Coze-AI智能体开发平台2-Coze资源

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

1. Coze资源

Coze 资源是⽀撑智能体功能实现的模块化基础组件，通过整合外部能⼒、数据存储与⾃动化规则，使智能体具备信息处理、功能扩展与场景化服务能⼒。资源系统是 Coze 平台低代码开发模式的核⼼，开发者可通过组合不同资源快速构建复杂智能体，⽆需从零开发底层功能。

扣⼦资源有以下分类：插件、知识库、数据库、⾳⾊、提⽰词（已经学过了）

本章重点学习插件、知识库和数据库三种资源。

1.1 插件资源

1.1.1 什么是插件

在Coze中，插件是扩展智能体功能的模块化⼯具，通过调⽤外部服务、数据接⼝或预设逻辑，使智能体具备实时交互、动态决策和场景化服务能⼒。

⽣活案例：智能“周末出⾏⼩管家”智能体
想象⼀下，你和你的家⼈想周末去⼾外活动，但你们遇到了⼏个头疼的问题：

1. 天⽓怎么样？ 不知道⽬的地天⽓是否适合⼾外活动。
2. 去哪玩？ 要找⼀个⼤家都没去过、⻛景好、⼜不远的地⽅。

这种实时性比较强的东西，大模型就搞不定
大模型就只能知道了很久的东西

添加插件

但是调用插件还需要参数那些东西—》添加系统提示词

使用大括号就可以添加插件了

### 技能 2: 访问插件
1. 当用户自选插件的时候，调用插件{#LibraryBlock id="7362852017859018779" uuid="UI-MbuZSC9jCU8PtBmNgM" type="plugin" apiId="7362852017859035163"#}DayWeather{#/LibraryBlock#}
2.当用户咨询驾驶路线额度时候，调用{#LibraryBlock id="7379961457548460084" uuid="kmFaqy5SH9QJLYoxTwL_M" type="plugin" apiId="7379961457548525620"#}plan_driving{#/LibraryBlock#}
出发地是参数origin，目的地是参数destination

我本周六想去西安秦岭野生动物园，请问天气怎么样

因为周六有很多，所以不对

我 2025 年 11 月 4 号想去西安秦岭野生动物园，请问天气怎么样

我打算开车从新长安广场我秦岭野生动物园，请帮我规划路线

1.1.2 插件的分类

按功能场景分类

数据查询类 获取外部实时数据 墨迹天⽓、微博热点
业务⼯具类 执⾏特定的功能 ⽣成视频、⽣成图⽚
按照收费⽅式分类

• 扣资源点型：每次调⽤插件都会扣除coze资源点

我们添加插件ByteArtist

### 技能 4: 生成图片
1. 当用户叫你画图的时候，直接调用插件{#LibraryBlock id="7348853341922983946" uuid="xjLgIDA3uN2n9SDyCjZEJ" type="plugin" apiId="7348853341923016714"#}ImageToolPro{#/LibraryBlock#}
生成的图片是卡通风格的，用户让画的内容是prompt

这个也是会扣掉资源点的

• 申请密钥型：在调⽤之前需要先申请密钥，这又是一种类型的插件

插件：vidu图片生成视频

发现这个插件还有api-keys，那么我们就要去它这个插件的网站自己去申请了

1.2 知识库资源

1.2.1 什么是知识库？

在Coze平台中，知识库是⼀个⽤于存储和管理外部数据的核⼼功能模块。它允许开发者上传各类⽂本和表格内容，通过AI技术进⾏处理和检索，为智能体提供准确的信息⽀持。其核⼼运作机制是：将上传的⽂档⾃动分割成⼀个个内容⽚段（称为“分段”）进⾏存储，并通过向量搜索技术来检索最相关的内容以回答⽤⼾的问题。这使得Bot能够超越其基础训练数据的限制，与⽤⼾指定的特定数据进⾏交互。

这个时候就需要知识库了

创建知识库

创建并导入

后面一直下一步就可以了

然后右上角添加

如果查询不到，可以增加技能

### 技能 4: 查询知识库
当用户咨询的问题，大模型回答不了的时候，去知识库{#LibraryBlock id="7568425458506792970" uuid="3XRqSdRe93XDxN0Uks0Um" type="text"#}新员工入职指南{#/LibraryBlock#}查询

如果还是回答不上来—》可能是限制了

1.2.2 什么是RAG？

提到了知识库，就不能不提RAG（Retrieval-Augmented Generation，检索增强⽣成）。RAG是⼀种将“信息检索”与“⽂本⽣成”相结合的技术框架。它的核⼼思想很简单：在让⼤模型⽣成答案之前，先让它去⼀个指定的知识库（⽐如公司⽂档、数据库、⽹⻚等）⾥查找相关的信息，然后根据查找到的这些准确、最新的信息来组织和⽣成答案。

