COZE - 2 - 技术栈

什么是工作流？

Coze 工作流是一系列可执行指令的集合，核心功能在于实现业务逻辑或完成特定任务。作为 AI 应用开发的结构化框架，它为应用的数据流动和任务处理提供标准化路径，其设计初衷是解决大模型能力与业务场景落地之间的衔接问题。

工作流并非简单的任务序列，而是结构化的能力整合载体------ 既包含对大模型调用、数据处理、逻辑判断等基础指令的编排，也支持通过可视化界面实现零代码 / 低代码配置，使不同技术背景的开发者均能参与 AI 应用构建。

还是以一个具体的实际例子来感受一下工作流的作用。

生活案例：智能「旅行规划大师」智能体

假设用户向智能体提出了一个复杂需求：

"帮我规划一下下周末从北京出发去西安的三天两夜行程，预算 5000 元，包括机票、酒店和景点推荐。规划好后，直接把行程发到我的邮箱。"

这个任务非常复杂，单一步骤无法完成。它需要：

查询知识库（了解西安景点）。
调用多个插件（查机票、查酒店、查天气）。
操作数据库（保存用户偏好）。
做出逻辑判断（比较价格和时间）。
最终执行动作（发送邮件）。

工作流就是用来定义和执行这一系列步骤的「自动化剧本」。

如果没有工作流会怎样？

智能体可能会尝试一次性回答，但结果会是：

信息过时：它可能推荐不存在的航班或已满房的酒店。
无法执行：它只能给出建议，比如「你可以去某网站查机票」，但无法替你查询。
没有逻辑：它无法根据机票价格和酒店价格的组合来判断是否超预算。
无法持久化：它不会记住你的偏好，下次又要重新问。

有了工作流：分步自动化执行

我们为「旅行规划大师」设计一个工作流。当用户提出复杂旅行需求时，自动触发此工作流。

工作流执行完毕，用户收到一封完整的、个性化的、数据真实的行程计划邮件。

通过这个例子，可以清晰地看到：相比于单一的智能体，工作流更细化分步骤地执行任务，针对比较复杂的任务，采用工作流可以保证整个过程是可控的。

工作流的分类

Coze 提供Workflow 与Chatflow双模式工作流，分别适配不同业务场景需求：

Workflow（工作流） ：面向数据自动化处理场景，通过顺序执行节点链实现特定功能，适用于标准化、批量化任务。
Chatflow（对话流）：基于对话场景的特殊工作流，通过多轮交互动态调整流程逻辑，适用于需要上下文理解的服务场景。

用一个实际生活中的例子可以非常清晰地将它们区分开。

生活案例：智能「餐厅订座助手」智能体

假设您是一家餐厅的老板，制作了一个智能体来处理顾客的订座请求。

场景一：使用【工作流】处理结构化订座请求

目标：高效、自动地完成一个明确的、多步骤的任务（收集信息 → 查询数据库 → 返回结果）。
顾客触发：顾客提出了一个预设的按钮或说了一句有明确意图的话，例如：「我要预订周六晚上的位子，或者查询空座」。
此时：智能体会触发一个工作流。
这个工作流的执行过程：线性的、自动的，像一个快递程序，几乎不需要来回对话。
顾客体验：快速、高效，像在使用一个自动化工具。顾客通过几个点击就完成了预订，得到了一个明确的结果（成功 / 失败）。
本质：工作流是任务导向（Task-Oriented）的，用于处理确定性的、结构化的业务流程。

场景二：使用【对话流】处理开放式咨询

目标：应对用户开放、多变、充满不确定性的自然语言对话。
顾客触发：顾客问了一个开放式问题，或者问题意图不明确，例如：「你们餐厅有什么推荐的？」或者「周末晚上人多吗？」。
此时：不会触发一个严格的工作流，而是进入对话流的逻辑。对话流的核心是意图识别和多轮对话。
这个过程：网状的、灵活的，像一个真正的对话。
顾客体验：自然、灵活，像在和真人服务员聊天。话题可以自由切换，智能体会根据你的上一句话来决定下一步如何回应。
本质：对话流是对话导向（Dialogue-Oriented）的，用于处理不确定的、开放的、多轮的聊天场景。

