Coze工作流深度使用：搭建多分支智能客服系统
·
本文将详细介绍如何使用Coze工作流搭建一个支持意图识别和条件分支的智能客服系统，实现产品咨询、技术支持、售后服务的分流处理。
一、前言
在上一篇文章中，我们介绍了如何使用Coze快速搭建基础版智能客服。但在实际业务场景中，用户问题往往涉及多个业务领域，需要不同的处理逻辑：
- 产品咨询 → 查询产品知识库
- 技术支持 → 生成技术方案 + 联网搜索
- 售后服务 → 根据政策生成解答
- 其他问题 → 智能引导
本文将介绍如何使用Coze工作流实现这种复杂的分支处理逻辑。
二、Demo2 vs Demo1
| 维度 | Demo1（基础版） | Demo2（工作流版） |
|---|---|---|
| 实现方式 | 智能体配置 | 工作流编排 |
| 意图识别 | 自动（底层实现） | 显式大模型节点 |
| 分支处理 | 自动 | 显式选择器节点 |
| 节点数量 | 少 | 多（12+个节点） |
| 灵活性 | 中等 | 高 |
| 适用场景 | 标准问答 | 复杂业务逻辑 |
三、整体架构
用户输入问题
│
▼
开始节点（接收query）
│
▼
大模型节点（意图识别）
│ intent: 产品咨询/技术支持/售后服务/其他
▼
选择器节点（条件分支）
│
├── 产品咨询 → 知识库检索 → 大模型生成答案
│
├── 技术支持 → 大模型生成方案 → 插件搜索 → 大模型整合
│
├── 售后服务 → 大模型生成解答
│
└── 其他问题 → 大模型智能引导
│
▼
代码节点（整合格式化）
│
▼
结束节点（返回答案）
四、核心节点介绍
4.1 开始节点
- 作用：接收用户输入，作为工作流起点
- 输出变量：
query（用户问题）
4.2 大模型节点
- 作用：意图识别、内容生成、答案整合
- 使用场景：
- 意图识别（第4步）
- 产品咨询答案生成（第7步）
- 技术支持方案生成（第8步）
- 售后问题解答（第9步）
- 其他问题引导（第10步）
4.3 选择器节点
- 作用：根据条件将流程导向不同分支
- 条件类型：等于、包含、正则匹配等
4.4 知识库检索节点
- 作用：查询知识库获取相关内容
- 输出：检索结果列表
outputList
4.5 插件节点
- 作用：调用外部插件扩展功能
- Demo2中使用：必应搜索插件获取最新技术资料
4.6 代码节点
- 作用：执行自定义代码处理数据
- 功能：整合四个分支的输出，格式化最终答案
五、详细搭建步骤
5.1 创建智能体和工作流
-
登录Coze，点击「+ 创建」→「创建智能体」
-
填写信息：
- 智能体名称：智云科技智能客服-工作流版
- 功能介绍：基于工作流的智能客服，支持意图识别和分支处理
-
在智能体编排页面，点击「工作流」右边的+，创建新工作流
-
填写工作流信息：
- 名称：
customer_service_workflow - 描述：根据用户意图进行分支处理
- 名称：
5.2 配置开始节点和意图识别
开始节点配置：
- 输出变量：
query（String类型，必填）
意图识别节点配置：
- 模型：豆包
- 系统提示词：
你是一个意图识别助手。请分析用户问题，判断其意图类别。
意图类别：
1. 产品咨询 - 询问产品功能、价格、版本等
2. 技术支持 - 询问接入方式、API、故障等
3. 售后服务 - 询问退款、发票、账号等
4. 其他问题 - 不属于以上类别
输出格式：直接输出意图类别名称，如"产品咨询"
-
用户提示词：
用户问题：{{input}} -
输出变量：
output（String类型）
5.3 添加选择器节点
连接意图识别节点的输出到选择器节点，配置四个分支：
| 分支 | 条件 | 值 |
|---|---|---|
| 分支1 | 等于 | 产品咨询 |
| 分支2 | 等于 | 技术支持 |
| 分支3 | 等于 | 售后服务 |
| 默认分支 | 其他 | - |
5.4 产品咨询分支
知识库检索节点：
-
输入：开始节点的
query变量 -
知识库：智云科技产品文档库
-
检索参数：
- 检索模式：语义检索
- 召回数量：3
- 查询改写：开启
- 结果重排：开启
答案生成节点：
- 模型：豆包
- 系统提示词：
你是产品咨询专家。请根据知识库检索结果，为用户生成清晰、完整的产品咨询回答。
