抄作业式开发Agent工作流,100%的懒人都赞了!

前言

都说2025年是智能体爆发的一年,你是否也想学习智能体开发,但在搭建工作流的时候难住了?

打开开发界面一看:

节点种类好多,我该选用哪一个?

节点输入输出参数看着好复杂,我该怎么配置?

节点之间关系搞不清楚,我该怎么连?

......

虽然开发常规对话式的智能体可能不需要工作流,只填写提示词就行,但这种智能体能完成的工作内容有限。

我们日常工作中需要智能体完成的任务往往比较复杂,仅仅通过对话是不能完成的,这时候就需要制作工作流,然后再把工作流添加到智能体中。

是不是不会搭建 工作流 就没办法开发复杂 智能体

以前是,但现在不是了,现在可以用一种工具先生成一份详细的工作流搭建SOP,我们再以"抄作业"的形式一步一步地去完成工作流开发。

那到底是怎么实现的呢?请继续往下看⬇️👀

神器登场

本章开始将详细说明如何"傻瓜式"地开发工作流,工作流开发使用的是用"扣子"开发平台,还需要用到扣子官方开发文档和扣子空间。

为什么用扣子(coze):

日常工作中若需要创建智能体、工作流等,扣子依旧是国内的首选平台。它起步早,平台功能更完善,相应地基于扣子平台的开发者也很多,这就进一步促进了扣子的迭代发展。

扣子官方提供的开发文档:

很多人估计没注意到还有官方提供的开发文档,它其实就在开发页面的侧边栏,进入扣子开发平台点击"快速开始"后就能看到。

正常情况下认认真真地读完它,你就了解如何开发智能体和工作流了。

但是很多人可能没有耐心去阅读这些枯燥的文档。本质就是"既想会做,又不想花时间学",这是标准的"懒人"心态。那有没有一个工具,可以实现"我告诉它想法,它告诉我如何一步一步创建工作流"?简单来说,就是找"人"来替学嘛!

有吗?还真有!那就是今天的主角"扣子空间"。

什么是"扣子空间"呢?

你可以看看它的自述,也可以看看下面官方的简单介绍。

"扣子空间"不仅有网页版,现已推出手机APP版,不过目前只有Android版本,iOS版本还在开发中。

获取秘籍

如何让扣子空间生成工作流搭建SOP?话不多说,即刻开工!

1、点击扣子空间主页的"快速开始"按钮,就进入了工作页面。

2、将扣子官方的开发文档链接丢给它。告诉它先学习文档,然后再生成具体的工作流开发SOP。

啥?结束了,对!就这两步就完事了。

只需几分钟,一份完整的工作流制作流程就呈现在你面前,怎么样?是不是看着还挺详细的~

小试牛刀

看着"扣子空间"的"作业"完成的还不错,但这份"秘籍"是否有效,我们肯定要验证一下的。

下面就按照"扣子空间"给出的步骤一步一步地来验收它的"作业":

准备工作

【扣子空间提供的操作步骤】:

一、准备工作

1. 登录Coze平台:访问 Coze官网 并登录账号

2. 收藏必要插件:进入 插件商店 ,搜索并收藏以下插件:

• 通义万相(含text_to_image_v1工具,支持3D卡通风格)

• 提示词优化(可选,用于提升生成效果)

【完成情况】:

100%正常完成✅

创建工作流

【扣子空间提供的操作步骤】:

二、创建工作流

1. 新建工作流

• 点击左侧导航栏「工作流」→「创建工作流」

  1. • 填写名称(如"卡通节日海报生成器")和描述

2. 添加核心节点 从底部面板拖拽以下节点至画布:

  1. • 开始节点:接收用户输入参数
  1. • 提示词优化节点(可选):优化节日主题描述
  1. • 文生图节点:调用通义万相插件生成卡通海报
  1. • 条件判断节点:检查图片生成状态
  1. • 成功/失败处理节点:返回结果或错误信息
  1. • 结束节点:输出最终海报链接

1、新建工作流

点击左侧导航栏「工作空间」→「资源库」→「+资源」→「工作流」

填写工作流名称和工作流描述,然后点击"确认"。

注意工作流名称只能是"字母、数字和下划线,并以字母开头",不支持中文;工作流描述允许输入中文。

2、添加核心节点

"开始"和"结束"节点,画布中默认已添加,只需再添加已提前收藏的"提示词优化"和"通义万相-文生图"节点,以及做条件判断用的"选择器"节点、两个作为成功/失败结果输出的"输出"节点即可。

添加完成后,可双击节点的名称,依次为各个节点修改和自己业务相关的名称。

【完成情况】:

100%正常完成✅

配置节点参数

【扣子空间提供的操作步骤】:

三、配置节点参数

1.开始节点配置 添加2个输入参数:


参数名 | 类型 | 说明


festival | String | 节日名称(如"春节"、"圣诞节")


elements | String | 海报元素(如"礼物、圣诞树、雪人")


2.提示词优化节点(可选)

  1. • 输入: "生成{festival}主题卡通海报,包含{elements},风格为3D卡通,色彩鲜艳,节日氛围浓厚"
  1. • 输出:优化后的英文提示词(通义万相支持中文,但英文效果更稳定)

