最详细的扣子（Coze）使用文档

qq_47422213

437人浏览 · 2026-05-27 09:04:28

qq_47422213 · 2026-05-27 09:04:28 发布

一、什么是扣子（Coze）

扣子（Coze）是字节跳动推出的一站式 AI 智能体（Agent）开发平台。它允许用户通过零代码/低代码的方式，快速搭建基于大模型的 AI 应用（称为 Bot），并一键发布到多个社交平台和通讯软件。

核心定位：零代码打造 AI 爆款应用，让每个人都能成为 AI 开发者。

平台地址

版本	地址	说明
国内版（扣子）	https://www.coze.cn	国内直连，中文生态丰富
国际版（Coze）	https://www.coze.com	需科学上网，支持 GPT-4o/Claude 等

相似产品

DIFY，N8N，阿里云百炼

二、核心功能（详细）

2.1 Bot（智能体）创建

Bot 是扣子的基础单元，本质是一个基于大模型的对话式 AI 应用，通过自然语言与用户交互并执行任务。

创建方式详解

AI 创建（推荐新手）

用户只需用自然语言描述需求，扣子自动完成以下工作：

智能生成人设 — 根据描述自动撰写 Bot 的角色定位和性格特征
自动编写回复逻辑 — 生成系统提示词（System Prompt），定义 Bot 的行为规范
智能推荐插件 — 分析需求场景，自动匹配并添加相关插件
自动生成图标 — 为 Bot 生成匹配的头像

示例输入：“帮我创建一个读书推荐助手，根据用户读过的书推荐类似书籍”

标准创建（适合进阶用户）

手动逐项配置，对每个细节有完全控制权。

在这里插入图片描述

可配置项详细说明

配置项	说明	进阶技巧
人设与回复逻辑	即系统提示词（System Prompt），定义 Bot 身份、语气、知识范围、行为边界	使用「角色-背景-目标-限制」框架编写；可在提示词中嵌入变量如 `{{时间}}`
开场白	用户首次进入对话时 Bot 自动发送的消息	好的开场白能引导用户正确使用 Bot
预置问题	对话界面中展示的快捷提问按钮	建议设置 3-4 个覆盖不同场景的引导问题
音色	语音交互场景下 Bot 的发声风格	支持多种情绪音色，可在线试听
语音交互	开启后用户可通过语音与 Bot 对话	需在发布端支持
记忆	Bot 是否记住用户历史对话信息	开启后支持多轮上下文连贯对话
用户输入建议	根据对话上下文动态推荐后续问题	提升用户体验的利器

在这里插入图片描述

提示词编写最佳实践

好的提示词结构 = 角色定位 + 核心能力 + 行为约束 + 输出格式 + 边界处理

示例（读书推荐助手）：
# 角色
你是一位资深的阅读顾问，深耕文学、科技、商业三大领域超过 20 年。

# 核心能力
1. 根据用户读过的书籍，分析其偏好风格、主题、写作手法
2. 从深度、难度、篇幅三个维度推荐相似书籍
3. 对每本推荐书给出 3 句话以内的推荐理由

# 行为约束
- 每次最多推荐 3 本书
- 必须说明推荐理由与用户偏好之间的关联
- 不确定时不编造信息，主动询问用户更多偏好

# 输出格式
📖 推荐书籍：《书名》
👤 作者：xxx
⭐ 推荐指数：★★★★☆
💡 理由：xxx

# 边界处理
- 如果用户需求超出知识范围，引导用户提供更多信息
- 不评价任何书籍的政治立场
- 不推荐未正式出版的书籍

请添加图片描述

2.2 大模型选择

扣子支持接入多个主流大语言模型，不同模型在推理能力、响应速度、成本上各有差异。

国内版模型一览

模型	特点	适合场景
豆包（默认）	字节跳动自研，中文理解优秀，响应快	通用对话、客服、内容创作
DeepSeek	推理能力强，擅长逻辑分析	数据分析、代码生成、复杂推理
Moonshot（月之暗面）	长上下文窗口（128K+），可处理超长文本	文档分析、论文阅读、长文总结
GLM（智谱）	中文语义理解好，工具调用能力强	工具链集成、企业应用

