从想法到上线的完整案例：个人学习助手
学习目标：完整走一遍 Agent 从想法到上线的全流程——需求拆解、知识库准备、工作流设计、插件配置、测试、部署——最终做出一个可用的"个人学习助手"
预计时间：45 分钟
难度等级：⭐⭐⭐☆☆
一、案例背景
我们要做一个个人学习助手——帮你整理学习笔记、回答课程问题、推荐学习资源。
为什么选这个案例？
- 足够实用：你正在学的东西，直接拿来当素材
- 覆盖完整：会用到人设、知识库、工作流、插件四大模块
- 复杂度适中：不会太简单（不是纯聊天机器人），也不会太复杂（不需要企业级部署）
最终效果：用户可以问课程相关问题（基于知识库回答），也可以让助手搜索网上的学习资源，还能让助手帮忙生成学习总结。
二、第一步：需求拆解
先别急着打开平台。花 10 分钟想清楚你要什么。
2.1 核心需求
| 需求编号 | 需求描述 | 优先级 |
|---|---|---|
| R1 | 回答课程相关问题（基于知识库） | P0 |
| R2 | 搜索网上的学习资源 | P1 |
| R3 | 生成学习总结和知识框架 | P1 |
| R4 | 记住之前问过的问题，支持连续对话 | P0 |
2.2 需求映射到 Agent 架构
| 需求 | 对应模块 | 说明 |
|---|---|---|
| R1 | 知识库 | 上传课程资料 |
| R2 | 插件（搜索） | 接入搜索 API |
| R3 | 工作流 + LLM | 多步处理 |
| R4 | 人设 + 平台默认 | 在 Prompt 中要求保持上下文 |
2.3 确定平台
这个案例用 Coze 来实现——上手快，发布方便。
三、第二步：知识库准备
3.1 准备文档
把你正在学的课程资料整理成文档。建议准备：
| 文档类型 | 内容 | 格式 |
|---|---|---|
| 课程笔记 | 你整理的学习笔记 | Markdown 或 PDF |
| 课程大纲 | 课程结构和章节 | |
| FAQ | 常见问题和答案 | Excel 或 TXT |
文档准备建议
- 文档总大小控制在 50MB 以内
- 文档内容要你自己能看懂——Agent 的回答质量直接取决于文档质量
- 可以用 AI 帮你整理文档，但最终要人工检查一遍
3.2 在 Coze 创建知识库
- 打开 Coze → 左侧菜单"知识库" → "创建知识库"
- 命名："AI Agent 学习资料"
- 选择"文件" → 上传准备好的文档
- 分块策略：选择"自动"（先不折腾）
- 等待处理完成（约 2-5 分钟）
3.3 验证知识库
知识库处理好后，在知识库详情页点击"测试"：
输入一个你确定文档里有答案的问题，看看检索结果是否正确。
如果检索不到 → 回头检查文档内容是否完整、分块是否合理。
四、第三步：工作流设计
4.1 工作流逻辑
用户提问
↓
LLM 判断意图
↓
┌──────────────┬──────────────┬──────────────┐
│ 课程问题 │ 搜索资源 │ 生成总结 │
│(知识库回答) │(搜索插件) │(LLM 处理) │
└──────────────┴──────────────┴──────────────┘
↓ ↓ ↓
└────────────────┬───────────────┘
↓
格式化输出4.2 在 Coze 中实现
方式一：直接用 Prompt 控制（简单方案）
不建工作流，靠人设控制 Agent 行为：
# 角色
你是一个个人学习助手，帮助用户学习 AI Agent 相关知识。
## 核心能力
1. 回答课程问题：优先从知识库中查找答案
2. 搜索学习资源：当知识库没有答案时，使用搜索插件查找网络资源
3. 生成学习总结：当用户要求总结时，整理已学内容
## 工作规则
1. 收到问题后，先检索知识库
2. 知识库有相关内容 → 基于知识库回答，标注来源
3. 知识库没有相关内容 → 使用搜索插件查找，并告知用户"以下来自网络搜索"
4. 用户要求总结 → 从知识库检索相关内容，整理成结构化总结
## 输出格式
- 课程问题回答：先给结论，再展开说明，最后附"来源：XX文档"
- 资源推荐：列表形式，每条包含标题、链接、简短说明
- 学习总结：按知识点分条列出，每条 50-100 字方式二：用工作流控制（精细方案）
在 Coze 中创建工作流：
- 添加"开始"节点 → 定义输入变量
user_query - 添加"LLM"节点 → 意图分类
- 添加"条件分支"→ 分三种意图
- 三个分支：
- 课程问题分支：知识库检索 → LLM 回答
- 搜索资源分支：搜索插件 → LLM 整理
- 生成总结分支：知识库检索 → LLM 总结
- 添加"结束"节点 → 输出最终回答
对于这个案例，方式一就够用了。等你有更多时间，再尝试方式二。
五、第四步：插件配置
5.1 添加搜索插件
- 在 Bot 配置页面点击"插件"标签
- 点击"添加插件" → 搜索"搜索"
- 选择内置的搜索插件 → 添加
- 保存
5.2 配置插件调用规则
在 Prompt 中明确告诉 Agent 什么时候用搜索：
## 插件使用规则
- 搜索插件：仅在知识库中没有相关答案时使用
- 每次搜索最多返回 5 条结果
- 搜索结果需要经过你的判断和整理后再呈现给用户
- 不要原封不动地复制搜索结果六、第五步：测试
6.1 准备测试用例
| 编号 | 测试问题 | 期望行为 |
