Coze 生产落地案例

生产落地案例

案例一：教培机构的课程咨询智能体

业务背景。一家职业技能培训机构，招生季咨询集中在晚间与周末，人工排班跟不上。开课时间、上课形式、能否回放、退费规则这类重复问题占掉八成以上接待时长，真正需要人介入的深度咨询反被挤到后面。

怎么用。建一个课程顾问 Bot，走「知识库为主、工作流为辅、人工兜底」的路线。知识库放课程大纲、常见问答、退费政策；工作流做意图识别与分流，命中「查开课时间」这类需要实时数据的意图时调自定义插件查排课系统，命中「要报名」「有投诉」时不硬答，直接输出留资卡片或转人工。

关键配置。知识库按标题层级分段，每段带标题前缀；召回用混合检索，最大召回条数控制在较少档位，避免把整篇文档塞进上下文；提示词明确写「不确定就转人工」，并把转人工做成独立的工作流分支，而不是依赖模型自由发挥。发布渠道选公众号与网页挂件两条线，公众号承接老用户，挂件挂在课程详情页承接新流量。

效果口径。固定观测四个指标：首响时间、有效回答率（用户未在下一轮重复追问的比例）、转人工率、留资转化率。预期方向是首响时间缩短、重复问题的人工接待量下降、转人工集中在真正复杂的咨询上。具体数值取决于问题分布与知识库覆盖度，以自身埋点为准。

踩过的坑。一是知识库把过期课程也召回了，模型照着旧文档答了已停开的班期。解决办法是课程下架时同步下架文档，并在提示词里要求「只依据检索到的内容回答，检索为空则转人工」。二是流式输出在网页端被网关缓冲，用户等十秒才一次冒出全文，关掉网关缓冲后恢复。三是 user_id 一开始用了随机值，会话变量永远攒不齐，多轮填槽持续失败，改成稳定用户标识后解决。

案例二：内容团队的选题与初稿流水线

业务背景。一个做 AI 工具测评的内容小组，每周要出若干篇结构化文章，选题、资料收集、初稿、改写四个环节反复切换工具，最耗时的不是写作本身，而是把素材整理成可写的形态。

怎么用。把整条链路做成工作流而非对话 Bot：开始节点接选题关键词，插件节点抓取外部资料，代码节点清洗正文、去重、截断，LLM 节点输出结构化大纲，第二个 LLM 节点按大纲写初稿，结束节点返回 Markdown。人工只在大纲环节做一次确认。

关键配置。代码节点只做纯数据整形、不发网络请求，避免超时；生成大纲时温度调低、写初稿时略调高；对外用流式运行接口，让编辑看到当前跑到哪一步。整个流程经 OpenAPI 被内部编辑器调用，编辑填个关键词就能跑。

效果口径。关注单位选题的端到端耗时、人工修改幅度（初稿被改动的段落占比）与返工率。合理预期是耗时压缩，人工从「整理素材」转向「审校观点」。

踩过的坑。一是把长文抓取直接塞进 LLM 节点，超出模型输入上限导致节点报错，改成代码节点先分块截断后才稳定。二是工作流的 data 返回字符串，前端按对象解析一直读到 undefined，补一次 JSON 解析后正常。三是编辑习惯性重复点击运行造成重复消耗，后来在前端加了按钮置灰与请求去重。