引言Coze 平台（https://）是一个创新的 AI 对话工具，专为创作者和开发者设计，旨在推动人工智能领域的边界。在这一部分，我们将概述 Coze 平台的核心理念，强调其在快速发展的 AI 时代的重要性。Coze 的独特之处在于其工作流功能，使用户能够以模块化、可视化的方式构建复杂的任务流程，从而高效完成插件调用、多步骤任务和数据处理等需求。 Coze 工作流概述工作流是 Coze 平台的核心概念之一，它通过可视化界面串联各模块，为用户提供直观的任务管理体验。这部分内容将详细介绍工作流的定义、特点以及实际应用场景。具体而言：
通过工作流，我们可以将复杂的任务拆解为多个可管理的部分，从而提高开发效率和系统的可维护性。  创建工作流一般建议就简单一些，直接在bot里面新建工作流   以前图像流是独立的，所以我们加了wf前缀，主要是方便后续查找  如果发现自己创建的工作流不见了，可以在首页这里找工作空间-资源库-工作流  Coze工作流的基本操作添加节点通过底部“添加节点”按钮  通过输出节点拖动  节点的数据流动 通过连线，让信息在不同节点之间流动，可以理解为在不同节点之间加工数据，加工信息，每个节点左边输入，右边输出。 节点的排版节点多了以后，需要有一个比较合理的布局和排版，系统提供了自动布局的功能。 布局前  布局后  放大缩小等 试运行试运行方便调试工作流本身的状态，方便我们检查输入输出是否正确，发布之前系统会要求我们试运行，确保运行正常。 运行成功以后，每个节点下方都会有一个信息，用来展示输入和输出，比如 方便我们定位问题，每个节点右上角有个 ▶️，可以点击单独测试 发布发布成功的工作流才能被添加到智能体里面 学习的时候，为了方便创建工作流，可以点击发布旁边的按钮，创建副本 添加到bot里面如何让bot一直调用工作流传统上调用工作流有一定的失败几率，简单来说，我们希望这个用户输入要调用工作流来实现，但是它可能没有调用。现在系统升级以后，可以简单粗暴让它一直调用工作流，比如： Coze 工作流节点详解在 Coze 的工作流中，节点是构成工作流的基本单元。每个节点代表一个特定的功能或操作。下面，我们来详细了解各类节点的功能和配置方法。 开始节点：定义工作流的输入参数，是工作流的起点。 结束节点：设置工作流的输出内容，是工作流的终点。 节点命名建议，含义在前，类型不加也可以。比如一个大语言模型节点，目的是为了方便选择的是看的清，同类节点不会选错。 插件通过插件扩展大语言模型本身的限制。用于调用外部插件，实现特定功能。例如，可以使用插件节点抓取网页内容。
即使官方插件也会有不稳定的情况，需要自己去尝试，找到适合当前场景的插件。 大模型节点利用大语言模型生成文本内容。我们可以在节点中选择所用的大语言模型，设置生成内容的随机度（Temperature），并编写提示词。在提示词中，支持使用 {{variable}} 引用输入参数。 系统提示词和用户提示词，大部分情况下差异不大，可以考虑把完整的逻辑放在系统提示词里面，变量相关的内容放在用户提示词里面。 提示词本身也可以不用自己写，通过coze来写 如何使用变量？系统做了一个设定，变量用 {{}}来包裹，这里的变量就是前面输入的内容，如果变量名正确，会显示成 蓝色 没有特别原因，可以就直接采用系统自动生成的内容，输出变量默认是一个，等会会展示一个稍微复杂点的输出样例 代码节点通过 IDE 编写 Python 或 JavaScript 脚本，处理输入参数并返回输出值。代码节点支持 JavaScript 和 Python 运行时。我们可以在节点内的代码区域单击“在 IDE 中编辑”，通过 IDE 编辑和调试代码。 尽量使用javascript，尽量让AI去写。原则上能不写就不写，如果不熟悉，容易增加不必要的麻烦 选择器节点每增加一个条件，右边就会多出一个点，点中拖到对应的下一级节点。 这是一个 if-else 节点，用于设计工作流内的分支流程。当向该节点输入参数时，节点会判断是否符合“如果”区域的条件，符合则执行“如果”对应的工作流分支，否则执行“否则”对应的工作流分支。 意图识别有点像if/else，它根据输入的内容决定走下一个环节。从它的输出来看，它的reason是英文的。 可以简单理解为，它是一个简化版的大语言模型节点。为了更精准识别，可以采取的措看起来只有优化选项，让选项更精准，更凝练，实在不行换大语言模型节点。 问答节点问答节点非常好解决了传统智能体交互的困扰，它的应用场景可以是不断打磨内容。 比如我们让智能体设计一张图，但是不满意，希望基于它来修改，这个时候，就可以借助问答节点，配合循环和图像生成来做。 再比如，让智能体不断修改文案，也可以是类似的方案。 变量节点：用于读取或写入 Bot 的变量，方便在工作流中存储和传递数据。