简介这份资源面向对智能体开发有兴趣的技术人员与朋友圈文案创作者围绕Coze平台讲解如何搭建一个「情绪文案自动生成」智能体解决手动构思文案与配图耗时、风格不统一的问题。包内为1个PDF文档压缩包约5.92MB内容以图文步骤形式呈现便于边看边练。文档完整覆盖智能体创建、基本信息配置、工作流编排等环节重点拆解开始节点、大模型节点、插件节点与消息节点的参数设置并给出提示词模板与变量传递写法还涉及人设与回复逻辑优化、限制条件测试、消息节点顺序调整及文案配图展示优化等排错思路。目前已有152人学习适合希望掌握Coze工作流配置、提升AI辅助创作效率的读者参考。1. 朋友圈文案也能自动生成Coze 智能体到底能帮你省下多少时间你有没有算过每天花在朋友圈文案上的时间有多少做微商的朋友要发产品推荐做运营的要发活动预热做个人 IP 的要维持日更节奏一条文案从想角度、找配图、调语气到最终发布少说十分钟多则半小时。更头疼的是情绪类文案——那些需要共鸣、需要温度、需要“说人话”的内容——往往最耗心力因为你得先把自己代入某种情绪状态才能写出打动别人的句子。Coze 智能体就是冲着这类重复性创作场景来的。它不是一个简单的“输入关键词、输出一句话”的模板工具而是一套可以拆解任务、串联插件、控制输出风格的工作流系统。你可以在 Coze 上搭建一个专门生成朋友圈情绪文案的智能体把“理解用户情绪 → 匹配文案风格 → 生成候选句子 → 自动配图建议”这条链路固化下来之后每次只需要输入几个关键词几秒钟就能拿到可以直接用的文案。这篇文章面向的是想用 Coze 做实际落地的人——不管你是刚接触智能体搭建的新手还是已经用过 Coze 工作流但想看看别人怎么设计情绪文案场景的老手。我会从工作流拆解、提示词设计、插件配置到避坑排查把整个搭建过程拆成可以照着复现的步骤。读完你至少能拿到一套可运行的工作流骨架以及几个我踩过坑之后总结出来的参数设置经验。2. 拆解朋友圈情绪文案生成从需求到 Coze 工作流设计2.1 情绪文案到底需要哪些处理环节很多人第一次搭 Coze 智能体习惯性地把“生成朋友圈文案”当成一个单步任务用户输入主题大模型直接输出结果。这样做不是不行但输出质量极不稳定——有时候太像广告有时候太像鸡汤有时候干脆跑题。问题出在缺少中间处理层。朋友圈情绪文案的核心需求可以拆成四个环节。第一是情绪识别用户可能只给一个模糊的词比如“今天有点累”智能体需要判断这是想表达疲惫、想求安慰还是想发一条自嘲式的内容。第二是风格匹配同样的情绪可以用文艺风、口语风、幽默风、治愈风来表达不同用户的偏好差异很大。第三是文案生成这一步才是大模型真正发挥创造力的地方但前提是前两步已经把方向收窄了。第四是配图建议或话题标签朋友圈文案往往需要配图或话题来增加互动率智能体可以顺带给出建议。把这四个环节串起来就是一条最小可用的工作流。Coze 的工作流编辑器支持节点式编排你可以把每个环节做成独立节点节点之间用变量传递数据。这样做的好处是调试方便——哪个环节输出不对直接看那个节点的日志就行不用在一大段提示词里猜。2.2 在 Coze 里搭出第一条工作流骨架进入 Coze 的工作流编辑界面后你会看到左侧是节点面板中间是画布右侧是节点配置区。搭建情绪文案工作流我一般会按下面的顺序操作。第一步添加一个“开始”节点定义用户输入变量。建议至少设置两个变量user_input用户输入的主题或情绪词和style_preference用户偏好的风格可选值包括文艺、口语、幽默、治愈。style_preference可以设默认值用户不填时走通用风格。第二步添加一个“大模型”节点做情绪识别。这个节点的提示词不需要太长核心任务是让模型输出结构化的情绪标签。配置如下# 情绪识别节点提示词 你是一个情绪分析助手。根据用户输入的内容判断其主要情绪倾向。 用户输入{{user_input}} 请只输出一个 JSON 对象格式为 {emotion: 情绪标签, intensity: 强度1-5, keywords: [关键词1, 关键词2]} 情绪标签从以下选项中选择疲惫、开心、焦虑、平静、期待、失落、愤怒、感动。 不要输出任何其他内容。这个节点的输出变量命名为emotion_result后续节点通过{{emotion_result}}引用。参数方面建议把温度值调到 0.3 左右因为情绪识别需要稳定输出不需要太多创造性。最大回复长度设 200 tokens 足够避免模型啰嗦。第三步添加第二个“大模型”节点做文案生成。这个节点的提示词是整条工作流的核心需要把情绪识别结果、用户风格偏好和生成要求都写进去。