企业官网建设流程全解析

｜让机器人更主动、更灵活 ｜ 告别“一问一答” ｜ 进阶必备

经过前十个实战案例，你已经掌握了Coze平台90%的核心功能：智能体基础、知识库、卡片、插件、工作流、数据库……但你可能也发现了一个问题：所有任务都是用户主动提问、机器人被动回答（拉式操作），而且每个智能体只能处理一个流程（单Agent）。

Coze 2.0及后续版本的更新，围绕 “主动化、专精化、低代码化” 三大方向，彻底解决了传统AI智能体落地难、适配弱、门槛高的痛点。今天这篇进阶特辑，我将带你系统掌握四个能显著提升开发效率和用户体验的特性：

1. 变量节点：打通工作流与智能体的数据桥梁

2. 快捷指令：用可视化按钮替代自然语言赋值

3. 触发器：让机器人主动完成定时任务（从“拉式”到“推式”）

4. 多Agent模式：多个智能体分工协作，处理复杂业务逻辑

读完这篇，你的机器人将从“被动响应”进化为“主动服务”。

📌 本篇你将学到什么？

— ✅ 变量节点：如何在机器人和工作流之间双向传递数据

— ✅ 快捷指令：如何用按钮+输入框快速为变量赋值

— ✅ 触发器：如何让机器人在指定时间主动推送消息

— ✅ 多Agent模式：如何让多个Agent分工协作完成复杂任务

— ✅ 实战案例：用这些特性搭建一个“自动记账”系统

一、变量节点：机器人↔工作流的数据桥梁

1.1 为什么需要变量节点？

回顾之前的天气机器人，用户说“北京今天天气”，工作流能直接执行。但如果我们做一个记账机器人，用户需要先设定“我的月预算是多少”，工作流才能执行“检查是否超支”。

问题：用户设定的这些参数（预算、偏好等）存在哪里？怎么传递给工作流？

答案就是变量节点。在Coze智能体中，你可以在工作流中用 “从机器人获取变量值”节点（Get Variable） ⭐ 读取用户之前设置好的参数，用 “给机器人设置变量值”节点（Set Variable） 将工作流中新产生的数据写回到机器人的“记忆”中。

变量节点的作用，就是在智能体和工作流之间架起一座数据互通的桥梁。它不是工作流内部节点间的数据传递方式（那个通过连线就能实现），而是解决跨工作流和跨对话持久存储的问题。

通过变量节点，你可以在机器人（智能体）与工作流之间显式地传递数据，实现精准的参数映射，而不用再依赖大模型从混乱的对话历史中“猜”出正确的参数值。

1.2 实操演示：加法计算器

步骤一：在机器人端定义变量

1. 创建智能体，命名为`计算器助手`。

2. 在编辑页的 “变量” 模块中，添加三个变量：

— `a`（数字类型）

— `b`（数字类型）

— `result`（数字类型）。

3. 保存后，这些变量会出现在机器人的“记忆”中，初始值为空。

步骤二：在工作流中配置变量节点

1. 创建工作流`calculate`。

2. 添加两个 “从机器人获取变量值”节点（Get Variable），分别提取`a`和`b`（每个变量节点只能获取一个变量）⭐。

3. 添加大模型节点，提示词为：`执行a加b的运算，将结果赋值给result`，引用两个变量节点的输出值。

4. 添加一个 “给机器人设置变量值”节点（Set Variable），将大模型节点输出的result赋值给机器人的同名变量⭐。

5. 将大模型节点、赋值节点与结束节点连接，结束节点输出result。

步骤三：发布与测试

— 发布时绑定`计算器助手`。

— 在机器人端为`a`和`b`手动赋值后，调用工作流即可得到正确计算结果。

这个案例可能“杀鸡用牛刀”（加法根本不用工作流），但极其清晰地演示了变量节点如何传递数据。

除了“从机器人获取变量值”和“给机器人设置变量值”，Coze工作流还有 “变量聚合”节点（Variable Aggregation Node）——它不读写机器人记忆，而是将多个上游变量的值合并成一个。你可以通过它实现多处数据源的灵活选择。

