【AI智能体】Coze 搭建个人旅游规划助手实战详解-EW帮帮网

在当下各类AI大模型应用异常火爆的今天，AI智能体也随之诞生，借助AI智能体，上到公司下到个体使用者，均可以借助智能体完成一些之前很难一个人完成的事项，比如在过往想要做一个智能客服系统，你需要一个完整的团队，而且设计复杂的架构、数据存储系等，而且需要耗费较长的时间才能完成，而今，有了各类AI智能体和智能体的编排平台，即便是普通用户，也可以很快的做出一个在线使用的智能体应用，本文以一个实际生活案例进行说明，详细分享如何借助Coze平台完成一个旅游规划助手的制作。

二、Coze 工作流介绍

2.1 什么是工作流

工作流是一系列可执行指令的集合，用于实现业务逻辑，或完成特定的任务。它为应用/智能体的数据流动和任务处理提供一个结构化的框架。工作流的核心在于将大模型的强大能力与特定的业务逻辑相结合，通过系统化、流程化的方法来实现高效、可扩展的AI应用开发。入口：扣子

Coze 提供了一个可视化的画布，用户可以通过拖拽节点的形式快速搭建工作流，同时，支持画布实时调整工作流。在工作流画布中，你也可以清晰的看到数据的流转过程和任务的执行顺序。

2.2 Coze 工作流作用

Coze 工作流是字节跳动推出的 AI 开发平台 Coze（扣子） 中的核心功能之一，它通过可视化、模块化的方式，将复杂的任务拆解为多个步骤，并利用大语言模型（LLM）、插件、代码等节点实现自动化处理。以下是 Coze 工作流的主要作用：

处理复杂任务逻辑
- Coze 工作流可以将多步骤任务（如旅行规划、数据分析、客服流程等）分解为标准化流程，通过节点串联实现自动化执行。
- 例如，旅行规划工作流可整合酒店查询、机票搜索、景点推荐等插件，最终生成结构化行程。
提升任务准确性和稳定性
- 通过工作流编排，可以减少对大模型单次输出的依赖，避免“幻觉”问题，确保结果符合格式和逻辑要求。
- 例如，在数据报告中，可先用插件获取原始数据，再通过代码节点清洗，最后用 LLM 生成分析结论。
支持多工具协同
- 工作流可集成插件（如携程、天气API）、自定义代码、知识库等，形成功能闭环。
- 典型场景包括：联网搜索→数据过滤→生成摘要，或用户意图识别→分支处理。
降低开发门槛
- 通过拖拽式界面，无需编程即可搭建复杂逻辑，适合非技术人员快速实现自动化流程。
- 例如，企业可快速部署智能客服工作流，自动处理咨询、投诉等任务。
灵活适应业务需求
- 支持条件分支（Condition 节点）、循环（遍历数组）、嵌套工作流等高级功能，适应动态场景。
- 例如，根据用户输入的情感分析结果（积极/消极）触发不同回复流程。

2.3 Coze 工作流节点介绍

Coze的工作流提供了丰富的节点类型可以满足实际应用中多样化、个性化的需求，比如常用的大模型节点、插件节点等，下面对常用的高频类型的节点做下简单的介绍。

2.3.1 开始节点

工作流的起始点，用于接收用户输入或触发工作流运行，输入参数可以根据自身情况添加。

用户输入“查询北京天气”，BOT_USER_INPUT 记录该语句，并可提取“北京”作为变量，从而传递给后续的其他节点使用。

2.3.2 大模型节点

调用大语言模型（如 GPT，豆包，deepseek等）进行文本生成、意图识别等任务，也是在实际配置流程节点中非常高频使用的一类节点。在添加节点的时候，排在第一个，足见其重要作用。

2.3.3 插件节点

插件节点一般是为了辅助完成或集成第三方服务（如天气查询、新闻获取），借助插件节点，对大模型节点进行很好的补充。

比如：

1）调用“获取新闻”插件构建新闻列表工作流

2）调用图片插件生成风景图片

3）调用天气插件查询城市天气信息

2.3.4 知识库节点

从关联的知识库中检索信息，比如需要检索特定领域的知识文档，就需要从特定的知识库中进行检索，常用的应用场景包括：

客服机器人自动匹配知识库答案
报告生成时引用相关数据

2.3.5 条件节点

实现 if-else 分支逻辑，根据条件执行不同路径。比如像下面的示例：

识别用户情绪（积极/消极）并触发不同回复
检查输入是否符合业务规则，决定后续流程

总的来说，工作流在智能体的应用中地位很重要，也可以说正是有了工作流的存在，才能让复杂的业务场景通过工作流进行编排、配置，从而协同完成智能体的任务，为真实场景下的业务价值赋能，在接下来的旅游规划助手案例中，将重点使用工作流进行配置。

