简单理解就是，Coze 是一个 AI 应用构建发布平台，既是 AI App 的 IDE，又是 AI App 的 AppStore。
近期，以 OpenAI 为首（GPTs），各大厂都开始了 MaaS（Model as a Service 模型即服务）平台的构建和推广的竞争。之前调研过百度千帆、阿里灵积等传统 MaaS 平台，其相对更加偏向提供单纯的模型接口服务，对于大模型应用的构建、开发和发布，对接门槛和开发成本都不算低。但是字节的 Coze，在很大的程度上，拉低了这个门槛。
Coze 平台首先是免费的，至少现阶段是完全免费的；其次，Coze 的 AIBot 应用构建时，几乎不需要编程基础，模型、插件、知识库等核心技术，都做了极为完善的的封装，这是现阶段其他平台都不具备的优势特性。
- 国内版：www.coze.cn/
- 国际版（需要梯子）：www.coze.com/，国外版本GPT4功能完善。
在插件方面，国际版的插件种类更加丰富，同样的插件，国内版还存在一定的能力阉割。
国际版商店内有很多具备 GPT4、DALLE 相关能力的机器人，这是国内版所不具备的，国内的 Bot 商店，更多的是偏向聊天性质的社交 Bot，工具型 Bot 相对比较少，功能也比较单一，不过一直在持续的添加完善。
还有免费的PPT制作机器人： www.coze.com/store/bot/7…
视频制作机器人： www.coze.com/store/bot/7…
相对来说，现阶段的国际版 Coze 更加开放，能力也更强。
Coze 目前并不算是一个完善对外的 AI AppStore，不过功能在逐步完善中，字节官方对标 GPTs 的 AI AppStore，应该是豆包和 Cici，这也是 Coze 平台构建发布时分别的首选发布平台，不过这两个平台，更偏向社交工具平台。
豆包是国内版： www.doubao.com/chat/
国际版是 Cici： www.ciciai.com/chat/
下面的示例均以国内版为主。
www.coze.cn/docs/guides…
www.coze.cn/docs/guides…
当然这个默认的 prompt 也可以自行修改，修改后，可以使用“优化”按钮，自动执行 prompt 优化。
这个是官方的结构化 prompt 示例：
www.coze.cn/docs/guides…
插件就是 Plugins ，是平台提供的各种预置的工具能力。插件能够让 Bot 调用外部 API，例如搜索信息、浏览网页、生成图片等，扩展 Bot 的能力和使用场景。
插件是强化大模型生成能力，使得模型生成的内容更加准确和丰富的有效途径。
Coze 有专门的预置插件库，前面提到过，国际版的 Coze 插件库会更加丰富。
插件的调用机制是大模型自动按需触发的，这点和 OpenAI 的函数调用是一样的，大模型会根据上下文场景，动态按需的去匹配调用预先配置好的插件能力，去丰富模型生成的内容。相对于 OpenAI 等其他传统的 MaaS 平台，Coze 平台的插件使用门槛极低，用户完全不用关心内部的原理和触发机制。
www.coze.cn/docs/guides…
最核心的，还是 URL，也就是需要提供一个对应的接口服务，这个和阿里灵积的自定义插件是类似的，只不过，Coze 的更加简单，没有那么琐碎的配置项和审核流程。
但是，接口能力也就意味着，插件能力只能是云函数，不支持 OpenAI 的本地函数，效率方面会低一些。
下面是一个简单的制作示例：
www.coze.cn/docs/guides…
大模型受限于上下文窗口长度，无法记忆过长的上下文内容，在实际使用场景中，需要配置 Memeory 去保证大模型工作正常。
扣子提供了2种方式来存储和记忆外部数据：
-
知识库：大量知识分片，通过语义匹配，给模型补充知识。