3.文生图节点配置

  1. • 选择插件:通义万相→text_to_image_v1
  1. • 参数配置:

参数 | | 说明


prompt | {{提示词优化节点输出}} | 或直接输入中文提示词


style | 1 | 3D卡通风格(必选)


size | 2 | 1280720分辨率(横版海报)*


n | 1 | 生成1张图片


4.条件判断节点配置

  1. • 判断条件: {{文生图节点输出}}.code == 0 (成功状态码)
  1. • 分支1(成功):连接至"图片生成成功"节点
  1. • 分支2(失败):连接至"图片生成失败"节点

5.结果处理节点

  1. • 成功节点:输出 "海报生成成功:{{文生图节点输出}}.image_urls[0]"
  1. • 失败节点:输出 "生成失败:{{文生图节点输出}}.msg"

这里需要注意,虽然它提供的节点配置说明没问题,但考虑到各节点输入输出有前后承接关系,为便于节点选择输入变量,我们先根据它第4步的说明把节点按顺序连接好后再配置节点参数。

【扣子空间提供的操作步骤】:

四、连接节点与试运行

1.节点连接顺序 开始节点 提示词优化节点 文生图节点 条件判断节点 成功/失败节点 结束节点

1、连接节点

2、配置节点

【完成情况】:

100%正常完成✅

运行调试

【扣子空间提供的操作步骤】:

四、连接节点与试运行

......

2.试运行测试

  1. • 点击右上角「试运行」
  1. • 输入测试参数:
json 复制代码
{
  "festival": "中秋节",
  "elements": "月亮、兔子、月饼、灯笼"
}
  1. • 检查输出结果是否包含有效图片链接

配置完成后点击页面正下方的"试运行",然后在右边窗口输入图片主题参数,最后再点击右下方的"试运行"。

运行无报错,且最终生成了图片链接。

用浏览器输入图片链接打开图片,发现图片风格虽然是卡通的,但和我们输入的主题不太相符。

经过排查发现是"提示词优化"节点的问题。

"提示词优化"节点的"提示词变量"并不能识别"开始"节点的两个变量{festival}和{elements},而只是把它们作为普通文本对待,所以导致输出给"文生图"节点的提示词没有主题信息,只有图片风格信息。

这应该是"提示词优化"节点的一个缺陷,它并不支持在提示词字符串中通过大括号的方式引用其它节点的变量。希望扣子官方能优化这个节点。

如何解决呢?这个有两个解决方案。

【方案一】:

在"开始"节点和"提示词优化"节点之间添加一个"大模型"节点,让"大模型"节点先将"开始"节点的两个变量组合为一条提示词语句,然后"提示词优化"节点再去引用"大模型"节点输出的提示词。

(此方案肯定可行,就不演示了)

【方案二】:

让"提示词优化"节点直接选择"开始"节点的一个变量作为输入。

然后在运行时,直接在"开始"节点的这个变量值中输入完整提示词。

将生成的图片链接在浏览器中打开,现在的图片内容是符合输入的主题要求的。

【完成情况】:

90%正常完成✅

至此,验证结束,除"提示词优化"节点输入参数处理有点不准确外,其它过程都没问题,且试运行无错误。

综合点评

说实话,它这个结果远远超出了我的预期,我原以为开发过程中会遇到很多错误,但结果实在是太惊艳。用这种方式开发智能体,我们的开发难度会降低很多,开发效率也会提升很多。

如今AI技术的发展实在是太快了,你今天掌握的新本领,可能明天就过时了。所以我们日常学习时不能一个人闷着头苦练,一定要找到志同道合的学习搭子,大家一起分享新知识,一起交流新技术,同舟共济,披荆斩棘,这样彼此能力才能得到更快的提升。

相关推荐
大明哥_12 分钟前
100 个 Coze 精品案例:Coze 全自动情感治愈视频混剪。用 Coze 工作流帮您节约 99% 的时间,从此告别手动!!
人工智能·agent
柠檬豆腐脑3 小时前
Trae-Agent 核心执行思路深度解析
llm·agent·trae
半旧5184 小时前
Deepseek搭建智能体&个人知识库
大模型·llm·aigc·agent·知识库·智能体
AI大模型8 小时前
大模型炼丹术(三):从单头到多头,深度解析大语言模型中的注意力机制
程序员·llm·agent
桂成林19 小时前
N8N与Dify:自动化与AI的完美搭配
大模型·agent·ai模型
大模型开发1 天前
Cursor 快速入门指南:从安装到核心功能
llm·agent·cursor
AI大模型1 天前
大模型炼丹术(一):从tokenizer说起,为LLM自回归预训练准备数据集
程序员·llm·agent
这里有鱼汤1 天前
通过AI狂赚苹果26.6%,这套AI金融交易开源Agent彻底火了
后端·agent
大明哥_2 天前
最新 Coze 教程:40+ 条视频涨粉 10W+,利用 Coze 工作流 + 视频组件,一键制作爆款小人国微景动画视频
人工智能·agent