工作流核心组件

创建工作流

创建工作流是「把功能逻辑自动化的基础步骤」，要遵循「操作改名 → 配置规范 → 初始界面」的流程完成框架搭建。

操作路径：从登录到进入创建界面

配置规范：名称与描述的设置规则

进入创建窗口后，需完成两项核心配置，具体要求如下：

工作流名称

命名约束：仅允许使用字母、数字和下划线，且必须以字母开头，长度建议控制在 64 字符以内。

命名建议：采用直观、功能指向的名称，便于后续管理和识别。例如：

翻译类：super_translator
内容生成类：xiaohongshu_health_content
数据采集类：url_to_feishu_bitable_collect

工作流描述

内容要求：简洁说明工作流的核心功能与应用场景，帮助用户和大语言模型理解其用途。例如：

「输入养生主题，自动生成带知识点和配图的小红书图文」
「根据文章 URL 爬取内容，采集标题、发布者等字段飞入多维表格」

注意事项：描述需确保关联实际功能，避免模糊表述，例如避免使用「处理数据」等泛化描述。

初始界面：默认节点与编辑区域

创建成功后，系统自动生成工作流编辑界面，其核心构成如下：

默认节点：

开始节点：作为工作流的入口，负责接收外部输入信息（如用户指令、API 参数等），类似程序的main函数入口。
结束节点：作为工作流的出口，用于输出最终处理结果（如生成的文本、数据表格等），类似程序的return语句。
这两个节点为工作流的基础骨架，所有业务逻辑在二者之间通过添加中间节点实现。

编辑区域：

左侧面板：提供可添加的节点类型，包括插件、LM、数据库、条件判断等组件，支持拖拽式操作。
中间画布：用于节点的连接与逻辑编排，支持节点位置调整、连接线编辑，可视化呈现流程走向。
右侧面板：用于配置选中节点的参数（如输入输出字段、模型选择、触发条件等）。

节点系统详解

基础节点

基础节点 是构建 Coze 工作流的核心基础单元，作为流程中的处理单元，通过连线构成工作流数据流与任务执行链路；其自上而下的层次结构与节点间的顺序连接（灰色连线）构成了模型实现的基本框架。核心类型包括：开始节点、结束节点、大模型节点、插件节点和工作流节点，各类节点需通过明确的输入（参数 / 变量 / 自定义）与输出端实现协同。

开始节点

功能定位：作为工作流的起点，负责设定启动参数与提取用户输入信息，是流程执行的触发源。其核心作用是将用户对智能体的请求，转变为可被后续节点引用的变量。

配置步骤：支持两种输入参数添加方式：

手动添加 ：逐一定义变量名（如douyin_link）、类型（文本 / 数字等）及是否必选（选参参数缺失时将在流程中中断）；
JSON 导入：通过结构化数据批量定义参数，适用于复杂场景。

结束节点

功能定位 ：是工作流的最终节点，用于返回工作流运行后的结果。结束节点支持两种返回方式：返回变量 和返回文本。

返回变量 ：工作流运行结束后会以 JSON 格式输出所有返回参数，适用于工作流绑定卡片或作为子工作流的场景，并可以自然语言直接复用。返回变量支持配置String、Number、Object等多种类型，返回Object模式下的参数最多支持 3 层嵌套；
返回文本：工作流运行结束后，智能体中的模型将直接使用指定的内容回复对话。回答内容中支持引用输出参数，也可以设置流式输出。

大模型节点

功能定位：集成大语言模型能力处理文本生成任务，支持基于输入内容（如用户问题、外部数据）生成结构化或非结构化输出，是实现自然语言理解与生成的核心节点。

配置大模型节点：需重点设置三项核心内容：

模型选择：支持 GPT-3.5、GPT-4、豆包视觉理解 Pro 等多模型切换；

技能：运行为大模型节点配置技能，调用插件、工作流或知识库，扩展模型能力边界。大模型节点运行时，会根据用户提示词自动调用插件、工作流或知识库，综合各类信息输入后输出回复；

输入：需要添加到提示词中的动态内容。系统提示词和用户提示词中支持引用参数，实现动态调整的效果。添加输入参数时需要设置参数名和变量值，其中变量值支持设置为固定值或引用上游节点的输出参数；

系统提示词 ：模型的系统提示词，用于指定人设和回复风格。支持直接插入提示词库中的提示词模板、插入团队资源库下已创建的提示词，也可以自行编写提示词。编写系统提示词时，可以引用输入参数中的变量。已经添加到系统提示词引用的变量，例如{``{变量名}}表示直接引用节点的变量，{``{变量名.子变量名}}表示引用 JSON 的子变量，{``{变量名[数组索引]}}表示引用数组中的某个元素；

