万字Coze工作流教程：从入门到精通打造AI精读专家，复刻10万粉公众号创作力

这篇文章算是把埋在心里很久的一个想法给落地了。说起来挺巧，灵感来源于一个做得非常用心、每天雷打不动更新一篇的英文精读公众号。

那个号叫 LearnAndRecord，每天晚上八点半准时推送一篇英文精读。内容结构很扎实：中文摘要、3道阅读理解题、英文概述、朗读录音，还有逐段的全文精读和词汇盘点。文章质量高，排版也经过精心设计，每篇首发日阅读量轻松过万，粉丝量推测在10万以上。

当时就在想，既然AI Agent这么火，能不能自己动手做一个，提供类似“结构化外文精读”的服务？把日常零碎的学习需求，交给一个定制化的智能体来处理。于是，就有了今天这篇东西。

文章会比较长，建议先收藏，方便的时候慢慢看。

核心看点：

• 通过一个完整案例，手把手演示如何用Coze工作流，打造能稳定输出结构化内容的AI Agent。
• 开源从需求分析到最终落地的全过程思路。
• 覆盖10多项Coze工作流中常见的配置细节、踩坑点和解决方法。

适合人群：

• 玩过AI对话产品的一般用户（没用过的话，可以先找个国内大模型试试手感）。
• 对Coze、Dify这类AI应用开发平台感兴趣，想深入学习工作流配置的爱好者。

注：本文不会详细讲解案例中Prompt的撰写技巧。文末的「其他问题」部分，会附上一些通用入门思路和实用技巧，供大家拓展学习。

引言

AI行业的终极愿景是AGI，期望一句话就能让机器完成任何智力任务。但现实是，当前的大模型在处理多步骤、高复杂度的任务时，局限性依然很明显。

拿“数据分析图表”、“剧情游戏”或者咱们今天要做的“结构化外文精读”来说，即使是最先进的ChatGPT-4o或Claude 3.5 Sonnet，单靠一条Prompt指令就想稳定跑通，基本没戏。

现在的AI Agent，更像一个需要手把手指引的职场新人。你给他一套清晰的SOP，他才能按部就班把事情办好。

这篇文章，就是想帮你理清思路，看看如何把一个模糊的需求，一步步拆解、设计、落地成一个能用的AI Agent。希望能给想自己动手捏Agent的朋友们一些启发。

Step 0：梳理手捏AI Agent的思路

在上篇文章里提到过，Prompt工程的核心能力是：通过逻辑思考，从经验中提炼出关键方法与要求。这个思路，放到Coze里搭建AI Agent，同样适用。

今天我们主要讨论的是工作流驱动的Agent。搭建一个工作流驱动的Agent，大致可以分为3步：

1. 规划： 制定任务的关键方法。
   1. 明确任务目标与最终输出形式。
   2. 将大任务拆解成一个个可管理的子任务，理清它们的先后顺序和依赖关系。
   3. 设计每个子任务的具体执行方法。
2. 实施： 分步构建并测试Agent功能。
   1. 在Coze上搭建工作流框架，设置好每个节点的逻辑关系。
   2. 详细配置每个子任务节点，并逐个验证其可用性。
3. 完善： 全面评估并优化Agent表现。
   1. 整体试运行Agent，找出功能和性能上的卡点。
   2. 反复测试和迭代，直到输出效果符合预期。