国际版模型一览

模型	特点	适合场景
GPT-4o	OpenAI 旗舰，多模态强（图/文/音）	通用场景、创意写作、复杂推理
GPT-4	稳定可靠，生态成熟	企业级应用、对稳定性要求高的场景
Claude（Anthropic）	安全性高，长上下文优秀（200K）	长文档处理、合规场景
Gemini（Google）	多模态原生支持，搜索能力强	信息检索、多模态分析
Cohere	企业级 RAG 优化	知识库问答、文本分类

模型参数调整

在 Bot 配置中，可对模型进行以下参数调优：

参数	说明	推荐值
温度（Temperature）	控制输出的随机性。值越高回答越有创意，越低越保守	创意场景 0.8-1.0；精准场景 0.1-0.3
最大 Token	单次回复的最大 token 数	一般 1024-4096；长文场景 8192+
Top P	nucleus sampling，控制候选词范围	默认 0.9，一般不调整
频率惩罚	减少重复用词	0.1-0.5
存在惩罚	鼓励引入新话题	0.1-0.5

选型建议：通用对话用豆包/GPT-4o；精准推理用 DeepSeek/Claude；长文档处理用 Moonshot/Claude；多模态任务用 GPT-4o/Gemini。

请添加图片描述

2.3 插件系统

插件是 Bot 能力扩展的核心机制，通过插件，Bot 可以获取实时信息、执行代码、生成图片、操作外部系统等。
在这里插入图片描述

插件分类与详解

在这里插入图片描述

信息获取类

插件	功能	使用场景
必应搜索	实时联网搜索互联网信息	新闻查询、知识问答、实时数据
今日头条	获取头条热门内容和资讯	资讯聚合、热点追踪
天气查询	查询指定城市的实时天气和预报	出行助手、旅行规划
股票查询	查询股票实时行情和历史数据	投资助手、财经分析
Wikipedia	查询百科知识	知识科普、学术查询

内容创作类

插件	功能	使用场景
即梦图片生成	字节自研文生图模型	插画制作、配图生成
DALL-E（国际版）	OpenAI 图片生成	高质感图片创作
Seedance 视频	文生视频、图生视频	短视频制作、营销素材
语音合成	文本转语音（TTS）	播客生成、有声读物
Doc Maker	生成 PDF/Word/PPT/Excel 文档	报告生成、文档自动化

数据处理类

插件	功能	使用场景
代码解释器	运行 Python 代码，处理数据、绘图	数据分析、可视化、批量处理
Excel 处理	读写 Excel 文件	报表生成、数据清洗
数据库查询	连接外部数据库执行查询	企业数据接入
JSON 解析	解析和处理 JSON 数据	API 数据对接

业务集成类

插件	功能	使用场景
飞书消息	发送消息到飞书群聊/个人	团队通知、自动汇报
钉钉通知	发送钉钉消息	企业内部通知
邮件发送	通过 SMTP 发送邮件	邮件报告、用户通知
Webhook	调用任意 HTTP 接口	对接任何第三方系统
剪映（国际版）	视频模板生成和编辑	视频内容生产

插件的添加与配置

在 Bot 编辑界面点击「插件」区域的「+」
浏览插件市场或搜索关键词
点击插件卡片查看详情（功能描述、输入输出参数）
点击「添加」按钮
部分插件需要配置认证信息（如 API Key）
添加完成后可在预览窗口测试插件调用

自定义插件开发

当官方插件不能满足需求时，可通过以下方式创建自定义插件：

步骤 1：进入插件管理

左侧导航 →「插件」→「创建插件」

步骤 2：填写基本信息

插件名称、描述、图标
选择鉴权方式（无/API Key/Bearer Token/OAuth 2.0）

步骤 3：导入 API 规范

方式一：上传 OpenAPI 3.0 / Swagger JSON/YAML 文件
方式二：手动填写接口信息（URL、方法、参数、返回值）

步骤 4：配置接口详情

定义每个 API 的路径、请求方法、请求参数（Query/Body/Header）
定义响应数据结构
编写接口描述（帮助大模型正确理解何时调用）

步骤 5：测试与发布

在测试面板发起真实调用，验证返回结果
确认无误后保存并发布
发布后可在 Bot 编辑中添加使用

自定义插件本质上是对外部 API 的封装，扣子会通过大模型的 Tool Calling 机制自动决定何时调用。

2.4 知识库（RAG）

知识库是扣子的检索增强生成（Retrieval-Augmented Generation, RAG）能力，让 Bot 能基于用户提供的私有数据进行精准回答，而不是仅依赖模型自身的训练数据。