以车型数据为例，每个知识库的分段中，保存了一种车型的基础数据。当用户问 宝马X3的售价是多少？，能匹配到对应车型的分段，然后模型从中获取到售价信息。
-
数据库：类似传统软件开发的数据库功能，以表格结构存储信息，通过 NoSQL 方式使用。
目前提供的是关系型数据库，下面列举一些应用场景：
- AI 便签：记录用户提交的便签，支持提交、查询操作，这些操作都是通过 NL2SQL 完成。
- 单词本：记录用户背过哪些单词，其中哪些单词还没有记住等。
知识库是实现 RAG 模式，扩展大模型生成能力的最佳实践。
适用场景：
- 语料补充：如需创建一个虚拟形象与用户交流，你可以在知识库中保存该形象相关的语料。后续 Bot 会通过向量召回最相关的语料，模仿该虚拟形象的语言风格进行回答。
- 客服场景：将用户高频咨询的产品问题添加到知识库后，Bot 可以通过这些知识精准回答用户问题。
- 垂直场景：创建一个包含各种车型详细参数的汽车知识库。当用户查询某一车型的百公里油耗是多少时，可通过该车型召回对应的记录，然后进一步识别出百公里油耗。
4.5.1.1. 知识库创建
4.5.1.2. 知识库使用
适用场景：
- 作为长期的上下文记忆，做数据持久化
- 对于核心的轻量化信息，可以使用数据库而不是知识库存储
- 对于某些记录性质的 Bot 应用，轻量化数据存储十分必要
- 对于用户的个人信息，做数据库存储，可以使 Bot 表现出更加的人性化特质
4.5.2.1. 数据库创建
4.5.2.2. 数据库使用
www.coze.cn/docs/guides…
- 工作流支持通过可视化的方式，对插件、大语言模型、代码块、知识库等功能进行组合，从而实现复杂、稳定的业务流程编排，例如旅行规划、报告分析等。
- 当目标任务场景包含较多的步骤，且对输出结果的准确性、格式有严格要求时，适合配置工作流来实现。
- 可以简单理解为，工作流是一个更加复杂的插件，也是更加强大的插件能力
- 工作流是 Coze 有别于其他 MaaS 平台的重要特性之一
- 工作流的设计思想，应该是参照了 iOS 端的 Workflow App，该 App 后被苹果收购，改为“快捷指令”
工作流的节点包含：
- 基础节点
- 开始
- 结束
- 大模型
- 代码块
- 知识库
- 选择器
- 插件
- 其他工作流
4.6.2.1. 开始和结束节点
开始节点，会将用户的输入信息转换为变量值，这个过程由大模型进行处理，支持多入参输入，前提是大模型可以正确的解析出用户输入文本的自然语言中相对应的参数信息。
结束节点，会将整个工作流的输出做格式化给大模型，再由大模型去泛化处理。
4.6.2.2. 大模型节点
该节点是 Coze 预置的大模型，和会话主题的大模型是同一个东西，只不过在工作流节点中，可以通过 prompt 等配置重置为新的角色和任务。
在文本处理方面，大模型无疑是最强的，可以利用大模型节点去处理输入数据，做指定的泛化或者其他适合大模型去做的数据处理，给后续节点使用。
4.6.2.3. 插件节点
插件节点，相对于 Bot 直接引用插件，其调用方式更加规范，直接插件接口严格的格式化输入输出，可以避免大模型直接调用的泛化或幻觉问题。
4.6.2.4. 代码块
代码块适合执行相对复杂的数据处理逻辑，代码支持 JS 和 Python。
4.6.2.5. 选择器
4.6.2.6. 知识库
知识库就是前面的知识库，只不过和插件节点一样，这里是在工作流中直接引用知识库，根据知识库的匹配结果去做后续的数据处理，这个过程不依赖大模型，而是工作流脚本逻辑。
4.6.2.7. 其他工作流节点
Bot 做好后，就可以进行发布操作，国内版 Coze，可以发布扣子商店、豆包、飞书、掘金和微信平台。 以飞书为例，参考： www.coze.cn/docs/guides…
这里制作了一个简单的文生图 Bot：