前言
上篇分享 低代码Agent开发框架使用指南（三）---小白5分钟利用Coze轻松构建智能体详细介绍了Coze平台创建AI智能体的三种方式：AI自动构建（零基础用户直接生成）、预制模板构建（复用优化模板快速开发）和标准流程构建（支持自定义提示词、插件和工作流）。其中，标准流程构建在日常使用中最常见。尽管Coze平台的可视化操作相比基于LangChain/LangGraph的代码开发更为简便，但对于初学者而言，在使用标准流程构建时，面对大模型、插件、知识库、数据库、工作流等核心功能中的各类参数配置，仍会感到非常困惑。不过不用担心，该系列剩余文章中笔者将为大家逐一详解这些配置要点。本期我们首先聚焦于Coze大模型与插件的参数设置。
低代码Agent开发相关文章已全部收录于笔者专栏《AI应用工厂：低代码智能体开发使用指南》。本专栏致力于帮助零代码经验的朋友快速上手智能体搭建，学会该技能可以轻松实现如旅游助手、自动文档处理、自动视频生成等实用工具，让大模型技术真正赋能日常生活。
对于有编程基础、喜欢写代码的开发者也可以阅读笔者的LangChain/LangGraph系列教程专栏。该专栏融合了笔者在实战中积累的深度经验，系统讲解如何基于LangChain与LangGraph框架高效开发智能体，并通过众多实战项目助大家快速构建专业级应用。大家感兴趣可以关注笔者掘金账号和系列专栏，更可关注笔者同名微信公众号: 大模型真好玩 , 每期分享涉及的代码均可在公众号私信: LangChain智能体开发获得。
一、Coze大模型相关参数配置指南
大模型是 AI 智能体的核心组件，负责理解用户输入并生成高质量回复。为充分发挥模型能力，Coze 提供了一系列可配置参数，方便用户根据实际场景进行灵活调整。
1.1 模型选择
Coze 集成了多个主流大模型，包括豆包系列、DeepSeek 系列、通义系列等，覆盖从基础问答到复杂推理的多种任务需求。部分模型（如豆包、阶跃星辰等）还具备视觉理解能力，支持图像输入，可适用于更广泛的应用场景。
1.2 模型生成多样性
Coze 提供多种参数用于调节模型生成内容的随机性与多样性，主要包括"生成随机性（Temperature）"与"Top P"两项。（注意: 这两类参数通常不建议同时调整,豆包默认模型仅开放"生成随机性"选项，如需体验 Top P 可切换至通义千问 Max 等模型）。
- 生成随机性（temperature）：控制生成回复的随机性，值越高，生成的回复越多样化。低值适合精确任务，高值适合创意任务。
- Top P：通过累积概率选择生成回复的候选项，确保生成的回复既多样化又合理。Top P 值越高，回复越多样化，但也可能降低回复的相关性。
为便于快速配置，Coze 预设了四种生成模式，分别对应不同的参数组合, 用户在选择不同模式后，生成随机性和top p会自动调整。
| 模式 | 特点 | 适用场景 |
|---|---|---|
| 精准模式 | 严格遵循指令，输出确定性高 | 正式文档、代码生成等准确性要求高的任务 |
| 平衡模式 | 兼顾准确性与创造性 | 日常对话、内容推荐等多数场景 |
| 创意模式 | 强调多样性与新颖想法 | 头脑风暴、故事创作、广告语生成 |
| 自定义模式 | 支持手动调节参数，实现精细化控制 | 特定任务或实验性调优 |
1.3 模型的输入输出设置
Coze 中，用户可以根据具体需求设置大模型的参数，以实现更好的效果。常见的参数设置包括
- 携带上下文轮数：决定模型在生成回复时考虑的对话历史轮数。上下文轮数越多，模型的回复会越具有连贯性，但同时也会消耗更多的计算资源。