我常用的结构是这样的# 文案生成节点提示词 你是一个朋友圈文案写手擅长用简短、有情绪张力的句子表达感受。 用户原始输入{{user_input}} 情绪分析结果{{emotion_result}} 风格偏好{{style_preference}} 请生成 3 条朋友圈文案要求 1. 每条不超过 50 字适合手机屏幕阅读 2. 第一条偏感性第二条偏日常口语第三条带一点幽默或自嘲 3. 不要出现“亲”“宝贝”“家人们”等电商腔词汇 4. 每条文案后附一个建议的话题标签格式为 #标签# 5. 输出格式为 JSON 数组每个元素包含 text 和 tag 两个字段这个节点的温度值可以调到 0.8 到 1.0 之间让输出更多样化。如果发现生成内容太飘降到 0.7 试试。最大回复长度建议设 800 tokens因为要输出三条文案加标签。第四步添加一个“结束”节点把文案生成节点的输出作为最终结果返回。到这里一条最小可用的工作流就搭好了。点击试运行输入“今天加班到很晚有点累”风格选“治愈”看看输出效果。如果三条文案里有一条能用说明骨架没问题接下来就是调优。2.3 插件在情绪文案场景里能做什么Coze 的插件系统是这个平台比较实用的能力之一。在情绪文案场景里插件主要解决两类问题一是获取外部信息来丰富文案内容二是把生成结果推送到其他平台。先说第一类。如果你想让文案结合实时热点或天气可以接入搜索类插件。比如用户输入“今天心情不错”工作流可以先调用搜索插件查一下当天的热门话题把结果作为参考信息传给文案生成节点。这样生成的文案可能带上“今天天气好得像开了滤镜”这种有实时感的句子。配置方式是在工作流里插入一个“插件”节点选择搜索插件把user_input作为查询词传进去输出变量命名为search_context然后在文案生成节点的提示词里加一行参考信息{{search_context}}。第二类插件是发布类。Coze 支持把智能体输出推送到一些内容平台但朋友圈没有官方接口所以常见做法是生成文案后通过飞书或钉钉的机器人插件发到自己的设备上再手动复制到朋友圈。这一步不是必须的但如果你每天要发多条能省一次复制粘贴也是好的。插件节点的参数配置要注意超时时间。搜索类插件建议设 10 秒超时发布类插件设 15 秒。如果插件调用失败工作流默认会中断你可以在插件节点后面加一个“条件判断”节点判断插件是否返回有效结果无效时走备用分支直接跳过插件内容。3. 提示词工程实战让情绪文案不像是 AI 写的3.1 情绪文案提示词的三个关键控制点搭好工作流骨架之后决定输出质量的就是提示词了。我试过几十版提示词总结下来有三个控制点最影响最终效果。第一个控制点是“禁止词列表”。大模型写文案有个通病喜欢用“在这个快节奏的时代”“让我们一起”“愿你被世界温柔以待”这类万能句式。这些句子不是不能用但用多了就暴露了 AI 痕迹。我的做法是在提示词里明确列出禁止出现的短语比如禁止使用以下表达 - “在这个……的时代” - “让我们一起” - “愿你……” - “生活总是……” - “有时候我们需要的只是……”这个列表可以根据你的实际输出不断补充。每次看到一条“AI 味”很重的句子就把它的句式特征加进去。第二个控制点是“字数硬约束”。朋友圈文案的黄金长度是 30 到 60 字太短显得敷衍太长会被折叠。提示词里要写清楚“每条文案不超过 50 字”并且要求模型在输出时标注字数。如果模型经常超字数可以在提示词里加一句“超过 50 字的文案会被系统丢弃请严格控制”。第三个控制点是“示例引导”。与其告诉模型“要写得有情绪”不如直接给一两个示例。比如参考风格示例 - “今天什么都没做但觉得好累。原来发呆也是一种消耗。” - “地铁上看到有人捧着一束花突然觉得今天也没那么糟。”示例不用多两三条就够但一定要是你自己觉得“对味”的句子。模型会模仿示例的句式和语气这比任何形容词都管用。3.2 用变量和条件分支控制输出风格Coze 工作流支持条件分支这个能力在风格控制上很有用。你可以根据用户选择的style_preference走不同的提示词分支。具体做法是在文案生成节点之前加一个“条件判断”节点判断style_preference的值。如果是“文艺”走文艺风提示词节点如果是“幽默”走幽默风提示词节点。每个分支的提示词可以单独调优互不干扰。这样做的好处是你可以针对每种风格做精细化的禁止词列表和示例库。比如文艺风禁止用“哈哈哈”“绝了”这类口语词幽默风禁止用“岁月静好”“温柔以待”这类文艺腔。如果所有风格共用一套提示词模型很容易串味。