第二章 Bot 技能与体验配置

大家好！在第一章中，我们已经对 Coze 有了整体的认知。现在，我们要进入最激动人心的环节了。在这个模块，我们将逐一探索 Bot 编辑器左侧那一列强大的“武器库”，详细解析每一个选项，让你彻底明白它们是做什么的，以及在什么场景下应该使用它们。

准备好了吗？让我们从上到下，开始我们的探索之旅。

2.1 模型：为你的 Bot 选择一颗“大脑”

我们看到的第一个设置项是“模型”。如果说 Bot 是一个完整的机器人，那模型就是它用来思考的“大脑”。

它是什么：这里列出的是 Coze 平台提供的底层大语言模型。例如 豆包・1.5・Pro・32k，我们可以这样解读它：

• 豆包 (Doubao): 这是模型家族的名称，由字节跳动自主研发。
• 1.5・Pro: 这通常代表模型的版本和规格，Pro 版本意味着它在综合能力（如推理、逻辑）上更强。
• 32k: 这是模型的“上下文窗口”大小。你可以把它理解为 Bot 的“瞬时记忆力”。32k 代表它一次能处理大约三万多个 token（可以粗略理解为一万多个汉字）的对话内容。

对于模型，我们可以通过微调其参数来调整最后的输出结果和质量。

2.1.1 模型配置速查表格

为了让我们的笔记更高效，我将“模型”下方的所有详细参数整理成了下面这个速查表：

我们该怎么做：对于初学者，我们通常保持默认选项即可。Coze 会为我们推荐一个当前综合性价比最高的模型。

2.2 核心技能配置：让 Bot 拥有“超能力”

接下来是“技能”区域，这里是赋予我们 Bot 具体能力的地方，让它从一个只会聊天的机器人，变成一个能办事的“超人”。

2.2.1 插件 (Plugins)

它是什么：插件就是 Bot 用来与外部世界连接的“工具箱”。比如，我们想让 Bot 知道今天的天气，它的大脑（模型）里并没有实时天气信息，这时就需要一个“天气查询”插件来帮忙。

我们该怎么做：点击“插件”旁边的 + 号，我们就能打开一个巨大的插件市场，里面有新闻搜索、图片生成、文档检索等各式各样的工具。我们只需要找到自己需要的，点击“添加”，这个能力就赋予我们的 Bot 了。在后续的 Prompt 中，我们就可以告诉 Bot：“你可以使用XX插件来帮我查询信息”。

2.2.2 工作流 (Workflows)

它是什么：如果说插件是单个的“工具”，那么工作流就是一条“全自动生产线”。当我们有一个需要多个固定步骤才能完成的复杂任务时（例如：获取用户需求 -> 上网搜索资料 -> 总结资料 -> 生成报告），就应该使用工作流。

我们该怎么做：工作流是 Coze 中最强大的功能之一，我们将在后续的独立章节中花大量时间来深入学习它。现在，我们只需要记住：当任务逻辑复杂且固定时，就来这里创建工作流。

2.2.3 触发器 (Triggers)

它是什么：默认情况下，Bot 都是“被动”的，你问一句，它答一句。而触发器，则能让我们的 Bot “主动”起来。

我们该怎么做：我们可以设置定时任务，或更复杂的事件触发。

• 定时触发：例如，让我们的“新闻助手 Bot”在每天早上 8 点，自动地把当天最新的三条新闻发送给我们（这个比较简单我们就不过多介绍了）
• 事件触发：我们可以指定当给智能体的接口发送一次请求时，会自动触发一次事件。此事件可能是一次附带变量的回复，也可以是插件的信息，也可以是一个工作流，我们后续会重点使用代码来触发我们创建好的触发器，如图所示:

配置好事件触发后，我们可以从配置界面直接调试。点击运行测试后，就可以看到右边的预览窗口中AI对我们进行的回复内容了。

2.3 搭建 RAG 知识库问答助手（小案例）

案例一：上传 PDF 文档，构建“产品说明书”问答库

目标：假设我们有一堆产品的 PDF 说明书，我们希望 Bot 能成为一个产品专家，准确回答关于产品规格、使用方法等问题。

第一步：创建文本知识库
我们点击左侧技能栏的“知识”旁边的 + 号，进入知识库创建界面。

在这里，我们选择“创建扣子知识库”，知识库类型选择“文本格式”，并为它起个名字，例如“产品手册知识库”。

第二步：上传与处理文档
在导入类型中，我们选择“本地文档”，然后将我们准备好的一堆产品说明书 PDF 文件全部上传进去。上传完成后，Coze 会自动对这些文档进行处理，将其“消化”成机器人能够理解的知识片段。

