30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度1. 先搞清楚 Coze 多智能体协作到底解决什么问题如果你用过 Coze 的单智能体模式可能会发现一个问题当你想让一个智能体同时处理翻译、总结、代码生成、情感分析等多种任务时提示词会变得极其臃肿。你需要在一条提示词里写满“如果用户问翻译就调用翻译插件如果用户问代码就调用代码插件如果用户问情感就调用情感分析插件……”这不仅难以调试而且一旦某个环节的逻辑需要调整整个智能体的行为都可能变得不稳定。Coze 的多智能体协作模式就是为了解决这个“一个智能体包打天下”的痛点。它的核心价值不是功能叠加而是任务解耦与专业化分工。你可以把它理解为一个项目团队项目经理开始节点负责接待客户用户根据客户需求用户输入将任务分派给最专业的工程师Agent 节点—— 翻译专家、代码专家、客服专家各司其职。每个专家都有自己独立的“工作手册”提示词和“工具箱”插件/知识库互不干扰。所以这个教程的核心不是教你如何创建一个“更强大”的智能体而是教你如何设计一个“更清晰、更稳定、更易维护”的智能体协作系统。它最适合两类人一是需要处理复杂、多步骤任务的 AI 应用开发者二是希望将现有单智能体拆解以提升响应准确率和调试效率的进阶用户。如果你只是做一个简单的问答机器人单智能体模式完全够用。2. 环境准备与核心概念别急着动手画图在开始搭建之前有几点必须提前明确这能帮你避开后面 80% 的困惑。2.1 你需要准备什么一个 Coze 账号这是基础。目前平台提供免费额度对于学习和搭建原型完全足够。清晰的任务边界这是最关键的一步。不要一上来就想着“我要做一个万能助手”。先想清楚你这个多智能体系统最终要解决的一个核心场景是什么比如“自动处理用户的产品咨询并生成报告”。把这个大任务拆成几个独立、清晰的小任务1. 意图识别与分类2. 根据分类调用专业知识库回答3. 将对话记录总结成报告。对“节点”和“流”有基本认知在 Coze 的多智能体画布上你会看到各种节点开始、Agent、智能体和连接它们的线。你可以把它想象成流程图数据用户的问题、上下文沿着线在不同的节点间流动每个节点对数据进行加工处理。2.2 必须分清的三个核心概念很多人容易把下面三个概念搞混导致设计混乱单智能体 vs. 多智能体模式这是项目级别的模式选择。创建时选“智能体开发”然后在编排页面顶部切换。单智能体是“一个大脑处理所有事”多智能体是“多个大脑Agent协作处理一件事”。Agent 节点 vs. 智能体节点这是在多智能体画布中可以添加的两种节点类型。Agent 节点这是“原生员工”你在当前项目内创建和配置的。它拥有独立的提示词、模型选择、技能插件/工作流/知识库配置。它的能力完全由你在当前画布内定义。智能体节点这是“外聘专家”。你可以把另一个已经发布的、功能完整的单智能体直接作为一个节点嵌入到当前的多智能体系统中。比如你团队里有人专门做了一个“周报生成器”智能体并发布了你现在可以直接把它作为一个节点拖进来用而不需要重新造轮子。工作流 vs. 多智能体这是最容易混淆的。工作流是一种低代码编程工具用于定义一系列固定的、顺序执行的步骤比如先调用A接口再处理数据最后调用B接口。它更像一个自动化的脚本或函数。而多智能体是多个具备自主判断能力的实体之间的协作框架每个 Agent 都有一定的自主性来决定如何完成任务协作路径可能因输入而异。简单说工作流是“流程自动化”多智能体是“团队协作”。厘清这些概念你画布上的每一个操作才会有明确的目的。3. 从零搭建你的第一个多智能体系统翻译调度员我们用一个经典的“多语言翻译调度员”案例把整个搭建过程走一遍。这个案例虽小但涵盖了多智能体最核心的配置项和逻辑。