第一步：给AI下指令（技术教程的进阶Prompt）
这一轮的目标读者是“听说过智能体但从未完整搭建过一个工作流”的产品经理或开发者。我给AI的指令是：
请你扮演一位AI应用开发者，同时具备出色的技术写作能力，专门教非技术背景的产品经理搭建扣子（Coze）工作流。文章主题是“为什么工作流比Prompt工程更强大，以及如何从零搭建一个自动处理用户反馈的工作流”。
文章结构：
开篇：用具体场景说明“单个Prompt的边界”——当任务超过3个步骤时，Prompt开始失效
概念澄清：智能体 vs 工作流 vs 插件，三者到底是什么关系
实战目标：搭建一个“用户反馈自动处理工作流”——从接收反馈→情绪分析→分类打标→生成回复→写入表格，全自动
分步拆解：每个节点的配置截图级描述（因为无法贴图，要用文字画出界面）
调试技巧：工作流出错了怎么查，怎么改
进阶玩法：如何串联多个工作流，形成“超级智能体”
目标读者：无代码基础的产品经理、运营人员。语言通俗但不降智，用“积木”比喻贯穿全文。字数1500字左右。
第二步：AI生成的初稿
（以下是AI在约20秒内生成的内容）
别再只会Prompt！玩转扣子AI智能体工作流，全自动搞定复杂任务
如果说Prompt是“写纸条吩咐助理”，那工作流就是“给助理写了一套标准作业程序”。
一、为什么你的Prompt总在“第3轮对话”后崩盘？
我见过太多产品经理的电脑里躺着一个长达2000字的“超级Prompt”——里面塞满了角色设定、输出格式、判断逻辑、异常处理……刚写完时效果惊艳，但用了一个月后发现：
改一句指令，后面全乱了
遇到Prompt里没写的情况，模型开始自由发挥
想加一个新功能，得从头重写
这不是你Prompt写得不好，而是工具的边界到了。
单个Prompt的本质是“一次性指令”，它最适合处理单步骤、无分支的任务。一旦任务需要：
多步推理（先判断A，再根据A的结果做B或C）
外部数据获取（查数据库、调API、读文档）
结构化输出（写入表格、生成报表）
Prompt就会像“用记事本写操作系统”——不是不能，是根本不合适。
二、扣子的三块积木：智能体、工作流、插件
在扣子里，这三个概念被很多人混为一谈。我用一个餐厅比喻帮你理清：
| 概念 | 餐厅比喻 | 技术本质 |
|---|---|---|
| 插件（Plugin） | 厨房里的专业设备——烤箱、榨汁机、料理棒 | 单一功能的API封装，比如“网页搜索”“发送邮件”“读取Excel” |
| 工作流（Workflow） | 一道菜的标准化菜谱——先切后炒再装盘，每一步用什么设备 | 有向无环图（DAG），节点之间传递数据，支持条件分支和循环 |
| 智能体（Agent） | 餐厅的厨师长——根据客人需求决定做哪道菜，调用不同菜谱 | 大模型作为“大脑”，自主决策调用哪个工作流或插件 |
关键认知： 智能体是“决策者”，工作流是“执行脚本”，插件是“工具包”。你不需要让智能体学会所有技能，你只需要教会它“什么时候该用哪个工作流”。
三、实战：搭建“用户反馈自动处理”工作流
我们从零开始，搭建一个能自动处理用户反馈的工作流。输入是一条用户留言，输出是：情绪标签、分类标签、自动生成的回复草稿、以及一条写入飞书表格的记录。
整体结构预览（7个节点）
[开始] → [情绪分析] → [分类判断] → [条件分支] ├─ 投诉类 → [生成安抚回复] ├─ 建议类 → [生成感谢回复] └─ 咨询类 → [生成解答回复] ↓ [写入飞书表格] → [结束]
节点1：开始节点（设置输入）
节点类型：Start
配置：定义一个输入变量
user_feedback，类型为String，描述为“用户原始反馈内容”示例输入：
“你们App昨天更新后，我的订单记录全没了，找客服也找不到人！”
节点2：情绪分析节点（调用大模型）
节点类型：大模型（LLM）
输入：引用
{{start.user_feedback}}System Prompt：
你是一位专业的客户情绪分析师。分析以下用户反馈，输出JSON格式： { "emotion": "愤怒/焦虑/失望/平静/满意" 之一, "intensity": 1-10 的整数, "key_points": "用户最核心的诉求或抱怨" }输出：解析为JSON对象，供后续节点使用
节点3：分类判断节点（文本分类）
节点类型：大模型（LLM），但这次用更轻量的方式
输入：引用
{{start.user_feedback}}System Prompt：
将用户反馈分为三类之一：投诉、建议、咨询。 只输出一个词，不要任何解释。
输出：一个字符串变量
category
节点4：条件分支（核心逻辑）
节点类型：Condition
配置：根据
{{分类判断.output}}的值路由到不同路径分支1：
category == "投诉"→ 节点5A分支2：
category == "建议"→ 节点5B分支3：
category == "咨询"→ 节点5C
节点5A/5B/5C：三类回复生成
三个节点结构相同，只是Prompt不同。以投诉类为例：
节点类型：大模型（LLM）
输入：
{{start.user_feedback}}+{{情绪分析.emotion}}System Prompt：
