当前位置: 首页 > news >正文

【智能体】零代码学习 Coze 智能体(2)创建智能体的完整步骤


欢迎关注【AGI使用教程】 专栏
【智能体】零代码学习 Coze 智能体(1)
【智能体】零代码学习 Coze 智能体(2)


【智能体】零代码学习 Coze 智能体(1)

      • 1、登录 Coze 平台
      • 2、创建智能体
      • 3、智能体编排页面
      • 4、编写提示词
      • 5、修改模型设置、技能、知识、记忆、对话体验
      • 6、调试智能体
      • 7、发布智能体
      • 8、使用智能体


1、登录 Coze 平台

登录Coze平台,左侧边栏 “+” 按钮,在弹窗点击 “创建智能体”。


2、创建智能体

2、在“创建智能体”弹窗,选择“标准创建”,填写智能体名称和功能介绍,单击“确认”就创建一个智能体,并进入智能体编排页面。
例如,输入智能体名称为“论文写作老师”,功能介绍如下。图标可以通过AI自动生成,也可以本地上传图片。

在这里插入图片描述


3、智能体编排页面

(1)左侧是“人设与回复逻辑”面板,用于编写提示词,描述智能体的身份和任务。
(2)中间是“编排”面板,用于修改模型设置,配置各种扩展技能。
(3)右侧是“预览与调试”面板,用于实时调试智能体。

在这里插入图片描述


4、编写提示词

提示词就是智能体的人设与回复逻辑,可以指定模型的角色、设计回复的语言风格、限制模型的回答范围,让对话更符合用户预期。
你可以根据业务需要直接编写提示词,也可以使用提示词模版、引用提示词资源或通过 AI 自动生成提示词。
(1)从推荐卡片中选择系统推荐的模板作为编写提示词的提纲,然后单击“插入提示词”。
(2)系统将选择的提示词模板自动填充到提示词的编辑框中,你可以基于自己的业务场景修改提示词。你可以根据高亮部分的文字引导,添加文本内容或添加技能。

在这里插入图片描述


在这里插入图片描述

(2)用户编写提示词以后,可以单击“* ”按钮使用 AI 自动优化提示词。如果智能体已完成调试,可以单击“根据调试结果优化”。单击“替换”,AI 优化的提示词会自动替换原有的提示词。

在这里插入图片描述


5、修改模型设置、技能、知识、记忆、对话体验

在中间“编排”面板中,可以修改模型设置、技能、知识、记忆、对话体验等设置。
以模型设置为例,Coze支持豆包、通义、智谱等大语言模型(LLM),支持对各种大模型进行精细化的参数设置,例如生成多样性、输入及输出设置等。
点击当前的模型选项,就打开模型选择下拉框。从下拉框中选择需要使用的模型,就完成模型切换。进一步地,可以调节模型参数。

在这里插入图片描述


6、调试智能体

在右侧“预览与调试”面板中,可以实时调试智能体。
配置好智能体后,就可以在预览与调试区域中测试智能体是否符合预期。如图所示,向智能体发送消息,可以测试智能体的效果。

在这里插入图片描述


7、发布智能体

Coze支持将智能体发布到飞书、微信、抖音、豆包等多个渠道中,你可以根据个人需求和业务场景选择合适的渠道。
完成调试后,单击发布将智能体发布到各种渠道中。
(1)在智能体的编排页面右上角,单击“发布”。
在这里插入图片描述

(2)在发布页面输入发布记录,并选择发布渠道,单击“发布”按钮。

在这里插入图片描述


8、使用智能体

发布完成后,在工作空间-个人空间-项目开发,可以看到发布的智能体。点击“立即对话”可以进入“论文写作指导”智能体。也可以点击“复制智能体链接”将智能体分享给其他人使用。

在这里插入图片描述


使用文献翻译这样简单的智能体时,与直接编写提示词与大模型进行对话的体验差别并不大。然而,直接与大模型对话是一种临时的问答式交互,每次都要重新设定上下文;而智能体并非一次性的临时交互,而是具备固定角色设定与回复逻辑的定制助手,能够保持一致的行为风格,并且可以被保存、复用和分享。

这正是智能体与大模型直接对话的本质区别:创建智能体就像培养了一位了解你的背景和需求的专属助理;而与大模型直接对话则更像临时向专家请教,每次都要重新设定上下文。但是,智能体的真正潜力并不止于此。当智能体与插件工具、知识库和工作流相结合,就能突破语言生成的局限,学会调用外部资源、处理复杂任务,甚至完成自动化业务流程。

下节 【智能体】零代码学习 Coze 智能体(3) 继续介绍:

  • 智能体插件工具的使用

版权声明: youcans@qq.com 原创作品,转载必须标注原文链接:

【智能体】零代码学习 Coze 智能体(2)
Copyright@youcans 2025
Crated:2025-08


http://www.dtcms.com/a/358953.html

相关文章:

  • 直线与椭圆相交弦长计算公式
  • K8s服务日志收集方案文档
  • LeetCode 92. 反转链表 II - 算法解析
  • 微服务-ruoyi-cloud部署
  • 《动手学深度学习v2》学习笔记 | 2.3 线性代数
  • 吴恩达机器学习(三)
  • 第7.5节:awk语言 switch 语句
  • 【C++】掌握string类操作:高效处理字符串
  • k230 按键拍照后,将摄像头拍照的1920*1080分辨率的图片以jpg文件格式,保存到板载TF存储卡的指定文件夹目录中
  • MinerU本地化部署
  • Java的Optional实现优雅判空新体验【最佳实践】
  • 做一个实用的节假日工具
  • MQTT 连接建立与断开流程详解(一)
  • sunset: decoy靶场渗透
  • 20250830_Oracle 19c CDB+PDB(QMS)默认表空间、临时表空间、归档日志、闪回恢复区巡检手册
  • day42-Ansible
  • 动态规划--Day05--最大子数组和--53. 最大子数组和,2606. 找到最大开销的子字符串,1749. 任意子数组和的绝对值的最大值
  • 微信小程序开发教程(三)
  • java如何保证线程安全
  • RLPD——利用离线数据实现高效的在线RL:不进行离线RL预训练,直接应用离策略方法SAC,在线学习时对称采样离线数据
  • 【OpenGL】LearnOpenGL学习笔记17 - Cubemap、Skybox、环境映射(反射、折射)
  • 【pandas】.loc常用操作
  • 【SpringMVC】SSM框架【二】——SpringMVC超详细
  • 【运维篇第三弹】《万字带图详解分库分表》从概念到Mycat中间件使用再到Mycat分片规则,详解分库分表,有使用案例
  • DAEDAL:动态调整生成长度,让大语言模型推理效率提升30%的新方法
  • 基于SpringBoot的电脑商城系统【2026最新】
  • 漫谈《数字图像处理》之分水岭分割
  • SystemVerilog学习【七】包(Package)详解
  • REST-assured获取响应数据详解
  • 数据结构 | 深度解析二叉树的基本原理