学习材料《Hello-Agents》第五章 基于低代码平台的智能体搭建docs/chapter5/第五章 基于低代码平台的智能体搭建.md配套代码本章无本地代码四个平台均为图形化配置故本笔记的实验改为对平台提示词的云端实测实验环境腾讯云 Lighthouse2C2G / 无 GPU· Python 3.14模型主用Moonshot kimi-k2.6另按要求以云端自部署模型复测llama.cpp Qwen3-1.7B-Q4_K_Mhttp://localhost:8080/v1实测规模把 Coze「每日AI简报」的 System/User 提示词搬到云端跑通 2 组对照原始 / 追加≥500字硬约束关键词低代码 · Coze · Dify · FastGPT · n8n · 插件生态 · MCP · RAG · System Prompt / User Prompt 分离 · 结构化提示词 · 混合开发导读第四章我们亲手造了一台引擎ReAct / Plan-and-Solve / Reflection这一章问一句很实际的话如果我要的是一辆能上路的车为什么还要先造引擎低代码平台把这台引擎藏进图形化节点里注意力从实现细节转到业务逻辑 提示词。这一章我把四个平台的提示词搬到云端真跑因此笔记里既有平台对比也有实测出来的两处硬缺陷模型会编造当天日期以及≥500 字这类长度硬约束会引发格式漂移。想快速选型 → 看§2.0 总表与§2.6 选型想看实测证据 → 看§5 实验记录含两处缺陷的原始输出自己在复习 → 用§8 的自测清单自问自答说明本章四个平台Coze / Dify / FastGPT / n8n都需要注册账号并在浏览器里操作无法在无头服务器上执行。因此本篇的实测是把平台的提示词搬到云端用同一批数据实跑检验它的格式遵循与约束冲突——这本身就是提示词质量的实测。本系列其他文章上一章第四章 智能体经典范式构建 · 学习笔记ReAct / Plan-and-Solve / Reflection 云端实测本章问题篇第五章可能出现的问题两类必错设计与生产不可用全系列目录hello-agent入门学习一、知识地图第五章 基于低代码平台的智能体搭建 ├── 5.1 平台化构建的兴起 ──────────────── 从手写引擎到搭积木 │ ├── 5.1.1 为何需要低代码平台 ──────── 降门槛 / 提效率 / 可视化 / 标准化 │ └── 5.1.2 平台选择概览 ────────────── Coze · Dify · FastGPT · n8n ├── 5.2 Coze ─────────────────────────── 零代码 插件生态 │ ├── 5.2.1 功能模块工作流/对话流/插件/知识库/卡片/提示词/数据库 │ ├── 5.2.2 案例每日AI简报 ────────── RSS GitHub arXiv → 结构化简报 │ └── 5.2.3 优势与局限不支持 MCP 是最致命的 ├── 5.3 Dify ─────────────────────────── 开源 企业级BaaS LLMOps │ ├── 5.3.1 介绍与生态分层架构 · 模型中立 · 8000 插件 │ └── 5.3.2 案例超级智能体个人助手问题分类器 多模块 ├── 5.4 FastGPT ──────────────────────── 开源 极致 RAG │ └── 5.4.2 案例智能投顾助手知识库 MCP ├── 5.5 n8n ──────────────────────────── 工作流自动化 AI 节点 │ └── 5.5.2~5.5.4 案例智能邮件助手私有知识库 主工作流 └── 5.6 本章小结 ─────────────────────── 选型建议 混合开发一句话主线第四章我们亲手造了一台引擎ReAct/Plan-and-Solve/Reflection第五章则问一句很实际的话——如果我要的是一辆能上路的车为什么还要先造引擎低代码平台把这台引擎藏进图形化的节点里让注意力从实现细节转移到业务逻辑 提示词Coze 最省事的组装线插件多、发布广但不支持 MCPDify 最全面的工厂开源、可私有化、插件最多FastGPT 最专的知识库问答专机RAG 链路完整、支持 MCPn8n 最强的管道工几百个节点擅长把 AI 插进既有业务流程。