Coze

大模型做客服不新鲜，但「从注册到能接客」的完整链路，很多人卡在最后一公里：智能体做得再聪明，接不进企业微信、转不了人工、会话留不下，就没法上线。本文用扣子（Coze）走一遍最小可用闭环。 知识库怎么挂命中率才高？ 在扣子新建一个 Bot，先写好人设与回复边界：客服口吻、不随口承诺价格、敏感问题转人工。然后把产品文档、常见问题整理成结构化文档挂到知识库——注意按「一问一答」切片，而不是整段扔进去。整段切片会让模型答非所问；问答对切片能显著提高命中率，这一步往往比换更贵的向量模型见效。 什么时候该把用户转给人工？ 用扣子的工作流做一个简单的分流节点：先判断用户意图是咨询、售后还是投诉。投诉类直接转人工，并把前面的对话摘要一起带过去，免得用户重复说一遍。转人工的触发词要留有余地，例如用户连续两次表达不满、或提到退款、投诉这类词就触发，而不是等真的吵起来。 怎么接企业微信并留住会话数据？ 通过扣子的发布渠道把 Bot 绑定到企业微信应用，配置好可见范围。最容易漏的是会话归档：默认对话只存平台侧，要在工作流末尾加一步，把每轮问答同步写回你自己的表格或数据库，字段含会话 ID、用户、命中意图、是否转人工。这张表后续就是你优化知识库的依据。 上线第一周该预期多高自动化率？ 上线第一周，别指望全自动。把自动应答率目标设在七成左右，剩下三成靠人工兜底，每周根据归档表里答错的案例补常见问题。跑一个月，自动应答率自然会上来——这比一开始就追求全自动现实得多。 为什么说客服是最适合起步的场景？ 客服是最适合小团队起步的智能体场景：意图清晰、错误代价低、有数据可迭代。用扣子这类低代码工具把闭环跑通，比自研一套客服系统快一个数量级。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：扣子企业微信

国产智能体平台格局 2026 年，中国 AI Agent 市场形成"四大金刚"格局： 开发者导向 ↑ Dify ─────┬──── Coze | 文心 ─────┼──── 通义 ↓ 消费者导向 Dify：开源实力派 定位 Dify 是开源的 LLM 应用开发平台，定位"AI 版 WordPress"。 核心能力 dify_features = { "工作流编排": "可视化拖拽编排 Agent 流程", "RAG引擎": "内置向量检索 + 重排序 + 多路召回", "模型支持": "OpenAI/Claude/Qwen/DeepSeek/Ollama 等 30+", "工具生态": "内置 50+ 工具 + 自定义 API", "部署方式": "云端 SaaS + 私有部署", "开源协议": "Apache 2.0（可商用）", } 工作流示例 # Dify 工作流 YAML nodes: - id: start type: input vars: [user_query] - id: classify type: llm model: qwen3-7b prompt: "判断用户意图：{user_query}" output: intent - id: rag_search type: knowledge dataset: company_docs query: "{user_query}" condition: intent == "qa" - id: web_search type: tool tool: tavily_search query: "{user_query}" condition: intent == "search" - id: response type: llm model: qwen3-7b prompt: "基于以下信息回答：{rag_search.output or web_search.output}" 评估 维度 评分 说明 易用性 ⭐⭐⭐⭐ 可视化编排，学习曲线平缓 灵活性 ⭐⭐⭐⭐ 工作流 + Agent 两种模式 模型支持 ⭐⭐⭐⭐⭐ 30+ 模型，最全面 私有部署 ⭐⭐⭐⭐⭐ Docker 一键部署 生态 ⭐⭐⭐ 插件市场在发展 性能 ⭐⭐⭐ 高并发下需优化 适合场景 ✅ 企业内部知识库问答 ✅ 需要私有部署的政企客户 ✅ 多模型 A/B 测试 ✅ 开发者构建定制 Agent Coze（扣子）：消费级王者 定位 字节跳动出品，定位"人人都能做 Bot"——最低门槛的 Agent 构建平台。 ...

引言 2026 年，AI 应用开发平台已经成为开发者工具链中不可或缺的一环。在国内市场，Dify 和 Coze（扣子）是两个最受关注的选择。两者都定位为低代码/无代码 AI 应用构建平台，但在设计理念、技术架构和适用场景上差异显著。 本文将从实际开发体验出发，从七个维度对两个平台进行深度对比。 一、平台定位与架构 维度 Dify Coze 定位 开源 LLM 应用开发平台 字节跳动 AI Bot 构建平台 部署方式 支持私有化部署 纯 SaaS（国内/国际版） 核心抽象 Workflow + Agent + RAG Bot + Plugin + Workflow 开源状态 Apache 2.0 开源 闭源 技术栈 Python + TypeScript 字节内部技术栈 Dify 的核心优势在于开源可私有化。对于有数据合规要求的企业，Dify 可以部署在自有服务器上，数据完全自控。Coze 则背靠字节生态，开箱即用，适合快速验证想法。 二、工作流引擎对比 Dify 的工作流采用 DAG（有向无环图）模型： # Dify Workflow 示例 nodes: - id: start type: start variables: - name: query type: string - id: llm type: llm model: gpt-4o prompt: "回答以下问题：{{query}}" - id: end type: end output: "{{llm.output}}" Coze 的工作流更偏可视化拖拽，节点类型更丰富，内置了搜索、图片生成、知识库等字节生态能力。但 Coze 的工作流不支持导出和版本管理，这在团队协作中是个痛点。 ...