一文详解：快速上手 AI Agent，零代码搭建新闻摘要智能体

Coze地址：https://www.coze.cn/

在信息爆炸的时代，如何快速有效地获取关键信息成为了我们日常工作和学习中的一大挑战。

今天，我们将一起探索如何使用Coze零代码搭建一个能够自动抓取并摘要新闻的智能体。

无论是否有编程基础，都能轻松上手！

考虑有些读者没有看过前几篇文章，在这里简要说一便如何创建工作流。

前几篇文章用的都是AI创建，今天演示一下标准创建。

点击创建后，填写智能体名称、功能介绍，并上传智能体图标，如果没有合适的图标，也可以用Coze自带的AI生成功能。

智能体就初步创建好了。

根据智能体的功能，选择AI智能生成智能体的人设和回复逻辑。

写好智能体的提示词后，我们可以选择大模型（LLM），LLM是Bot的“大脑”，负责理解用户意图、生成回复。

LLM中有一些参数可以进行设置，比较重要的是参数生成随机性（Temperature），用于控制生成文本的随机性，取值范围通常是0到1。

豆包已经给了三种设置好的模式，同样也可以灵活地进行自定义。对于新闻摘要，我们希望内容准确且聚焦，因此选择精确模式。

为了让我们的Bot能够获取实时新闻，我们需要集成一个新闻API插件。

根据智能体的功能，可以通过“新闻”、“资讯”等关键字来搜索相关的插件。

此次演示使用官方插件，在上方筛选出可以进行过滤。

添加插件后，可以看插件的配置，此插件只需要配置输入输出参数即可。

插入插件后，一个简单获取新闻内容的智能体就完成了，但是我们想要的是可以总结归纳新闻的智能体，所以需要在智能体中集成工作流。

工作流（Workflow）是实现新闻摘要智能体核心逻辑的地方。

首先创建一个工作流：

新闻摘要Workflow流程大致如下：用户输入新闻主题 → 调用新闻插件获取新闻列表 → LLM对新闻列表进行总结 → 输出汇总摘要结果。

首先设置开始节点的输入参数，即用户对话的内容。

添加获取新闻的插件，参考步骤2：

设置插件的输入输出，输入为开始节点的输出参数，插件输出参数不可修改，可以看到参数名为news的列表：

获取新闻列表后，需要将新闻进行处理，所以添加一个LLM节点，同样需要设置输入输出参数：

LLM节点需要设置系统提示词，即Prompt，可以写入大概得提示词，让AI帮助进行优化：

其中 是一个占位符，表示引用上一个节点传递过来的新闻列表数据。

上述Prompt可以让LLM一次性处理整个新闻列表并生成汇总摘要。

如果新闻数量很多，或者需要对每条新闻应用更复杂的独立逻辑，可能需要更复杂的工作流设计，比如结合“代码节点”来拆分列表，并通过循环或多次调用LLM节点来逐条处理。

但对于本节入门级Agent，直接让LLM处理列表是更简洁的方式。

设置LLM节点的输出参数，并将LLM节点连接至结束节点，将输入输出变量进行关联。

这就是完整的工作流：

试运行，观察工作流的输出是否符合预期：

若不符合预期，则检查工作流是否正确配置，符合预期后发布工作流，即可将工作流集成到智能体中：

智能体创建成功，我们可以对智能体进行调试与测试。

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。

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】