第 1 章 认识 Coze —— 你的第一个 AI 智能体平台

1.1 Coze 是什么？

Coze（扣子）是字节跳动推出的一站式 AI 智能体开发平台。它让你无需编写复杂代码，就能像搭积木一样组装出一个能聊天、能查资料、能调用工具、能执行多步骤任务的 AI 助手。

打个比方：如果你把 ChatGPT 看作一个「员工」，Coze 就是「人力资源部 + 培训部 + 工具箱」，帮你定制这个员工的性格、知识、技能和工作流程。

1.2 为什么需要 Coze？

大语言模型（LLM）很强，但它有天然短板：不知道你公司的内部文档、不能发邮件、不能查数据库。Coze 把这些能力「外挂」给模型，让它从聊天机器人升级为一个真正能干活的智能体。

一张图看懂 Coze 解决了什么问题：

痛点	普通 LLM	Coze 智能体
不知道最新信息	训练数据截止到某个日期	接入知识库，实时检索
不会使用工具	只能纯文本回复	通过插件调用任何 API
不能执行多步任务	一问一答	工作流编排复杂逻辑
缺乏个性化	通用回答	人设 + 记忆，千人千面

第 2 章 Coze 五大核心组件详解

打开 Coze 的控制台，你会看到五个关键词：智能体、模型、插件、工作流、知识库。它们是构建智能体的「五件套」。下面逐一拆解。

2.1 智能体（Agent）—— AI 的「人格」

智能体是你创建的 AI 助手本身。它包含三个要素：

1. 人设与提示词（Persona & Prompt）：定义智能体的身份、性格、说话风格。例如：「你是一个温柔耐心的产品客服，回答简洁友好。」
2. 模型选择（Model）：指定「大脑」用哪个大模型，见 2.2 节。
3. 能力绑定：为智能体绑定插件、工作流和知识库，让它具备特定技能。

在桌面 server 项目中，我们创建了一个名为 "Coze" 的智能体，配置文件位于 configs/agents/cozeAgent.yaml，前端通过 API 调用 /adh/agent/v0/engine 与之交互。

2.2 模型（Model）—— AI 的「大脑」

模型是智能体的底层推理引擎。Coze 支持接入多种大语言模型，你可以根据任务特点灵活选择：

模型	特点	擅长场景	一句话建议
豆包 / 云雀	字节自研，中文能力强	通用对话、中文文案	中文场景首选
DeepSeek	推理能力强，成本低	逻辑推理、代码	深度思考用这个
GPT / Claude	国际顶尖，英文强	多语言、创意写作	海外场景适用

关键理解：模型决定「聪明程度」，人设决定「性格」，两者分开配置、组合使用。

2.3 插件（Plugins）—— AI 的「工具箱」

插件让智能体突破纯文本限制，能够调用外部 API、数据库、第三方服务。

举个例子：

1. 必应搜索插件：智能体可以搜索实时网络信息
2. 图片生成插件：智能体可以直接画图
3. 飞书/邮件插件：智能体帮你发通知、写邮件
4. 自定义插件：接入你自己的 API，比如查询订单状态

在本项目的 Go 后端（go-server/internal/coze/client.go）中，我们通过调用 Coze 的发布 API 和语音 API，实现了自定义的 TTS 语音合成和流式对话，本质上就是把 Coze 智能体包装成了一个可独立部署的服务。

2.4 工作流（Workflows）—— AI 的「执行流程」

如果说插件是单个工具，工作流就是把这些工具串起来的一条「生产线」。

它由节点和连线组成，支持条件判断、循环、变量传递。典型的工作流步骤：

1. 开始节点：接收用户输入
2. 知识库检索节点：从知识库中查到相关信息
3. LLM 处理节点：让大模型基于检索结果生成回复
4. 条件判断：如果需要人工介入，转接客服
5. 结束节点：输出最终结果