用户提示词：模型的用户提示词是用户在本轮对话中的输入，用于给模型下达最新的指令或问题。用户提示词同样可以引用输入参数中的变量；

输出：输出格式支持设置为：

文本：纯文本格式。此时大模型节点只有一个输出参数，参数值为模型回复的文本内容；
Markdown：Markdown 格式。此时大模型节点只有一个输出参数，参数值为模型回复的文本；
JSON：标准 JSON 格式。你可以直接导入一段 JSON 样例，系统会根据样例格式自动设置输出参数的结构，也可以直接添加多个参数并设置参数类型；

异常处理 ：遇到节点执行超时、运行异常时，工作流会中断。工作流设计时，AD中会重试问题，重试后依然失败，可以手动设置重试次数、选择异常时的处理方式，例如：继续执行流程、中断流程、是否重试、是否跳转至异常分支等。

插件节点

核心功能：插件节点是 Coze 工作流中第三方 API 服务的能力入口，通过连接插件的服务与处理逻辑，扩展机器人的处理能力。其核心作用在于将工具的调用行为，转化为可编排的工作流组件，支持与其他节点（如变量节点、条件节点）的数据交互，构建自动化业务流程。

Coze 插件体系：分为内置插件与自定义插件两类，分别满足不同功能需求：

内置插件：内置插件（如搜索、头条、多模态处理（如 GPT-4V、图文转文字、DALL-E 3 图像生成）、生产力工具（如代码执行器、文档生成、Doc 生成）、自定义语音 / 方言、生活辅助（如天气、时间）、电商信息、生产工具、办公协作等个性化需求；
自定义插件：支持用户自行编写 API，例如：通过配置API Key实现「城市天气查询」或集成「工具」，由ad中包含API实现自动化。

插件节点在本质上是一个外部服务的可调用 API，每一个插件节点都需要预先配置输入参数 与输出参数。

工作流节点

功能定位：在一个工作流中，你可以将另一个工作流作为其中的一个步骤或节点，实现复杂任务的自由拆分。利用工作流节点，对应的操作任务可以处理在不同的子工作流，并在主工作流的不同分支中调用这些子工作流，将小的工作流组合处理为大的工作流，提升工作流的复用性与可维护性。

输入与输出 ：工作流节点的输入和输出参数指定于子工作流，节点的设置为固定值，不用上传节点的输出参数。工作流节点单次运行，对于输入信息只做一次处理。你可以设置此节点使用批量处理模式。

批量处理：工作流节点每次运行都会输入信息信息，只做一次处理。也可以设置此节点使用批量处理，该设置意为：如果输入为数组，则每次运行都会遍历数组，直到处理完成；如果为非数组，则只使用一次。工作流节点不会中断，而工作流运行后会向下游节点。如果此节点引用了工作流的输出内容，则使用此节点预先配置的默认输出内容。

实战案例：以上基础节点的开发一个工作流「新闻一刻」

目标：然后把新闻的标题通过一个大模型扩展一下，输出一个完整的文案。

创建工作流：

登录 Coze → 进入「工作流」→ 点击「创建工作流」→ 填写名称（如litchi_workflow）与描述 → 确认创建；
进入编辑界面，默认生成「开始节点」与「结束节点」。

添加 Lark 插件节点：
插件URL：点击跳转

从左侧面板拖拽「插件」节点 → 选择「获取头条新闻」插件；
配置输入参数：设置category为"tech"（科技类），count为1（单条新闻）；
配置输出参数：提取title（标题）与content（摘要）字段。

添加大模型节点：

拖拽「大模型」节点 → 选择GPT-4模型；
输入配置：引用插件节点输出的title变量；

系统提示词：

bash 复制代码

你是一个新闻编辑，需要将以下新闻标题扩展为一篇完整的新闻短文。
要求：
1.  角色：你是一个新闻编辑，能够用生动的语言撰写新闻；
2.  信息：当用户提供一个新闻标题时，你需要运用自身知识储备和合理的逻辑推理，对标题所涉及的事件进行详细描述；
3.  技能：当提供一个新闻标题时，需要经过、涉及的人或组织等相关信息，使新闻内容更加丰富和详细；
4.  约束：仅围绕用户提供的标题进行信息扩展，不回答与标题无关的问题；输出的新闻内容语言通顺、逻辑连贯。