没有RAG的普通⼤模型：像⼀个在做闭卷考试的学⽣，只能依靠⾃⼰记忆（训练数据）中的知识来答题。如果问题超出了它的记忆范围，或者记忆是错的，它就会答错或“编造答案”（幻觉）。
• 有RAG的⼤模型：像⼀个在做开卷考试的学⽣。遇到问题时，先跑去翻阅指定的参考书（知识库），找到最相关的段落和证据，然后结合⾃⼰的理解（⽣成能⼒），组织成⼀个准确的答案。

知识库是图书馆⾥的藏书，⽽RAG是那位博学的图书管理员。

1.2.3 知识库的分类

知识库可以分为⽂本、表格和照⽚三种格式。

按照构建知识库来源，可以包括：
• 本地⽂件上传：
◦ ⽀持直接上传本地设备中的⽂件。
◦ 格式⽀持： .txt , .pdf , .docx , .csv , .xlsx 等。
◦ 这是最常⽤、最快捷的初始化知识库的⽅式，适⽤于将已有的产品⽂档、报告、⼿册等数字化材料导⼊。
• 在线⽹站抓取：
◦ 可以通过输⼊URL⽹址，将指定⽹⻚或整个站点的内容抓取到知识库中。
◦ ⽀持⾃动采集和⼿动采集两种⽅式。
◦ 此⽅式⾮常适合⽤于整合最新的在线资讯、博客⽂章、官⽅公告等实时性较强的信息，确保Bot知识的时效性。
• 第三⽅平台集成：
◦ Coze提供了与常⻅协作平台的集成能⼒，例如可以直接从⻜书⽂档（Feishu）、Notion等平台导⼊内容。
◦ 这⽅便企业将已有的知识管理体系快速对接到AI助⼿，⽆需重复上传⽂件。
• API接⼝同步：
◦ 对于表格类型的知识库，⽀持通过API⽅式将JSON数据上传⾄知识库。
◦ 这种⽅式可以实现数据的⾃动化、周期性更新，将知识库与业务数据库或其它系统打通，适⽤于⾼度动态变化的数据，如商品库存、实时价格等。
• ⼿动⾃定义输⼊：
◦ ⽀持直接在Coze平台界⾯上⼿动输⼊⽂本或表格数据。
◦ 适⽤于添加⼀些零散的、需要补充的知识点，或者进⾏快速的测试和调试。
通过以上不同类型的组合，你可以根据实际业务需求，为你的Coze智能体构建起⼀个强⼤、灵活且多维度的知识体系。

点击自动采集

后面一直点击下一步就可以了，但是这个图片显示不了，因为这个图片需要微信公众号的授权，这个是java挑战项目

然后再点击添加文档，本地文档，这个是c++挑战项目

1.3 数据库资源

1.3.1 什么是数据库？

Coze数据库是字节跳动扣⼦平台提供的结构化数据存储服务，采⽤类NoSQL的⽂档模型，⽀持通过⾃然语⾔或SQL语句进⾏数据的增删改查操作。作为智能体的"⻓期记忆"组件，它能够持久化存储⽤⼾交互数据、业务配置信息和应⽤状态，是构建复杂AI应⽤的核⼼基础设施。

原来记忆功能是通过轮数来的，但是轮数越多，消耗的资源点就越多

# 角色
你是一位专业且经验丰富的健身教练，能够依据学员的健身数据，为学员量身定制科学合理的健身计划。

之所以知道我们做了100个下蹲，是因为轮数为3

选择自定义数据表

选择扣子数据库

这些是自带的字段

点击添加

### 技能 2: 记录学员健身的数据
1. 每次学员输入健身数据的时候，需要把数据记录到数据库表data中
2.当学员咨询的问题与健身数据相关的时候，直接去数据表data查询，返回答案

大括号只能用于技能，不能用于记忆

这样不会受轮数的限制了

### 技能 1: 制定健身计划
1. 根据学员已有的健身数据，生成健身计划

1.3.2 数据库的使⽤

直接编辑表结构

### 技能 2: 记录用户的问题与答案
1. 每一次用户的问题和智能体回复的答案都记录到数据库data中
2. 用户每次咨询问题的时候，如果数据库表中已经咨询过这个问题，直接把数据库的答案返回，否则再去调用大模型

但是数据库里面什么都没有
修改一下提示词

### 技能 2: 记录用户的问题与答案
1. 每一次用户的问题和智能体回复的答案都记录到数据库data中
2. 用户每次咨询问题的时候，如果数据库表中已经咨询过这个问题，直接把数据库的答案返回，否则再去调用大模型，同时把问题和答案记录到数据库data中

总结