知识库创建流程

上传文档 → 自动分段 → 向量化 → 存储索引 → 在线检索

在这里插入图片描述

支持的文档格式

格式	扩展名	注意事项
PDF	.pdf	支持扫描件（OCR）和文字版
Word	.docx	支持图文混排文档
Excel	.xlsx	支持多 Sheet，按单元格内容分段
纯文本	.txt	按段落或固定长度分割
Markdown	.md	按标题层级分段
网页	URL	自动抓取网页内容并处理
图片	.jpg/.png	需配合 OCR 能力

分段策略

扣子自动将文档切分为语义段落，支持以下分段方式：

模式	说明	适合场景
自动分段	AI 按语义边界自动切分	通用场景，推荐
自定义分段	按固定字符数切分（可设置重叠窗口）	格式统一的文档
按标题分段	按 Markdown 标题层级或 Word 标题样式切分	结构清晰的文档
按段落分段	按自然段落切分	短文档

检索策略

策略	说明	推荐场景
向量检索	语义相似度匹配，理解查询意图	开放域问答、模糊查询
关键词检索	精确关键词匹配	精确查找、术语查询
混合检索（推荐）	向量检索 + 关键词检索加权融合	大多数场景，兼顾精度和召回
MMR	最大边际相关性，保证结果多样性	需要多角度信息的场景

知识库管理操作

批量上传：一次最多上传 50 个文件，单文件最大 50MB
分段预览：查看自动分段结果，支持手动调整段落边界
内容更新：删除旧分段 → 重新上传文档 → 自动重建索引
多知识库关联：一个 Bot 可关联多个知识库，按场景隔离数据
知识库权限：支持设置可见范围（仅自己/团队/公开）

知识库使用最佳实践

文档质量优先 — 原始文档内容越清晰规范，检索效果越好
合理拆分 — 将大型文档拆分为多个独立知识库（如按产品线、按部门）
定期更新 — 过期数据会影响回答准确性
混合检索 — 在大多数场景下推荐使用混合检索模式
测试验证 — 上线前用测试集验证检索命中率

2.5 工作流（Workflow）

工作流是扣子的高级编排功能，通过可视化节点拖拽将多个能力模块串联成自动化流水线，实现复杂的业务逻辑。
在这里插入图片描述

核心概念

输入 → [节点1] → [节点2] → [判断分支] → [节点3A] → 输出
                                     ↘ [节点3B] → 输出

节点详解

开始节点（Start）

工作流的入口，定义输入参数。每个工作流有且仅有一个开始节点。

配置项：

参数名称、类型（String/Number/Boolean/Object/Array）
参数描述（帮助后续节点理解）

结束节点（End）

工作流的出口，定义输出参数。返回结果给调用方（Bot 或其他工作流）。

配置项：

输出参数映射：选择前面某个节点的输出作为最终结果
支持多个输出参数

大模型节点（LLM）

调用 AI 模型处理文本，是工作流中最核心的节点。

配置项：

参数	说明
模型选择	选择具体的大模型（豆包/GPT-4o/DeepSeek 等）
系统提示词	定义该节点的 AI 角色和行为
用户提示词	输入变量，如 `{{上一步的输出}}`
输出格式	可指定 JSON/Text/Markdown 等格式
记忆开关	是否保持多轮上下文
温度/最大 Token	模型参数调优

提示词技巧：在大模型节点中，可以用 {{变量名}} 引用前面节点的输出，实现数据传递。

插件节点（Plugin）

调用扣子插件市场中的任意插件。

配置项：

选择插件和具体 API
填写接口参数（可引用变量）
解析返回结果

代码节点（Code）

运行自定义 Python 或 JavaScript 代码，适合需要自定义逻辑的场景。

示例（Python）：

def main(input: str) -> dict:
    # 清洗数据
    cleaned = input.strip().lower()
    # 计算长度
    length = len(cleaned)
    return {
        "cleaned_text": cleaned,
        "length": length
    }

