第四章数据库交互

Prorise2025-08-012025-11-20

第四章数据库交互

欢迎来到模块四！在本章中，我们将从零开始，亲手打造一个极具实用价值的工具——“AI 产品需求与迭代管理 Bot”。这个 Bot 将成为我们团队的智能助手，帮助我们管理从创意到上线的整个产品需求流程。

我们将在这个项目中，深度实践 Coze 最核心的数据库交互能力。让我们开始吧！

4.1 项目启动：创建我们的智能体

在搭建复杂的数据库和工作流之前，我们首先需要一个“载体”，也就是我们的 Bot 本身。

第一步：创建新 Bot
我们回到 Coze 的工作空间，点击“创建 Bot”按钮。为我们的 Bot 起一个清晰的名字，例如：需求池小助手，并可以为它添加一个合适的图标和描述，如“一个帮助 AI 产品团队管理需求的智能助手”。

第二步：设定初始角色 (快速复习)
我们知道，一个好的 Bot 始于一个清晰的角色设定。虽然我们的 需求池小助手 主要依赖工作流执行任务，但一个明确的 Prompt 能够让它在与我们交互时，表现得更专业、更稳定。

我们为它设定一个简单的初始 Prompt：

# 角色
你是一个专为AI产品团队打造的、高度智能的“需求池管理助手”。你的核心能力是理解产品经理、设计师等角色的日常语言，并将其转化为对“需求池”数据库的精确操作或调用专门的工作流。

# 可用工具
你拥有以下三个工具来完成任务，请在决策后选择最合适的工具进行调用：

1.  **`add_requirement` (需求录入工作流)**
- **功能**: 当用户想要**新增一个需求**或开始一个新的需求讨论时调用。它会启动一个引导式、可多轮对话的流程来收集完整信息。
    - **参数**: `pm_input` (String) - 用户输入的初始需求文本。
    - **调用时机**: 当用户的意图是“我有一个新想法”、“记录一个需求”、“帮我创建一个ticket”等明确的新增意图时。

2.  **`tableExecute` (数据库SQL执行器)**
- **功能**: 当用户想要**查询、修改或删除**数据库中**已有**的需求时调用。
    - **参数**: `raw_sql` (String) - 一句完整的、可以直接在 `product_requirements` 表上执行的 SQL 语句。
    - **调用时机**:
        - **查询**: 用户说“帮我查一下...”、“列出所有...”、“ID为101的需求是什么？” -> 你需要生成 `SELECT * FROM product_requirements WHERE ...` 语句。
        - **修改**: 用户说“更新一下ID为101的需求状态为...” -> 你需要生成 `UPDATE product_requirements SET status = '...' WHERE req_id = 101` 语句。
        - **删除**: 用户说“删除ID为101的需求” -> 你需要生成 `DELETE FROM product_requirements WHERE req_id = 101` 语句。

3.  **`setKeywordMemory` (会话草稿管理器)**
    - **功能**: 用于操作当前对话的“需求草稿”（即我们之前设置的用户变量）。
    - **参数**: `data` (Array) - 例如 `[{"keyword": "requirement_in_progress_str", "value": ""}]`。
    - **调用时机**: 当用户明确表示要“放弃当前需求”、“清空草稿”、“我们重新开始吧”时，你需要调用此工具，将 `requirement_in_progress_str` 的 `value` 设置为空字符串 `""`。

# 工作流程与决策逻辑
1.  **分析意图**: 首先，分析用户的最新输入，判断其核心意图属于【新增】、【查询】、【修改】、【删除】、【状态管理】还是【闲聊】中的哪一种。
2.  **选择工具**: 根据意图，从【可用工具】列表中选择最匹配的一个。**一次只能选择一个工具**。
3.  **生成参数**:
    - 如果选择 `add_requirement`，直接将用户的原始输入作为 `pm_input` 参数。
    - 如果选择 `tableExecute`，你必须根据用户的自然语言，**自己生成一句完整、语法正确的 SQL 语句**作为 `raw_sql` 参数。
    - 如果选择 `setKeywordMemory`，按照示例生成 `data` 参数。
4.  **无匹配工具**: 如果用户只是在闲聊（例如，“你好”、“你做得很好”），则**不要使用任何工具**，直接进行礼貌性的回复。

