Coze 完整教學：不寫程式做出自己的 AI Agent，從聊天機器人到自動化工作流

台中一家賣露營用品的電商，客服信箱每天塞五十封「這頂帳篷防水係數多少」。小老闆不會寫程式，卻在一個週末用 Coze 把產品 FAQ 的 PDF 丟進知識庫、拉了一條工作流，週一開始機器人自動回掉七成的重複問題。這就是 Coze 想做的事：把「做一個 AI Agent」的門檻壓到會用簡報軟體就行。

Coze 是什麼

Coze（中國版叫「扣子」）是字節跳動推出的 AI Agent 開發平台，主打無程式碼：畫面上把提示詞、知識庫、外掛、工作流像積木一樣組起來，就能做出會查資料、會呼叫外部服務的聊天機器人，再發佈到網頁或通訊平台。2025 年 7 月 25 日字節跳動把核心的 Coze Studio 與 Coze Loop 以 Apache 2.0 授權開源，明確允許商用，等於你可以把整套平台架在自己的伺服器上。

能做什麼

最常見的三種用法：客服型（掛上自家文件的 RAG 知識庫，回答產品問題）、流程型（用工作流串「收到訊息→查資料庫→整理成表格→寄出」這類多步驟任務）、對外服務型（做好的 bot 發佈到 Discord、Telegram 這類平台或嵌入自家網站）。跟 Dify 相比，Coze 的視覺化編輯器對非工程師更友善；要做重自動化的串接，n8n 那種流程工具則更對味。

怎麼用：四步做出第一個 Agent

1. 建立 Agent：登入後新增一個 bot，用一段話寫清楚它的角色與限制（例如「你是露營用品客服，只回答商品相關問題」）。人設寫得越具體，行為越穩，寫法可以參考站上的 提示詞範本。
2. 掛知識庫：把 FAQ、產品規格的文件上傳成 Knowledge，Coze 會自動切塊做檢索。實測 PDF 表格偶爾會切壞，重要表格建議先轉成純文字。
3. 拉工作流：進 Workflow 編輯器，從觸發節點開始接 LLM 節點、條件分支、外掛節點。每個節點都能單獨測試，先讓每一節都綠燈再串整條。
4. 測試與發佈：右側預覽窗實際對話測過幾輪，確認不會亂答，再一鍵發佈到你要的通路。

進階技巧

變數與資料庫：Coze 內建簡單的變數與資料表，能記住使用者偏好，做出「上次你問過 A 帳篷」這種有記憶的體驗。多 Agent 協作：複雜場景可以拆成多個子 agent，由一個調度者分派，比塞一個超長提示詞穩定。開源自架：在意資料主權的公司可以先在雲端版把流程試順，再搬到自架的 Coze Studio，聊天紀錄與知識庫全部留在自己機器上。

注意事項

講真的，用 Coze 前要想清楚資料放哪。雲端版的資料處理依字節跳動的服務條款，台灣公司如果會碰到客戶個資或內部機密，建議直接評估自架版，或至少別把敏感文件丟進雲端知識庫。另外免費額度跑正式客服量會不夠，付費方案與 API 計價請以官方定價頁為準（2026/07 查證：雲端版有免費層，進階用量需付費）。

TheAI學院 總結與評語

回到那家露營用品店：機器人上線一個月後，小老闆把省下的時間拿去回覆真正棘手的客訴，評價反而變好了。工具沒有取代他，是把他從複製貼上裡撈出來。

評語：Coze 是目前非工程師做 AI Agent 最平滑的起點，開源後「雲端試做、自架上線」這條路讓它在企業場景的說服力大增；但資料要放誰家伺服器，請在動手前想清楚。

給台灣讀者的具體建議：先拿一份公開的 FAQ 文件做試點，跑兩週看命中率再決定要不要擴大；要處理個資的場景一律走自架版。