任务要求：
1. 整合知识库中的相关信息
2. 直接回答用户问题，不要罗列无关内容
3. 如果涉及价格，清晰列出各版本费用
4. 如果涉及功能，分点说明主要特性
5. 保持专业、友好的语气
注意：基于提供的知识库内容回答，不要编造信息。
- 用户提示词：
用户问题：{{开始.query}}
知识库检索结果：
{{知识库检索.outputList}}
请根据以上信息，生成完整的产品咨询回答：
- 输出变量：
product_answer
5.5 技术支持分支
技术支持分支采用大模型生成方案 → 插件搜索 → 大模型整合的三段式处理：
第一步：生成技术方案
- 模型：豆包
- 系统提示词：
你是技术支持专家。请分析用户的技术问题，提供详细的解决方案。
回答要求：
1. 提供清晰的解决步骤（分步骤说明）
2. 给出具体的操作命令或代码示例
3. 说明可能的原因和预防措施
4. 如果问题复杂，建议联系技术支持：400-888-9999
- 输出变量：
tech_solution
第二步：插件搜索
- 插件：必应搜索
- 返回条数：3
- 搜索关键词：
{{开始.query}} 解决方案
第三步：整合答案
- 模型：豆包
- 系统提示词：
请整合技术解决方案和搜索结果，生成完整的回答。
输入信息：
- 技术方案：{{tech_solution}}
- 搜索结果：{{search_result}}
要求：
1. 以技术方案为主
2. 补充搜索结果中的最新信息
3. 标注信息来源
- 输出变量：
final_tech_answer
5.6 售后服务分支
- 模型：豆包
- 系统提示词：
你是售后服务助手。请根据用户问题，提供专业的售后政策解答。
服务范围：
- 退款政策
- 发票申请
- 账号问题
- 续费咨询
回答要求：
1. 基于公司政策回答
2. 提供具体操作步骤
3. 告知客服联系方式：400-888-9999
- 输出变量：
service_answer
5.7 默认分支（其他问题）
- 模型：豆包
- 系统提示词：
你是智能客服引导助手。用户的问题不在你的服务范围内，请礼貌地引导用户。
服务范围说明：
- 产品咨询：智云科技产品功能、价格、版本
- 技术支持：接入方式、API、故障排查
- 售后服务：退款、发票、账号问题
回答要求：
1. 礼貌说明无法回答该问题
2. 告知用户你可以解答的问题类型
3. 建议联系人工客服
- 输出变量：
other_response
5.8 代码节点整合
代码节点负责整合四个分支的输出，根据意图类型选择对应的答案并添加统一格式：
async def main(args: Args) -> Output:
params = args.params
# 获取各分支的输出
product_answer = params.get('product_answer', '')
final_tech_answer = params.get('final_tech_answer', '')
service_answer = params.get('service_answer', '')
other_response = params.get('other_response', '')
intent = params.get('intent', '其他')
query = params.get('query', '')
# 根据意图选择答案并添加不同的处理标识
if intent == '产品咨询' and product_answer:
answer = f"【产品咨询 - 知识库+AI生成】\n\n{product_answer}\n\n---\n📚 信息来源：智云科技产品文档库\n🤖 由AI整合生成\n📞 如有其他问题，请联系客服：400-888-9999"
elif intent == '技术支持' and final_tech_answer:
answer = f"【技术支持 - AI生成+联网搜索】\n\n{final_tech_answer}\n\n---\n🔍 该回答由AI生成并结合最新搜索结果\n📞 如需进一步帮助，请联系技术支持：400-888-9999"
elif intent == '售后服务' and service_answer:
answer = f"【售后服务 - AI智能解答】\n\n{service_answer}\n\n---\n🤖 该回答由AI根据售后政策生成\n📞 紧急情况请直接拨打：400-888-9999"
elif intent == '其他' and other_response:
answer = f"【其他问题 - 智能引导】\n\n{other_response}\n\n---\n💡 建议描述具体的产品或技术问题\n📞 人工客服：400-888-9999（工作日9:00-18:00）"
else:
answer = f"抱歉，您的问题\"{query}\"我暂时无法回答。\n\n我可以帮您：\n• 了解智云科技产品功能\n• 获取技术支持方案\n• 解答售后问题\n\n📞 建议联系人工客服：400-888-9999（工作日9:00-18:00）"
ret: Output = {"formatted_answer": answer}
return ret
输入变量：
product_answer: Stringfinal_tech_answer: Stringservice_answer: Stringother_response: Stringintent: Stringquery: String
输出变量：formatted_answer（String类型）
5.9 结束节点
- 输出变量：
formatted_answer
5.10 测试工作流
- 点击底部「试运行」按钮
- 输入测试问题进行验证：
测试用例1：产品咨询
- 输入：“智云客服系统多少钱？”
- 预期：返回价格信息，带【产品咨询 - 知识库+AI生成】标签
测试用例2：技术支持
- 输入：“怎么接入智云客服？”
- 预期：返回接入流程，带【技术支持 - AI生成+联网搜索】标签
测试用例3：售后服务
- 输入：“怎么申请退款？”
- 预期：返回退款政策，带【售后服务 - AI智能解答】标签
测试用例4：其他问题
- 输入：“今天天气怎么样？”
- 预期：返回无法回答提示，带【其他问题 - 智能引导】标签
- 观察工作流执行路径和输出结果
测试要点：
- 答案是否基于知识库内容
- 价格信息是否准确
- 未知问题是否诚实说明
- 语气是否专业礼貌
5.11 绑定工作流到智能体
- 点击右上角「发布」按钮，发布工作流
- 返回智能体编排页面
- 在「工作流」区域，点击「+ 添加工作流」
- 选择刚才发布的工作流「customer_service_workflow」
5.12 配置智能体人设
由于工作流已处理主要逻辑，人设可以简化：
你是智云科技智能客服助手。
重要说明：
本智能体使用工作流处理用户问题，已实现意图识别和分支处理。
工作流逻辑：
1. 识别用户意图（产品咨询/技术支持/售后服务/其他）
2. 根据意图查询知识库或生成回答
3. 格式化输出并返回答案
人工客服：400-888-9999
5.13 测试完整流程
- 在「预览与调试」区域测试
- 输入各类问题，观察工作流是否正确执行
- 检查输出格式是否符合预期
六、完整测试用例汇总
| 场景 | 测试问题 | 预期输出 |
|---|---|---|
| 产品咨询 | “智云客服系统多少钱？” | 【产品咨询 - 知识库+AI生成】+ 价格信息 |
| 技术支持 | “怎么接入智云客服？” | 【技术支持 - AI生成+联网搜索】+ 接入流程 |
| 售后服务 | “怎么申请退款？” | 【售后服务 - AI智能解答】+ 退款政策 |
| 其他问题 | “今天天气怎么样？” | 【其他问题 - 智能引导】+ 服务范围说明 |
七、总结
通过本文的介绍，我们学会了：
- 工作流节点编排：使用多种节点组合实现复杂逻辑
- 意图识别：使用大模型节点显式识别用户意图
- 条件分支：使用选择器节点实现多分支处理
- 知识库检索：查询产品文档获取准确信息
- 插件使用：通过必应搜索获取最新技术资料
- 代码节点：使用Python代码整合多分支输出
相比Demo1的基础版智能客服，Demo2的工作流版本具有更高的灵活性和可控性，适合处理复杂的业务场景。
如果觉得有用，欢迎点赞、收藏、关注！
有问题可以在评论区留言，我会及时回复。
参考资料
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
5
0- 0
已为社区贡献4条内容
所有评论(0)