第三步：理解并优化分段设置
这是决定我们 RAG 效果的核心步骤。我们可以点击“自定义”来调整文档的切分规则。一个长文档会被切分成很多个小的“知识卡片”（Chunk），Bot 检索时是按卡片来查找的，我们在这里保持默认即可

第四步：测试效果
将这个知识库关联到我们的 Bot 后，我们就可以在预览窗口直接提问了，例如：“简单讲讲深度学习是什么” Bot 就会基于我们上传的 PDF 内容给出答案。

案例二：导入 Excel 表格，打造“智能数据分析员”

目标：我们有一份销售记录的 Excel 表格，希望能让 Bot 直接用自然语言对表格数据进行查询和计算。

第一步：创建表格知识库
与上一步类似，但在知识库类型处，我们选择“表格格式”，并命名为“销售数据分析库”。

第二步：上传表格
我们选择“本地文档”，将准备好的销售记录 Excel 文件上传。

第三步：理解其独特优势
表格知识库的强大之处在于，它不仅能理解文本，更能理解数据结构。这赋予了我们的 Bot 进行结构化查询和计算的能力：

• 精确匹配查询：例如：“查询一下‘张三’上个季度的销售额是多少？”
• 聚合计算：例如：“统计一下‘华南大区’所有销售的总额是多少？”
• 对比分析：例如：“对比一下‘产品A’和‘产品B’的销量差异。”

第四步：测试效果
我们可以直接在预览窗口提问：“帮我计算一下表格里所有商品的总库存是多少？” Bot 会自动解析表格，进行加和运算，并返回最终结果。

案例三：利用图片信息，创建“艺术品鉴赏家”

目标：我们希望 Bot 能识别不同的艺术品图片，并给出专业的介绍。

第一步：创建照片知识库
在创建知识库时，我们选择“照片类型”，并命名为“世界名画鉴赏库”。

第二步：上传图片并附上描述
我们上传多张世界名画的图片。最关键的一步是，在上传每张图片时，Coze 允许我们为它附上一段详细的文字描述。我们应该在这里写清楚画作的名称、作者、创作背景和艺术风格等。

第三步：理解其工作原理
这种知识库结合了视觉识别与文本检索。当用户提问时：

• 以文搜图：如果用户问“给我介绍一下《星夜》”，Bot 会找到我们描述文字中包含“星夜”的那张图片，并结合我们的描述进行回答。
• 以图搜文：如果用户直接上传一张梵高的画作图片，问“这是什么？”，Bot 会进行视觉搜索，在我们的库里找到最相似的图片，然后将我们为该图片编写的描述信息返回给用户。

第四步：测试效果
我们可以向 Bot 提问：“给我介绍一下你知识库里关于梵高的画作。” Bot 就会把我们上传过的、描述中含有“梵高”的画作信息都展示出来。

2.4 记忆系统：让 Bot “记住”你

2.4.1 变量

它是什么：变量是 Bot 的“临时笔记”，用于在对话中存储和读取信息。在 Coze 中，变量主要分为两大类：由我们自己创建的用户变量和由平台直接提供的系统变量。

用户变量

这是我们自己定义的变量，是实现个性化逻辑的关键。

• 如何创建与使用：
  1. 点击“新增”按钮。
  2. 名称 (必填)：变量的唯一ID，在 Prompt 或工作流中通过 {{变量名}} 的形式来使用它。
  3. 描述：给自己看的注释，方便记起变量用途。
  4. 默认值：对话开始时，变量的初始值。
• 实战场景举例：我们可以创建一个名为 language_preference 的用户变量，默认值为 中文。在对话中，如果用户说“我想用英文交流”，我们就可以通过工作流将这个变量的值更新为 English。这样，Bot 在后续的对话中，就可以根据 {{language_preference}} 的值来决定使用哪种语言进行回复。

系统变量

这是 Coze 平台预定义好的、能够自动获取当前对话环境信息的变量。我们只需了解其含义并直接使用。

• 用户信息:
  • sys_uuid：当前对话用户的唯一ID，可用于区分不同用户。
• 飞书:
  • sys_lark_chat_id：当前消息所在的飞书群聊ID。
  • sys_lark_user_id：发送消息的飞书用户ID。
• 音视频:
  • sys_voiceprint_id：使用语音功能时，可获取声纹ID以识别不同说话人。
• 如何使用：使用方式和用户变量一样。例如，在开场白中设置：“你好，来自飞书的用户 {{sys_lark_user_id}}！”，Bot 在飞书中被唤醒时，就能直接称呼出用户的飞书ID。

2.4.2 数据库

它是什么：如果说“变量”是 Bot 的短期“工作记忆”，那么“数据库”就是它的长期“日记本”。它为我们的 Bot 提供了持久化存储的能力，可以将信息永久地记录下来，跨越不同的对话、不同的用户，甚至在 Bot 重启后依然存在。