它们不是竞品而是四把不同形状的锤子。读完这一章应该能做到一件事拿到一个新需求能先判断该用平台还是该写代码再判断该选哪个平台——而不是默认打开 IDE 或默认打开 Coze。二、核心概念2.0 先立骨架四平台总表本章最该背下来的一张表平台核心定位最强的一手致命/明显短板最适合的人Coze字节出品零代码智能体插件生态 一键发布抖音/飞书/微信/豆包不支持 MCP高级插件要技术背景导出是 zip 非 json入门用户、产品/运营、个人创作者Dify开源BaaS LLMOps企业级分层可扩展、模型中立、Marketplace 8000 插件、可私有化学习曲线陡高并发有性能挑战有技术背景的开发者、企业团队FastGPT开源极致 RAG数据导入→分块→向量化→检索全链路原生支持 MCP模板生态弱免费额度有限私有知识库问答、智能客服、中小企业n8n开源工作流自动化AI 是其中一环连接能力数百预置节点打通 SaaS/DB/API学习曲线陡内置存储非持久Simple Vector Store / Simple Memory版本控制不成熟需要把 AI 深度嵌入业务流程的团队 章节里那句话的工程含义“低代码平台不是要取代代码而是提供更高层次的抽象。”它的边界恰好是**“标准化到什么程度”**——越是标准化、可复用的流程越适合平台越是长尾、特殊逻辑越要落回代码。2.1 为什么平台化会赢在一部分场景四个价值降低技术门槛把 API 调用、状态管理、并发控制封装成节点。提升开发效率原型阶段数小时甚至数分钟出结果。可视化与可观测性能看到数据在节点间怎么流、哪一环最慢、哪个工具调用失败——这是终端print比不了的。标准化与最佳实践沉淀平台内置的 ReAct 模板、检索引擎、工具接入规范本质上是在替团队沉淀约定。可迁移经验第 3 条是低代码平台最容易被低估的优势。第四章我们靠print调试 ReAct如果换成平台哪一步 Observation 是空的会直接画在图上——这会让我们更快发现工具静默失败那类问题。2.2 Coze把出装配齐就能上分把 Coze 的资源库类比成游戏装备是本章最传神的一段平台概念类比实际作用工作流关卡路线图确定的执行路径对话流NPC 对话多轮交互编排插件角色技能卡外部能力RSS / GitHub / arXiv…知识库游戏百科全书RAG 检索源提示词移动键角色/任务/格式的指令数据库云存档持久化状态「每日AI简报」案例的关键动作是三步加插件 → 配参数RSS 链接、关键词 → 编排连接插件 → 大模型。⚠️必须写进笔记的结论Coze 案例里插件配置本身就是提示词工程的一部分。RSS 该订哪几个源、GitHub 搜什么关键词、arXiv 取几条——这些参数决定了喂给大模型的事实原料是什么。模型再强也救不回一份烂原料。2.3 Dify企业级的关键是模型中立 可私有化架构数据层 / 开发层 / 编排层 / 基础层分层解耦便于扩展。模型中立GPT / Deepseek / Llama / 任何兼容 OpenAI API 的模型都能接。部署灵活Docker Compose 一键本地部署或官方 SaaS。Marketplace8000 插件涵盖模型/工具/智能体策略/扩展/捆绑包。「超级智能体个人助手」案例的价值在于它演示了一个入口多个子智能体用问题分类器做智能路由把请求分发给日常问答 / 文案优化 / 多模态生成 / 数据分析 / MCP 工具等模块。点睛问题分类器 子智能体就是第四章那三种范式的平台化封装——分类器负责规划该找谁“子智能体负责执行怎么干”。你在平台上拖出来的那张图本质就是一张 Plan-and-Solve 的静态计划。2.4 FastGPTRAG 做深比做广更难它的差异化只有一句话“把知识库问答这一件事做到极致”——从数据导入、自动分块、向量化到智能检索全链路都给到位并且原生支持 MCP这恰好是 Coze 的短板。2.5 n8nAI 只是管道里的一个阀n8n 的定位最容易理解错它不是一个 LLM 平台而是一个工作流自动化工具只是顺手把 AI 能力接进来了。