|---|---|---|
| T1 | "什么是 AI Agent？" | 基于知识库回答，引用课程资料 |
| T2 | "推荐一些学习 MCP 协议的资料" | 调用搜索插件，推荐网络资源 |
| T3 | "帮我总结一下 Prompt Engineering 的要点" | 从知识库检索相关内容，生成结构化总结 |
| T4 | "今天的天气怎么样？" | 拒绝回答（与角色无关） |
| T5 | "你好" | 简单打招呼，介绍自己的能力 |
| T6 | 连续对话测试 | 记住上一轮的问题，支持追问 |
6.2 执行测试
在右侧预览面板中逐条测试。记录结果：
| 测试 | 通过？ | 问题 |
|---|---|---|
| T1 | ✅ / ❌ | 如果不通过：检查知识库是否正确关联 |
| T2 | ✅ / ❌ | 如果不通过：检查搜索插件是否启用 |
| T3 | ✅ / ❌ | 如果不通过：调整总结相关的 Prompt |
| T4 | ✅ / ❌ | 如果不通过：在 Prompt 中加"拒绝无关问题"的指令 |
| T5 | ✅ / ❌ | 如果不通过：检查开场白设置 |
| T6 | ✅ / ❌ | 如果不通过：确认开启了对话历史功能 |
6.3 常见问题排查
| 问题 | 原因 | 解法 |
|---|---|---|
| Agent 不使用知识库 | Prompt 没有要求优先用知识库 | 在 Prompt 中明确"优先使用知识库" |
| 搜索插件不触发 | 插件没启用或 Prompt 没说什么时候搜索 | 启用插件 + 在 Prompt 加规则 |
| 回答太长/太短 | 没有在 Prompt 中规定回答长度 | 加上"每次回答控制在 XX 字以内" |
| Agent 回答无关问题 | 角色边界不够清晰 | 加"只回答学习相关问题"的限制 |
| 回答出现幻觉 | LLM 编造了知识库中没有的内容 | 加"如果知识库没有，明确说不知道" |
七、第六步：部署发布
7.1 发布到豆包
- 点击右上角"发布"按钮
- 选择"豆包"
- 填写发布信息：
- 名称：你的学习助手名称
- 描述：一句话说明功能
- 标签：选择"教育""学习"等
- 点击"确认发布"
- 打开豆包 App → 搜索你的 Agent → 开始使用
7.2 生成 API（嵌入到其他应用）
- 发布时选择"API"
- 获取 Bot ID 和 API Token
- 用以下代码调用：
python
import requests
url = "https://api.coze.cn/v3/chat"
headers = {
"Authorization": "Bearer your_api_token",
"Content-Type": "application/json"
}
data = {
"bot_id": "your_bot_id",
"user_id": "user_001",
"stream": False,
"additional_messages": [
{"role": "user", "content": "什么是 RAG？"}
]
}
response = requests.post(url, headers=headers, json=data)
print(response.json())7.3 发布为网页嵌入
- 发布时选择"网页"
- 获取嵌入代码
- 把代码放到你的网站或博客中
八、迭代优化
上线不是终点。用了一段时间后，根据实际使用情况优化：
8.1 收集反馈
- 记录 Agent 回答不好的问题
- 统计用户最常问的问题类型
- 收集用户的改进建议
8.2 优化方向
| 优化项 | 具体操作 |
|---|---|
| 知识库扩充 | 补充更多课程资料 |
| Prompt 调优 | 根据反馈调整回答风格 |
| 新增插件 | 比如加一个"生成思维导图"的插件 |
| 工作流优化 | 从简单 Prompt 控制升级到工作流编排 |
| 多平台发布 | 从豆包扩展到微信、飞书 |
8.3 进阶方向
等你熟练后，可以尝试：
- 多 Agent 协作：一个 Agent 负责回答问题，另一个负责推荐资源
- 接入 Dify：用 Dify 做更复杂的工作流
- 本地部署：数据敏感场景，用 Dify 自部署
- 自定义插件：接入你自己的 API
检验标准
完成本案例后，你应该能做到以下 6 件事：
检验清单
- [ ] 能用 Coze 创建一个带知识库的 Agent，并成功回答基于知识库的问题
- [ ] 能为 Agent 添加搜索插件，并让它在知识库无答案时自动搜索
- [ ] 能编写清晰的 System Prompt，定义 Agent 的角色、能力和边界
- [ ] 能设计并执行 6 个以上的测试用例，验证 Agent 行为符合预期
- [ ] 能排查常见问题（知识库检索不准、插件不触发、回答幻觉等）
- [ ] 能将 Agent 发布到豆包或通过 API 嵌入到其他应用中
本节小结
回顾要点
✅ 完整流程六步走：需求拆解 → 知识库准备 → 工作流设计 → 插件配置 → 测试 → 部署
✅ 需求拆解是最重要的一步——10 分钟想清楚"要什么"，省 2 小时的返工
✅ 先用简单方案（Prompt 控制），再升级到复杂方案（工作流编排）
✅ 测试不要跳过——6 个测试用例，5 分钟跑完，能发现 80% 的问题
✅ 上线不是终点，持续收集反馈、迭代优化才是正道