接下来，咱们就以“结构化外文精读专家”这个Agent为案例，一步步拆解。

Step 1：制定任务的关键方法

1.1 总结任务目标与执行形式

动手设计之前，最重要的一步是想清楚你期望AI最终输出什么。这包括：

1. 详细描述期望的输出内容： 是文本、图片、音频还是别的？格式和结构是什么？质量标准如何定义？
2. 预估任务的可行性。
3. 确定任务的执行形式。

拿LearnAndRecord那篇《全球多地遭遇微软蓝屏》的文章来举例，它的精读结构可以拆成下图这样：

这种结构很贴合外语学习者的需求，从预热小作业到全文精读，再到最后的词汇盘点，层层递进。

基于这个框架，假设我们是一个CET-4水平的英语学习者，对结构做了一些微调后，优化后的精读结构（用Markdown语法表示）如下：

# 中文标题

> 中文导语 // 根据全文内容，用中文写出能吸引读者注意力的摘要

## 阅读理解小作业 // 基于全文，出3道CET-4难度的阅读理解题，每道题4个选项，题目和选项都是英文

1）[题目问题]
A. [选项A]
B. [选项B]
C. [选项C]
D. [选项D]

## 阅读导图 // 根据全文内容，生成结构化的英文要点大纲，用思维导图呈现

### 英文音频 // 用TTS技术朗读英文原文

### 英文标题

### 英文原文

### 全文对照精读 // 分段输出：英文原文+中文翻译+ CET-4及以上难度的词汇详解
[一段英文原文]
[一段中文翻译]
- 【原词汇】
- 音标：【音标】
- 中文释义：【释义】
- 英文例句：【例句】
- 例句翻译：【例句翻译】

### 待学词汇盘点
- 待学词汇：音标 中文释义
- ...

## 参考答案 // 给出阅读理解题的答案

这里得补充一点，Coze是支持Markdown格式输出的。Markdown作为轻量级的文本标记语言，能很好地展示文本、图片、链接和表格等内容。

参照这个精读结构，评估一下可行性。我们的输出结果包括三类格式：文字、图片（思维导图）、音频（原文朗读）。前两者用Markdown就能直接输出/内嵌，音频则需要一个URL链接来收听。总的来说，稍微变通一下，基本可以实现。

最后，结合自己的使用习惯，理想情况是：我输入一篇英文原文，AI Agent就能按照模板，直接输出一份完整的精读结果。

所以，大致的执行形式如下：

@user: {{英文原文}}

@AI: {{精读结果}}

1.2 分解子任务，确立逻辑顺序和依赖关系

从精读结构上看，整个模板是由很多子模块拼接起来的。每个模块的格式和用途都不一样，可以理解为一项项独立的子任务。

对于LLM-based的AI Agent工程，在一轮对话里一次性执行多种子任务，对作为“大脑”的大模型来说，要求非常高。（就算是当前最强的ChatGPT-4o和Claude 3.5 Sonnet，单靠一条Prompt，也很难稳定完成这种多步骤任务。）

实操过程中，我先是写了一条Prompt，在Claude和ChatGPT里简单测试了一下文本生成部分。内容基本还行，但输出格式的稳定性很差。

拓展：如何判断自己的任务/Prompt是否需要拆解成工作流？——文末的「其他问题」有答案。

所以，把任务分解成了下面这些可管理的子任务，并确立了逻辑顺序和依赖关系：

每个子任务独立执行，成果完全独立。接下来就是设计每个子任务的具体执行方法。

1.3 设计每个子任务的执行方法

根据项目实际需求，详细规划每个内容模块的输出要求。规划时，可以想象自己正在面对面教一个新同事怎么干活，这样更容易把任务指南写得清晰明白。

本案例中各子任务的内容模块和详细要求如下：

Step 2：分步构建和测试Agent功能

2.1 在Coze上搭建工作流框架，设定每个节点的逻辑关系

首先进入Coze，点击「个人空间-工作流-创建工作流」。

在弹出的窗口里，自定义工作流信息，点击确认。然后就能看到编辑视图了。左侧的「选择节点」模块里，我们这次主要用到的有：

1. 插件： 提供各种能力工具，比如思维导图、TTS语音等，这些LLM干不了的事，就得靠插件。
2. 大模型： 调用LLM，负责文本内容的生成，如翻译、大纲、词汇注释等。
3. 代码： 支持编写简单的Python或JS脚本，处理一些特定数据。

