Coze 能从"玩具"变成"工具",靠的就是三个核心功能:插件让 Bot 有手有脚,工作流让复杂任务自动跑,知识库让 Bot 懂你的业务数据。这章一个一个拆开讲。

Coze 知识库功能

插件系统:给 Bot 装上手和脚

Coze 内置 600+ 插件,分几大类:

| 类别 | 典型插件 | 用途 | |------|---------|------| | 搜索类 | Web Search、News Search | 实时获取网络信息 | | 内容类 | URL Reader、YouTube Transcript | 读取外部内容 | | 工具类 | Code Interpreter、Calculator | 执行代码和计算 | | 图片类 | DALL-E、Image Editor | 生成和编辑图片 | | 数据类 | Google Sheets、Database Query | 读写结构化数据 |

自定义插件

内置插件不够用?自己写一个。Coze 支持通过 OpenAPI Schema 接入任何 REST API:

{
  "openapi": "3.0.0",
  "info": {
    "title": "天气查询插件",
    "version": "1.0.0"
  },
  "paths": {
    "/weather": {
      "get": {
        "operationId": "getWeather",
        "summary": "查询指定城市的天气",
        "parameters": [
          {
            "name": "city",
            "in": "query",
            "required": true,
            "schema": { "type": "string" },
            "description": "城市名称,如 Sydney"
          }
        ]
      }
    }
  },
  "servers": [
    { "url": "https://api.weatherapi.com/v1" }
  ]
}

上传这个 JSON,Coze 就会自动把它注册成插件。Bot 对话中需要查天气时,会自动调用你的 API。

工作流:让复杂任务自动跑

工作流是 Coze 最强的功能,没有之一。你可以用拖拽的方式把多个步骤串起来,每一步可以是 LLM 调用、插件执行、条件判断或代码运算。

一个实际例子:自动内容审核工作流

Start(用户提交内容)
  → LLM 节点(判断内容类别:广告/正常/违规)
  → 条件分支
    ├── 广告 → LLM 节点(提取广告关键词)→ 数据库记录
    ├── 违规 → 通知管理员 → 自动回复"内容不合规"
    └── 正常 → LLM 节点(生成摘要)→ 发布到频道
  → End

工作流节点类型

| 节点 | 功能 | 常用场景 | |------|------|---------| | LLM | 调用大模型处理文本 | 分类、摘要、改写 | | Plugin | 执行插件动作 | 搜索、发消息、读数据 | | Code | 跑 Python/JavaScript | 数据清洗、格式转换 | | Condition | 条件分支 | if-else 逻辑判断 | | Variable | 变量操作 | 存储和传递中间结果 | | Batch | 批量处理 | 循环处理列表数据 |

我个人觉得工作流最好用的地方是把 LLM 节点和 Code 节点混着用。比如先让 LLM 从用户的自然语言里提取结构化参数,再用 Code 节点去调 API、做计算,最后再让 LLM 把结果组织成人话。

知识库:让 Bot 懂你的数据

知识库是 Coze 的 RAG(检索增强生成)方案。上传你的文档,Bot 对话时会自动检索相关内容作为上下文。

支持的数据源

  • 文件上传:TXT、PDF、DOCX、Excel、CSV
  • 网页抓取:输入 URL,Coze 自动爬取内容
  • API 导入:通过 API 批量写入数据
  • 手动录入:直接在界面里编辑

分片策略

上传文档后,Coze 会自动把长文本切成小块(chunk)。你可以选择:

分片方式:
├── 自动分片(默认,按段落 + 语义切分)
├── 按字数切分(自定义 chunk 大小,如 500 字)
├── 按分隔符切分(用 --- 或 ## 标记边界)
└── 不切分(适合短文本,如 FAQ 条目)

我的经验:如果你的文档结构化程度高(比如 FAQ、产品手册),用分隔符切分效果最好。如果是长篇文章或报告,自动分片就够了。

检索配置

| 参数 | 推荐值 | 说明 | |------|--------|------| | Top K | 3-5 | 返回最相关的 K 个文档片段 | | 相似度阈值 | 0.7 | 低于此值的片段不返回 | | 检索模式 | 混合检索 | 向量 + 关键词,兼顾语义和精确匹配 |

多 Agent 协作

Coze 支持把一个 Bot 当作另一个 Bot 的"工具"来调用。比如你有一个翻译 Bot 和一个摘要 Bot,可以创建一个"总管 Bot",根据用户需求分别调用它们。