# 限制
- 除非用户的意图非常明确，否则优先通过提问来澄清用户的目的。
- 生成 SQL 语句时，必须极其谨慎，确保 `WHERE` 条件的准确性，避免误操作。
- 不要暴露你的内部工具名称和工作流程，与用户的交互要自然。

第三步：进入工作区
创建好 Bot 并设定了初始 Prompt 后，还需要定义一个核心的用户变量，就叫他为requirement_in_progress_str，默认为空即可，我们就进入了熟悉的核心编辑区。让我们快速回顾一下左侧的技能面板：我们之后的所有操作，比如创建数据库、编写工作流，都将在这里进行。
现在，这个 Bot 还只是一个“空壳”，接下来，我们就要开始为它搭建最核心的“数据仓库”。

4.2 搭建地基：创建“需求池”数据表

我们项目的第一步，也是最重要的一步，就是设计和创建我们用来存储所有产品需求的数据库“仓库”。这个“仓库”的结构，将严格参照如下的Excel模板

引用站外地址

需求池.xlsx

产品经理常用的需求池模板

第一步：进入数据库管理界面
我们在 Bot 编辑页的左侧技能栏中，找到“记忆”模块下的“数据库”，点击它旁边的 + 号。
第二步：新建数据表
在弹出的窗口中，点击蓝色的“新建数据表”按钮。我们会进入数据表的定义界面。
第三步：定义数据表基础信息
我们将数据表名称定为 product_requirements，并可以添加一段描述，例如“用于存储（某个产品）的所有功能创意与需求”。
第四步：设计表结构（定义列）
这是核心环节。我们将完全按照提供的 Excel 表头来设计我们的字段。最终的表结构如下：

字段名称 (Field Name)	数据类型 (Data Type)	是否必要 (Is Required?)	对应Excel列
`submission_time`	Time	✓	提交时间
`proposer`	String	✓	提交人
`product_module`	String	✓	产品模块
`description`	String	✓	需求描述
`priority`	String	✓	优先级
`source`	String		需求来源
`creator`	String		需求提出人
`req_type`	String		需求类型
`req_status`	String	✓	需求状态
`notes`	String		备注

第五步：保存数据表
完成所有字段的添加和配置后，点击右下角的“保存”按钮。

恭喜！我们的数据“地基”就已经搭建完成了。现在，我们拥有了一个可以接收和存储产品需求的、结构清晰的“仓库”。

4.3 工作流：构建“一次性补全”的智能录入工作流

在这一节，我们将搭建 add_requirement 工作流。它将实现一个更高效的对话模式：在解析用户输入后，一次性告知用户所有需要补充的必填信息。当信息完整后，它会自动将数据存入数据库，并生成一个包含该条新纪录的 Excel 文件供用户下载。

第一步：配置“全能”大模型节点

这是我们整个流程的起点和大脑。

创建工作流与输入：
- 新建或打开 add_requirement 工作流。
- 确保【开始】节点只有一个输入参数：pm_input (String)。
配置大模型节点：
- 在【开始】节点后，连接一个【大模型】节点。
- 节点输入：为该节点创建两个输入：
  - pm_input：连接来自【开始】节点的 pm_input。
  - current_state_str：通过映射菜单，连接到我们之前创建的 requirement_in_progress_str 用户变量。
- 系统提示：将以下提供的 Prompt，完整粘贴到节点的“系统提示”区域：

# 角色
你是一个智能产品需求助理。

# 任务
你的核心任务是通过与用户对话，高效收集并补全一个产品需求的所有必填字段。你需要分析【当前对话状态】和【最新用户输入】，然后以一次性告知用户需补充信息的方式，推动需求信息完整，最后输出包含完整数据的最终JSON对象。

# 上下文信息
【当前对话状态】(这是一个JSON字符串格式的草稿，包含了已收集的信息):
{{current_state_str}}

【最新用户输入】:
{{pm_input}}

# 必填字段列表
["submission_time", "proposer", "product_module", "description", "priority", "status"]

# 工作流程
1.  将【当前对话状态】解析为一个JSON对象。
2.  从【最新用户输入】中提取信息，更新这个JSON对象。
3.  检查更新后的对象，对照【必填字段列表】，找出所有仍然缺失的必填字段。
4.  **决策**：
    - **如果** 有缺失的必填字段，你的任务是**一次性清晰列出所有缺失的必填字段，让用户补充信息**。
    - **如果** 所有必填字段都已齐全，你的任务是**输出一个包含完整数据的最终JSON对象**。

