开源版 Coze： 创建工作流（Workflow）

一、什么是 Coze 工作流（Workflow）？

在开源版 Coze 中，工作流（Workflow） 是一个可视化编排引擎，允许你将多个 AI 步骤、条件判断、外部工具调用组合成自动化流程。

✅ 支持的节点类型（截至 v1.2.0）

节点	功能	是否可用
Start	流程入口，定义输入参数	✅
LLM	调用大模型生成文本	✅
Plugin	调用自定义 HTTP 插件	✅
HTTP Request	直接发起 HTTP 请求（无需预注册插件）	✅
Condition	条件分支（if/else）	✅
User Input	暂停流程，等待用户输入	✅
End	流程出口，返回结果	✅

❌ 不支持：循环（Loop）、定时触发、数据库读写、文件上传等高级节点。

---

二、工作流 vs 普通 Bot 的区别

特性	普通 Bot	工作流
交互方式	单轮/多轮对话	固定流程，可暂停等待
控制逻辑	仅靠提示词	可视化条件分支
外部集成	仅插件	插件 + 原生 HTTP 请求
复用性	绑定单个 Bot	可被多个 Bot 调用
适用场景	简单问答	多步骤自动化任务

💡 典型用例：

• 内容生成 → 审核 → 发布
• 用户提交需求 → 调用 API → 生成报告
• 故障诊断：收集信息 → 分析 → 给出建议

---

三、创建第一个工作流：天气+穿搭建议

我们将创建一个简单工作流：
输入城市 → 获取天气 → 生成穿搭建议

步骤 1：准备外部服务（模拟天气 API）

创建 weather_mock.py：

from flask import Flask, jsonify, request

app = Flask(__name__)

@app.route('/api/weather')
def get_weather():
    city = request.args.get('city', '北京')
    # 模拟返回
    return jsonify({
        "city": city,
        "temperature": 5,
        "condition": "多云",
        "suggestion": "建议穿厚外套"
    })

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5001)

启动服务：

python weather_mock.py

🌐 确保 Coze 容器可访问该服务（如 http://host.docker.internal:5001/api/weather）

---

步骤 2：进入工作流编辑器

1. 登录 Coze Web 界面（http://localhost:8888）
2. 左侧菜单 → "工作流"
3. 点击 "+ 新建工作流"
4. 名称：天气穿搭助手
5. 点击 "确定"

---

步骤 3：编排节点

节点 1：Start（开始）

• 输入参数 ：{"city": "string"}
  （用户需提供城市名）

节点 2：HTTP Request（获取天气）

• 方法：GET
• URL ：http://host.docker.internal:5001/api/weather?city={``{start.city}}
• 变量名 ：weather_data ✅ 支持使用 {``{start.city}} 引用上游输出

节点 3：LLM（生成穿搭建议）

• 模型 ：选择已配置的模型（如 qwen）

• 提示词 ：

  你是一个时尚顾问。根据以下天气信息，给出详细的今日穿搭建议：
  城市：{{weather_data.city}}
  温度：{{weather_data.temperature}}°C
  天气：{{weather_data.condition}}
  
  要求：语言亲切，包含上衣、下装、鞋帽建议，不超过150字。

• 输出变量名 ：outfit_advice

节点 4：End（结束）

• 返回内容 ：

  {
    "city": "{{weather_data.city}}",
    "advice": "{{outfit_advice}}"
  }

🔗 连接方式：拖拽节点间的连线，按顺序连接 Start → HTTP → LLM → End

---

步骤 4：保存并测试

1. 点击右上角 "保存"

2. 点击 "测试" 按钮

3. 在弹窗中输入：

   {"city": "上海"}

4. 点击 "运行"

预期输出：

{
  "city": "上海",
  "advice": "今天上海5°C，多云，建议穿保暖内衣+毛衣+厚外套，搭配牛仔裤和运动鞋，记得戴围巾哦！"
}

---

四、在智能体（Bot）中调用工作流

1. 进入 "Bot 列表"，新建或编辑一个 Bot
2. 在 "工作流" 标签页，点击 "添加工作流"
3. 选择 天气穿搭助手
4. 在 "人设与回复逻辑" 中写：

当用户询问天气或穿搭时，请调用"天气穿搭助手"工作流。
先询问用户所在城市，然后执行工作流，并将结果自然地呈现给用户。

5. 发布 Bot

💬 用户交互示例 ：

用户："今天穿什么？"

Bot："请问您在哪个城市？"

用户："广州"

Bot（自动调用工作流）→ 返回穿搭建议

---

五、高级技巧：使用 User Input 实现人工审核

假设你想在发布前让用户确认内容：

1. 在工作流末尾添加 User Input 节点
   • 提示语："请审核以下内容，回复【通过】或【修改：...】"
   • 输入变量名：user_feedback
2. 添加 Condition 节点
   • 条件表达式："通过" in user_feedback
   • True 分支 → End（发布）
   • False 分支 → LLM（根据反馈修改内容）→ 再次 User Input（形成循环）

⚠️ 注意：Coze 不支持无限循环，但可通过多次"User Input + Condition"模拟有限次修改。

---

六、关键限制与注意事项

1. 无定时触发

   工作流必须由用户消息或 Bot 主动调用，不能自动每日执行。

2. 变量作用域

   所有变量通过 {``{node_name.output_field}} 引用，大小写敏感。

3. HTTP 超时

   默认超时 10 秒，长任务需优化外部服务。

4. 错误处理弱

   若 HTTP 返回非 2xx，工作流会中断并报错，无法捕获异常。

5. 调试困难

   无中间变量日志查看功能，建议在 LLM 节点中打印关键数据用于调试。

---

七、最佳实践建议

• 模块化设计：将通用逻辑（如"获取热点"）封装为独立工作流，供多个 Bot 复用
• 输入校验：在 Start 节点后加 LLM 节点清洗用户输入
• 安全隔离：外部服务不要暴露敏感接口，Coze 插件无认证机制
• 性能优化：避免在工作流中串行调用多个慢速 API

---

八、总结

开源版 Coze 的工作流功能虽处于早期阶段，但已能支撑中等复杂度的自动化任务。其优势在于：

• 低代码可视化编排
• 无缝集成 LLM 与外部系统
• 支持人工干预节点

适用于：

• 内容生成与审核流程
• 运维巡检报告生成
• 客户需求自动分析

🔜 未来期待：循环节点、定时触发、数据库连接、更强大的错误处理。

---

附：官方资源

• 工作流文档：https://docs.coze.cn/opensource/workflow
• GitHub 源码（workflow 引擎）：https://github.com/coze-dev/coze-studio/tree/main/backend/workflow
• 节点类型说明：见 Coze Web 界面工作流编辑器右侧面板