用户提示词："请将以下新闻标题扩展为一篇完整的短文：{``{title}}"；
输出配置：设置为Markdown格式，输出参数为full_news。

添加结束节点：

引用大模型节点的full_news参数 → 设置为「返回文本」模式 → 完成流程连接。

测试与发布：

点击「测试」→ 输入触发词（如"给我一条科技新闻"）→ 查看输出结果；
测试通过后，点击「发布」→ 选择发布渠道（如智能体、API）→ 完成发布。

业务逻辑节点

业务逻辑节点 是处理工作流中逻辑判断的节点，主要包括：选择节点、意图识别节点、循环节点，用于处理分支逻辑、启动工作流、迭代任务。

选择节点

核心功能 ：支持等于、不等于、包含、不包含等多种判断方式。

多条件组合：可通过「所有条件满足」和「任一条件满足」的逻辑分支；
分支优先级：可通过「调整分支顺序」统领（匹配第一个满足的分支）。

注意事项：

条件中引用的变量需支持String格式；
确保每个分支都有下游节点，否则工作流可能报错。

意图识别节点

核心功能：意图识别节点能够智能识别用户输入的意图，将不同的意图流转至不同的分支处理，以提高用户体验，增强智能体的落地效果。

循环节点

核心功能：循环节点是一种常见的控制机制，用于重复执行一系列任务，直到满足某个条件为止。在工作流中，当需要重复执行一些操作或循环处理一组数据时，可以使用循环节点实现。

核心流程与应用场景：

数组遍历：遍历数组，循环次数等于数组长度；
指定循环次数：按设定次数重复执行子任务；
无限循环：需配合「终止循环」节点结束流程。

核心配置项：

循环变量：引用上游节点输出的数组变量；
中间变量：用于在多次循环中传递数据。

注意事项：

循环体需包含重复执行的节点组合；
循环内节点不可移出循环体外；
无限循环必须设置终止条件，避免死循环；
循环变量需与循环体内节点正确绑定。

批处理节点

核心功能：处理批量数据时，若对多个数据执行相同节点任务，批处理节点的效率更高。适用于大量数据并行处理的场景。

配置原理：批处理节点会遍历输入参数的数组结构，例如上游节点输出的多条数据完成后，或达到指定的次数上限。

批处理设置：

批处理运行次数上限：默认 10 次，最大支持设置为 200 次；
批处理运行数量上限：每一批运行的最大次数，可指定为某个固定值；
批处理次数：引用上游节点次数类型的输出参数。

处理限制：即使未遍历完数组中的每个元素，也会停止运行。开发者需选中批处理节点，通过连线将需要处理的节点添加到批处理中，并使用连线依次将批处理和各个节点顺序连接起来，无需调整批处理体和批处理节点之间的连线。

变量聚合节点

核心功能：工作流变量聚合节点能够将多路分支的输出变量整合为一个，方便下游节点统一配置。

配置方式：

支持按Group分组聚合变量；
可设置聚合后的变量名与变量类型；
适用于多分支流程后的数据统一处理场景。

代码节点

核心功能 ：支持Node.js/JavaScript/Python编写代码，处理数据，覆盖JSON解析、格式转换、复杂计算等场景。通过代码节点可实现低代码开发，我们重点使用Python语言来编写。

注意：代码节点有访问限制，不能访问外部服务，仅限于处理工作流中的数据。

什么是 JSON？

JSON（JavaScript Object Notation）是一种轻量级的数据格式，用于在不同系统之间有序、高效地存储和交换文本信息。

类比：快递单 → 一套计算机化的书籍箱，用所有人都能理解的键值对（如 电话: 13800138000）和列表清晰地组织了信息。发送方和接收方都能毫无歧义地理解里面的内容。

bash 复制代码

{
  "name": "张三",
  "phone": "13800138000",
  "address": {
    "city": "北京市",
    "street": "海淀区xx街道x号"
  },
  "packing_list": "一套计算机专业书籍"
}

我们在计算机中为什么要引入异步编程？

类比：烧水 + 用洗衣机洗衣服

同步方式：水壶上电烧水 → 等待水开 → 把水倒进洗衣机 → 等待衣服洗完 → 总耗时 = 烧水时间 + 洗衣时间（CPU 被浪费在等待上）

异步方式：水壶上电烧水（不用等） → 把衣服放进洗衣机洗（不用等） → 去看书 / 看电视 → 水开 / 洗完后发出「嘀」声通知 → 总耗时 ≈ max (烧水时间，洗衣时间)