支持的能力：

Python 3.x 标准库
JS ES6+
不支持安装第三方 pip/npm 包
单次执行超时时间 60 秒

条件分支节点（Condition）

根据条件判断执行不同的路径。

配置方式：

如果 {{变量}} {{运算符}} {{值}} → 执行路径 A
否则 → 执行路径 B

支持运算符：等于、不等于、大于、小于、包含、为空、正则匹配

循环节点（Loop）

对数组类型的数据进行批量处理。

配置项：

循环变量：从输入数组中逐个取出元素
循环体：对每个元素执行的节点序列
输出聚合：收集所有循环结果并合并

变量节点（Variable）

在工作流中存储和操作中间数据。

类型：

本地变量：仅在当前工作流中可用
全局变量：可在 Bot 的多个工作流之间共享

选择器节点（Switch）

根据输入值匹配多个预设路径，类似编程中的 switch-case。

示例：

匹配 {{用户意图}}
  → "查天气" → 调用天气查询插件
  → "查新闻" → 调用新闻搜索插件
  → "其他" → 调用大模型通用回复

工作流编排流程图解

┌──────────┐    ┌──────────────┐    ┌──────────┐
│ 开始节点  │───▶│ 大模型节点    │───▶│ 条件分支  │
│ (用户输入) │    │ (意图识别)    │    │ (判断)    │
└──────────┘    └──────────────┘    └────┬─────┘
                                         │
              ┌──────────────────────────┼──────────────────┐
              ▼                          ▼                   ▼
     ┌────────────────┐       ┌────────────────┐   ┌──────────────┐
     │ 插件节点        │       │ 代码节点        │   │ 大模型节点    │
     │ (联网搜索资讯)   │       │ (数据清洗)      │   │ (闲聊回复)    │
     └────────┬───────┘       └───────┬────────┘   └──────┬───────┘
              │                       │                     │
              └───────────┬───────────┘                     │
                          ▼                                 │
                 ┌────────────────┐                         │
                 │ 大模型节点      │                         │
                 │ (生成摘要报告)   │                         │
                 └────────┬───────┘                         │
                          │                                 │
                          └──────────┬──────────────────────┘
                                     ▼
                            ┌────────────────┐
                            │ 结束节点        │
                            │ (返回结果)      │
                             └────────────────┘

工作流调试技巧

逐节点测试 — 在工作流编辑器中点击「试运行」，观察每个节点的输入/输出
变量检查 — 在输出日志中查看变量值和传递路径
错误处理 — 为关键节点添加错误分支（Error Handler）
超时控制 — 设置节点超时时间，避免工作流卡死
版本管理 — 每次修改后保存版本，支持回滚

工作流典型实战案例

案例：每日行业资讯摘要生成

开始节点：接收用户指定的行业关键词
大模型节点：理解关键词并优化搜索词
插件节点：调用必应搜索获取最新资讯（前 10 条）
代码节点：对搜索结果去重、排序
大模型节点：按"核心事件-市场影响-专家观点"结构生成摘要
插件节点：调用飞书消息插件，推送至指定群聊
结束节点：返回推送结果

2.6 定时任务

定时任务让 Bot 具备主动执行能力，无需用户触发即可在指定时间自动运行工作流或发送消息。

Cron 表达式说明

┌───────── 分钟 (0-59)
│ ┌──────── 小时 (0-23)
│ │ ┌─────── 日 (1-31)
│ │ │ ┌────── 月 (1-12)
│ │ │ │ ┌───── 星期 (0-7, 0和7都表示周日)
│ │ │ │ │
* * * * *

常用表达式速查表：

表达式	含义
`0 7 * * *`	每天早上 7:00
`0 9,18 * * *`	每天 9:00 和 18:00
`/30 * * *`	每 30 分钟
`0 9 * * 1-5`	工作日早上 9:00
`0 0 1 * *`	每月 1 日 0:00
`0 8 * * 1`	每周一早上 8:00

配置步骤

在 Bot 编辑界面进入「定时任务」配置页
点击「创建定时任务」
任务类型：
- 执行工作流 — 定时运行指定的工作流
- 发送消息 — 定时向指定渠道发送预设消息
填写 Cron 表达式（支持可视化选择常见频率）
关联工作流或消息内容（支持变量替换 {{时间}}）
设置生效时间范围（可选）
保存并启用

典型应用场景

场景	定时配置	实现效果
早报推送	每个工作日 8:00	自动抓取行业资讯，生成摘要发送到飞书群
数据日报	每天 18:00	汇总当日销售数据，生成图表报告
周报生成	每周五 17:00	提取本周工作记录，生成周报草稿
节假日提醒	每天 9:00	检查日历，提前提醒用户重要日程
库存预警	每小时检查一次	监控库存数据，低于阈值时自动告警