我们该怎么做：数据库的核心是“数据表”，它就像一张 Excel 表格，有行有列。我们需要先定义好这张表的“表头”（即字段和数据类型），然后才能在工作流中向里面添加或查询数据。

整个过程分为两步：

1. 在 Bot 编辑页左侧的“记忆”模块中，找到“数据库”并点击 + 号。
2. 在弹出的窗口中，点击“新建数据表”，我们就会进入数据表的定义界面。

在新建数据表时，我们需要为这张“表格”设计好它的列。Coze 提供了多种数据类型供我们选择，以满足不同的存储需求。

正如上图所示，我们正在创建一个名为 reading_notes 的数据表。

• 数据表名称：表的唯一标识，后续在工作流中会通过这个名字来操作它。
• 存储字段：我们可以在这里定义表的“列”。除了系统默认提供的 id (主键)、uuid (用户唯一标识) 等字段外，我们可以点击“新增”来创建自己的字段。
• 实战场景举例：为了完善 reading_notes 这张表，我们可以新增一个名为 note_content 的 String 类型字段来存储笔记正文，再新增一个 book_name 的 String 字段来记录书名。

当我们定义好数据表的结构并保存后，这张表就创建成功了。后续，我们就可以在工作流 (Workflow) 中，通过代码节点来执行 INSERT (插入)、SELECT (查询)、UPDATE (更新) 等标准数据库操作，从而实现与 Bot 的长期数据交互，这个我们后续再来详解！

2.4.3 长期记忆与文件盒子

除了我们手动管理的变量和数据库，Coze 还提供了两种更高级、更自动化的记忆和交互机制，它们就是“长期记忆”和“文件盒子”。

长期记忆

它是什么：如果说“数据库”是我们手动记录的“永久档案”，那么“长期记忆”更像是一个 AI 助理，它会自动去“阅读”我们与 Bot 的所有对话，并智能地提炼和总结出核心信息，形成对用户的认知。

• 工作原理：开启后，大模型会定期在后台分析对话历史，生成关于用户偏好、关键信息的摘要。例如，经过多次对话后，它可能会自动总结出 {"user_interest": "technology", "communication_style": "concise"} 这样的记忆。
• 核心设置：
  • 记忆有效期：我们可以让这种记忆永久有效，也可以自定义一个期限（例如30天），这对于需要处理短期项目的 Bot 非常有用。
  • 支持在Prompt中调用：建议开启。开启后，这些自动生成的记忆摘要会在后续对话中被悄悄地注入到 Prompt 里，让 Bot 能“记起”之前的交流重点，从而提供更个性化、更连贯的回应。

文件盒子

它是什么：这是一个面向最终用户的功能。开启后，在用户的聊天输入框旁边会出现一个文件上传的入口，允许用户向 Bot 上传临时文件。

• 工作原理：文件盒子为 Bot 和用户之间搭建了一座临时的文件传输桥梁。用户上传的文件会被临时存储，然后我们的 Bot（通常是通过工作流）可以去读取和处理这个文件。

• 实战场景举例：我们想开发一个“简历优化助手 Bot”。这时，我们就可以开启“文件盒子”功能。用户在与 Bot 对话时，可以直接上传自己的简历 .docx 文件。然后，我们的工作流就可以被设计为：

  读取文件盒子里的最新文件 -> 提取简历内容 -> 调用大模型进行分析和润色 -> 返回优化建议。整个过程一气呵成，体验非常流畅。

2.5 对话体验优化：精心“装修”你的 Bot

最后这部分，是决定我们的 Bot 是否“好用”和“好看”的关键。好的体验设置能极大地提升用户的第一印象和使用意愿。

2.5.1 开场白与预置问题

它们是什么：“开场白”是用户进入聊天界面时，Bot 主动说的第一句话。“预置问题”则是我们预先设置好的一些问题按钮，展示在聊天框下方。

我们该怎么做：我们需要精心设计一句友好、清晰的开场白，比如“嗨，你好！我是你的贴心伙伴，随时陪伴你。”。同时，设置3-4个用户最可能关心的问题作为预置问题，如“分享一下你最近的开心事吧”、“你有什么爱好呢？”。这能有效引导用户，避免他们不知道该说什么的尴尬。

2.5.2 其他体验设置

• 用户问题建议：当用户输入问题时，会自动联想和推荐可能的问题，提升输入效率。
• 快捷指令：类似于预置问题，以按钮形式提供一些常用功能。
• 背景图片/音视频：为 Bot 配置独特的视觉和听觉元素，让角色扮演类的 Bot 更加生动和沉浸。
• 用户输入方式：允许我们设定用户主要通过打字还是语音来与 Bot 交互。