它的杀手锏是连接——把电商下单、邮件、库存、CRM 串成一条自动化链路其中某一环嵌一个 LLM 节点。⚠️必读的坑n8n 内置的Simple Vector Store/Simple Memory基于内存服务重启数据就丢。案例里能用是演示够用生产环境必须换成 Pinecone / Redis 之类的持久化存储。2.6 平台里的提示词工程本章最可迁移的部分四个平台都在做同一件事把提示词拆成 System长期准则与 User本次任务两层。以 Coze 案例为例层内容回答的问题System Prompt角色“资深科技媒体编辑” 输出格式规范标注/Emoji/链接/描述“你是谁、永远要守哪些规矩”User Prompt数据来源与字段映射{{articles}}/{{arxiv}}… 模块划分“这一次具体做什么、用什么数据”Dify 与 FastGPT 的提示词则采用更标准的五段式一、角色人设/二、背景/三、任务目标/四、限制提示/五、输出格式要求。可迁移经验角色 任务 约束 输出格式这四段是跨平台通用的最小提示词骨架。换平台不用换思维——这也是我能在服务器上用 kimi 复现 Coze 提示词的原因。三、把第五章接回前四章第五章的概念在第几章活过来Coze 的插件配置RSS/关键词第四章ToolExecutor的工具描述——喂什么工具决定能力上限Dify 的问题分类器 子智能体第四章Plan-and-Solve 的 Planner先决定该走哪条路FastGPT 的工作流编排第四章把 ReAct/Plan 的控制流画出来n8n 的节点连接第四章工具调用链的图形化知识库 / RAG第三章RAG 是幻觉的分层缓解手段之一提示词分层System/User第一章AGENT_SYSTEM_PROMPT的四段式角色/工具/格式/约束多智能体模式Coze/Dify第六章AutoGen / AgentScope 的正式多智能体协作四、配置精读本章无代码改读配置4.1 Coze「每日AI简报」的信息源配置RSS: 36氪 https://www.36kr.com/feed | 虎嗅 https://rss.huxiu.com/ IT之家 http://www.ithome.com/rss/ | InfoQ https://feed.infoq.com/ai-ml-data-eng/ GitHub: qAI, per_page10, sortupdated arXiv: count5, search_queryAI, sort_by2读法这三组参数不是设置项而是这份简报的事实边界——简报里的每一条都来自这三个源。源选错后面全错。4.2 Coze 的 System Prompt逐条拆条款作用对应理论角色资深科技媒体编辑定人设 → 定向输出风格角色设定开头标注AI日报/日期/署名固定头部元信息输出契约每条目加 Emoji可读性 / 区分条目格式规范排除无关与营销内容信噪过滤实测有效见 §5.1约束每条必须给原始链接可追溯性防幻觉的轻量手段约束每条一句概况描述强制压缩而非堆砌输出质量⚠️第 3 条当天日期是本案例最大的隐患提示词要求输出当天日期但并没有把日期作为变量传进去。大模型不知道今天是几号——实测它直接编了一个见 §5.3。4.3 n8n 主工作流的提示词结构# Prompt (User Message)# 上下文信息# System Message角色和目标 / 上下文信息 / 可用工具 / 执行步骤 / 规则和限制——结构上与第四章 ReAct 的提示词几乎一一对应可用工具 ↔ 工具清单执行步骤 ↔ 格式规约。换了张皮骨架没变。五、实验记录把平台提示词搬到云端实测口径声明四个平台都是图形化 SaaS/自建服务在无头服务器上无法注册账号、拖动节点——所以本节不冒充搭好了平台只做一件服务器真能做的事把平台的提示词原样搬到 kimi 上跑看它守不守规矩。这本身就是提示词质量的实测。