- 最大回复长度：设置模型生成回复的最大字数。根据任务需求，可以调整此参数以控制回复的详细程度。例如，在客服场景中，我们可能希望回复简洁明了，而在文学创作中，我们则可能需要更长的文本输出。
- 输出格式：设置模型生成回复的输出格式，如文本、JSON、Markdown 等。不同的输出格式适用于不同的应用场景，用户可以根据需要选择合适的输出格式。
二、Coze大模型人设与回复逻辑
2.1 人设与回复逻辑设置
熟悉大模型使用的开发者一定对"提示词"这个词特别熟悉，笔者的文章 与大模型对话的艺术：提示词工程指南，价值百万！（一）------提示词必备要素与基本技巧也详细介绍过提示词的编写技巧，建议不熟悉的读者可先行阅读。
高质量提示词通常具备清晰的结构，主要包括以下组成部分：
- 上下文： 主要包括给智能体设定角色、任务的相关背景介绍
- 指令： 清晰明确的指令输出和智能体的目标设定
- 输入输出： 带有标记的输入输出，通过示例让大模型可以学习并明确任务类型和相关回答思路
- 特殊定义： 如果有特殊强调的定义一定要给大模型明确说明，避免概念混淆
为方便大家实际应用，笔者总结了一套通用的人设与回复逻辑模板供大家参考使用:
scss
给大模型赋予角色和能力
说明用户的角色和处境
指定大模型回复语言风格（可提供参考范例）
指定输入内容
指定输出格式(可结合示例说明)2.2 实战案例：电商客服智能体配置
为帮助大家更好地理解 Coze 中大模型参数、人设与回复逻辑的设置方法，笔者以一个电商平台智能客服系统为例，展示完整配置流程。
2.2.1 模型选择
这里选择Qwen Max模型，Qwen Max模型性能强大，适合处理较为长和复杂的对话任务。
输入及输出设置
- 携带上下文轮数：设置为 5 轮，确保回复的连贯性。
- 最大回复长度：设置为 4096 tokens，满足常规问答需求。
- 输出格式：选择文本格式，以便直接显示给用户。
生成多样性设置
- 生成随机性：0.7，以在准确性和多样性之间取得平衡。
- Top P：0.9，以增加回复的多样性，但确保回复仍然合理。
- 重复语句惩罚：0.2，减少生成重复内容的可能性。
- 重复主题惩罚：0.2，避免生成过于重复的主题内容。
2.2.2 人设与回复
以下是基于笔者总结模板为电商客服编写的人设配置：
markdown
# 角色: 电商平台智能客服
- 能力: 一个智能客服系统，能够识别用户意图、匹配预定义回复模板、并进行上下文分析，帮助用户解决常见问题和处理订单查询。努力理解用户的问题，并提供准确且有用的答复。
## 背景:
该电商平台希望通过智能客服系统提升客户服务质量和效率。智能客服系统需要能够识别用户的意图，匹配预定义的回复模板，并在对话过程中进行上下文分析，以提供连贯且相关的回复。
## 回复风格:
1. 系统必须遵循平台的服务规范和用户隐私政策。
2. 系统需要及时更新常见问题库和回复模板，以保证信息的准确性。
3. 在无法处理用户问题时，系统应引导用户联系人工客服。
## 示例:
- 用户询问："我的订单状态是什么？"
- 回复："请稍等，我正在查询您的订单状态。您的订单号是[订单号]吗？"
- 用户询问："如何退货？"
- 回复："我们的退货政策是...[退货政策详细信息]。请问您已经填写退货申请表了吗？"通过以上配置，我们构建了一个能够理解用户意图、支持上下文分析、并输出连贯回复的电商客服智能体。合理设置参数与人设逻辑，是实现自然、贴切对话交互的关键。
三、Coze插件相关参数配置指南
插件是扩展大模型能力的关键组件。如果说大模型本身如同一个善于对话的"大脑"，插件则为其配备了执行具体任务的"工具"。通过插件，模型可实现时间查询、网页爬取、数据计算等多样化功能。(插件本质上是基于 Function Calling 机制封装的工具函数。对技术原理感兴趣的读者可参阅《从0到1开发DeepSeek天气助手智能体》一文。Coze 还支持用户自定义插件，满足个性化需求。)