2.7 扣子罗盘

扣子罗盘是智能体的全生命周期运维平台，帮助开发者监控、分析和优化 Bot 表现。

主要功能模块

对话质量分析

指标	说明	优化方向
用户满意度	用户对回复的反馈评分（点赞/点踩）	低分对话重点分析
响应时长	Bot 从收到消息到回复的平均时间	优化工作流节点耗时
解决率	用户问题是否在单次会话中得到解决	增加追问和引导能力
错误率	调用插件/工作流的失败比例	检查插件配置和网络

对话日志

记录全部对话原文，支持关键词搜索和时间筛选
查看每条消息的模型回复、插件调用链、Token 消耗
对日志进行标签标注，构建训练数据集

用户画像

用户活跃度统计（DAU/MAU）
用户留存分析
高频问题排行（自动统计 TOP 热门话题）
用户画像标签（行业、地域、使用时段）

性能监控

监控项	指标
调用量	日/周/月调用次数趋势
Token 消耗	输入/输出 Token 分布和总量
节点耗时	工作流中各节点耗时排行
异常告警	错误率超过阈值时自动通知

A/B 测试

创建 Bot 的多个版本（如不同提示词、不同模型）
将流量按比例分配到不同版本
对比各版本的关键指标（满意度、解决率、响应时长）
自动选择最优版本全量上线

干预与优化

对 Bad Case 进行人工标注
修改提示词后直接推送热更新（无需重新发布）
将优秀对话导出为训练样本
设置"敏感词"过滤规则，避免 Bot 输出不合适内容

2.8 技能商店

技能商店是扣子的能力市场，将行业专家的经验和最佳实践封装为可一键调用的「技能包」。

技能包结构

一个完整的技能包包含：

人设提示词 — 预训练的角色定位和回复风格
关联插件 — 技能运行所需的插件集合
工作流模板 — 预置的自动化处理流程
知识库参考 — 技能相关的领域知识
使用示例 — 展示技能效果的对话样例

如何使用技能

进入「技能商店」浏览分类或搜索
查看技能详情（功能描述、使用方式、示例展示）
点击「应用」一键添加到 Bot
技能自动配置到 Bot 的提示词、插件和工作流中
在预览窗口测试技能效果

技能分类

类别	示例技能	适用人群
市场营销	小红书爆款文案生成、抖音 SEO 优化、广告文案 A/B 测试	运营、营销人员
教育培训	资深教案编写、自动出题组卷、作文批改评分	教师、教育机构
商业分析	投资人视角 PPT、竞品分析报告、SWOT 分析助手	创业者、产品经理
内容创作	小说大纲生成、短视频脚本创作、播客文案写作	自媒体、创作者
职场效率	会议纪要模板、OKR 编写助手、周报自动生成	职场人士
技术开发	API 文档撰写、代码 Review 助手、数据库设计	开发者

创建自定义技能

技能创作者可封装自己的经验发布到技能商店：

在 Bot 编辑器中完成配置
进入「技能」→「创建技能」
提取核心配置（提示词、插件、工作流）
编写技能说明和使用文档
提交审核
审核通过后上架技能商店（支持定价）

技能商店为行业专家提供了知识产品化和变现的渠道，是扣子生态的重要组成部分。

2.9 记忆功能

扣子的记忆功能让智能体能够跨会话记住用户信息，实现连续、个性化的交互体验。
在这里插入图片描述

长期记忆

长期记忆是扣子内置的核心记忆能力，可在 Bot 配置页中开启。

开启方式：Bot 编辑界面 →「人设与回复逻辑」→ 开启「长期记忆」

能力：

跨会话记忆 — Bot 记住用户在前几轮对话中的偏好、信息、兴趣
用户画像 — 自动记录用户资料（如姓名、年龄、喜好、习惯）
记忆有效期 — 支持设置"永久有效"或自定义天数（1-999 天）
自动更新 — 用户在后续对话中提供新信息时，记忆自动覆盖更新
记忆管理 — 开发者可在调试面板查看、修改或删除已记录的记忆

存储方式：记忆数据保存在扣子系统数据库中，发布后的 Bot 记忆用户不可自行删除。

记忆盒子

记忆盒子是 Bot 的文件存储空间，用于保存用户上传的文件和多媒体内容。

开启后 Bot 可自动读取用户文件
支持通过指令让 Bot 主动上传和管理文件
适合长期保存用户文档、图片、音频等资料

变量

变量是工作流中的临时记忆，分为两种：

类型	作用域	说明
本地变量	当前工作流	在单次工作流执行中传递和暂存数据
全局变量	Bot 全局	跨工作流和跨会话共享数据，可用于存储用户状态

数据库

扣子提供内置数据库功能，可用于构建结构化的持久记忆：

创建自定义数据表（字段类型：文本、数字、日期、JSON 等）
支持增删改查操作
可在工作流中通过代码节点或插件节点读写
适合存储订单记录、用户积分、配置参数等结构化数据