变量有2个方向，一个是设置变量，一个是获取变量，变量的名称要从智能体设置。否则会提示没有设置变量。 非常适合在不同工作流之间传递信息。 它内置的变量可以用来获取用户信息，通过经纬度获取城市，从而获取用户所在城市天气等 图像生成根据不同模型，出现的效果也会不同，相同的提示词，出现的效果也会有所不同。另外有些模型需要参考图，有不同的参考方式 传统图像流的大部分功能都已经迁移到插件中 比如抠图功能 画板（海报，解决文字）在画板编辑里面可以设置尺寸，把前面节点的内容都加入进来。 小技巧，文字内容，点击上面的框无法移动，还是要点下面黑色字体那个才可以 可以自动以画报大小，手工填写即可 循环节点二师兄: Coze工作流中循环节点的基础与进阶用法——重复重复再重复 数据库和知识库敬请期待 实际案例演示创建一个天气预报穿衣搭配运行效果流程图主流程，本来计划是增加一个获取用户当前位置的设置，但是失败了，暂时先只用输入的。 子流程 关键节点配置文本处理（处理天气组件的数据）天气：{{String1[0].condition}}, 最高温：{{String1[0].temp_high}},最低温：{{String1[0].temp_low}},风向：{{String1[0].wind_dir_day}},风力:{{String1[0].wind_level_day}},湿度:{{String1[0].humidity}}大模型-建议（根据天气给出穿搭建议）大模型（为了生成男性女性穿搭配图）# 角色 你是一位专业的时尚穿搭顾问，能够根据不同天气为男性和女性提供合适且时尚的穿衣建议，并以图形提示词的形式呈现。 ## 技能 ### 技能1：为男性提供穿衣建议及图形提示词1. 当收到天气信息后，分析天气特点，如温度、湿度、是否有雨等。2. 根据天气特点，为男性提供具体的穿衣搭配建议，包括上衣、裤子、鞋子等。3. 同时，给出对应穿搭的图形提示词，放在变量`male_graphic_prompt`中。===回复示例===- 👨 男性穿搭建议：- 上衣：<具体上衣款式>- 裤子：<具体裤子款式>- 鞋子：<具体鞋子款式>- 配饰：<可适当添加配饰建议>- 🎨 male_graphic_prompt：<图形提示词，如“简约商务风男装，白色衬衫搭配黑色西裤和皮鞋”>===示例结束===### 技能2：为女性提供穿衣建议及图形提示词1. 同样根据天气信息分析特点。2. 为女性提供时尚的穿衣搭配建议，涵盖上衣、下装、鞋子和配饰。3. 给出对应穿搭的图形提示词，放在变量`female_graphic_prompt`中。===回复示例===- 👩 女性穿搭建议：- 上衣：<具体上衣款式>- 下装：<具体下装款式>- 鞋子：<具体鞋子款式>- 配饰：<可适当添加配饰建议>- 🎨 female_graphic_prompt：<图形提示词，如“甜美少女风女装，粉色连衣裙搭配白色帆布鞋和蝴蝶结发饰”>===示例结束===## 限制：- 只提供与穿衣建议相关的内容，不回答无关问题。- 输出内容必须按照给定格式组织，不得偏离。背景-大模型（为了生成背景图的提示词）画板创建一个网页内容摘要生成器需求分析用户输入一个 URL，系统抓取该网页的内容，并生成摘要。 工作流设计1. 插件节点： 使用插件抓取网页内容。 2. 大模型节点： 利用大语言模型生成内容摘要。 3. 消息节点： 将生成的摘要发送给用户。 根据用户选择提供不同服务需求分析：用户选择查询天气或新闻，系统根据用户选择提供相应的信息。 工作流设计：1. 开始节点： 接收用户的选择，查询天气或新闻。 2. 选择器节点： 根据用户选择，进入不同的分支。 - **查询天气分支：** - 插件节点： 调用天气查询插件，获取当前天气信息。 - **查询新闻分支：** - 插件节点： 调用新闻查询插件，获取最新新闻。 3. 结束节点： 输出查询结果给用户。 扩展阅读AI Agent结构（LLWeng）这个图是去年OpenAI的LLWeng提出来的关于AI Agent架构的设计，可以帮大家理解为什么coze和dify等平台为什么会设计成这样 短期记忆（Short-term Memory）与长期记忆（Long-term Memory）
工具（Tools）
规划（Planning）
行动（Action）
反思（Reflection）
自我批评（Self-critics）
思维链（Chain of Thoughts）
子目标分解（Subgoal Decomposition）
为什么需要工作流
案例：在线旅游预订助手
案例：客户服务咨询
案例：实时股票查询
案例：个性化新闻推送
通过以上案例，可以看出 Coze 工作流在处理复杂任务、上下文管理、动态数据处理和个性化服务方面，显著提升了 Chatbot 的能力，克服了传统 Chatbot 的局限性。 |
|
|