5.0 结论先行检验项实测结论营销内容过滤“空调促销五折起”✅ 被剔除信噪过滤有效每条目 Emoji 链接 描述✅ 全部遵守格式条款可执行“当天日期”❌输出2024年12月19日真实今天是 2026-09-21日期幻觉没给数据模型就编追加正文不少于500字⚠️ 字数达标408 →1362字节但格式漂移硬长度约束有副作用5.1 测试 1原始提示词LEN408输出结构完全符合 System Prompt 要求AI日报 bylearner 2024年12月19日 ← 日期是编的见 5.3 ### AI技术新闻 - [我司发布新一代国产大模型推理芯片](https://example.com/36kr/chip) —— 国产新一代...算力支撑。 ### AI学术论文 - [Agentic Retrieval with Tool Feedback](...) —— 提出基于工具反馈的智能体检索框架... ### AI开源项目 - [hello-agents](https://github.com/datawhalechina/Hello-Agents) —— Datawhale开源的Agent入门实践项目...要点输入里塞了一条广告“夏季空调促销五折起”模型把它过滤掉了——说明排除营销内容这条约束真的起作用不是摆设。5.2 测试 2追加正文不少于 500 字硬约束LEN1362字数从 408 涨到1362是原来的 3.3 倍但代价是格式整体漂移项测试 1无长度约束测试 2≥500字模块标题### AI技术新闻【AI技术新闻】不再是 Markdown 标题分隔有---丢失条目形态一行标题 链接 一句描述先来一段行业铺垫长文再给条目链接位置行内移到了段落末尾“原始链接…”⚠️必须写进笔记的结论输出长度硬约束和输出格式规范会互相打架。模型为了凑字数会把结构化短句改写成散文式长段顺手就把标题层级、分隔线、链接位置都改了。如果你既要长又要格式稳就必须把格式要求再强调一遍或改用结构化输出JSON/字段。5.3 日期幻觉一条提示词一个必错项System Prompt 写着开头标注当天日期但输入里没有任何日期变量。实测输出AI日报 bylearner 2024年12月19日 ← 服务器真实日期是 2026-09-21这不是模型笨——按第三章的结论模型只问最可能是什么不问对不对。当前日期对它来说就是训练数据里的一个高频值。凡是运行时的真实状态都必须由代码注入不能指望模型知道。这条是整章最值钱的实操教训任何实时/环境相关的信息日期、时间、价格、库存都必须是变量注入绝不能写进提示词让模型自己想。5.4 复测改用云端自部署模型Qwen3-1.7B把同一套 Coze 提示词改由服务器自部署的 Qwen3-1.7B 生成项kimi-k2.6Qwen3-1.7B自部署测试1 长度408 字节553 字节测试1 日期编成2024年12月19日编成2025年4月15日测试2 长度追加≥500字1362 字节1033 字节测试2 日期——编成2025年6月15日与同一次运行里的测试1 都不一样广告过滤✅ 剔除✅ 剔除格式漂移标题层级 / 分隔线 / 链接位置全变同样漂移并额外长出**标题** / **概况描述** / **内容**三段式字段结尾还重复了一遍页眉⭐两个跨模型都成立、因此更值得记的结论当天日期幻觉与模型规模无关——两个模型都编而且同一次运行里两次调用编出了两个不同日期2025-04-15 / 2025-06-15。这坐实了根因是提示词依赖了模型不可能知道的信息不是模型不行。长度硬约束引发格式漂移同样与模型无关——换了模型照样漂且自部署模型还额外吐出了重复页眉。这是约束冲突的必然结果。5.5 实验总表#实验期望实测结论0提示词可迁移性平台提示词能在通用模型上跑结构完整复现✅1信噪过滤剔除广告广告被剔除✅2格式条款遵守 Emoji/链接/描述全部遵守✅3日期正确性标注当天日期输出 2024-12-19错❌ 日期幻觉4长度硬约束正文≥500字1362但格式漂移⚠️ 有副作用六、踩坑与改进思考6.1 缺陷清单平台开发视角#缺陷证据/来源影响1当天日期靠模型猜实测输出 2024-12-19每条简报都带一个错日期最容易被用户发现2长度硬约束引发格式漂移实测标题层级/分隔线/链接位置全变下游若按固定格式解析会直接崩3Coze 不支持 MCP章节明述feature-mcp仍在 roadmap无法接入标准化工具协议生态上限被锁4Coze 导出是 zip 非 json章节明述配置无法跨平台迁移/版本化5n8n 