这种模式适合把复杂任务拆成多个专精的小 Agent,各司其职,比塞一堆指令到一个 Persona 里效果好得多。

JR Academy · Blog职业洞察

Coze 实战手册:零代码搭建 AI Bot,从聊天机器人到自动化工作流 — Coze 核心功能详解:插件、工作流和知识库三板斧

深入掌握 Coze 三大核心功能:600+ 插件生态扩展能力、可视化工作流自动化编排、知识库 RAG 检索增强生成

发布日期
阅读时长1 分钟
作者

Coze 能从"玩具"变成"工具",靠的就是三个核心功能:插件让 Bot 有手有脚,工作流让复杂任务自动跑,知识库让 Bot 懂你的业务数据。这章一个一个拆开讲。

Coze 知识库功能

插件系统:给 Bot 装上手和脚

Coze 内置 600+ 插件,分几大类:

| 类别 | 典型插件 | 用途 | |------|---------|------| | 搜索类 | Web Search、News Search | 实时获取网络信息 | | 内容类 | URL Reader、YouTube Transcript | 读取外部内容 | | 工具类 | Code Interpreter、Calculator | 执行代码和计算 | | 图片类 | DALL-E、Image Editor | 生成和编辑图片 | | 数据类 | Google Sheets、Database Query | 读写结构化数据 |

自定义插件

内置插件不够用?自己写一个。Coze 支持通过 OpenAPI Schema 接入任何 REST API:

{
  "openapi": "3.0.0",
  "info": {
    "title": "天气查询插件",
    "version": "1.0.0"
  },
  "paths": {
    "/weather": {
      "get": {
        "operationId": "getWeather",
        "summary": "查询指定城市的天气",
        "parameters": [
          {
            "name": "city",
            "in": "query",
            "required": true,
            "schema": { "type": "string" },
            "description": "城市名称,如 Sydney"
          }
        ]
      }
    }
  },
  "servers": [
    { "url": "https://api.weatherapi.com/v1" }
  ]
}

上传这个 JSON,Coze 就会自动把它注册成插件。Bot 对话中需要查天气时,会自动调用你的 API。

工作流:让复杂任务自动跑

工作流是 Coze 最强的功能,没有之一。你可以用拖拽的方式把多个步骤串起来,每一步可以是 LLM 调用、插件执行、条件判断或代码运算。

一个实际例子:自动内容审核工作流

Start(用户提交内容)
  → LLM 节点(判断内容类别:广告/正常/违规)
  → 条件分支
    ├── 广告 → LLM 节点(提取广告关键词)→ 数据库记录
    ├── 违规 → 通知管理员 → 自动回复"内容不合规"
    └── 正常 → LLM 节点(生成摘要)→ 发布到频道
  → End

工作流节点类型

| 节点 | 功能 | 常用场景 | |------|------|---------| | LLM | 调用大模型处理文本 | 分类、摘要、改写 | | Plugin | 执行插件动作 | 搜索、发消息、读数据 | | Code | 跑 Python/JavaScript | 数据清洗、格式转换 | | Condition | 条件分支 | if-else 逻辑判断 | | Variable | 变量操作 | 存储和传递中间结果 | | Batch | 批量处理 | 循环处理列表数据 |

我个人觉得工作流最好用的地方是把 LLM 节点和 Code 节点混着用。比如先让 LLM 从用户的自然语言里提取结构化参数,再用 Code 节点去调 API、做计算,最后再让 LLM 把结果组织成人话。

知识库:让 Bot 懂你的数据

知识库是 Coze 的 RAG(检索增强生成)方案。上传你的文档,Bot 对话时会自动检索相关内容作为上下文。

支持的数据源

  • 文件上传:TXT、PDF、DOCX、Excel、CSV
  • 网页抓取:输入 URL,Coze 自动爬取内容
  • API 导入:通过 API 批量写入数据
  • 手动录入:直接在界面里编辑

分片策略

上传文档后,Coze 会自动把长文本切成小块(chunk)。你可以选择:

分片方式:
├── 自动分片(默认,按段落 + 语义切分)
├── 按字数切分(自定义 chunk 大小,如 500 字)
├── 按分隔符切分(用 --- 或 ## 标记边界)
└── 不切分(适合短文本,如 FAQ 条目)

我的经验:如果你的文档结构化程度高(比如 FAQ、产品手册),用分隔符切分效果最好。如果是长篇文章或报告,自动分片就够了。

检索配置

| 参数 | 推荐值 | 说明 | |------|--------|------| | Top K | 3-5 | 返回最相关的 K 个文档片段 | | 相似度阈值 | 0.7 | 低于此值的片段不返回 | | 检索模式 | 混合检索 | 向量 + 关键词,兼顾语义和精确匹配 |

多 Agent 协作

Coze 支持把一个 Bot 当作另一个 Bot 的"工具"来调用。比如你有一个翻译 Bot 和一个摘要 Bot,可以创建一个"总管 Bot",根据用户需求分别调用它们。

这种模式适合把复杂任务拆成多个专精的小 Agent,各司其职,比塞一堆指令到一个 Persona 里效果好得多。

作者
一键分享或复制链接

相关文章推荐

查看全部文章 →