AI产品经理必学实战Agent工作流（Coze版）

大家晚上好！我们来梳理一下关于 Agent 构建中定制化能力的话题。 . Coze Agent 的局限 Coze 的 Agent 主要面向普通用户，通过 RAG、工具调用、工作流等方式扩展大模型能力边界，实现自动化响应。 但它的 Prompt 与逻辑机制是封闭的——用户无权修改。 . 对于需要深度定制或复杂逻辑的场景，这种方式就不太够用了。例如，可能与内置 Prompt 产生冲突，在调用时机、查询生成、信息在 Prompt 中的位置等方面，都难以匹配具体业务需求。 . 一个客服问答的例子 假设我们要做一个客服产品，用户问： “5斤特大号苹果加3斤中号苹果，一共多少钱？” . 1. 规划 基于 LangChain 这样的基础设施平台，开发者可以整合检索服务、商品价格知识库、大模型等工具。 Agent 会调用大语言模型进行任务规划： · 第一步：查询特大号苹果单价、中号苹果单价 → 调用 RAG 工具 · 第二步：计算总价（5×特大单价 + 3×中号单价） → 调用计算器工具 . 2. 调用工具 RAG 工具先从商品价格知识库中检索最相关的条目，再将返回的单价信息传递给计算工具，由计算工具完成总价计算。 . 3. 执行动作 大模型根据计算出的总价，生成自然流畅的客服回复文案。 实战工作流已整理到知识库，希望对你有所帮助～@知识薯 #产品经理 #大模型 #AI产品经理 #算法 #agent #coze #人工智能发展 #Agent开发 #大模型应用 #深度学习