多用户记忆隔离（飞书等渠道）

扣子的记忆是以 用户 ID（connector_uid） 为维度隔离存储的。当 Bot 发布到飞书后，不同用户与 Bot 对话时：

自动识别 — 飞书用户 ID 自动映射为扣子内部的 connector_uid
记忆隔离 — 每个用户拥有独立的记忆空间，A 用户的记忆对 B 用户完全不可见
自动召回 — 用户对话时，Bot 自动召回该用户专属的记忆，无需任何额外配置

通过 API 调用时，在请求中传入 user_id 参数即可指定用户身份，扣子据此读写对应记忆：

// 示例：两个不同 user_id 拥有各自独立的记忆
req1 := &coze.CreateChatReq{
    BotID:  botID,
    UserID: "user_A_001",  // 用户A
    Messages: []coze.Message{...},
}

req2 := &coze.CreateChatReq{
    BotID:  botID,
    UserID: "user_B_002",  // 用户B → 不同的记忆空间
    Messages: []coze.Message{...},
}

一句话概括：同一 Bot，不同平台用户，各自独立记忆，系统自动隔离。

记住：

如果你是普通用户：不需要担心，扣子在不同平台（如飞书、微信）发布时，会自动根据平台账号隔离记忆。

如果你是开发者（API接入）：核心就是严格管理 user_id 的传递。确保每个真实用户对应一个固定的唯一ID，不要把所有人的请求都用同一个ID发给扣子，否则他们的记忆就会混在一起。

import requests
import json

def call_coze_api(user_message, current_user_id):
    # 1. 替换为你自己的真实凭证
    api_token = "pat_xxxxxxxxxxxxxxxxxxxxx"  # 你的扣子 API Token
    bot_id = "73428668xxxxx"                 # 你的 Bot ID
    
    # 2. 配置 API 请求地址和请求头
    url = "https://api.coze.cn/v3/chat"
    headers = {
        "Authorization": f"Bearer {api_token}",  # 鉴权 Token
        "Content-Type": "application/json"
    }
    
    # 3. 构建请求体（Payload）
    # 这里将 current_user_id 填入 user_id 字段，实现记忆隔离
    payload = {
        "bot_id": bot_id,
        "user_id": current_user_id, 
        "stream": False,  # 是否流式返回，False 表示一次性返回完整结果
        "auto_save_history": True,  # 自动保存对话历史
        "additional_messages": [    # 用户当前发送的消息
            {
                "role": "user",
                "content": user_message,
                "content_type": "text"
            }
        ]
    }
    
    # 4. 发起 POST 请求并获取扣子机器人的回复
    try:
        response = requests.post(url, headers=headers, data=json.dumps(payload))
        response.raise_for_status()  # 检查 HTTP 错误
        data = response.json()
        
        # 提取机器人返回的文本内容
        bot_reply = data["data"]["messages"][0]["content"]
        return bot_reply
        
    except Exception as e:
        print(f"调用扣子 API 失败: {e}")
        return "抱歉，服务器开小差了，请稍后再试。"

# --- 模拟调用 ---
# 假设当前登录用户的 ID 是 "user_10086"，他发送了消息 "你好"
reply = call_coze_api("你好", "user_10086")
print("机器人回复：", reply)

工作流中的记忆节点

在工作流编辑器中，提供了长期记忆节点，可主动读取当前用户的长期记忆内容，用于个性化推荐、上下文感知等场景。

典型用法：

用户输入 → 长期记忆节点（读取用户喜好）→ 大模型节点（结合喜好生成回复）

记忆功能的应用场景

智能客服 — 记住用户的购买记录、偏好尺码、历史问题，避免重复询问
虚拟伴侣 — 记住用户的兴趣爱好、重要日期、情感状态，提供陪伴式对话
健康助手 — 记录用户的饮食禁忌、运动目标、健康数据，持续跟踪进展
教育辅导 — 记住学生的学习进度、薄弱知识点，定制个性化学习计划
旅行规划 — 记住用户的出行偏好（民宿/酒店、早班/晚班），推荐更精准的方案