3.1 插件的使用方式
第一种: 在智能体中直接添加
进入在智能体编辑页面，选择插件区域，点击加号图标来手动添加插件。也可以点击右上角的圆圈A按钮，让语言模型自动推荐合适的插件(我们上期文章分享的内容):
第二种：在工作流中调用
在工作流编辑界面添加插件节点，手动配置输入输出参数，该步骤这里不加赘述，笔者会在工作流实战一节中再去讲解。
3.2 插件功能详解
回到智能体编辑界面，具体查看每个添加的插件有哪些交互功能。以"头条搜索"插件进行举例:
第一个图标：详情介绍
点击详情介绍图标可以查看插件功能说明与输入参数。头条搜索插件需传入字符串类型的查询词 q，模型会自动识别用户查询意图并调用该插件获取新闻结果。
第二个图标：复制插件名称
点击复制插件名称按钮会复制插件名称到剪贴板:
第三个图标：绑定消息卡片
点击后绑定消息卡片图标会绑定卡片数据到插件。消息卡片是一种用户友好的结构化信息展示格式，用于在聊天应用中显示结构化信息。以我们上篇文章中NBA新闻助手的智能体举例，没有消息卡片的返回如下：
下面执行绑定消息卡片操作：点击消息卡片图标。选择卡片样式，这里选择官方样式。官方样式包括title标题，content内容还有image图片三部分内容，为卡片内容绑定数据（可以点击第四个图标查看头条搜索返回数据), 返回数据是一个新闻列表。选择列表中第一个新闻的媒体名称，总结和封面进行绑定，再查看返回效果是不是非常直观友好~（具体消息卡片的相关操作笔者会在后续的文章中详细讲解，这里就不展开了。）
第四个图标: 编辑参数
点击编辑参数图标后可以查看和编辑插件参数，点击头条新闻的查看参数按钮，可以看到头条新闻输入参数是一个名为q的字符串，输出参数是名为news的列表，每个列表项包括title，time等等信息。
第五个图标：删除插件
点击后会删除指定插件，这里就不展开了。
3.3 插件使用技巧
为使插件发挥最大作用需要一定的使用技巧，笔者总结的相关最佳实践指南如下:
- 功能专注：每个插件应聚焦单一功能，避免过度复杂。例如，文本格式化插件不应同时处理翻译任务。
- 精简化选择：遵循"少而精"原则，仅添加必要插件。过多插件会增加系统复杂度，可能导致输出不稳定。
- 避免功能重复：不同时使用多个功能相似的插件。例如，若有多个翻译插件，选择其一即可，避免冲突与资源浪费。
以上就是我们本期分享的全部内容啦~
四、总结
本篇分享系统讲解了Coze平台大模型与插件的核心配置方法。在模型配置方面，详细解析了模型选择、生成多样性参数及输入输出设置。在人设配置环节，提出了结构化提示词模板，并通过电商客服案例演示了完整配置流程。插件使用部分，介绍了两种调用方式和五项核心功能，总结了"功能专注、精简化选择、避免重复"三大最佳实践，帮助开发者快速构建功能完善、交互自然的AI智能体。本期分享简单提到了消息卡片，但没有扩展，消息卡片是智能体更加直观和易读方式传达信息的重要途径，下期分享我们来说明Coze消息卡片使用的核心技巧，大家敬请期待~
大家阅读后感兴趣可关注笔者掘金账号和专栏。 低代码Agent开发相关文章已全部收录于笔者专栏《AI应用工厂：低代码智能体开发使用指南》。对于有经验喜欢写代码的开发者也可以阅读笔者的LangChain/LangGraph系列教程专栏，目前已经更完20节并还在持续更新中。该专栏融合了笔者在实战中积累的深度经验，系统讲解如何基于LangChain与LangGraph框架高效开发智能体，助你快速构建专业级应用。大家可关注笔者同名微信公众号: 大模型真好玩 , 每期分享涉及的代码均可在公众号私信: LangChain智能体开发获得。