Coze 是什么？为什么现在很多人都在学它？
Coze（扣子编程） 是一个面向 AI 应用开发的低代码/无代码平台。
它的核心目标非常明确：让不会写代码的人，也能通过自然语言 + 可视化编排，快速搭建 AI 智能体、工作流和应用。
根据官方文档，Coze 提供的是一个 AI 驱动的应用开发平台，支持多种开发范式，帮助用户构建并交付生产级别的全栈 AI 应用；同时它也支持通过自然语言描述需求来生成工作流或项目骨架。
Coze到底能做什么？ #
如果你刚接触 Coze，可以先把它理解成这 3 层能力：
1）智能体（Bot / Agent） #
适合做：
-
AI 客服
-
AI 助手
-
文案生成助手
-
学习辅导助手
-
资料问答机器人
-
公众号排版助手
-
小红书/短视频脚本助手
你可以给它设置：
-
人设（System Prompt）
-
回复风格
-
工具调用
-
知识库
-
工作流能力
-
发布渠道
2）工作流（Workflow） #
适合做：
-
多步骤内容生成
-
审核 + 改写 + 输出
-
RAG 检索问答
-
分类路由
-
表单处理
-
数据清洗
-
批量文本分析
-
多模型协同
Coze 官方把工作流定义为：
一系列可执行指令的集合，用于实现业务逻辑或完成特定任务，并提供可视化画布，通过拖拽节点来快速搭建。
3）AI 编程 / 生成式工作流 #
这是最近很火的一块。
官方文档提到，Coze 推出了 AI 生成式工作流功能，你只需要用自然语言描述业务需求，Coze 就能自动生成工作流骨架、节点结构和初步逻辑，大幅降低搭建门槛。
这意味着你可以直接说：
“帮我做一个文章润色工作流：先检测敏感词，再优化标题，再生成摘要，最后输出公众号版本。”
然后让 Coze 自动给你生成一套流程。
Coze配置神马中转API教程 #
1）什么是中转API？ #
神马中转API本质上就是：
你不直接连 OpenAI / Claude / Gemini，而是先连一个中间层服务。
它通常提供：
-
统一接口
-
统一 Key 管理
-
多模型路由
-
余额计费
-
国内网络优化
-
OpenAI 兼容格式
2）为什么在Coze里配置中转 API？ #
主要有 4 个原因：
-
官方模型不够用，想接更多模型
-
想统一管理多个模型厂商
-
想降低接入门槛
-
想把不同模型集中到一个 Base URL
3）你需要准备什么？ #
一般需要这 3 个信息：
-
API Key
-
Base URL
-
模型名称（Model Name）
API Key: sk-xxxxxx
Base URL: https://api.whatai.cc/v1/chat/completions
Model: gpt-5.4
4）在 Coze 中配置模型的大致步骤 #
Coze 平台里不同入口可能因版本更新略有变化，但核心逻辑一致。
路径思路（通用） #
进入：
-
工作空间 / 管理后台
-
左侧菜单-项目开发-创建项目
-
创建智能体，填写名字、介绍与图标
创建工作流 #
添加HTTP请求，OpenAI 兼容格式的通用配置模板 #
点击➕，添加HTTP请求 
神马中转 API 是 OpenAI 兼容，通常这样填：
基础配置示例
curl --location --request POST 'https://api.whatai.cc/v1/chat/completions' \
--header 'Accept: application/json' \
--header 'Authorization: Bearer {{YOUR_API_KEY}}' \
--header 'Content-Type: application/json' \
--data-raw '{
"model": "gpt-5.4",
"messages": [
{
"role": "user",
"content": "给我写个神马中转API介绍"
}
],
"max_tokens": 1000,
}'
导入cURL，填写自己的key 
修改自己想用的模型值（模型值去神马中转API模型价格页面复制），最后试运行成功 
配置时重点检查 Base URL、API Key、模型 ID 三项是否正确，超时时间设置最长，并通过单节点工作流先做连通性测试，再正式接入复杂工作流。
Coze 的核心能力拆解 #
1）知识库（RAG） #
Coze 支持知识库存储和检索能力，官方文档说明支持上传和存储外部知识内容，并提供多种检索能力。
适合做：
-
企业 FAQ
-
产品文档问答
-
课程资料答疑
-
法规条文检索
-
内部 SOP 问答
2）大模型节点（LLM Node） #
官方文档说明，大模型节点依赖大语言模型的理解与生成能力，可以处理复杂 NLP 任务，并可配置提示词来定义回复风格。
适合做：
-
总结
-
分类
-
改写
-
提取
-
生成
-
翻译
-
审核
3）技能（Skill） #
Coze 支持通过 AI 编程方式开发技能，也可以上传技能文件打包为技能。
适合做：
-
自定义工具函数
-
接外部 API
-
复杂业务逻辑封装
-
复用组件
4）数据库（Database） #
Coze 平台支持数据库能力，可以让你的 AI 应用具备一定的数据存储与查询能力。
适合做：
-
用户记录
-
对话状态
-
表单数据
-
订单状态
-
业务配置
AI 生成式工作流教程（官方推荐玩法） #
这一部分是很多人最感兴趣的。
官方文档明确表示：
你不需要手动一个个拖节点，只要用自然语言描述需求，Coze 可以帮你自动生成工作流。
1）什么是 AI 生成式工作流？ #
简单说就是：
你负责“说需求”，Coze 负责“搭框架”。
例如你输入：
帮我创建一个文章处理工作流：
1. 接收用户输入文章
2. 判断文章类型（科普/营销/故事）
3. 根据类型生成不同风格标题
4. 输出摘要
5. 输出优化后的正文
Coze 会尝试自动生成：
-
开始节点
-
分类节点 / 判断逻辑
-
LLM 节点
-
多分支节点
-
输出节点
2）AI 生成式工作流适合什么场景？ #
非常适合：
-
内容生产流程
-
审核流程
-
问答分流
-
客服意图识别
-
知识库问答
-
数据提取
-
批量文档处理
3）推荐的提示词写法（非常重要） #
如果你直接说：
帮我做个工作流
Coze 可能生成得很泛。
你应该这样说：
模板 1：结构化描述法 #
帮我创建一个工作流，用于处理用户提交的文章内容。
输入：
- article_text（字符串）
目标：
- 判断文章类型（科普/营销/故事）
- 根据类型生成 3 个标题
- 输出 100 字摘要
- 输出润色后的正文
要求：
- 使用大模型节点完成分类和生成
- 每一步都保留中间变量
- 最终输出 title_list、summary、optimized_text
4）AI 生成后要做的 3 件事 #
① 检查输入输出变量 #
重点看：
-
输入字段是否正确
-
类型是否正确（String / Object / Array）
-
节点输出是否被后续引用
② 检查提示词 #
AI 自动生成的提示词通常能用，但不一定最优。
建议你自己补充：
-
输出格式要求
-
风格要求
-
错误兜底逻辑
-
结构化 JSON 要求
③ 跑试运行 #
一定要点 试运行 / 调试，看每个节点输出是否符合预期。
【实战】Coze 官方工作流教程（低代码工作流手把手） #
更多官方教程文档：https://www.coze.cn/open/docs/guides/learning_resources
低代码工作流是可执行指令集合，可通过可视化画布拖拽节点快速搭建。