三、基于Coze 搭建旅游规划助手操作过程

接下来通过实际操作基于Coze完成一个旅游规划助手的搭建。参考下面的流程。

3.1 创建应用

点击创建智能体，填写智能体名称和描述，并生成一个图标，完整的功能介绍描述如下：

智能体的功能描述至关重要，这个描述为智能体赋予了基本的角色，相当于为智能体限定了了其专业的能力范围，所以填写的时候，限定的范围尽可能小。

我是一个旅游规划助手，您可以告诉我想要旅行的开始时间和结束时间，然后我会为你提供对应的天气查询，并为你提供每天的行程建议。

点击确认之后，创建成功来到下面的配置界面

3.2 创建工作流

在之前的文章中我们分享了工作流的详细使用流程，可以说在使用coze进行智能体的搭建过程中，工作流的重要性毋庸置疑，本次的旅游规划小助手中，也需要借助工作流进行实现，接下来需要创建并完成一个工作流的配置。

3.2.1 创建工作流

可以直接在当前的应用配置界面创建工作流，也可以在主页的资源，创建工作流，填写工作流名称和描述之后，点击确认完成创建。

然后跳转到下面的工作流配置页面

3.2.2 配置工作流

3.2.2.1 配置开始节点

开始节点配置用户输入的参数，这里直接使用默认的input作为参数名即可

3.2.2.2 增加第一个大模型节点

通过大模型节点，解析出开始节点中，从用户的输入参数中解析出开始时间、结束时间和城市信息

设置第一个大模型节点的输出参数，包括开始时间，结束时间，和城市

3.2.2.3 增加第二个大模型节点

再增加第二个大模型节点，该节点用于接受第一个大模型节点输出的城市名称，然后从这个城市中获取5个必玩的景点，如下配置：

输入参数来自上一个大模型节点的输出变量的city参数；
系统提示词中设置一个参数，该参数为数组类型，用于在输出结果参数中进行赋值；

配置的是不是正确呢，可以点击右上角的小三角进行测试，如下在city中输入一个你喜欢的城市，比如我这里输入杭州，然后点击试运行，如果配置正确的话，在下面的输出中，可以看到输出了5个该城市的景点名称

3.2.2.4 增加第三个大模型节点

上一个大模型节点输出了特定城市的5个景点名称，为了丰富和完善最终的效果，用户还需要了解下这些景点的介绍，景点的图片信息，因此还需增加一个新的大模型节点。

输入参数为上一个大模型的输出参数，即nameList ，循环的参数使用默认 item1

在系统提示词中，使用输入的参数name，然后让大模型输出这个景点的描述，游玩时长等，在输出结果中，设置5个参数，对应到上面的系统提示词中的几个关键信息，比如景点介绍，游玩时长等

接下来，像上一步那样如何验证大模型的配置是否符合要求呢，将上一个大模型的试运行结果粘贴到这里，如下，然后点击试运行，如果运行正常，可以看到在运行结果中循环输出了5个结果，分别对应了5个结果的信息。如下，随机点开一个查看，可以看到是预期的结果并设置到了相关的参数中了。

3.2.2.5 增加图片插件节点

在上一步中谈到还需要输出景点相关的图片，所以还需要增加一个可以用于搜索图片的插件节点，如下，在上一个大模型节点后面增加一个图片插件节点

点击插件，搜索图片插件，选择一个比较热门的即可

添加进去之后，对当前的图片插件节点进行配置，核心要配置的参数包括批处理的输入参数，以及在输入参数中的入参变量，如下：

配置完成后，点击测试运行该节点，将上面的参数输入进去

点击运行，检查效果，运行成功后，针对每个景点，在返回结果中，给出了图片的链接

比如第一个景点西湖，我们打开链接看一下

3.2.2.6 增加第四个大模型节点

接下来再增加一个大模型节点，该节点用于整合前面的内容进行完整的输出，比如景点信息，各个景点对应的图片等，参考下面的参数输入输出配置

3.2.2.7 增加天气查询插件

接下来再增加一个插件用于景点的天气查询，这里选择第一个墨迹天气插件

在配置的参数里面，核心要配置的参数包括城市，起始时间，这几个参数都可以从前面的大模型节点输出结果中获取到，如下：

3.2.2.8 增加第五个大模型节点

该大模型节点的作用用于解析到前面的景点，然后结合上一个天气插件的输出信息进行汇总

然后在当前的大模型节点配置系统提示词，参考下面的配置内容：

{{weather}}数据可能包含多天，那么需要根据{{weather}}为每一天规划{{nameList}}中的景点。
推荐要求：
1、景点不能重复推荐。
2、考虑每一天的天气情况，晴天应尽量安排室外，如果是雨雪天气，那么尽量安排室内。
3、按每天8小说计算，如果白天时间充足，并且景点距离近，则必须分上下午安排2个景点。晚上应该安排适合夜晚游玩的景点。
4、同时应该给出建议的理由。

示例：
xxx年xx月xx日，天气xx
xxx年xx月xx日，天气xx