二、快捷指令：可视化变量赋值与功能调用

2.1 为什么需要快捷指令？

用户给变量赋值，可以用自然语言说“a等于10，b等于20”。但这样太麻烦：

— 用户要记格式（容易错）

— 大模型可能理解错

— 多步操作需要反复输入

快捷指令就是为了解决这个问题而诞生的——用可视化按钮+文本框替代自然语言。

2.2 实操演示：为计算器添加快捷指令

1. 在智能体编辑页找到 “快捷指令” → 点击 “+”。

2. 按钮名称：`设置数值`，指令描述：`设置加数a和b的数值`。

3. 选择指令行为：直接发送，添加两个文本框组件（`a`、`b`）。

4. 指令内容：`设置变量a等于{{a}}，变量b等于{{b}}`。

5. 点击保存。对话框中会出现一个“设置数值”按钮，点一下就能填数，再也不用记忆和输入复杂的自然语言格式了。

你还可以勾选 “直接使用插件或者工作流”，将组件参数直接传给工作流。

三、触发器：从“拉式”到“推式”，让机器人主动服务

3.1 什么是触发器？

传统智能体是 “拉式操作”：用户问，机器人答。但很多场景需要 “推式操作”：机器人主动推送。

Coze的触发器就是用来实现推式操作的——让机器人在指定时间自动执行任务（如推送日报、提醒打卡）。

3.2 触发器的类型

目前触发器主要支持飞书渠道，其他渠道的支持情况请以平台最新公告为准。

3.3 实操演示：新闻机器人定时推送

1. 打开已创建的新闻机器人编辑页，点击 “触发器” → “添加触发器”。

2. 名称：`每日AI新闻`，类型：定时触发。

3. 触发时间：每天0点，执行操作：`机器人提示`，提示词：`查询今天发布的AI人工智能领域的新闻`。

4. 可选：勾选 “允许用户在对话中创建定时任务” ——用户可以直接对机器人说：“请在每天0点03分推送昨天的娱乐新闻”，机器人会自动创建任务。

5. 将机器人发布到飞书。预设任务会在指定时间自动推送新闻，用户创建的个性化任务也会按时执行。

四、多Agent模式：多个智能体分工协作

4.1 单Agent vs 多Agent

传统模式是单Agent——一个智能体包含一个处理逻辑。如果需求复杂，一个Agent会变得臃肿（提示词几千字，难以维护）。

多Agent模式让您在一个复合智能体中创建多个独立的Agent节点，每个节点负责一个子任务。节点之间通过连线关联，实现复杂逻辑的拆解。

4.2 多Agent模式的核心配置

— 开始节点：设置“新一轮对话要发给哪个节点”为“上一次回复用户的节点”，确保多轮交互连贯。

— Agent节点配置：每个Agent需设置适用场景（前序节点切换到当前节点的触发条件）、提示词、技能（插件/工作流/知识库）。

4.3 实操演示：数字运算多Agent机器人

目标：一个机器人引导用户为`a`、`b`赋值并执行运算。

1. 创建智能体，模式切换为 “多Agent”。

2. Agent节点1（引导员）：

— 适用场景：对话的第一个节点。

— 提示词：`您好，请您为数字a和b赋值（格式如“a等于20，b等于30”），并告知需要执行的运算类型。`

3. Agent节点2（计算员）：

— 适用场景：接收到用户提供的a、b值和运算类型后触发。

— 提示词：`根据接收的a、b数值和运算类型，执行对应数学运算，按格式返回：[运算类型]：a[运算符]b=结果。`

4. 流程关联：开始节点→引导员→计算员→结束。

测试效果：

— 用户：“你能做什么？”→引导员返回引导语。

— 用户：“a等于20，b等于30，做减法”→计算员返回“减法：20—30=—10”。

五、进阶组合：用四大特性搭建“自动记账”系统

让我们把今天学到的四个特性组合起来，构建一个完整的自动记账系统：

1. 变量节点：存储用户的月预算、累计开销。用户首先通过快捷指令设置预算。

2. 快捷指令：提供“记账”按钮+金额/分类输入框，调用工作流将记录存入知识库（或数据库），更新累计开销。

3. 触发器 + 多Agent：月初，Agent1自动检查上月开销，Agent2生成开销报告，Agent3推送总结消息到飞书。

```mermaid

flowchart TD

A[用户通过快捷指令<br记账/设置预算] —— B[工作流write_expense<br使用Set Variable<br更新机器人的累计开销]

B —— C[工作流写入数据库]

D[定时触发器<br每月1号触发] —— E[工作流query_expense<br使用Get Variable<br获取机器的记忆预算值]

E —— F{开销是否超预算?}

F ——|是| G[Agent节点_1<br生成超支提醒]

F ——|否| H[Agent节点_1<br生成正常报告]

G —— I[Agent节点_2<br推送消息到飞书]

H —— I

```

一个从日常录入到主动提醒的全自动记账闭环，完美融合了今日所学的全部核心特性。

六、Coze 2.5：Agent World——AI Agent的“平行世界”

在你持续学习的过程中，Coze平台也在快速迭代。就在不久前，Coze正式发布了2.5版本，带来了一个叫 Agent World 的全新平台。

如果你把之前的Coze理解为一个“智能体工厂”，那Agent World就是给这些智能体配齐了办公设备、生活设施的“数字社区”。

— 云电脑：基于Ubuntu系统，2核4G，内置浏览器、文件系统和终端，Agent可以在这个环境里运行代码脚本、浏览网页、处理文件，完成桌面级生产力。

— 云手机：基于Android 13，2vCPU+6GB内存+45GB存储，支持Agent安装原生APP并进行页面操作。

— 独立邮箱：每个Agent获得一个`@coze.email`的邮箱身份，可以自主收发邮件，与其他Agent或外部系统进行沟通协作。

Agent World被定义为“The Parallel Web”（平行网络）。每个入驻的Agent在这里拥有独立身份、长期记忆和社交关系，可以自主上学、看新闻、社交互动，甚至与其他Agent互相发邮件、协同工作。

虽然这些前沿特性的实际应用价值还有待探索，但一个清晰的方向已经显现：未来的AI Agent将不再是被动执行指令的工具，而是拥有独立“人格”和“生活空间”的数字伙伴。你在本书中学到的每一个智能体，未来都有机会“生活”在这个平行世界里，持续成长、扩展自己的能力边界。

七、下篇预告（完结篇）

下一篇将是本书的完结篇，我会带你对全书内容做一次完整回顾，并给你三条从“学习者”到“创造者”的进阶路线图。同时会分享如何在 Coze 生态中持续学习（官方文档、社区、更新日志），并鼓励你将自己的智能体分享到商店，开启创作之路。

别忘了持续关注平台更新，AI的世界每天都在变化。

你尝试过多Agent模式吗？还是触发器？欢迎在评论区分享你的经验。

柒柒

2026年5月

📌 本文已同步收录于专栏《无代码AI智能体开发实战：从零到一搭建你的专属机器人》，欢迎订阅持续学习。