手把手带你用扣子AI智能体搭建知识库，自动收集客户需求

2026-06-04阅读 0热度 0

ai 人工智能

在提示词这个领域摸爬滚打了一年多，小报童已经积累了1100多位付费用户。承接过的商单不少，但最近一个明显的感受是：咨询提示词的人越来越少了。

原因不难理解——提示词传播太快，可替代性又高。流量不够，也是个绕不开的问题。不过换个角度想，扣子现在的用户体量相当可观，有没有可能搭建一个既能做提示词教学、又能自动把定制化需求收集到飞书表格里的智能体？

一边分享知识，一边收获商机，这个想法是不是挺诱人？接下来，就看看怎么在扣子上把这个目标落地。

一、创建知识库

之前没专门写过知识库的创建教程，这次会讲得细一些。

搭建知识库问答助手，首先得准备好知识库文件。这些文件可以来自企业或个人本地，也可以来自个人云文档平台，或者从互联网上找。这次我从个人本地文件和小报童的部分章节中挑选了内容，作为知识库的素材来源。

在个人空间点击知识库 > 创建知识库，可以看到不同的知识类型可选，支持文本、表格、照片。这次选了文本格式。

导入内容可以支持本地文件、在线网页、Notion、飞书文档，甚至完全自定义。这次选了本地积累的提示词基本文档，其中一部分来自小报童。

支持的文件格式挺丰富：PDF、TXT、DOC、DOCX、MD。

分段方式有自定义和自动分段与清洗两种。自定义模式下，可以设定分段标识符、分段长度和一些预处理规则。这次文件内容没有特别需要处理的地方，直接选了默认的自动分段与清洗。

数据处理完之后，点击确认，就能看到知识库的内容被切割成不同的段落了。

二、搭建工作流

接下来是工作流的搭建。建议大家在搭建相对复杂的工作流时，先画一画流程图。用在线工具（比如ProcessOn、Mermaid）或者在纸上梳理一下，搭建起来效率会高很多。

下面是我搭建好的Coze工作流，来拆解看看。

怎么判断用户输入的是提示词问题，还是想要定制提示词？这里用了「意图识别」节点。有小伙伴可能会问，「意图识别」和之前用过的「选择器」有什么区别？简单来说，选择器完全遵从设定的规则，而意图识别是基于大模型的语义理解来确定分支流向。

一）提示词问答分支

先看提示词问答分支。

这个部分需要先选择「知识库」节点，把「开始」节点中用户每轮的输入作为知识库的查询问题。然后选择第一步搭建的知识库：提示词基础知识。

参数设置方面，官方解释得很到位，这里就不重复造轮子了。测试一下搜索效果：由于设置参数最大召回数量为3，得到了3个结果。内容确实来自本地文件，但内容太过冗长，杂质也不少——这样直接回复给用户肯定不行。

所以接下来增加「大模型」节点，将知识库搜索的结果作为参考文本，再基于用户的问题进行回答，这样能得出准确的回复。这个过程其实就是RAG的核心：先把源文件分段后向量化，再根据用户的提问匹配最接近的答案，最后交给大模型来优化输出。

提示词如下：

忘记你已有的知识，仅使用{{knowledge}}中的内容作为你的知识,回答用户的问题{{question}}: 
思考流程：
1. 判断问题{{question}}是否与{{knowledge}}标记中的内容有关。
2. 如果有关，按下面的要求回答。
3. 如果无关，直接拒绝回答本次问题。
回答要求：
- 保持答案与中描述的一致。
- 使用 Markdown 语法优化回答格式。
- 使用与问题{{question}}相同的语言回答。

最后将输出结果返回给「结束」节点。

二）提示词定制化分支

此前承接了不少提示词定制化商单，价格在500到3000元不等。过去收集需求，通常靠飞书问卷。这次搭建了提示词入门学习的智能体，自然也希望能顺便获得一些定制化提示词的商机。

之前学过如何将飞书插件接入扣子，这次正好学以致用。需要提前准备一个简单的飞书多维表格。

收集需求和联系方式，在扣子的工作流里怎么做？这次要接触一个新节点——「问答」。它主要用来在工作流中收集用户需求、用户信息，获取用户意图。问答节点提供两种收集方式：第一种是直接回答，适合内容不确定、发散的情况；第二种是选项回答，适合固定回答方式。

这次需要收集受众、痛点、预期效果和微信号，问题较多，分成了两次收集。记得勾选「从回复中提取字段」，并设置需要从回答中提取的关键字段。原理很简单：借助大模型的语义理解能力，提取用户回答中的关键信息。

信息收到了，怎么传入飞书的多维表格呢？回顾一下之前教学飞书插件时的数据格式，「问答」节点的输出结果显然不满足这种格式。那就再转换一次——利用「代码」节点来搞定。

参考代码如下：

async def main(args: Args) -> list:
    params = args.params
    ret = []
    record = {
        "微信号": params["wechat"],
        "受众人群": params["users"],
        "痛点": params["problem"],
        "预期效果": params["result"]
    }
    fields = {"fields": record}
    ret.append(fields)
    return ret

格式搞定后，引入插件——飞书多维表格 / add_records。配置好关键信息：app_token是多维表格的URL链接，records来自代码节点转换后的结果。最后传入「结束」节点。测试一下工作流，没问题的话记得点击发布。

三、搭建Bot

配置人设与回复，并选择之前创建的工作流。测试一下效果，再看看定制化提示词的场景——成功传入飞书。

这次仅仅是为了展示搭建思路，这个智能体还有很多优化空间。

四、总结

这次用扣子搭建了一套提示词基础入门的智能体，同时把需求收集到飞书表格，形成了一套自动化需求收集流程。如果有一套细分领域的专家智能体，通过这种近乎零成本的方式，就能带来可观的商机。希望这篇教程能带来一些启发。