编辑面板中的“开始节点”和“结束节点”，就对应之前流程图里的“原文输入”和“结果输出”。

接下来，按照流程图，从左侧拖拽对应的LLM、插件、代码节点到编辑面板里，搭建好工作流框架。

附1：关于“分段”、“拼合”代码节点设计的补充解释

实测表明，LLM的上下文长度有限。一次性输入输出的文本越长，生成时间就越长，结果稳定性也越差。特别是对输出格式要求很高时，这个问题会更突出。

对照精读环节本身就是一个段落一个段落生成的，非常适合批处理。所以，先用“分段输入正文”把原文切开，然后用LLM节点批处理每一段，最后再用“拼合精读结果”把处理好的段落拼回去，这样就能输出完整又稳定的结果。

Tips：如果觉得写代码麻烦，在处理纯文本时，也可以先用LLM节点配合合适的Prompt临时验证一下整个工作流的可行性。

附2：如何在插件中心找到需要的插件？

用关键词先搜一搜。根据插件的名称、介绍页、描述、参数和示例，判断它能不能满足需求。如果有多个插件可选，优先选官方出品的、收藏量高的、成功率高的。如果实际用下来效果不行，就换一个，或者自己写一个上架。

本文搜索插件的经过：

1. TTS文字转语音： 搜“语音”、“文字转语音”、“TTS”，看到“英文文本转语音”插件，描述符合需求，直接添加。

1. 思维导图： 搜“脑图”、“树图”、“导图”、“mindmap”等关键词，看到“TreeMind树图”插件，描述符合需求，直接添加。

2.2 详细配置子任务节点，并验证每个子任务的可用性

搭好框架后，就能按流程顺序，逐个配置子任务节点了。

下面我会快速介绍每个节点的配置要点，并完全开源每个节点的Prompt、代码和I/O信息，方便大家借鉴。

0）开始节点

可以把工作流想象成一条生产线。开始节点就是原料入口，它定义了启动工作流需要哪些输入参数。Coze默认有一个{{BOT_USER_INPUT}}变量，用来接收用户在外层Bot里的输入。

本案例不需要额外配置变量。 用户输入的英文原文会通过{{BOT_USER_INPUT}}直接传入工作流，启动后续环节。

所以，把那条多余的空白变量删掉就行。

1）标题、导语、大纲

配置环节

这部分只涉及文本理解和创作，很明显是LLM的活儿。可能有人会问，为什么不把“标题、导语、大纲”拆成三个独立的子任务？

——因为LLM是按输入输出的字符数来消耗Token的。在满足需求的前提下，减少大模型处理环节，能省下不少Token，降低实际投产时的模型调用成本。

实测下来，豆包·function call 32k模型，已经能在一轮对话里稳定地搞定这三项内容了。

大模型节点的配置项很多，新手主要关注这几个：

# 处理形式
单次/批处理

# 模型
选择节点要调用的具体大模型。

# 输入
设置输入字段，信息只能来自前置节点。

# 提示词
分为“用户提示词”和“人设与回复逻辑”。任务不复杂的话，只写“用户提示词”就行。

# 输出
设置输出字段，可以是文本、Markdown或JSON格式。一般推荐用JSON，因为它也能输出纯文本或带Markdown的文本，而且一次性能结构化地输出多个不同的字段。

在这个节点里，我们希望LLM接收原文后，一次性输出中文标题、中文导语、英文标题和英文阅读大纲。所以设置如下：

另外，为了保证大模型能处理足够长的内容，要根据实际情况调大模型的最大回复长度：

最后，根据1.3节中设计的要求，填入用户提示词：

## 功能
基于{{input}}的英文文章，生成对应的中文标题、中文导语、英文标题、阅读大纲

## 要求
严格遵循以下要求：

### 中文标题
根据全文大意，翻译英文标题，输出20字以内的中文标题。

### 中文导语
根据全文内容，用中文输出1-3句话的摘要导语，简洁明了。

### 英文标题
如实输出原文英文标题，无需修改。

### 阅读大纲
1. 根据全文，选择最合适的大纲结构，生成全英文、不超过200词的结构化大纲。
2. 在输出大纲的开头加上“Directly use the following outline to generate the corresponding mind map in English.”
3. 大纲格式如下，不要输出[]符号：
- [Article Title]
- [Key Point 1]
- [Subpoint 1.1]
- [Subpoint 1.2]