核心概念：

你 = CPU（真正干活的人）
烧水 / 洗衣 = I/O 操作（网络请求、读写文件、数据库查询）
「嘀」声 = 事件 / 回调（某个任务完成了）
看书 / 看电视 = CPU 去执行其他任务

Python 异步示例：

python 复制代码

import asyncio

async def my_async_function():
    await asyncio.sleep(1)
    return "Hello, Async!"

async def main():
    result = await my_async_function()
    print(result)  # 输出: Hello, Async!

asyncio.run(main())

实操示例 ：解析JSON数组提取经纬度参数

python 复制代码

async def main(params: Args) -> Output:
    # params["input"] 是一个数组，如 [[纬度1, 经度1], [纬度2, 经度2]]
    ret = []
    for item in params["input"]:
        ret.append({
            "latitude": item[0],  # 数组第一个元素为纬度
            "longitude": item[1]   # 数组第二个元素为经度
        })
    return ret

数据库节点

核心功能：实现工作流与数据库的双向交互，支持完整的数据读写操作。

注意：表单操作限制，所有数据均需基于Coze中创建的table对象。

新增数据节点

功能：向指定数据库表插入一条新数据；
配置：需指定待操作的数据库表、字段名称及字段值，每次执行此节点时自动插入一行数据；
运行效果 ：成功后返回新插入数据的ID。

运行效果：

查询数据节点

功能：从指定数据库表中查询数据；
配置：可指定数据库表、查询字段、查询条件、排序方式和查询上限；
运行效果 ：返回符合条件的数据集，支持JSON格式输出。

运行效果：

更新数据节点

功能：更新指定数据库表中符合条件的数据；
配置：指定数据库表、更新字段及条件；
运行效果：更新所有符合条件的数据行。

运行效果：

删除数据节点

功能：删除指定数据库表中符合条件的数据；
配置：指定数据库表和删除条件；
运行效果：删除所有符合条件的数据行。

运行效果：

知识库节点

核心功能 ：实现Coze工作流与知识库的双向交互，支持知识库的创建、查询、更新等操作，可用于检索业务知识、增强大模型回答准确性。

配置方式：

知识库选择：指定目标知识库；
操作类型：创建 / 查询 / 更新知识库；
检索参数：设置检索关键词、相似度阈值、返回结果数量；
应用场景：智能客服、文档问答、知识推理等。

创建：

运行效果：

检索：

运行效果：

删除：

运行效果：

其他节点

图像生成节点

核心功能：图像生成节点是 Coze 工作流中实现 AIGC 图像生成的核心组件，通过集成第三方插件（如通义万相文生图工具）支持文生图与图生图双模式创作。其中，文生图模式可直接根据文字描述生成图像，图生图模式则能基于参考图进行风格迁移或元素重构，二者共同构成可视化内容自动化生产的基础能力。

在工作流架构中，该节点需接收上游输入参数（如生成数量、描述文本、尺寸规格等），调用插件接口完成图像渲染后，返回包含 image_urls 的结果数据；若生成失败，则输出错误标识（log_id、msg、code）供调试分析。

除了图像生成节点外，还有很多图像生成插件也可以满足用户生成图像的需求。

音视频处理节点

核心功能：音视频处理节点是 Coze 工作流中实现音频、视频素材自动化处理与合成的核心组件，广泛应用于短视频生成、智能配音等场景。

音频处理模块：音频处理是音视频工作流的基础环节，主要包括音频合成与音频时长管理两大功能。音频合成通过语音合成节点实现，支持文本输入与多维度参数配置。音频时长获取则是后续视频剪辑的关键前提，通过提取音频文件的时长信息，可精准控制视频片段的长度匹配，确保音画同步。

视频生成模块 ：视频生成环节涵盖静态素材动态化与多元素整合两大能力。图生视频需完成提示词生成与动态转换两步：首先通过 LLM 节点基于文生图提示词扩展生成图生视频专用提示词，再调用即梦 AI 的 image2video_task_create 插件将静态图片转换为动态视频，同时搭配 image2video_task_query 插件，通过循环机制实时获取生成的视频地址。视频合成则聚焦素材整合，剪映插件节点不仅支持视频剪辑，还能将语音、图片等素材统一整合，实现无需手动操作的自动化合成。

除了音视频处理节点外，还有很多插件也可以满足用户处理音视频的需求。

工作流的发布与使用

工作流发布

工作流只有在发布之后才能被智能体或者应用使用。

使用工作流

工作流发布之后，即可以被智能体正常使用。