目标用户输入一段文本和一个目标语言如“翻译成日语”智能体能自动识别需求并分发给对应的翻译专家中文、日语、韩语进行处理。3.1 第一步创建与模式切换登录 Coze进入目标工作空间。点击“新建项目” - 在“低代码模式”区域选择“智能体开发”。输入智能体名称例如“多语言翻译调度员”填写简介生成头像。进入智能体编排页面。此时默认是单 Agent 模式。注意看页面顶部或中央找到“单 Agent 模式”的按钮或标签点击它在弹出的选项中选择“多 Agents 模式”。关键点切换模式时原有单智能体的“人设与回复逻辑”即全局提示词等配置会保留但技能插件/工作流/知识库会附着到默认创建的第一个 Agent 上。所以如果你是从一个复杂的单智能体切换过来最好先记录下原有的技能配置。3.2 第二步配置全局设置——设定团队基调切换到多智能体模式后左侧会出现“编排面板”。这里配置的是整个智能体团队的公共规则。人设与回复逻辑全局提示词这里写的是对整个团队的总体要求。例如你是一个多语言翻译调度中心。你的核心工作是理解用户想要翻译成哪种语言然后将任务精准地分发给对应的翻译专家。你自身不进行翻译操作。如果用户没有指定目标语言或者指定了你不支持的语言你需要礼貌地提示用户。目前你团队拥有中文、日语、韩语翻译专家。开场白可以设置为“你好我是翻译调度员。请告诉我需要翻译的文本和目标语言如翻译成日语。”变量、数据库根据你的需求添加。例如你可以定义一个变量target_language来存储识别出的语言。快捷指令这里可以创建一些快速触发命令。在多智能体模式下快捷指令可以指定由哪个特定的 Agent 节点来处理也可以不指定让开始节点根据逻辑自动分配。初期建议先不指定用自动分配来测试你的分流逻辑是否准确。配置完这些相当于给整个团队开了个会明确了团队使命和对外沟通口径。3.3 第三步在画布上搭建协作流程这是核心操作区。默认会有一个“开始”节点和一个以你智能体命名的“Agent”节点比如“多语言翻译调度员_Agent”连接好了。理解“开始”节点它是所有对话的入口。它有一个关键配置“新一轮会话的分发策略”。有两个选项上一次回复用户的节点适合多轮连贯对话的场景。比如用户在和“日语翻译专家”深入讨论一个词的译法下一句话系统会默认继续发给日语专家。这保证了对话的连续性。开始节点用户每轮新对话都重新从这里开始由开始节点根据逻辑重新分配。这适合功能独立、互不干扰的场景。我们的翻译调度员显然更适合这个选项因为用户每次可能提出不同的翻译需求。改造默认 Agent 节点这个默认节点我们将其改造为“调度员Dispatcher”。点击这个节点在右侧配置面板重命名改为“调度员”。适用场景填写“当用户提出翻译需求需要识别目标语言并分发任务时”。这个描述是给“开始节点”看的帮助它决定是否把对话流转到这个节点。Agent 提示词这里要写清楚调度员的“工作逻辑”。例如你是调度员。请按以下步骤工作分析用户输入提取需要翻译的文本和指定的目标语言。判断目标语言是否为“中文”、“日语”或“韩语”。如果目标是“中文”则将任务交给【翻译为中文】节点。如果目标是“日语”则将任务交给【翻译为日语】节点。如果目标是“韩语”则将任务交给【翻译为韩语】节点。如果无法识别或语言不支持请直接回复用户“抱歉目前仅支持翻译成中文、日语或韩语。请明确您的需求。” 注意你只负责调度不进行实际翻译。创建专业 Agent 节点点击画布空白处或使用“添加节点”按钮添加一个新的“Agent”节点。重命名改为“翻译为中文”。适用场景填写“当目标语言是中文时”。同样这个描述是给“调度员”节点看的。Agent 提示词这里就是翻译专家的“工作手册”。例如你是一名专业的中文翻译。你的任务是将用户提供的任何语言文本准确、流畅地翻译成中文。保持原文风格和语气如果是口语化内容译文也应口语化。技能点击“添加”可以为这个翻译专家挂载专门的工具。