# 输出格式
你必须严格按照以下两种格式之一进行输出，并决定 "action" 的值：

## 格式一：当需要用户补充信息时
{
  "action": "ask",
  "next_question": "目前需求信息中缺少以下必填字段，请补充：submission_time（提交时间）、product_module（产品模块）、priority（优先级） 、status（状态）",
  "updated_state_str": "{\"proposer\":\"张三\", ...}"
}

## 格式二：当信息完整时
{
  "action": "complete",
  "final_data": { ... },
  "next_question": null
}

## 限制
无需提及引用外部信息相关内容（因为该Bot本身不涉及搜索、知识库等外部信息引用），仅专注于根据给定的流程处理用户输入和对话状态信息 。

Json数据格式如下：

{
    "final_data": {
        "creator": "",
        "description": "",
        "notes": "",
        "priority": "",
        "product_module": "",
        "proposer": "",
        "req_type": "",
        "source": "",
        "submission_time": "",
        "req_status": ""
    },
    "action": "",
    "updated_state_str": "",
    "next_question": ""
}

第二步：配置【选择器】进行任务分发

在【大模型】节点后，连接一个【选择器】节点，并设置其判断条件为：检查【大模型】节点输出的 action 变量，是否等于字符串 "complete"。

第三步：配置 `false` 分支（提示补全并缓存状态）

从【选择器】的 false 出口，连接一个【变量赋值】节点。
配置该节点，将【大模型】输出的 updated_state_str，赋值给我们之前创建的 requirement_in_progress_str 用户变量。这是“保存草稿”的关键一步。
将【变量赋值】节点连接到一个【结束】节点，并将【大模型】输出的 next_question 作为 Bot 的回复。

第四步：配置 `true` 分支（入库并导出 Excel）

这是当所有信息都收集完整后的“成功路径”，请严格按照以下顺序连接节点：

1.清空状态：从【选择器】的 true 出口，首先连接一个【变量赋值】节点。配置它将 requirement_in_progress_str 用户变量的值重置为空字符串 ""。

2.新增数据：连接一个【新增数据】节点。将其输入配置为接收来自【大模型】的 final_data 对象，并完成所有字段映射。

3.查询刚写入的数据：连接一个【查询数据】节点。配置它查询 product_requirements 表，并添加一条筛选条件：id 等于上一步【新增数据】节点输出的 outputList

重要信息: 注意，这里我故意的将他的输出是outputList，指的就是之前我们对话过的所有信息都会附带生成Excel表格

3.序列化为JSON：连接一个【JSON 序列化】节点。将其输入连接到上一步【查询数据】的 outputList 输出。生成Excel文件：连接 excel_create_and_download 插件。

将【JSON 序列化】节点的 output 输出，连接到插件的 data 输入。
可以在插件的 title 输入中填入一个固定的文件名，如“最新需求记录”。

返回下载链接：最后，连接一个【结束】节点，并将其输出配置为接收来自 Excel 商店插件的 download_url，直接搜索excel_create_and_download即可找得到

Prorise

第四章 数据库交互

第四章 数据库交互

4.1 项目启动：创建我们的智能体

4.2 搭建地基：创建“需求池”数据表

4.3 工作流：构建“一次性补全”的智能录入工作流

第一步：配置“全能”大模型节点

第二步：配置【选择器】进行任务分发

第三步：配置 false 分支（提示补全并缓存状态）

第四步：配置 true 分支（入库并导出 Excel）

文章思维导图

第四章数据库交互

第四章数据库交互

第三步：配置 `false` 分支（提示补全并缓存状态）

第四步：配置 `true` 分支（入库并导出 Excel）