不会写代码，也能 10 分钟搭一条 AI 自动化流水线？本文手把手教你用「扣子 Coze」零代码拖拽出第一个工作流：从大模型到插件、再到飞书/豆包一键发布，全流程拆解节点、参数和调试技巧。跟做，就能让 AI 替你批量写报告、做海报、回客服。

智能体的核心是工作流，下面我们将对工作流展开进行描述

#工作流介绍

1、概念

工作流（Workflow）是 业务流程的自动化载体 ，通过可视化节点串联任务步骤（如数据输入→处理→输出），实现复杂逻辑的结构化执行。

在扣子平台中，工作流将大模型、插件、代码等模块组合为可重复调用的自动化流水线，确保任务执行的准确性与效率

2、作用

提升效率 ：自动化处理多步骤任务（如报告生成、数据采集）

保证准确性 ：通过节点约束输出格式，避免大模型自由发挥导致的错误；

标准化流程 ：固化业务逻辑（如客服投诉处理流程），确保不同执行者输出结果一致；

工具集成 ：无缝整合插件、API、数据库等外部资源，扩展大模型能力边界

3、特点

零代码可视化 ：拖拽节点搭建流程，无需编程基础；

灵活编排 ：支持条件分支、循环、并行处理等复杂逻辑；

动态调试 ：实时试运行并查看节点输出，快速定位问题；

跨平台发布 ：一键部署至飞书、豆包等平台，作为智能体功能模块调用

4、工作流与智能体的联系

智能体 = 提示词（定义角色） + 工作流（执行任务） + 插件/知识库（扩展能力）；

工作流是智能体的“手脚”，负责将用户指令转化为结构化操作

在实际应用时，智能体和工作流怎么选择呢？

简单来说，

智能体：”你告诉我要什么，我自己想办法完成”

工作流：”你告诉我怎么做，我严格按步骤执行”。

工作流相对靠谱很多，它不会自主决策，必须要你告诉它，每一步要怎么做

5、工作流与对话流

扣子提供两类工作流

（1）工作流

用于处理功能类的请求，可通过顺序执行一系列节点实现某个功能，适合数据的自动化处理场景，强调“输入→处理→输出”的流水线执行，例如生成行业调研报告、生成一张海报、制作绘本等。

（2）对话流

基于多轮对话场景的特殊工作流，更适合处理对话类请求。对话流通过对话的方式和用户交互，并完成复杂的业务逻辑。

对话流适用于 Chatbot 等需要在响应请求时进行复杂逻辑处理的对话式应用程序，例如个人助手、智能客服、虚拟伴侣等。

6、工作流、对话流、智能体的选择

● 你如果需要搭建一个智能体，智能体本身支持上下文和会话能力，那么可以随意选择工作流或对话流。

● 如果你需要搭建一个对话式的 AI 应用，例如 AI 助手、智能体客服等基于对话方式交互的 AI 应用，扣子推荐你使用对话流，对话流中的大模型可以读取会话上下文、管理会话，还可以搭建对话式的用户界面，发布到各种社交通讯软件中。