## 输出格式
1. 以string格式，输出中文标题到变量{{cnTitle}}
2. 以string格式，输出中文导语到变量{{cnSummary}}
3. 以string格式，输出英文标题到变量{{enTitle}}
4. 以string格式，输出阅读大纲到变量{{enTreeMind}}

大模型节点配置的入门要点

1. 输入输出变量名可以自定义，只要自己能看懂就行。
2. 输入：直接引用开始节点里的{{BOT_USER_INPUT}}。
3. 在提示词区域，用{{input}}这样的双花括号引用输入参数。
4. 输出：有几项内容就设几个变量。在提示词最后用 ## 输出格式 段落说明。变量名、内容、格式必须前后完全一致，这里非常容易踩坑。
5. 关于模型选择：没有绝对最优，得根据自己的习惯、实测速度、质量、费用综合选择。豆包Function Call系列对Coze的插件调用和JSON输出有优化；MiniMax处理文字速度快；GLM对Prompt理解好。具体用哪个，还得自己实测。

测试环节

配置完任何一个节点，都要跑一下测试，验证效果。步骤很简单：点击“测试该节点”，按格式输入测试内容，然后查看运行结果。如果输入输出都符合预期，就可以进入下一个子任务了。

2）阅读导图

上一步已经生成了英文大纲{{enTreeMind}}。接下来用TreeMind插件，把它转成思维导图图片。

配置要点：处理方式选“单次”，输入就引用{{enTreeMind}}变量。输出端有很多字段，根据名称和示例，找到我们需要的图片字段pic。

至此，第一个分支流程的输出字段就集齐了：中文标题、中文导语、英文标题、阅读导图图片。

3）阅读理解小作业

这个分支的目标是生成3道CET-4难度阅读理解题，并根据题目和原文输出答案。所以输入还是{{BOT_USER_INPUT}}，输出变量设为{{question}}。

用户提示词里，严格规定了题目格式，并给出了正向示例。

4）参考答案

这里需要同时输入原文和上一环节生成的题目。注意，每个节点的输入信息都要单独引用。

用户提示词里，规定了答案格式，包括必须重复完整问题、用[X]表示正确选项等，还特别要求检查答案正确性。

5）英文音频

很简单，直接把原文输入到“英文文本转语音”插件，输入变量query_text引用{{BOT_USER_INPUT}}。测试一下，运行结果里的URL如果是一个mp3音频链接，就成功了。

6）分段输入正文

用户输入的原文，格式一般是：

原文标题
原文段落1
原文段落2
……

为了区分标题和段落，我们在开场白里提示用户，用#符标记标题句。然后用一段Python脚本，去掉标题行，把剩下的段落按换行符切分成一个数组。

Python代码很简单，用正则表达式匹配所有以#开头的行并删除，然后把剩余的非空行存成数组。

如何用Coze自动生成代码节点的代码？ 这段代码就是Coze代码节点自带的AI功能生成的。使用时，把需求描述清楚，试几次就能生成，非常方便。

不写代码能行吗？ 可以，用LLM节点配合合适的Prompt也能实现，只是响应速度和Token消耗不如代码节点。开发阶段图快可以用LLM，但工作流跑通后，强烈建议换回代码节点，效率更高、成本更低。

