前言

不用写一行代码，把「输入 → 处理 → 输出」三块积木连起来，一个能回答产品功能问题的智能体就跑起来了。本文把整个搭建过程拆成 4 步，并整理了新手最容易踩的 5 个坑。文末附一本我最近在看的入门书。

---

一、为什么现在该动手做一个智能体

过去一年，"智能体（Agent）"这个词被讲得很玄。但落到实际工作里，它要解决的问题往往非常朴素：

• 客户在群里问「你们这个蓝牙功能怎么开」，客服要重复回答第 800 遍；
• 新人入职，产品手册 60 页，没人看得完；
• 运营每周要写 10 条文案，套路固定但耗时。

这些需求的共同点是：有相对固定的知识范围 + 有明确的话术边界 + 高频重复。这正是智能体最擅长的场景——它不需要"通用人工智能"，只需要在限定范围内稳定地把知识组织成人话。

而做这件事，今天已经不需要你会 Python。

---

二、为什么选扣子（Coze）

市面上做智能体的平台不少，扣子对非程序员最友好的地方在于三点：

维度	传统自研	扣子（Coze）
起步成本	要写后端、接模型 API、做前端	注册即用，可视化画布
核心能力	自己实现 RAG、函数调用	知识库、插件、工作流都是现成节点
发布渠道	自己部署服务器	一键发布到飞书、微信、网页、API

尤其"工作流"这个设计：它把编程里的顺序、分支、变量传递抽象成了可以拖拽的节点。你理解了流程图，就理解了工作流——这是很多人第一次觉得"我好像也能做开发"的瞬间。

---

三、实战：搭一个「产品功能咨询智能体」

下面这个案例来自我最近在读的一本书里的示例：做一个专门回答产品功能问题的客服智能体。

整体的思路只有一句话：项目 → 需求 → 步骤 → 搭建 → 验证。不用一上来就规划复杂架构，先把一条最短的链路跑通。

步骤 1：创建项目

进入扣子平台首页，在「编辑智能体」对话框里填两样东西：

• 名称：产品功能咨询助手
• 功能介绍：解答用户关于产品功能使用的基础问题

点「确认」，进入智能体编辑页面。这一步的关键是功能介绍要写窄——写"什么都懂"的助手，最后往往什么都不准。

步骤 2：创建工作流

在编辑页找到「工作流」模块 → 点「添加工作流」→「创建工作流」→ 填写工作流名称和描述 → 确认，进入工作流编辑画布。

画布上有三类东西，先认清楚再动手：

1）核心节点

节点	作用	关键配置
开始节点	流程入口，接收用户输入（如"蓝牙功能"“无线充电怎么用”）	input 变量，存用户提问内容
结束节点	流程出口，输出最终结果	output 变量，把大模型处理后的内容回传给用户

2）操作区

• 添加节点：弹出节点面板，拖入大模型、知识库、代码等节点
• 试运行：输入测试内容，快速验证逻辑

3）底部组件库

这里放的是"预制功能模块"，像搭积木一样拖进画布就能用，本质是用现成能力替代复杂代码：

组件	用途
split_messages	拆分长文本，适配分段回复
PPT_Generate	输入主题与受众，生成 PPT 思路、大纲和模板链接
condition	意图识别与分支逻辑，让流程走不同路径
image_cover	按固定样式生成封面图
summarize_article	提炼文章核心要点

步骤 3：搭建「输入 → 处理 → 输出」线性流程

这是全文最核心的一步，三个动作：加节点、连线、配参数。

3.1 加节点

画布默认已经有开始节点和结束节点，所以只需要补一个大模型节点作为处理环节。点画布下方「添加节点」，把大模型节点拖到中间空白处。

3.2 连线

鼠标悬停在开始节点旁的小圆点上（会高亮）→ 按住左键拖到大模型节点的小圆点 → 松开。两节点之间出现蓝色实线表示连接成功。

再重复一次，把大模型节点连到结束节点。

注意方向：开始 → 大模型 → 结束。连反了不会报错，但试运行出来的结果是空的。

3.3 配置大模型节点

点中节点，右侧弹出配置面板，需要完成 4 项设置。

（1）选择模型

在「模型选择」下拉里挑一个。原则是：优先选支持长上下文、推理稳定的模型（比如 32K 窗口的），避免输入一长就丢信息。

（2）绑定输入变量

在输入区域点「绑定」，选择开始节点的 input 变量。这一步是把用户的问题"喂"给模型。

（3）填写提示词

这里有个新手最容易混淆的点：扣子的提示词分系统提示词和用户提示词，分工完全不同。

类型	定位	写什么
系统提示词	长期、框架性指令	人设、全局规则、回复边界
用户提示词	单次、针对性指令	本次提问 + 动态需求

系统提示词示例：

你是「产品功能咨询助手」，只负责解答本公司产品的功能使用问题。

规则：
1. 只依据产品功能库回答，不猜测、不扩展、不编造参数。
2. 回答控制在 150 字以内，先给结论，再给操作步骤。
3. 遇到功能库中没有的问题，回复：
   "这个问题我需要帮你转接人工客服，请稍等。"
4. 不回答与产品功能无关的话题，礼貌拒答并引导回产品问题。