你是一位资深客服主管。用户正在投诉，情绪是{emotion}。 请生成一段不超过100字的回复草稿，要求： 1. 先共情，承认用户遇到了问题 2. 不推诿，给出明确的下一步行动 3. 语气专业且温暖 回复中不要出现“可能”“大概”等模糊词。
节点6：写入飞书表格节点
节点类型：飞书多维表格（插件）
配置：
App Token：你的飞书应用Token
Table ID：目标表格ID
写入字段：
原始反馈 →
{{start.user_feedback}}情绪标签 →
{{情绪分析.emotion}}分类 →
{{分类判断.output}}回复草稿 → 对应分支节点的输出
处理时间 →
{{系统当前时间}}
节点7：结束节点（输出结果）
节点类型：End
输出：返回给调用方的最终结果，包含
reply_draft和category
四、调试技巧：工作流跑崩了怎么办？
问题1：节点报错“变量未定义”
90%的报错来自此。检查你引用的变量名是否和上游节点的输出名称完全一致（包括大小写）。扣子里
{{emotion_analysis.output}}和{{Emotion_Analysis.output}}是两个东西。
问题2：大模型返回了JSON但不合法
在Prompt里明确要求“只输出JSON，不要markdown代码块”，同时在节点设置里开启“格式校验”。如果还是偶尔出错，在后续加一个“代码节点”用
json.loads()做异常捕获，出错时返回默认值。
问题3：条件分支走了错误的路径
在Condition节点前面加一个“输出节点”，把分类结果先打印出来看看。有时候是模型返回了“投诉 ”（带空格）导致匹配失败。解决方案：在Prompt里加一句“不要输出多余空格”，或者在条件里用
contains而非==。
五、进阶：从“单一工作流”到“超级智能体”
当你有了3~5个工作流后，可以创建一个“总控智能体”：
创建父智能体，给它写一个简单的系统指令：
你是一个任务路由员。根据用户的问题，决定调用哪个工作流： - 用户反馈 → 调用 feedback_workflow - 竞品分析 → 调用 competitor_analysis_workflow - 日报生成 → 调用 daily_report_workflow 如果用户的问题不匹配任何工作流，则用通用对话模式回复。
在智能体配置里，把上述三个工作流“注册”为可用工具
用户只需和这一个智能体对话，它自动判断、调用、返回结果
此时，你搭建的不再是一个“会聊天的机器人”，而是一个“能调动所有自动化流程的数字员工”。
第三步：人工精修（产品经理视角的补充）
AI写的初稿在逻辑上是完整的，但作为一篇面向“非技术背景产品经理”的实战指南，有两个地方需要“补肉”：
修改点1：给“开始节点”加一个真实的完整输入输出示例
产品经理看文字描述不如看一个完整的“输入→输出”样例来得直观。在节点1后面补充：
完整输入输出示例：
输入："你们App昨天更新后，我的订单记录全没了，找客服也找不到人！" 情绪分析输出：{"emotion": "愤怒", "intensity": 9, "key_points": "订单记录丢失+客服失联"} 分类输出：投诉 回复草稿："非常抱歉给您带来这么糟糕的体验！订单记录丢失确实让人着急。我们已紧急排查，您可以在'我的-订单历史'中手动刷新恢复。如果仍找不到，请直接回复您的订单号，我人工为您调取。再次向您致歉！"
修改点2：补充一个“不用写代码也能调用的触发方式”
扣子工作流最厉害的一点是可以在飞书/微信/抖音里直接触发。这是产品经理最关心的“落地场景”，AI初稿里没提。补充：
触发方式（不用写一行代码）：
飞书机器人：在飞书群里@机器人，它自动触发工作流并回复
抖音私信：用户发私信给企业号，自动走完整个处理流程
定时触发：每天早上8点自动跑“未处理反馈汇总”工作流，推送到群
API调用：如果你有开发团队，也可以直接HTTP调用工作流，传参即可
修改点3：加一段“运营人员如何持续优化”
技术文章容易停在“搭建完成”，但对运营人员来说，上线才是开始。补充：
上线后怎样持续优化？
每周导出飞书表格里的“情绪强度”数据，看负面情绪趋势是否下降
每月随机抽取50条“回复草稿”进行人工评分，低于8分的case分析原因
如果某类误判集中出现（比如“建议”被误判为“投诉”），收集这些case加入Prompt的few-shot示例中
最终成文的三大升级点
| 维度 | AI初稿 | 精修后 |
|---|---|---|
| 技术正确性 | ✅ 流程正确 | ✅ 流程正确 |
| 落地可感性 | ⚠️ 用户能看到节点但想象不出完整运行效果 | ✅ 补充了完整输入输出示例 |
| 触发方式 | ❌ 没提 | ✅ 补充了飞书/抖音/定时/API四种方式 |
| 持续优化 | ❌ 没提 | ✅ 补充了运营侧的持续迭代方法 |
这一轮的“心法”总结
写智能体/工作流类教程时，AI负责解决“怎么做”（节点配置、变量引用、条件分支），人类负责解决“在哪用”和“怎么养”（触发场景、效果衡量、持续优化）。
一个能让产品经理看完后立刻动手搭建并长期运营的教程，才算真正“完整”。
如果你想换一个行业场景（比如“自动生成短视频脚本并发布”“自动处理销售线索并分配跟进”“自动监控竞品动态并生成日报”），把第三节的节点配置换成对应场景的Prompt即可。需要我帮你定制其他场景的工作流教程吗？
暂无评论