内置存储非持久Simple Vector Store/Simple Memory基于内存服务重启即丢数据不能上生产6平台锁定vendor lock-in导出格式不通用迁移成本高7免费额度限制FastGPT 免费版额度有限Coze/Dify 高并发有瓶颈验证期够用放量要付费或自建6.2 修复方向缺陷修复1日期/时间用变量注入{{today}}并在 System Prompt 里写明不得自行推断日期2若要长文 稳格式把输出改成结构化字段标题/链接/描述分字段或对格式条款加即使扩写也不得改动标题层级、分隔线与链接位置的强约束3需要 MCP 能力的关键链路改用FastGPT / Dify原生支持 MCP4关键流程自建或用支持 json 导入导出的平台把配置纳入 Git5n8n 生产环境替换为 Pinecone / Redis等持久化后端6选型时把配置可导出性当硬指标核心逻辑尽量留在代码侧而非平台侧7用混合开发分摊平台做标准流程代码做长尾逻辑6.3 我在方法上踩的坑一开始想在服务器上把 Coze 搭出来——很快意识到这不可行需账号、需浏览器、需人工拖拽。正确做法是承认边界转做提示词实测把平台里唯一可迁移的资产提示词拿到云端验证。“在云端执行不等于必须把整个平台搬上去”。差点把格式漂移当成模型不听话。其实它是两个目标长 稳格式冲突的必然结果。看到模型跑偏先问我是不是给了它互相矛盾的指令。6.4 自我拷问grill“低代码一定比写代码快吗”——只在标准化流程上成立。本例中把提示词搬到云端跑这件事低代码平台反而比 20 行 Python更慢。前提需求能落到平台已有的节点上。“提示词写详细就一定好”——不一定。“≥500字这条越详细越糟引发漂移。详细 ≠ 精确精确指的是约束之间不打架”。“Coze 不支持 MCP 是致命伤吗”——取决于你要不要接标准化工具。若你只用它的内置插件发布能力MCP 缺失无感一旦要接企业内部系统它就成了硬障碍。致命是有条件的判断不是绝对结论。“能不能既长又稳”——能但前提是把长度和结构分开管结构用字段/模板锁死长度只放开描述字段的篇幅。这是设计问题不是提示词玄学。七、习题思路速记习题 1 · 四平台定位与开发模式定位差异Coze 求易零代码发布、Dify 求全开源企业级、FastGPT 求深RAG、n8n 求连自动化。三种开发模式适用场景纯低代码——需求标准化、要快速验证、团队无工程能力纯代码——精细控制、特殊逻辑、性能敏感混合——最常见平台做入口/编排/标准流程代码做核心逻辑/特殊工具/数据处理。习题 2 · Coze 简报扩展定时推送Coze 侧用定时触发工作流 飞书/微信机器人插件若平台不支持定时就退化为外部 Cron 调它的 API。提示词优化加热点分析/趋势预测模块时必须要求模型引用具体来源否则趋势就是编的并把日期改为变量注入对应 §5.3 实测教训。MCP 是什么为何重要MCPModel Context Protocol是工具接入的标准化协议——把每个平台自己定义工具格式变成所有工具按同一协议暴露。它重要在互操作性工具一次开发、多平台复用。Coze 若支持 MCP将能接入整个 MCP 生态的现成工具生态上限被打开。习题 3 · Dify 深入分类器 子智能体的优势降低单点复杂度、便于独立迭代、可按任务选模型。单一智能体处理全部任务会遇到提示词臃肿、工具选择精度下降、一处改动影响全局。50 表 × 20 字段的 DDL 过长不要全塞。方案建表级摘要 向量检索按用户问题先召回相关表只注入被召回表的完整 DDL即Schema RAG。本地部署 vs 云部署本地数据不出内网、可控、但要自己运维云省运维、弹性、但有数据出境与成本问题。强合规场景选本地小团队选云。习题 4 · n8n 深入持久化改造把Simple Vector Store换成 Pinecone/QdrantSimple Memory换成 Redis/Postgres配置要点是改节点类型 填连接信息 迁移已有数据。附件理解在邮件触发节点后加附件分发分支——PDF 走文档解析MarkItDown/PyPDF→ 切分 → 向量化入库图片走 OCR/多模态模型。