用户提示词示例：

用户的问题是：{{input}}

请结合系统规则，给出简洁准确的功能说明和操作步骤。

其中 {{input}} 是变量占位符，作用是动态引用其他节点的输出，让数据在流程里自动流动。写成单花括号 {input} 是不生效的，这是最高频的报错来源。

（4）配置输出

在大模型节点的输出区域定义变量 output，类型设为 String（文本）。

3.4 配置结束节点

选中结束节点打开配置面板，把输出内容指向大模型节点的 output，并勾选"返回变量"，表示结果要回传给用户。

到这里，一条完整链路就搭完了。

步骤 4：试运行

点画布下方「试运行」→ 在右侧面板输入测试问题（比如"蓝牙功能"）→ 再点面板底部的「试运行」。

执行过程可以清楚看到：

1. 开始节点接收测试问题；
2. 数据流经大模型节点，模型按配置的提示词处理；
3. 结束节点把结果呈现在「回答内容」区域。

看到结果的那一刻，其实是最有成就感的——你没有写一行代码，但确实跑通了一个程序。

---

四、新手最容易踩的 5 个坑

跑通 Demo 只要 5 分钟，但从 Demo 到能用，差距都在这些细节上。

坑 1：变量占位符写成单花括号
{input} ❌ → {{input}} ✅。不生效但也不报错，最难查。

坑 2：把业务资料全塞进系统提示词
系统提示词是"规则"，不是"资料库"。产品手册、FAQ 应该放进知识库，让模型检索，而不是硬编码到提示词里——否则一是超长被截断，二是改一次资料就要改一次提示词。

坑 3：节点连了但方向错
开始 → 结束 直连、或者大模型节点悬空，试运行结果为空。检查方法：看线上有没有蓝色实线贯通首尾。

坑 4：输出变量类型不匹配
大模型节点输出 String，结束节点却按对象接收，会直接报错或返回空。类型要对齐。

坑 5：只测"正常问题"，不测"兜底"
只测"蓝牙功能"这种标准提问，上线后用户一句"你们这玩意儿咋连不上手机"就崩了。测试用例至少要覆盖三类：标准问法、口语化问法、完全无关的问题（验证拒答逻辑）。

---

五、从"能跑"到"能用"，还差哪几步

一个智能体真正能交付，通常还要补三块：

1. 知识库：把产品文档、历史工单整理成结构化语料上传，让回答有据可依；
2. 分支逻辑：用 condition 节点做意图分流，售前问题走一条链，售后问题走另一条；
3. 发布与迭代：发布到飞书/微信/网页，收集真实对话，反向优化提示词——这一步是长期的，也是最见功力的。

而这三块涉及的插件调用、数据处理、多模态、发布部署，恰好是一本系统书能帮你省下大量试错时间的地方。

---

六、关于我读的这本书

如果你照着上面的流程跑通了，想继续往下走，我推荐这本：

《零编程基础上手扣子（Coze）智能体》
作者：关东升
出版：机械工业出版社

它的内容编排和"东拼西凑看教程"最大的区别在于有主线：

• 智能体入门：先讲清楚智能体到底是什么、能力边界在哪，避免一上来就陷进工具细节；
• 工作流与插件：本文演示的这条链路，书里有更完整的展开和更多变体；
• 核心能力与数据处理：知识库、变量、数据流转这些"决定上限"的部分；
• 办公与营销场景：不是玩具案例，是能直接搬到工作里的场景；
• 多模态实践与发布全流程：图像、语音，以及怎么真正发布出去。

书里配了大量实操截图，从基础搭建到高级功能层层递进，零编程基础的读者也能跟着做下来。对不想啃文档、又想把东西做出来的朋友，这种"场景化 + 步骤化"的写法效率最高。

---

七、适合谁读

• 产品/运营：想自己做工具提效，不想每次都排开发资源；
• 客服/售前：手上有一堆重复问题，想做个自动应答先顶着；
• 教师/培训：需要把 AI 应用讲成学生能听懂的课；
• 想转行的非科班同学：需要一个"看得见成果"的切入点建立信心；
• 开发者：想快速验证一个 Agent 想法，用低代码平台做原型比从零搭快得多。

---

八、最后

智能体这件事，最大的门槛从来不是技术，而是**“我到底要它解决什么问题”**。

上面那个客服助手的例子，需求简单到几乎不值一提，但它跑通了"输入 → 处理 → 输出"的完整闭环。理解了这个闭环，剩下的都是在这个骨架上加东西——加知识库、加分支、加插件、加多模态。

建议你今天就去注册一个账号，把这条最短链路跑一遍。5 分钟之后，你对 AI 的理解会和看 5 篇文章完全不同。

本文示例流程参考机械工业出版社《零编程基础上手扣子（Coze）智能体》（关东升 著），原文节选发布于公众号「IT有得聊」。感兴趣的可以搜书名了解详情。

---

如果这篇对你有帮助，欢迎点赞收藏。评论区聊聊你想用智能体解决什么重复劳动，我可以帮你判断用工作流还是知识库更合适。