比如你可以添加“联网搜索”插件让它翻译时能查询最新网络用语或者添加一个专有的“翻译术语库”知识库。这是多智能体的精髓每个专家可以有自己的专属工具包。连接节点从“调度员”节点的输出锚点通常是小圆点拖出一条线连接到“翻译为中文”节点的输入锚点。这表示“调度员”可以将任务传递给“翻译为中文”。复制并配置其他专家选中“翻译为中文”节点点击右上角的“...”菜单选择“创建副本”。这样会快速复制出一个配置相同的节点。将其重命名为“翻译为日语”并修改其“适用场景”和“Agent 提示词”中的语言指向。用同样方法创建“翻译为韩语”节点。最终连接将“调度员”节点的输出线也连接到“翻译为日语”和“翻译为韩语”节点。现在你的画布应该类似这样开始 - 调度员 - (翻译为中文、翻译为日语、翻译为韩语)。注意“调度员”后面是同时连接了三个节点这表示它可以根据逻辑选择其中一条路径。3.4 第四步调试与测试——验证分流逻辑配置完成后千万不要直接发布。一定要在右侧的“预览与调试”面板进行充分测试。整体测试在调试输入框输入“把 ‘Hello, world’ 翻译成日语”。观察回复。正确的流程应该是开始节点收到消息 - 根据“调度员”的适用场景将消息传给“调度员” - “调度员”分析出目标语言是“日语” - 根据逻辑将任务和文本传递给“翻译为日语”节点 - “翻译为日语”节点执行翻译并返回结果 - 结果最终呈现给用户。节点单独测试这是多智能体调试的强大功能。点击画布上“翻译为日语”节点右上角的“对话”按钮你可以直接和这个节点对话绕过前面的调度逻辑。输入“你好”它应该直接用日语回复“こんにちは”。这能帮你快速定位问题是出在分流逻辑调度员还是出在专家能力翻译节点本身。检查运行详情每次测试后点击调试面板下方的“运行详情”你可以清晰地看到本次对话流经了哪些节点每个节点的输入输出是什么。这是排查分流错误最直观的工具。如果发现消息没有流向预期的节点就去检查上游节点的“适用场景”描述和提示词中的判断逻辑是否清晰。完成以上四步一个最基本但完整的多智能体协作系统就搭建成功了。它的核心价值在于当你需要新增一个“翻译为法语”专家时你只需要复制一个节点修改配置然后告诉“调度员”在新提示词里增加一条判断规则即可完全不会影响中文、日语、韩语专家的正常运行。4. 进阶实战构建一个智能客服工单处理系统掌握了基础流程后我们来看一个更贴近实际业务的案例智能客服工单处理。这个案例会用到“变量”、“条件判断”等更复杂的功能。目标用户向客服智能体描述问题系统能自动识别问题类型技术问题、账单问题、普通咨询并路由给相应的处理专员最后询问用户是否满意。4.1 系统设计与节点规划接待员 (Receptionist Agent)负责初次接待分析用户问题识别意图技术/账单/咨询并将意图存储到一个全局变量issue_type中。技术专员 (Tech Support Agent)处理issue_type为“技术”的问题。拥有技术知识库和重启服务等工作流插件。账单专员 (Billing Agent)处理issue_type为“账单”的问题。拥有查询账单、生成账单明细等工作流插件。普通客服 (General Consultant Agent)处理issue_type为“咨询”或其他未识别的问题。满意度调查员 (Survey Agent)在任一专员处理完问题后自动询问用户对本次服务的满意度。4.2 关键配置与实现细节使用变量传递信息在“编排面板”的“变量”区创建一个名为issue_type的字符串变量。在“接待员”的提示词中需要明确写明“分析用户问题将类型‘技术’、‘账单’或‘咨询’赋值给变量issue_type。” Coze 的 LLM 在上下文中能够理解并操作这个变量。利用“适用场景”进行动态路由这是核心。