● 如果你需要搭建一个工具类的 AI 应用，批量处理数据、实现任务流程的自动化，可以选择工作流实现

#工作流的核心结构

工作流的核心在于节点，每个节点是一个具有特定功能的独立组件，代表一个独立的步骤或逻辑。

这些节点负责处理数据、执行任务和运行算法，并且它们都具备输入和输出。每个工作流都默认包含一个开始节点和一个结束节点。

从图中可以看到，工作流中常见的节点有

由于节点类型较多，本文仅对基础节点进行介绍，其他节点将在后续实战过程中阐述

1、开始节点

开始节点是工作流的起始节点，用于设定启动工作流所需的信息。它位于工作流的最前端，标志着工作流的开始。

在单工作流模式下，开始节点不需要额外的输入参数，其默认值为BOT_USER_INPUT

这意味着工作流可以直接启动，无需用户提供额外的输入信息。

2、结束节点

结束节点是工作流的最终节点，用于返回工作流运行后的结果信息。它位于工作流的最末端，标志着工作流的结束。

结束节点可以输出前面处理的结果，支持两种返回方式，即返回变量和返回文本。

（1）返回变量

返回变量模式下，工作流运行结束后会以 JSON 格式输出所有返回参数，适用于工作流绑定卡片或作为子工作流的场景。

如果工作流直接绑定了智能体，对话中触发了工作流时，大模型会自动总结 JSON 格式的内容，并以自然语言回复用户。

（2）返回文本

返回文本模式下，工作流运行结束后，智能体中的模型将直接使用指定的内容回复对话。回答内容中支持引用输出参数，也可以设置流式输出

3、大模型节点

大模型节点是工作流的核心内容，可以调用大型语言模型，根据输入参数和提示词生成回复，通常用于执行文本生成任务

主要用于选择模型、调试参数、添加技能、读取插件工具参数、传参、系统提示词、用户提示词等

（1）模型选择

● 基础版和专业版：不同版本提供的大模型可能不同，但未来可能会统一。

● 厂商差异：不同厂商（如豆包、One Shot、远至暗面、通义千问、Mi Max、海螺AI、百川等）提供的大模型功能和性能各异。

（2）模型参数设置

吞吐量：表示大模型处理文本的长度，单位为K（如4K、32K、128K）。吞吐量越大，处理的文本越长。

● 4K：适合处理短文本或简单场景。

● 32K：适合处理中等长度的文本。

● 128K：适合处理长文本。

（3）模型模式

包括精确模式、平衡模式、创意模式和自定义模式。

● 精确模式：严格按照用户要求执行。

● 平衡模式：综合考虑精确性和创意。

● 创意模式：允许模型有较大的发挥空间。

● 自定义模式：用户可以调节生成随机性。

（4）技能添加

● 插件和工作流：用户可以添加插件或工作流作为技能。

（5）输入

● 输入：需要添加到提示词中的动态内容。系统提示词和用户提示词中支持引用输入参数，实现动态调整的效果。

● 视觉输入：对于支持视觉理解的模型，你可以添加图片类型的输入参数，例如在参数中直接上传图片，也可以将图片的 URL 通过变量传入，并在提示词（Prompt）中引用这些变量。例如，可以通过以下方式引用图片输入参数：图片{{变量名}}中有什么？

（6）提示词

● 系统提示词：结构化提示词，定义角色、技能、限制等。

● 用户提示词：灵活写法，需包含入参（如[商品名]、[心理价位]）。

（7）输出

● 输出格式：支持文本、Markdown、JSON等。

● 变量类型：可以选择输出变量的类型，如字符串、整数、布尔值等。

（8）异常处理

默认情况下，节点运行超时、运行异常时，工作流会中断，工作流调试界面或 API 中会返回错误信息。你也可以手动设置节点运行超时等异常情况下的处理方式，例如超时时间、是否重试、是否跳转异常分支等。

4、插件节点

插件节点用于在工作流中调用插件运行指定工具。

插件是一系列工具的集合，每个工具都是一个可调用的 API。

5、工作流节点

扣子提供工作流节点，实现工作流嵌套工作流的效果

在一个工作流中，你可以将另一个工作流作为其中的一个步骤或节点，实现复杂任务的自动化

#搭建一个简单的工作流

1、创建工作流

登录扣子平台

https://www.coze.cn/open/docs/guides/use_workflow

在资源库页面右上角单击 +资源，并选择工作流。

设置工作流的名称与描述，并单击确认。

创建后页面会自动跳转至工作流的编辑页面，初始状态下工作流包含开始节点和结束节点。

● 开始节点用于启动工作流。

● 结束节点用于返回工作流的运行结果。

2、编排工作流

● 点击“选择节点”在底部面板中选择要使用的节点。

● 将各个节点相连接。

● 配置节点的输入和输出参数。

3、测试并发布工作流

点击“试运行”测试工作流的运行结果，运行成功后就可以进行发布了，发布成功后，这个工作流可以在智能体中进行引用

#在智能体中添加工作流

在智能体编排页面的工作流区域，单击右侧的加号图标，就可以将我们的工作流添加进来了

工作流默认为同步运行，即智能体必须在工作流运行完毕后才会将工作流的输出传递给智能体用户。

如果工作流复杂，或包含一些运行耗时长的节点，可能会导致工作流整体运行耗超过 10 分钟，智能体判断为工作流运行超时，在其运行完毕前就结束对话。

在这种场景下，你可以设置工作流为异步运行，在设置中开启异步运行即可，设置后，智能体对话不依赖工作流的运行结果，工作流超时时间延长至 24 小时。

工作流异步运行时会默认返回一条预设的回复内容，用户可以继续与智能体对话，工作流运行完毕后智能体会针对触发工作流的指令做出最终回复。

本文由人人都是产品经理作者【诺儿笔记本】，微信公众号：【诺儿笔记本】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。