字节Coze平台快速手搓个人Agent

因为一直听说字节的Coze扣子平台做的不错，所以有空来了解了一下，并且也补充了一下Agent方面的知识，因为之前作业也对Agent没什么需求，所以这次也是从零开始。

本文结构是首先介绍一下Agent是什么，然后就是Coze平台的一些介绍和基础教程。

可能很多人第一反应觉得Agent是LLM（大语言模型）的一部分，只不过是更细分领域一点的。比如医疗诊断Agent，似乎就是一个专精于诊断疾病的GPT，你说症状，它给你回答。

但其实Agent才是范围更大的那个，主要的区别在于LLM给你提供信息，但是Agent可以有具体的行动。Agent更像是“一个人”。

Agent结构图（图源网络）

我们就把Agent想象成一个虚拟人，你能干什么，它就能干什么。

比如面对一个做ppt的任务，人在做事的时候，首先要有记忆板块（短期记忆和长期记忆），然后是规划板块（思考每一步骤怎么做），接着就是用工具来辅助我们行动了。

这里面，LLM就像是一个工具。Agent可以通过各种API去调用其他AI工具的功能，从而让自己完成行为。所以Agent是包含了LLM的，更智能的一个东西。Agent也因此翻译为“代理”，替代我们完成任务。

1. 记忆

大语言模型算是Agent的大脑，里面的记忆（短期记忆和长期记忆）就像是现在很多LLM会提供上下文功能，也就是会记住你之前说过的话，而记忆又会影响我们接下来的决策。

比如这个任务之前用方法A完成的不是特别好，那么记住这一点后，下次再遇到这个任务，就可以避免重复使用方法A了。

前面我们说LLM不算Agent，因为它只是提供了文字回答，无法真正帮我们做某件事。但是提供文字规划这个功能，已经足够用来当做Agent的大脑了。它可以指导Agent后续调用什么工具，来怎样完成任务。

2. 技能

不需要我们自己去写代码来实现功能，都是调用现有的API，比如我想要Agent实时检测我选择的股票价格，肯定有现成的网站有这个功能，如果它提供API，我只要让我的Agent调用这个功能的API，就可以了。

所以我们给Agent接入API，就相当于给了它这些工具和技能，从而可以让它能真的完成我们的任务。

查询股市插件

很多时候，我们就把Agent想象成替代版的自己就可以了，如果一个API我们自己调用的时候是免费，那么Agent调用也是免费；如果我们真人使用也要收费，那么Agent调用同样收费。

3. 角色

我们可以把Agent设定成不同的角色，比如写prompt的时候我们经常会写一句，“你现在是一个专业的交互设计师”，但是对于Agent来说，并不是我们写这一句话，它就真的是一个专业的设计师了。

角色prompt

我们需要给Agent提供一个知识库，里面通常是文本信息，比如我直接把AboutFace的文字版作为知识库，那么我的Agent才真的有可能作为一个交互设计师。

4. 业务流程

这一步就需要我们去告诉智能体，任务需要怎样被完成。其实智能体就像是一个有实体、更智能的代码块。它可以读取我们给它的知识库，然后通过API使用各种工具（技能），但是说到底它也只是一个代码块，每个步骤做什么，还是要人工去告诉它的。

就比如我要Agent专门生成小红书热门文案，第一步要Agent去看对标账号的文案，需要的技能是让Agent可以上网，读取目标账号的文案；第二步就是生成相应的文案，这一步技能可以就是GPT；第三步再生成一个配图，需要的技能就是各种AI生图的平台了。

当我们把整个流程都给Agent设定好之后，需要的技能API也都提供给Agent，那么Agent就可以开始“代替”我们自动开展这些步骤了，只要我们输入对标账号的名称，Agent或许就可以返回给我们相似的文案+配图。

Coze平台首页

首先来到扣子Coze平台的首页，有中文版和国际版（魔法），国内版比较方便，国际版的模型可能能力更强一点，但作为初学者，国内版也完全够用了。

你可以来到商店，看看其他人都搭建了怎样的Agent，也可以给我们一些启发，不要把自己的Agent局限在一个专业的GPT概念下。

Agent商店

一个模拟产品经理的Agent

比如里面单人剧本杀Agent，还有模拟产品经理的Agent，都非常有创意，有点类似于一个新形式的互动游戏，当然你也可以把它做的很有实际作用。

公众号配图Agent

比如这篇文章里前面的插图，就是我找了其他人搭建的公众号配图Agent，把我的文字内容发给它，它就可以首先提取我的大纲，然后联想需要什么样的图片，再自动生成生图的prompt，调用SD帮我直接出图。