三、快速上手指南

3.1 注册与登录

访问 https://www.coze.cn
点击"快速开始"，使用手机号注册/登录
进入扣子空间（主工作台）

3.2 创建第一个 Bot

步骤 1：创建入口

点击右上角「创建」→「创建智能体」
选择「AI 创建」或「标准创建」

步骤 2：描述需求（AI 创建）

示例：帮我创建一个给小学生修改作文的智能体

AI 会自动生成：

人设描述
回复逻辑
推荐插件

步骤 3：配置 Bot

调整人设与回复逻辑（提示词）
添加或删除插件
配置开场白和预置问题

步骤 4：测试

在预览窗口与 Bot 对话测试
根据结果调整提示词或配置

步骤 5：发布

点击「发布」
选择发布渠道（扣子商店、飞书、微信等）
填写发布信息，完成上架

3.3 创建第一个工作流

在 Bot 编辑界面点击「+」→「创建工作流」
填写工作流名称和描述
拖拽节点到画布，连接成流程
配置每个节点的参数
点击「试运行」调试
保存并关联到 Bot

四、高级功能

4.1 自定义插件开发

步骤：

进入「插件」→「创建插件」
填写 API 名称和描述
导入 OpenAPI/Swagger 规范
配置认证方式（API Key/OAuth）
测试并发布

4.2 扣子编程

零门槛全栈应用开发：

通过自然语言对话完成搭建
支持网站、轻量级 App 开发
内置 UI 构建器
一键测试与发布

4.3 Eino 开发框架

基于 Go 语言的开源 AI Agent 开发框架：

面向高级开发者
提供专业的代码级开发能力
满足定制化需求
开源地址：GitHub - coze-dev/eino

4.4 私有部署（Coze Studio）

扣子核心已于 2025 年 7 月开源（Apache 2.0），支持 Docker 一键私有部署。

私有部署的意义：

数据安全 — 对话记录、知识库、用户数据全部存于自有服务器，不出内网
合规要求 — 满足等保、GDPR 等法规，审计日志与访问策略自控
成本可控 — 高频场景下无平台抽成，仅需硬件 + 模型调用成本
离线运行 — 支持完全无互联网环境，结合开源模型可全离线使用
自由定制 — 基于 Go + React 源码二次开发，打通内部系统
自由接模型 — 可接入任意模型（本地 Ollama/vLLM、OpenAI、自研模型等）
无限流 — 无 QPS 限制，无内容审查策略约束

开源组件：

Coze Studio — 完整 AI Agent 可视化开发环境
Coze Loop — Agent 调试、评测与全链路追踪工具

快速部署：

git clone https://github.com/coze-dev/coze-studio.git
cd coze-studio
docker compose up -d
# 浏览器打开 http://localhost:8888

五、发布渠道

渠道	国内版	国际版
扣子商店	✅	✅
飞书	✅	❌
微信公众号	✅（需审核）	❌
抖音	✅	❌
豆包	✅	❌
Discord	❌	✅
Telegram	❌	✅
WhatsApp	❌	✅
Slack	❌	✅
Web 嵌入（iframe/SDK）	✅	✅
API 接口	✅	✅

**注意：**私有化部署无法提供发布，只能通过中转服务进行AgentAPI对接。

5.1 线上发布

在这里插入图片描述

只要输入微信公众号APPID，就可以实现一键发布：
在这里插入图片描述

六、定价方案

方案	国内版	国际版
免费版	基础功能免费	基础功能免费
专业版	按需付费	$9/月（Premium）
企业版	联系销售	联系销售

扣子按实际使用的功能特性计费（模型调用量、插件调用次数、存储空间等）。

七、国内版 vs 国际版对比

维度	国内版（coze.cn）	国际版（coze.com）
访问方式	国内直连	需科学上网
主流模型	豆包、DeepSeek、GLM	GPT-4o、Claude、Gemini
插件生态	中文插件丰富	600+ 英文插件
发布渠道	抖音、飞书、微信	Discord、Telegram、WhatsApp
适用人群	国内用户/中文场景	海外用户/多语言场景

