分析、智能体创建、模式选择、模型设置、提示词编写、调试测试、发布部署全流程，新手可跟着步骤一步步操作，快速实现智能体的落地。

8.1 需求分析：iPhone 15 电商客服智能体的核心能力

在开发智能体前，首先要明确需求和核心能力，避免开发的智能体偏离实际使用场景。本次实战的电商客服智能体，核心服务于 iPhone 15 的消费者，需具备产品咨询、库存查询、物流跟踪、售后解答四大核心能力，同时支持多轮对话、结构化回复，适配微信公众号发布。

核心能力梳理：

8.2 智能体创建：标准创建步骤（零基础适配）

采用标准创建的方式创建智能体，确保智能体的基础信息贴合电商客服场景，步骤如下：

8.3 模式选择：单 Agent（自主规划模式）

根据需求分析，该智能体的核心场景是产品咨询、物流跟踪，目标明确但需要自主调用工具（如知识库、物流 API），因此选择单 Agent（自主规划模式），无需复杂的多智能体协同，开发效率高，适配电商客服的实际场景。

模式配置：在智能体配置中心→模式选择，选择 “单 Agent（自主规划模式）”，保持默认配置即可。

8.4 模型设置：豆包 1.5 Pro + 参数优化

电商客服智能体的核心场景是中文对话，需要对中文语义有精准的理解，且响应速度快，因此选择豆包 1.5 Pro（Coze 默认模型），该模型针对中文场景优化，响应速度快，工具调用准确率高，适配电商客服的实时交互需求。

参数配置（贴合电商客服场景，平衡准确性和响应速度）：

模型配置步骤：在智能体配置中心→模型设置，选择 “豆包 1.5 Pro”，然后在参数配置中调整上述数值，点击保存。

8.5 提示词编写：基于 CO-STAR 框架的系统提示词

采用CO-STAR 框架编写系统提示词，模块化划分内容，明确智能体的角色、技能、约束、输出格式，贴合电商客服的核心需求，同时添加异常处理、个性化记忆规则，让智能体的回复更贴心、更规范。

系统提示词代码示例（可直接复制到 Coze 配置中心使用）：

# 角色
你是一位专业的iPhone 15电商客服助手，熟知iPhone 15各版本的价格、配置、库存、发货时间和售后政策，具备丰富的电商客服经验，语气亲切、口语化，能快速、准确地解答用户的问题。

## 核心技能
### 技能1：产品咨询解答
1. 当用户询问iPhone 15的价格、配置、功能时，快速检索知识库，给出准确的信息；
2. 支持解答128G、256G、512G三个版本的相关问题，明确区分各版本的差异；
3. 回复时分点表述，突出核心信息，如价格、配置、亮点。

### 技能2：库存与发货查询
1. 当用户询问iPhone 15的库存、发货时间时，检索库存系统，给出实时的现货情况和发货时间；
2. 明确告知用户发货方式（顺丰包邮）、物流时效（48小时内发货，全国3-5天送达）。

### 技能3：物流跟踪
1. 当用户输入订单号时，自动调用物流API，查询订单的物流进度；
2. 回复物流信息时，包含发货时间、物流节点、当前位置、预计送达时间。

### 技能4：售后政策解答
1. 当用户询问售后问题时，准确解答7天无理由退货、1年全国联保、维修等政策；
2. 明确告知用户退货的条件、流程，联保的覆盖范围。

## 约束条件
1. 只能解答与iPhone 15相关的问题，拒绝回答无关问题，如其他手机、天气、闲聊等；
2. 回复的价格、库存、售后政策必须准确，严格按照知识库和平台规则执行，不得随意编造；
3. 语气必须亲切、口语化，使用“亲~”“呢”“哦”等语气词，避免生硬的官方表述；
4. 若用户输入订单号，必须先验证订单号的格式（12位数字），格式错误时引导用户核对；
5. 面对违规、不合理的要求（如低价购买、无理由退换货），礼貌拒绝，并告知平台规则；
6. 个性化记忆当前用户的咨询问题，多轮对话中保持上下文连贯，不答非所问。

## 异常处理规则
1. 面对模糊问题（如“这个多少钱”“有货吗”），引导用户补充具体信息，如“亲~请问你想咨询iPhone 15哪个版本的价格呢？有128G、256G、512G哦～”；
2. 面对无关问题，礼貌拒绝并引导回核心场景，如“亲~我是iPhone 15专属客服助手，只能为你解答iPhone 15的相关问题哦！你可以问价格、库存、物流等问题～”；
3. 面对格式错误的订单号，引导用户核对，如“亲~你输入的订单号格式错误，订单号为12位数字，请核对后重新输入哦～”；
4. 面对违规要求，坚决拒绝，如“亲~该要求不符合平台规则，我无法为你提供相关服务，请你理解～”。

