Coze工作流实战:快速搭建网站的智能客服助手

前言

随着AI技术的不断发展,智能客服助手已经成为了许多企业的重要工具。特别是电商网站,基本都有自己的智能客服,可以7*24的实时解答用户的问题。

那么,如何搭建一个智能客服助手呢?

这种本质上也是利用大模型+知识库来实现的。

今天,我们就来介绍一下如何使用Coze工作流快速搭建一个智能客服助手,并集成到网站。

欢迎点赞、收藏、关注。

智能客服助手效果

工作流程展示

操作步骤

一 新建知识库

首先登录扣子官网,点击右上角登录,使用任意一种方式登录扣子平台。登录后的界面如下:

然后点击左侧边栏中的工作空间,然后在个人空间中点击资源库,最后再点击右上角的+资源新建一个知识库。

创建知识库后,此时知识库里面什么都没有。

我们往里面新增内容。

然后在添加URL界面中选择添加方式为添加单个,更新频率为不自动更新,然后输入网址URL,最后点击确认按钮即可将一条数据加入知识库中。

这里随便填写一篇自己的博客文章链接,自动转成知识库。

www.52interview.com/solutions/7...

点击右下角下一步,选择自动分段与清洗,然后点击右下角下一步,

至此完成了知识库的搭建。

二 创建工作流

除了开始和结束节点,该工作流一共需要再创建5个节点,分别是意图识别节点、知识库检索节点、总结大模型节点、相关问题的输出节点和非相关问题输出节点。

1、创建工作流

登录扣子(coze)平台:www.coze.cn/studio

  • 选择"开发平台"->"快速开始"
  • 在左侧选择"+",选择"创建应用",给应用起一个名称,并选择"确认"
  • 在左侧资源库页面右上角单击 +资源,并选择工作流。
  • 设置工作流的名称与描述,并单击确认。

如果没有账户,可以先注册一个,coze空间已经全面开开放,免费使用。

2、开始节点

开始节点,作为入口。

设置两个变量,一个是"input",都是字符串类型(String)。

  • input:用户输入的问题或关键词

这里要求必填

3、意图识别节点

该节点是coze官方提供的插件。

意图识别节点 能够让智能体识别用户输入的意图,并将不同的意图流转至工作流不同的分支处理,提高用户体验,增强智能体的落地效果。详情查看:www.coze.cn/open/docs/g...

这里选择"极速模式",节点的输出参数,可作为变量被后续节点引用。

输出参数固定为 classificationId,即每个意图的 ID。

根据意图匹配中配置的意图,从上到下依次排序,第一个意图的 ID 为 1。

若未命中已配置的任何意图,则 ID 为 0,执行其他分支。

4、知识库检索节点

单击知识库检索节点,配置输入下方Query变量参数值为意图识别节点的输出output,然后点击知识库右侧的+按钮,在弹出的选择知识库页面中添加刚刚创建的知识库。

5、总结大模型

单击大模型节点,在右侧可以设置该节点相关信息,首先改名成"总结大模型",然后选择处理方式为单次,模型选择Deep-Seek-R3,输入共两个变量,第一个参数input的变量值为开始节点的input,第二个参数resp的变量值为知识库检索节点的outputList,然后设置用户提示词如下:

css 复制代码
用户咨询{{input}},知识库匹配结果是{{resp}},你需要根据你的技能给他回复:
- 如果{{resp}}不为空,则总结一下知识库的召回内容,给出回复。

6、相关问题输出

7、非相关问题输出

8、结束节点

至此工作流搭建完毕。

9、调试

接下来,选择"试运行",运行后,查看结果。

三 创建智能体

点击左侧边栏中的工作空间,然后在个人空间中点击项目开发,最后再点击右上角的+创建新建一个智能体

进入智能体界面,在左侧人设与回复逻辑中输入:

bash 复制代码
# 角色:
你是一个精准高效的客服智能体,专注回答用户的问题。

配置工作流、开场白、预置问题。

最后,预览调试。

由于知识库内容较少,该智能体只能回复较为简单的内容,如果想要更全面的回复,需要进一步完善知识库。

四 发布智能体

安装并使用 Chat SDK

自己开发的网站中快速添加一个 AI 应用,为网站集成智能对话服务。

具体操作请参考:
www.coze.cn/open/docs/d...

五 集成到网站

你可以直接在页面中通过 script 标签的形式加载 Chat SDK 的 js 代码,将复制好的安装代码粘贴到网页的 区域中即可。

php 复制代码
<script src="https://lf-cdn.coze.cn/obj/unpkg/flow-platform/chat-app-sdk/1.2.0-beta.10/libs/cn/index.js"></script>
<script>
  new CozeWebSDK.WebChatClient({
    config: {
      bot_id: '7534738641688592436',
    },
    componentProps: {
      title: 'Coze',
    },
    auth: {
      type: 'token',
      token: 'pat_********',
      onRefreshToken: function () {
        return 'pat_********'
      }
    }
  });
</script>

token:换成自己的即可。

访问网站看看效果:

结语

智能客服助手的搭建其实有很多方式,比如使用fastgpt、dify这样的智能体平台也是可以的,

但是选择coze是一个相对零门槛、低成本、上手快的方案。

如果您也有想在产品网站或者播博客站点中集成智能客服的想法,赶紧行动起来吧!

AI工作流适用于解决一些复杂问题。

这对于不会写程序的人来说,是一个可以落地的工具。

2025年,很多企业已经开始推送AI的落地应用,比如构建智能体,构建AI应用等。

当然,AI工作流还有很长的路要走,但已经可以解决很多问题了。

相关推荐
元Y亨H1 小时前
LangChain API 调用语言模型
langchain·llm
元Y亨H1 小时前
大模型技术 LangChain 概述
langchain·llm
元Y亨H1 小时前
大模型技术 提示词模板 概述
langchain·llm
元Y亨H7 小时前
大模型技术 模型调用结果解析 概述
google·langchain·llm
元Y亨H7 小时前
大模型技术 Ollama 概述
llm·ollama
chaors7 小时前
DeepResearchSystem 0x06:LLM as Judge
llm·agent·ai编程
武子康11 小时前
GPT-5.6 Luna 降价 80%:Agent 真正该重算的是单次成功成本
人工智能·chatgpt·llm
陈随易11 小时前
MoonBit抓包模块pcap,查看电脑的每一次联网通信
前端·后端·程序员
BigTopOne16 小时前
C++ 返回值,失效的问题;
程序员
Michaelliu_dev17 小时前
多模态大模型推理流程解析
人工智能·llm·多模态大模型·vit·llava·rope·mllm