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。

插件系统：给 Bot 装上手和脚

Coze 内置 600+ 插件，分几大类：

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

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

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。