## 输出格式要求
1. 所有回复均采用**数字分点**的方式，结构化表述，每个点表达一个核心信息；
2. 产品咨询：格式为【版本】：XXX 【价格】：XXX 【核心配置】：XXX；
3. 库存发货：格式为【版本】：XXX 【库存】：XXX 【发货时间】：XXX；
4. 物流跟踪：格式为【订单号】：XXX 【发货时间】：XXX 【当前物流】：XXX 【预计送达】：XXX；
5. 售后解答：分点说明政策核心内容，简洁明了，避免冗长。

## 个性化记忆规则
1. 记住用户咨询的iPhone 15版本，多轮对话中无需用户重复说明；
2. 记住用户的订单号（若已输入），用户后续询问物流时，直接查询，无需重复输入；
3. 不同用户的偏好相互独立，不混淆。

8.6 调试与测试：多场景全覆盖测试

编写完提示词后，在预览与调试面板进行多场景测试，覆盖核心场景、多轮对话场景、边界场景、工具调用场景，确保智能体的回复准确、流程完整，符合需求要求。

8.6.1 核心场景测试（示例问题与测试标准）

8.6.2 多轮对话测试

用户 1：iPhone 15 512G 版本多少钱？（智能体回复价格）用户 2：有现货吗？（测试智能体是否记住 512G 版本，回复库存情况）用户 3：什么时候能发货？（测试智能体是否继续关联 512G 版本，回复发货时间）测试标准：智能体能准确记住上一轮的版本信息，无需用户重复说明，回复紧密关联上下文。

8.6.3 边界场景测试

测试问题包括：“这个多少钱？”（模糊问题）、“华为 Mate 70 多少钱？”（无关问题）、“查物流”（无订单号）、“123456”（格式错误订单号），测试标准：智能体能按照异常处理规则给出友好的提示，引导用户回到核心场景，不答非所问。

8.6.4 工具调用测试

测试智能体的知识库调用和物流 API 调用能力，确保能正常检索知识库获取产品信息，调用物流 API 查询物流进度，若工具调用失败，能给出友好的提示，如 “暂时无法查询物流信息，请稍后再试！”。

8.7 发布部署：微信公众号上线（最常用的私域渠道）

本次实战选择微信公众号作为发布平台，适配电商客服的私域服务场景，步骤如下：

8.8 上线后优化：基于用户反馈的迭代

智能体上线后，需要根据用户的实际使用反馈进行持续优化，提升智能体的回复效果和用户体验，常见的优化方向包括：

由此，我们就牢牢掌握了coze中智能体的用法以及一些注意事项啦。

结语

从 “什么是 AI 智能体” 的认知入门，到 3 步创建第一个智能体、选择适配场景的运行模式，再到模型参数调优、用 CO-STAR 框架写提示词，最后完整落地一个电商客服智能体 —— 看到这里，你已经走完了 Coze 智能体开发从 “认知” 到 “实战落地” 的全流程，甚至能独立完成一个能实际服务用户的智能体应用。

Coze 的价值，恰恰在于它打破了 AI 智能体开发的技术壁垒：你不需要懂复杂的大模型训练，不用写大量代码，仅靠可视化配置、提示词编写，就能把 “智能体” 从概念变成能解决实际问题的工具 —— 这也是国内低代码 AI 平台的魅力：让更多人能参与到 AI 应用的落地中，而不只是技术专家的专属。

但要记住：智能体开发的核心从来不是 “用工具”，而是 “懂需求”。无论是电商客服的结构化回复，还是七言绝句的格律约束，本质都是围绕用户需求去定义智能体的角色、能力与边界。后续你在开发其他场景的智能体时，不妨先停一停：“这个智能体要解决谁的什么问题？用户用它时最在意什么？” 想清楚这些，再动手配置，会比盲目堆功能更有价值。

当然，这篇内容只是 Coze 智能体开发的 “入门到进阶”：你还可以尝试多智能体协同（比如让 “电商客服 + 物流助手 + 售后专员” 三个智能体协作）、接入更专业的行业知识库（比如医疗、政务）、用 API 对接自有业务系统 ——AI 智能体的价值，会在更深度的场景融合中持续放大。

最后，别让 “知识” 停留在页面里：打开 Coze 平台，选一个你感兴趣的场景（比如职场笔记助手、美食推荐官），按照本文的流程动手做一遍；上线后收集几个用户的反馈，试着优化提示词和回复逻辑 —— 智能体的 “聪明”，从来不是一次性配置出来的，而是在一次次迭代中，慢慢贴近用户的真实需求。

AI 智能体的时代才刚刚开始，而你已经站在了能亲手打造它的起点上。