“技术专员”节点的“适用场景”可以配置为当变量 issue_type 的值为‘技术’时。同理配置账单和客服专员。这样“接待员”处理完后系统会根据issue_type变量的当前值自动将对话流转到满足条件的下一个节点。“智能体节点”的集成假设“技术专员”需要调用一个复杂的“日志分析”功能而这个功能你的同事已经做成了一个独立的单智能体并发布了。那么你不需要在“技术专员”里重做可以直接在画布添加一个“智能体节点”选择那个已发布的“日志分析智能体”。这样“技术专员”在需要时可以将任务委托给这个外部专家。串联与并联流程画布连接不是简单的直线。接待员后面可以同时连接技术、账单、客服三个专员节点并联。而每个专员节点处理完毕后都应该连接回同一个“满意度调查员”节点汇聚。这形成了一个“分流-处理-汇聚”的流程。调试复杂流程对于这种带变量的流程调试时要充分利用“运行详情”。查看变量在哪个节点被赋值值是否正确以及下游节点的“适用场景”条件是否被触发。如果路由失败首先检查变量名拼写是否正确其次检查赋值和条件判断的逻辑在提示词中是否表述清晰。4.3 避坑指南从 Demo 到可用的关键点提示词的质量决定分流精度“接待员”或“调度员”这类路由节点的提示词必须清晰、无歧义。多用“如果...就...否则...”的结构。最好给出明确的分类示例。模糊的提示词会导致路由混乱。“适用场景”描述要具体不要写“处理技术问题”要写“当用户的问题中包含‘无法登录’、‘报错’、‘崩溃’等关键词或变量issue_type为‘技术’时”。描述越具体大型语言模型判断的准确性越高。控制节点数量初期不要设计过于复杂的网状结构。尽量采用“树状”或“星型”结构一个路由节点对接多个处理节点。节点太多不仅难以维护还会增加响应延迟和不可预测性。性能与成本意识每个 Agent 节点调用一次都可能消耗 Token 和算力。在设计时考虑是否每个节点都需要调用大模型。有些简单的判断或信息提取也许可以通过工作流节点前置处理再将结果交给 Agent这样更经济。版本管理与回滚在发布前多使用“版本”功能保存你的配置。复杂的多智能体调试中一次错误的修改可能导致整个流程瘫痪有版本可以快速回退到稳定状态。5. 常见问题排查与设计原则当你按照教程操作却得不到预期结果时按以下顺序排查检查模式确认你的智能体确实处于“多 Agents 模式”而不是“单 Agent 模式”或“工作流”模式。这是最基础的错误。检查连接在画布上确保节点之间的连线是正确的。鼠标悬停在连线上确认数据流向是从上一个节点的输出端到下一个节点的输入端。审查提示词尤其是路由节点如“调度员”、“接待员”的提示词。是否明确写出了判断逻辑和赋值操作用最直白的语言重写一遍试试。验证变量如果使用了变量在“预览与调试”的“运行详情”里查看变量是否在预期的节点被成功创建和赋值。变量名是否前后完全一致区分大小写。测试单个节点使用节点右上角的“对话”按钮单独测试每个 Agent 节点。如果单个节点都无法正确工作那放在协作流程里肯定不行。先保证每个“专家”本身是合格的。查看“适用场景”确认下游处理节点的“适用场景”描述是否能被上游节点输出的信息或变量所满足。两者的描述语言最好能对应上。模型选择不同的 Agent 节点可以选择不同能力或成本的模型。路由节点可能不需要最强的模型而专业处理节点可能需要。在节点的“模型设置”中按需配置。最后记住多智能体设计的核心原则高内聚低耦合。每个 Agent 应该只做好一件事并且这件事的定义要非常清晰。Agent 之间的协作通过清晰的接口变量、明确的输入输出进行尽量减少隐式的、依赖上下文的理解。这样构建出来的系统不仅易于调试和维护也更容易在未来扩展新的功能模块。 30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度