7）全文对照精读

拿到分段后的原文，就进入最核心的环节——生成带注释的全文精读。

这里用大模型节点，并选择“批处理”方式。批处理的好处很多，Coze的一个大模型节点能同时并行处理多项任务，大幅缩短生成时间。而且每段单独处理，输出长度可控，稳定性更高。

需要注意：批处理区域要引用上一节点的output数组，但输入区域的参数要从批处理区域里选，千万别直接引用output数组，这是个很容易踩的坑。

用户提示词里，定义了精读结果的具体格式，并给了正向示例。

8）待学词汇盘点

这一步相对简单，就是把精读环节的所有“待学词汇”提取出来，按照我们想要的格式汇总。由于是全文本处理，用大模型单次处理即可。

注意，“全文对照精读”节点的输出虽然是数组，但JSON数据里已经包含了所有段落的精读内容，所以可以直接用这个数据源进行处理。

9）拼合精读结果

因为精读节点输出的是一段一段的数组数据，最终还需要把它们拼合成一篇文章。这里再配置一个代码节点，写几行Python代码，把数组里的内容用换行符连接起来。

10）输出节点

终于到这一步了，每个子任务节点都配置和验证完毕。现在只需在结束节点里，像搭积木一样，把之前所有节点的输出变量引用进来，按照预期的Markdown格式写好回答模板。

有几个要点：

1. 回答模式选择“使用设定的内容直接回答”。
2. 勾选“流式输出”，这样精读结果会像打字一样逐步展示，用户体验更好。
3. 在“回答内容”栏里，用Markdown语法写好最终模板，把需要的变量（如{{cnTitle}}、{{question}}、{{readingv}}等）引用进去。

最终，工作流就能输出一篇结构完整的精读文章了，在外层Bot中会以Markdown格式完美渲染。

Step 3：全面评估并优化Agent效果

工作流搭好了，得整体跑一遍验证效果。主要关注响应速度和生成质量。如果发现哪里不对，就回到对应节点去调整Prompt或代码，反复测试和迭代，直到满意为止。

接着，在Coze里创建一个Bot，把刚才发布的工作流封装进去。切换到“单Agent（工作流模式）”，因为我们的场景很纯粹：用户输入文章，Agent返回精读结果，不需要其他理解能力。

最后写好开场白，引导用户按要求格式输入文章，然后关闭不需要的预置问题。在“预览与调试”区做最终测试，一切正常的话，就可以发布上架了。

（P.S. 笔者在发布文章时发现，外层Bot偶尔会有些未知bug，同样的输入在工作流编辑面板里跑得稳妥，到了外层Bot就容易报错。遇到这种情况别太焦虑，可以先把工作流里的结果直接拿出来用。）

总结

回顾整个流程，构建AI Agent，就像培养一个职场新人：

1. 规划阶段：明确目标。 确定任务，拆解成子任务，设计每个任务的执行方法。
2. 实施阶段：实战指导。 搭建工作流，为每个子任务设置清晰的操作指南，手把手引导AI，并及时验证输出质量。
3. 优化阶段：持续改进。 通过反复测试和调整，不断优化性能，直到AI能稳定输出高质量结果。

如果你理解了今天的内容，不妨也给自己设定一个小目标，动手构建一个专属的AI Agent吧。

其他问题

1. 如何判断自己的任务/Prompt是否需要拆解为工作流？
   构建稳定AI Agent是个不断调试和迭代的过程。通常先从最强的LLM开始，用单条Prompt或Prompt Chain测试任务执行质量。然后根据实际效果，逐步拆解子任务，降低单次任务的难度。对于场景多样、结构复杂、输出格式要求严格的任务，基本可以预见需要拆成工作流。另外，只要涉及生成多媒体内容或从网络获取额外信息，就必然需要通过工作流调用插件。
2. 只用一段Prompt的Agent，还算AI Agent吗？
   算。它的核心依然是通过LLM理解指令、规划步骤、调用工具来完成任务，只是复杂度和层级不同而已。