所以这个过程可以看出Agent的代理功能，它就是一个自动运行的代码块，可以自动执行这些本来需要我们人自己做的流程。

那么以上就是Coze平台第一个特点，可以使用其他人公开的Agent，来帮助我们提高工作效率。商店里也对Agent进行了分类，可以根据需要找不同类别的Agent。

创建Agent

标准创建 or AI创建

首先在首页创建个人的Agent，这里标准创建就是一切都从零开始；AI创建就是你大概描述一下你的Agent需要实现什么功能，后续的工作区就会先帮你配置好大概得框架，你可以在基础上修改。新手推荐使用AI创建。

初始工作区

进入Agent创建的主页面，主要分为三列。左边是类似GPT输入的prompt，用文字描述你想要的效果，不需要代码。中间就是前面提到的Agent的记忆、工具、知识库配置了，技能就是你允许Agent调用的API。

因为以前这些功能插件都是单独开发的，比如A开发一个爬取网页的插件，B开发一个获取用户定位的插件，如果我想要Agent使用这些功能，需要自己去网上搜罗各种公开或付费的API，但是现在平台一般都帮你集成好了上百个这种功能插件，你只需要选择你想用的API就可以了。这样一来也有小公司找到了机会，就是专门去做这些供Agent调用的功能插件。

最右边就是Agent预览和调试了，你可以和Agent对话，看看它的输出是否符合你的要求。

AI创建的Agent工作区

如果是AI创建，可以直接达到这种精度，也就是prompt和插件都帮你选择好，你在这个基础上进行修改，甚至可以直接拿去用。

（1）创建知识库

知识库

上传文件

知识库支持较多格式的文件，通常是文字和图片，甚至连Notion的笔记都可以上传，应该可以作为个人学习助手Agent之类的。

上传文档

文档处理设置

作为知识库上传的文档需要经过一些处理，通常没有特殊需求就保持默认即可，点击确认平台就会开始数据分段之类的，总之这一步不太需要操作。

添加知识库

总之平台完成数据处理后，就可以点击“添加”，作为我们Agent的知识库了。

在工作区可以看见我们上传的文档

关于知识库也顺便提一嘴，你的Agent并不是只能读取知识库里的资料，如果被问到了知识库里没有的东西，它也会上网搜索，只是效果可能没那么好。

（2）添加插件

添加插件

也就是给Agent配备工具和技能，这里也支持AI配置，也就是根据你在工作区左侧一列的prompt设定，自动选择你可能需要的插件。

插件商店

也可以手动挨个选择插件，选择质量更好的插件。添加后，如果想对插件列表进行修改，鼠标hover在插件上面，就可以修改插件具体的参数，或者删除插件了。

（3）对话体验

开场白设置

这一块是比较简单直观的，就是设置你的Agent的开场白、推荐选项、语音等，设置起来也比较简单。

（4）工作流

添加工作流

创建工作流

基础工作流

工作流界面就是我们熟悉的节点式UI了，这里基础会提供一个输入和输出的节点，最基础的把两个连接起来，在输入节点修改变量名称，在结束节点选择你要输出的变量即可。

这样连接起来，功能就是你输入了“ABC”，输出原封不动的把“ABC”再输出给你。

这里只是先跑通一个节点的流程，接下来就是进阶的工作流创建。

添加插件节点

稍微进阶的工作流就是你可以在里面添加各种插件功能，底部也默认提供了一些常见的节点，比如总结输入的文字段落大意等。

总结段落大意的插件节点

比如这里我添加了一个总结输入文字大意的插件，那么我选中这个插件节点后，首先要把输入的变量选择为开始节点的input变量名称。

这里跟ComfyUI不同的是，不是把节点连接起来就可以，而是还需要在节点设置里，选择相应的变量名称，这个节点才知道自己要处理的信息是什么。

设置输出变量

那么同理，在结束节点的设置里，我们需要把output的变量选择为上一级插件输出的变量。

试运行

经过简单设置后，我们点击底部的“试运行”，就可以达到简单的“总结输入段落”的功能了，那么这样一个工作流也就创建完成了，点击“发布”就可以增添在我们的Agent里了。