新手记忆法：工作流就是 AI 的 SOP（标准作业程序）。一条工作流 = 一堆节点 + 连线，每个节点做一件事，数据在节点之间流转。

2.5 知识库（Knowledge Base）—— AI 的「记忆外挂」

知识库 = RAG（检索增强生成）。你把公司文档、产品手册、FAQ 上传到 Coze，智能体在回答前会先检索这些资料，再用检索到的内容生成回复。

这样做的好处：

1. 信息准确：基于你的文档回答，不会胡编乱造
2. 实时更新：上传新文档就能更新知识，不用重新训练模型
3. 多格式支持：PDF、Word、网页、飞书文档等

知识库支持多种解析模式：自动分段、自定义分段、表格解析等。上传文档后，Coze 会自动将其「向量化」，存入向量数据库，检索时按语义匹配而非关键词匹配。

第 3 章 五件套如何协同工作？

现在把五个组件串起来，看看一个完整的智能体是如何运行的：

Coze 智能体运行全景图：

👤 用户输入

⬇

🎭 智能体（人设 + 提示词） → 接收理解用户意图

⬇

📚 知识库 检索相关文档

🔧 插件 调用外部工具/API

🔄 工作流 编排多步逻辑

⬇

🧠 大语言模型 → 综合所有输入，推理生成回复

⬇

✅ 智能体输出回复 → 文字 / 语音 / 图片 / 动作

把这个流程想象成一位客服接线员：

1. 人设 = 这个人说话的方式和态度（「您好，请问有什么可以帮您？」）
2. 知识库 = 他手边的 FAQ 手册和产品文档
3. 插件 = 他能用的电脑系统（查订单、发邮件、退款）
4. 工作流 = 他处理复杂问题的标准流程
5. 模型 = 他的大脑本身

第 4 章 从 Coze 到数字人 —— 桌面 Server 实战

4.1 项目简介

桌面上的 server 文件夹是一个完整的开源数字人项目 —— Awesome-Digital-Human（ADH）。它的核心思路是：

1. 前端：Next.js 页面 + Live2D 模型渲染 + 语音交互
2. 后端：Go 服务（go-server/）负责转发请求到 Coze
3. AI 大脑：Coze 上创建的智能体，同时绑定了插件、知识库、工作流、模型

4.2 架构连线图

下面是桌面 server 项目中各组件与 Coze 五件套的对应关系：

Coze 组件	在 Server 项目中的角色	代码位置
智能体	定义 AI 人设、对话逻辑	Coze 云端控制台配置，configs/agents/cozeAgent.yaml
模型	选择推理引擎（豆包/DeepSeek 等）	Coze 控制台选择，无需代码
插件	自定义 API 能力扩展	go-server/internal/coze/client.go - 语音 TTS 自定义接入
工作流	乘客工单：支付→评价→打赏→取消	Coze 控制台编排 + go-server/internal/workorder/
知识库	上传产品文档、FAQ	Coze 控制台上传，项目代码不涉及

4.3 完整数据流

用户打开浏览器 → 访问数字人页面 → 说话 / 打字 → 前端发请求到 Go 后端 → Go 后端转发到 Coze → Coze 智能体调用模型 + 插件 + 工作流 + 知识库 → 返回回复 → Go 后端转成 SSE 事件 → 前端展示文字 + Live2D 模型做口型 + TTS 朗读

关键: 密钥（Coze Token）只存在 Go 后端的环境变量中，前端代码完全不接触 Token。这是安全最佳实践。

4.4 启动步骤（5 分钟跑起来）

步骤一：启动 Go 后端

打开 PowerShell，执行：

cd C:\Users\81133\Desktop\server\go-server

$env:ADH_GO_PORT="8880"

$env:COZE_CHAT_URL="你的 Coze 发布地址"

$env:COZE_TOKEN="你的 Token"

go run .\cmd\adh-go

验证：浏览器访问 http://127.0.0.1:8880/healthz

步骤二：启动前端

cd C:\Users\81133\Desktop\server\web

pnpm install （首次需要）

pnpm dev

浏览器打开 http://127.0.0.1:3000/sentio 即可使用。

第 5 章 新手常见问题

5.1 几个常见概念辨析

容易混淆的概念	一句话辨析
智能体 vs 模型	智能体 = 模型 + 人设 + 工具；模型只是「大脑」
插件 vs 工作流	插件是单个工具；工作流是把多个工具串起来的流程
知识库 vs 微调	知识库是外挂检索（RAG）；微调是改变模型本身参数
Coze Bot vs ADH 数字人	Coze Bot 是后台智能体；ADH 给它加了 Live2D 形象 + 语音

5.2 新手建议的学习路径

1. 先在 Coze 网页版创建第一个智能体：只配人设 + 选模型，体验基础对话（10 分钟）
2. 添加知识库：上传一份 FAQ 文档，看智能体如何「学会」新知识（15 分钟）
3. 添加一个插件：比如必应搜索，看智能体如何「使用工具」（10 分钟）
4. 搭建第一条工作流：做一个「输入城市名 → 查天气 → 穿衣建议」的流程（20 分钟）
5. 接入数字人前端：按照第 4 章的步骤，把 Coze 智能体变成有形象、有声音的数字人（15 分钟）

5.3 一个比喻帮你记住

把 Coze 想象成一家「AI 工厂」：

1. 智能体 = 工厂的产品（一个完整的 AI 助手）
2. 模型 = 工厂的发动机（提供推理能力）
3. 插件 = 工厂的机床（每个机床干一种活）
4. 工作流 = 工厂的生产线（把机床串起来）
5. 知识库 = 工厂的资料室（放着所有参考资料）