为什么重写扣子智能体教程
很多朋友大概听过扣子（Coze）这个产品，是字节出品的AI应用开发平台，不需要懂代码，普通人也能创建和发布自己的 AI 智能体。
国内版：www.coze.cn/ 国际版：www.coze.com/
去年底，受朋友邀请，回字节参加公益活动，给大学生讲如何用Coze搭建AI Agent。
PPT和文档地址： xiangyangqiaomu.feishu.cn/wiki/XWIkwi...
时隔几个月，Coze功能和界面发生了不少变化，最近还推出了满血版的Deepseek R1和V3，加上了Function calling工具调用功能。
值得重写个教程。
打算用一个具体案例，讲讲Coze搭建工作流，并用上满血Deepseek R1工具版。
案例：听英语故事学英语智能体
学英语最有效的办法：多听多跟读，把一篇文章或故事读透。
基于这个想法，设计一个智能体实现：
AI自动抓英文短篇故事，合成英文MP3文件，提取文章中CET4以上的词汇，总结一句话剧情，辅助理解和学习。
效果如下：
或长按或扫描二维码体验
创建智能体
- 选创建智能体
- 填写基本资料
名称，简单介绍，点击自动生成图标，创建即可。
智能体组成
Prompt： 描述智能体功能，定义什么时候调用工作流。
模型： 这个智能体用什么模型（选的是Deepseek V3 工具调用）
工作流： 如何响应处理用户的请求
数据库： 存储一些重要数据，这里是存英文故事URL（选用）
最复杂和关键部分是 工作流，安排AI 如何从一个URL地址开始，怎么加工处理各种数据，最终输出什么内容。
工作流搭建
首页 -> 工作空间 -> 资源库 -> 创建工作流
填写工作流名称（英文）和描述（方便AI理解调用，简单清楚）
最终完成版
重点有四步：URL抓取、语音合成、图片生成、LLM加工
URL抓取
点"添加节点"->"插件"，添加一个链接读取插件 把第一步连到这个插件，点开配置，URL选第一步的input
语音合成
点"添加节点"->"插件"，添加一个语音合成插件，推荐搜索"英语文本转语音"，质量高，配置简单。
选个喜欢的声音添加进去。
点开配置，把上一步插件的content作为text输入。
LLM加工
因为我们不仅仅只想要一个音频。
还想让AI输出故事原文，提取重点单词，一句话总结等。
点"添加节点" ->"大模型"，然后点开配置：
注意： 模型选的豆包1.5 pro 256k，感觉上下文空间大些，避免碰到太长的文章。
- input选抓取页面插件的"content"字段，也就是抓到文本内容。
- 重点：用户提示词，一定要记得引用变量，就是{{input}}，这是让LLM处理的内容。Prompt可以很简单，说明提取什么，设为什么变量。
- 输出部分，对应上你设定的变量。
敲黑板：这部分最重要，以后搭建任何工作流，都可能用到这个方法。
图片生成（可选）
全是文本，看起来不生动，而且视觉输入也对加深记忆有好处。
点"添加节点" ->"图像生成"，连接大模型模块，input选大模型对应的一句话故事总结，提示词用{{input}} 变量。
相当于把故事梗概发给图片生成模型，得到一张故事图片。
调用工作流
把做好的工作流发布后，智能体就可以调用了。
回到智能体编排界面：
- 添加一个工作流，选择刚创建好的。
- 写Prompt，告诉智能体什么时候调用工作流。
故事 URL 数据库
工作流有了，调用也有了，故事URL从哪里找呢？
其实，有很多英文短篇故事网，比如 www.fridayflashfiction.com/100-word-st...
虽然能让AI调用插件随时抓取，但感觉存数据库更稳定。
可以用Chrome插件如Link grabber采集。
chromewebstore.google.com/detail/link...
或者让AI编程写工具抓取，以后再单独讲。
创建一个数据库，添加一个URL字段，把采集网址按照xlsx模版，粘贴后上传，导入数据库。
锦上添花，给工作流绑定卡片
智能体已经能运行，但发现返回音频是一个URL，点击跳转到另一个页面播放。
体验不够好。
经研究发现，原来可以把工作流返回的数据，通过设计一个卡片界面输出。
卡片可以调用播放器组件，文本组件，像搭积木一样，做一个GUI的界面，而不再是纯文本回复。
"首页"-"工作空间"-"资源库"-"卡片"
搭建英语故事学习卡片，用上了播放组件，文本组件，图片组件。
卡片设计完，一定要设定变量。 有了变量，才能把工作流输出的数据，显示在卡片上。
以音频为例，创建一个"音频"变量，点击音频组件，找到音频变量绑定。
其他同理
卡片制作发布后，如何绑定智能体和工作流呢？
回到智能体编排界面，鼠标hover在工作流位置，会出现一排icon，点击绑定卡片数据
挨个点选绑定对应的变量：
快捷指令
现代人都很懒，能点选，绝不打字。
所以为了体验，可以给智能体加一些对话框上方的快捷操作按钮。
比如我创建一个"听故事"按钮。
指令内容很简单，为了模拟用户打字内容，调起工作流。
发布智能体
可以选很多发布渠道，比如豆包、飞书等等。
融入推理模型 Deepseek R1 工具版后，感觉对工具的调用变的更准确。
能看到AI推理过程，对写提示词和调试，也变的更轻松。
虽然仍存在一些小问题，但这个演化方向没毛病。
另外，最近一直在研究MCP协议，Raycast工作流。
AI工具的演化方向越来越清晰：
人类用自然语言跟AI对话，AI则用模型推理能力，调用各种外部工具、知识库解决用户问题。
扣子（Coze）添加 Deepseek R1满血版，而且刻意加了工具调用能力，也是往这个方向努力。
非常期待今年AI Agent的大爆发，这样人类就可以变的"更懒"一些