电商下单自动化Webhook(下单) → 并行 [发确认邮件 | 更新库存DB | 通知物流 | 写CRM] → 汇总 → 异常告警。关键是并行分支 失败重试 幂等避免重复下单通知。习题 5 · 提示词对比可对照 §5 实测结构差异与平台特性相关Coze 偏运营向、可读性Emoji/署名/模块化Dify 偏工程向、结构化五段式n8n 偏执行向、步骤化执行步骤 规则限制。超过500字是否合理实测证明它有副作用408→1362 但格式漂移。该限制长度需固定篇幅的正式文案、下游有长度约束的场景该放开探索性生成、需要模型自行决定详略的场景。更好的做法给下限必须覆盖的要点而不是字数。习题 6 · 工具与插件扩展平台都没有你要的工具时自建服务 暴露为标准协议优先 MCP再用平台的自定义工具/HTTP 节点接进去。MCP vs RESTful vs Tool CallingRESTful是人写代码调接口Tool Calling是模型按各家私有格式调用MCP是统一的工具描述与调用协议让工具像 USB 设备一样即插即用。称其新标准的原因是它把工具从每家一套变成一套通用。Dify 自定义插件流程要点创建插件工程 → 定义工具描述schema→ 实现逻辑 → 本地远程调试 → 打包发布到 Marketplace。习题 7 · 平台选型三个应用应用AC 端写作小程序快速验证1 前端 1 PM→Coze。理由零代码、发布渠道现成、人力结构匹配无后端。应用B企业合同审核数据不出私有环境需深度集成 OA/文档系统→Dify私有化部署或FastGPT 自建。理由合规要求排除 SaaS需要与内部系统集成 → 倾向可自建、插件可扩展的平台。应用C研发效能工具多流程自动化团队技术强→n8n自建代码。理由核心价值是连接现有研发系统Git/CI/Bug 跟踪n8n 节点最全技术强 → 长尾逻辑自己写。八、本章小结本章回顾节一句话5.1平台化的价值 降门槛 / 提效率 / 可视化 / 标准化本质是更高层次的抽象5.2Coze 用插件 一键发布赢在易用输在不支持 MCP、导出不可迁移5.3Dify 用开源 模型中立 私有化赢在可控与可扩展5.4FastGPT 把RAG 全链路做深是知识库问答的专机5.5n8n 的价值在连接但内置存储非持久生产要换后端5.6结论平台与代码互补混合开发才是最佳实践核心公式智能体的能力 平台节点/插件能力供给 × 提示词质量能力调度 × 数据源质量事实边界三者相乘任何一项接近 0产物就接近 0——记住这不是加法。三句话记住本章平台替你干了实现细节但把业务逻辑 提示词还给了你——重心只是转移没有消失。插件/知识库配置决定了事实边界源里没有的东西模型只会编实测日期就是这样被编出来的。硬约束之间会打架要长就可能丢格式稳要同时满足就得把结构锁成字段而不是写成期望。与前后章的呼应第五章在哪一章活过来提示词分层System/User第一章AGENT_SYSTEM_PROMPT四段式问题分类器 子智能体第四章Plan-and-Solve 的 Planner知识库 / RAG第三章幻觉的分层缓解多智能体模式第六章AutoGen / AgentScope自测清单能答上来说明真懂了低代码平台降低门槛之后开发者真正的产出物变成了什么答提示词 编排 数据源配置为什么当天日期必须变量注入而不能写进提示词第三章模型只问最可能不问对不对实测中≥500字为什么会把### 标题变成【标题】两个目标冲突Coze 不支持 MCP 具体卡住了什么工具接入的标准化与互操作n8n 的Simple Memory为什么不能上生产内存存储重启即失混合开发的分界线画在哪标准化 vs 长尾平台做前者代码做后者四平台里哪个最适合数据不能出门的企业Dify 私有化 / 自建下一步本章的四种方式都是**“把 Agent 拼出来”**。下一章往前再走一步当角色从 1 个变成 4 个、5 个谁先说话、什么时候插话、怎么不让对话跑偏——这就不是搭一个智能体而是编排一群智能体。AutoGen、AgentScope、CAMEL、LangGraph 各自给出了不同的答案。最后留一个我印象最深的数字同一套提示词、同一批数据只加了一句正文不少于500字输出就从 408 字节涨到 1362 字节同时丢掉了 3 项格式约定。约束不是越多越好是越不矛盾越好。