八、应用场景举例

8.1 智能客服

7×24 小时自动应答
基于知识库精准回复
自动分类工单，升级人工

8.2 内容创作

小红书/抖音爆款文案生成
AI 视频脚本 + 自动剪辑
播客生成（文案 + 语音合成）

8.3 企业内部助手

知识库问答系统
会议纪要自动生成
数据报表定时推送

8.4 教育培训

自动出题组卷
AI 作文批改
多语种学习助手

8.5 电商运营

跨境电商多语言客服
商品描述批量生成
订单物流自动查询

九、常见问题（FAQ）

Q：扣子需要编程基础吗？
A：完全不需要。扣子提供可视化界面，零代码即可创建 AI Bot。

Q：扣子免费吗？
A：基础功能完全免费。高级功能（如大量 API 调用）需付费。

Q：国内版和国际版数据互通吗？
A：不互通。两个版本账号和数据独立。

Q：可以私有化部署吗？
A：可以。Coze Studio 已开源，支持 Docker 自部署。

Q：私有部署能发布到微信公众号吗？
A：不能直接一键发布。云版（coze.cn）内置了微信公众号发布入口，但私有部署的 Coze Studio 开源版没有这个通道。不过 Coze Studio 提供了 Chat API/SDK，你可以自行开发中间层服务对接微信公众平台接口（用户发消息 → 微信服务器 → 你的中转服务 → Coze Studio API → 回复返回微信），需要二次开发。

Q：如何将自己的数据给 Bot 使用？
A：通过知识库功能上传文档，Bot 会自动学习并基于这些数据回答。

十、学习资源

资源	地址
官方文档	https://docs.coze.com
扣子官网	https://www.coze.cn
GitHub 开源	https://github.com/coze-dev
B 站教程	搜索"扣子 Coze 教程"

总结：扣子是字节跳动打造的 AI 智能体开发平台，核心优势在于零门槛、插件生态丰富、多平台一键发布。无论你是产品经理、运营人员还是开发者，都能在扣子上快速构建实用的 AI 应用。

AtomGit开源社区

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

[Dify x EdgeOne] 论文猎手——用 Dify + EdgeOne Pages 给科研人造一个每日 arXiv 速读助手

AtomGit开源社区

消息跨端架构演进：基于 C++ 的多端一致性研发框架实践

跨端不是追求 100% 代码复用。核心是在"一致性"与"平台最优体验"之间找到平衡点。对于强交互场景（如键盘区域），保留 Native 实现往往是更好的选择。容器框架的抽象层级要足够精简。过度设计会导致理解成本反增。我们的 BizLogicProtocol 只有 7 个核心方法，足以覆盖所有业务场景。全链路质量监控是成功落地的关键保障。跨端方案最怕的不是技术问题，而是出了问题找不到原因。架构合理性

AtomGit开源社区

ZeroTier 深度解析：从架构原理到企业组网实战

AtomGit开源社区

所有评论(0)

查看更多评论

qq_47422213

@qq_47422213

已为社区贡献1条内容

最详细的扣子（Coze）使用文档

qq_47422213

目录

一、什么是扣子（Coze）

平台地址

相似产品

二、核心功能（详细）

2.1 Bot（智能体）创建

创建方式详解

AI 创建（推荐新手）

标准创建（适合进阶用户）

可配置项详细说明

提示词编写最佳实践

2.2 大模型选择

国内版模型一览

国际版模型一览

模型参数调整

2.3 插件系统

插件分类与详解

信息获取类

内容创作类

数据处理类

业务集成类

插件的添加与配置

自定义插件开发

2.4 知识库（RAG）

知识库创建流程

支持的文档格式

分段策略

检索策略

知识库管理操作

知识库使用最佳实践

2.5 工作流（Workflow）

核心概念

节点详解

开始节点（Start）

结束节点（End）

大模型节点（LLM）

插件节点（Plugin）

代码节点（Code）

条件分支节点（Condition）

循环节点（Loop）

变量节点（Variable）

选择器节点（Switch）

工作流编排流程图解

工作流调试技巧

工作流典型实战案例

2.6 定时任务

Cron 表达式说明

配置步骤

典型应用场景

2.7 扣子罗盘

主要功能模块

对话质量分析

对话日志

用户画像

性能监控

A/B 测试

干预与优化

2.8 技能商店

技能包结构

如何使用技能

技能分类

创建自定义技能

2.9 记忆功能

长期记忆

记忆盒子

变量

数据库

多用户记忆隔离（飞书等渠道）

工作流中的记忆节点

记忆功能的应用场景

三、快速上手指南

3.1 注册与登录

3.2 创建第一个 Bot

3.3 创建第一个工作流

四、高级功能

4.1 自定义插件开发

4.2 扣子编程

4.3 Eino 开发框架