coze搭建智能搜索agent

Coze零代码搭建一个智能搜索智能体，根据关键词，自动进行全网搜索，筛选出最相关的内容，并进行智能总结，给出参考，提升你信息收集的效率，高时效、保姆级！​

一、智能体搭建​

接下来，手把手教大家如何在Coze上搭建一个属于自己的智能搜索智能体。​

1.1 工作流创建​

1.1.1 认识工作流界面​

首先进入到Coze的官网，点击左侧的「工作空间」，然后点击「资源库」，再点击右上角的「资源」，选择工作流。​

​

​

然后输入工作流名称，这里输入的是info_collection，也可以是其他的；输入工作流描述，我这里是调用各种搜索引擎，搜索相关信息。然后点击确认完成创建​

​

​

在工作流界面上，左侧有不同的节点，如：插件、大模型、代码、知识库、工作流等等。其中：​

​

📌

•

插件：可以通过API和外部数据与系统进行交互，能够增强模型能力。​

•

大模型：顾名思义，就是大模型，基于大量不同的数据进行训练，具有强大的通用基础知识。​

•

代码：可以通过代码来处理一个流程中的数据​

•

知识库：可以理解为大模型的外挂知识库，可以有效解决模型的幻觉问题。​

​

​

​

1.1.2 添加搜索插件​

首先，让我们来为工作流添加几个搜索插件，点击左侧的「插件」：​

​

​

在弹出的窗口中，勾选上「仅显示官方插件」​

在左侧文本框输入「搜索」，并点击「添加」。​

​

​

然后再输入「搜索」，点击「添加」​

​

​

输入「新闻」，点击「添加」​

​

​

输入「视频」，点击「添加」​

​

​

这样，我们的工作流就有了四个搜索来源了，节点名字分别是bingWebSearch, search, getToutiaoNews, get_video，如果感兴趣的话，还可以继续添加。将「开始」节点和刚才添加的四个搜索节点进行链接：​

​

​

点击具体的搜索节点，分别设置每个搜索节点的输入参数，首先是bingWebSearch：​

​

​

然后是search：​

​

​

然后是getToutiaoNews及get_video：​

​

​

1.1.3 添加代码插件​

在每个搜索节点执行完之后，我们需要将这几个搜索节点结果中的url合并起来，用来爬取其中的内容。这里，我新建了一个「代码」节点，用来合并搜索节点的结果。​

在左侧选择「代码」，点击+号，即可添加一个「代码」节点​

​

​

将「搜索」节点和「代码」节点进行连接：​

​

​

点击「代码」节点，设置它的输入参数，其中每个条目具体的参数如下：​

•

bing_result：data/webPages/value​

•

search_result: data/doc_results​

•

toutiao_result: news​

•

videl_result: data/list​

​

​

然后选择「在IDE中编辑」：​

​

​

在顶部将语言切换为「Python」:​

​

​

输入下面代码：​

​

代码块​

Python

async def main(args: Args)->Output: ​

params = args.params ​

bing_result = params['bing_result'] ​

search_result = params['search_result'] ​

toutiao_result = params['toutiao_result'] ​

video_result = params['video_result'] ​

result = [] ​

if bing_result is not None: ​

for item in bing_result: ​

if item == None: ​

continue ​

result.append(item["url"]) ​

if search_result is not None: ​

for item in search_result: ​

​

​

​

同时修改「输出」参数，如下所示：​

​

​

1.1.4 爬取网页结果​

现在，我们拿到了不同搜索节点获取到的链接，接下来，我们添加一个「链接读取」插件，来获取网页内容。​

同样，还是在左侧点击「插件」，选择「链接读取」，并点击「添加」。​

​

​

添加完之后，可以在工作流中看到对应的插件（链接读取），节点名字为LinkReaderPlugin。连接「代码」节点和「LinkReaderPlugin」：​

​

​

点击「LinkReaderPlugin」，设置一些参数。因为我们是一次传入一批url链接到「链接读取」插件，所以在参数设置中，选择「批处理」，如下所示：​

​

​

上面的设置中，不同条目的设置如下：​

•

批处理：​

•

item：选择代码节点的输出​

•

输入：​

•

url：选择LinkReaderPlugin->item​

​

​

1.1.5 过滤爬取结果​

可能会因为各种原因，网络爬虫无法对每条url都返回结果，这些无法爬取的url的结果在返回的时候是None（空），不太方便后面批量处理，因此我们需要对上面「链接获取」节点的输出结果进行过滤。再次添加一个「代码节点」，并修改名称为「结果过滤」，并和「链接获取」节点连接：​

​

​

设置「代码」节点的输入为「链接获取」节点的输出，如下所示：​

​

​

然后修改语言为Python，代码如下：​

​

代码块​

Python

async def main(args: Args)->Output: ​

params = args.params ​

link_result = params['link_result'] ​

content = [] ​

for item in link_result: ​

​

​

​

同时修改「输出」：​

​

​

1.1.6 网页内容总结​

每个网页的结果数众多，我们不可能从头看到尾，因此需要用大模型对结果进行总结。在工作流界面左侧点击「大模型」，添加一个大模型，并链接上一节的「代码」节点。​

​

​

同样，大模型也需要进行批处理，下面是设置参考：​

​

​

1.1.7 结果汇总​

现在，我们一共有这些信息：​

url​

title​

content总结​

但是这些信息分散在不同的节点。下面，我们新建一个「代码」节点将这些汇总起来，如下所示​

但是这些信息分散在不同的节点。下面，我们新建一个「代码」节点将这些汇总起来，如下所示​

​

​

代码节点的参数配置如下：​

​

​

具体代码如下：​

​

代码块​

Python

async def main(args: Args)->Output: ​

params = args.params ​

link_result = params['link_result'] ​

​

​

​

1.1.8 输出结果​

将上面「结果合并」节点和最终的「结束」节点连接​

​

​

并修改「结束」节点的输出，如下图所示：​

​

​

1.1.9 发布​

至此，一个工作流就创建完成了，可以点击右上角的试运行：​

​

​

输入关键词，运行一下看看：​

​

​

如果没有问题的话，可以看到「结束」节点的输出结果，在我的工作流里，一共有27个结果，每个结果包含：内容、链接、标题。​

​

​

然后点击发布：​

​

​

就可以在「资源库」页面看到我们创建的工作流了：​

接下来，可以创建一个智能体，来使用这个工作流了。​

1.2 智能体创建​

1.2.1 创建​

​

​

在Coze点击左侧的「工作空间」，选择「项目开发」，然后点击「创建智能体」，输入智能体名称和图标，点击「确认」，即可完成智能体创建。​

1.2.2 配置​

下面是智能体的配置，需要修改地方有：​

•

人设与回复逻辑​

•

工作流​

​

​

•

开场白​

•

开场白预置问题​

如下图所示：​

其中，人设与回复逻辑如下：​

​

代码块​

Shell

​

1.2.3 大模型配置​

因为我们主要是做信息搜集，不需要大模型有太强的发散能力，所以需要修改一下大模型的参数。​

点击顶部的大模型，将其设置为「精确模式」​

​

​

至此，一个智能体就搭建完成了。​

二、和智能体交互​

接下来，让我们向智能体提问几个问题，看看效果如下：​

问题：什么是智能体​

在对话框输入：什么是智能体？​

可以看到智能体会调用我们刚才创建的工作流进行信息搜索，并且也可以看到搜索的结果。​

然后智能体会将信息进行总结，并按照规定的格式输出，并且每条结果所附的链接也是完全准确的！​

​

​

​