AI智能体｜扣子（Coze）搭建工作流小白教程【手把手教会】

什么是工作流？

工作流在 Coze 官方的解释为：工作流是一系列可执行指令的集合，用于实现业务逻辑或完成特定任务。

说人话的意思就是：把 大模型，插件，工具等连接在一起让它们自动帮你完成多步骤的任务。

举个官方视频的例子：总结热点新闻扣子 Coze 教程

正常来说，我们需要进行五个步骤。

1，收集信息→2，筛选重点→3，提取关键内容→4，简介概况→5，整理呈现。

但使用工作流就是把上述这些步骤全连成一条流水线，你只需要一句话，它就能自动完成所有步骤，直接给你成品文件/内容。

为什么要用工作流？

这里可能有人会问，已经有提示词了，而且提示词也能按照一定的流程完成输出，我们为什么还要用工作流？

提示词的局限性

任务复杂受限：

适合单轮简单交互（问答、创意生成），无法处理涉及多步骤、多工具协作的复杂任务。

比如，生成一份行业报告需要：收集数据→分析→生成图表→排版→输出文件，单靠提示词可能漏掉步骤或格式混乱或无法生成图表（生成图表但上下对话出现混乱/不协调）。

结果波动性大：

AI回答依赖模型随机生成，同一提示词可能输出不同结果。

比如生成PPT大纲时，可能第一次回复生成完整的大纲，第二次回复可能遗漏关键信息。

无法夸系统协同：

没办法直接调用API、读写数据库或触发硬件设备，因此它无法形成端到端的业务闭环。

比如，用户退订请求需要查订单，生成挽留话术，发优惠券，纯提示词做不到。

工作流的优势

工作流的系统性：

通过可视化节点串联任务，像流水线一样串联所有步骤，还能智能判断分支，并行处理复杂任务。

比如：合同审核时，金额超过100万自动触发法务审核，低于则直接通过。

工作流的稳定性：

可设置多重校验机制。

比如：AI生成初稿 → 2. 调用合规插件过滤敏感词 → 3. 人工抽检 → 4. 输出终稿 （相当于给AI装了“三道保险”，结果更可靠）

工作流的扩展性：

可整合外部系统（比如接企业ERP、邮件系统、物联网设备等），形成业务闭环。 

比如：电商库存低于10件时，自动触发补货→通知采购→更新库存数据

手把手教你创建工作流

兄弟们，这是入门篇，本文咱学学创建基础的工作流即可，将来咱一步步上难度。

首先，我们登录扣子（Coze）官网（https://www.coze.cn/）

登录后我们首先要点击工作空间，然后点击资源库，在右侧点击资源，然后点击工作流。

点击工作流之后弹出一个创建工作流，根据自己的情况进行填写即可。(注意：工作流名称只允许字母、数字和下划线，并以字母开头)

我们这里举例一个简单的图像生成工作流。

创建成功，进入工作流之后，我们能看到以下这个界面。

分别对内部的东西介绍一下：左上方为编辑工作流的名称与描述，中间为添加各种节点，添加节点右侧为试运行，也就是调试工作流，最后右上角就是发布/查看历史/创建副本了。

对于图像生成，我们这里建立三个变量，分别为：

image_prompt：为图像提示词

title：图像标题

content：图像内容简介

添加三个节点，大模型，图像生成，画板同时将节点进行连接，匹配参数。

根据工作流进行运行调试，关于输入 image_prompt：一只老虎，title：这是老虎，content：一只小老虎

根据生成的结果，我们查看获取的图像。

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “？”“”等问题热议不断。

事实上，

继等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份  分享出来：包括等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份  包括等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​