条件分支的配置在 Coze 里不算复杂但有一个坑要注意分支节点的条件表达式要用双等号比如style_preference 文艺不要用单等号。另外每个分支的结束节点要汇合到同一个输出节点否则工作流会报“存在未连接节点”的错误。3.3 多轮对话里怎么保持情绪一致性如果你的智能体是以对话形式使用的用户可能会连续发几条消息比如先说“今天好累”再说“但是项目终于上线了”最后说“想发个朋友圈但不知道怎么写”。这种情况下单轮工作流就不够用了需要让智能体记住上下文。Coze 的对话型智能体支持变量持久化。你可以在智能体配置里开启“对话历史”功能把每轮的用户输入和情绪识别结果存到一个数组变量里。文案生成节点在生成时把最近三轮的情绪结果都作为参考。具体配置是在工作流的开始节点里定义一个conversation_history变量类型为数组。每次运行结束后把当轮的emotion_result追加到这个数组里。文案生成节点的提示词里加一行最近情绪变化{{conversation_history}}这样模型就能感知到用户情绪的动态变化生成的文案可能从“今天好累”转向“但累得值得”更贴合真实状态。需要注意的是对话历史数组不能无限增长建议只保留最近五轮。在 Coze 里可以用“代码”节点写一小段 JavaScript 来截断数组// 保留最近5轮对话历史 const history context.variables.conversation_history || []; const newRecord context.variables.current_emotion; history.push(newRecord); if (history.length 5) { history.shift(); } return { conversation_history: history };这段代码放在每轮工作流的末尾确保数组不会越积越大。参数方面current_emotion是当轮情绪识别节点的输出变量需要在代码节点的输入映射里绑定好。4. 避坑排查Coze 工作流搭建中最容易翻车的五个地方4.1 变量引用报错为什么节点之间传不过去数据现象工作流试运行时提示“变量未定义”或“无法解析表达式”某个节点的输入框里引用了上一个节点的输出但运行时报错。原因Coze 的变量作用域是节点级的上一个节点的输出变量必须显式声明为输出变量下一个节点才能引用。很多人只在节点内部定义了变量但没有在节点的“输出”配置里把它暴露出来。解决点开每个节点的配置面板找到“输出变量”区域把需要传递给后续节点的变量手动添加进去。变量名要和提示词里引用的名称完全一致大小写敏感。另外如果用了条件分支每个分支的输出变量名要统一否则汇合节点会找不到变量。4.2 大模型输出格式不稳定JSON 解析失败的三种情况现象情绪识别节点要求输出 JSON但模型有时候输出带 markdown 代码块的 JSON有时候在 JSON 前后加解释文字导致后续节点解析失败。原因大模型对“只输出 JSON”这个指令的执行并不总是严格尤其是温度值偏高或者提示词里有其他干扰信息时。解决第一在提示词里加一句“不要使用 markdown 代码块直接输出纯 JSON 字符串”。第二把温度值降到 0.2 以下。第三在 JSON 解析节点前加一个“文本处理”节点用正则表达式提取花括号之间的内容。如果还是不稳定可以在 Coze 里用代码节点做容错解析// 容错解析 JSON let raw context.variables.emotion_result; // 去掉可能的 markdown 代码块标记 raw raw.replace(/json/g, ).replace(//g, ).trim(); try { const parsed JSON.parse(raw); return { emotion: parsed.emotion, intensity: parsed.intensity }; } catch (e) { // 解析失败时返回默认值 return { emotion: 平静, intensity: 3 }; }4.3 插件调用超时搜索插件返回空结果怎么办现象工作流运行到搜索插件节点时卡住或者返回空结果导致后续文案生成节点缺少参考信息。原因搜索插件的查询词如果太模糊比如直接拿“今天有点累”去搜可能匹配不到有效结果。另外插件本身有调用频率限制短时间内多次运行可能被限流。解决第一在搜索插件前面加一个“关键词提取”节点从用户输入里提取两到三个核心词再传给搜索插件。第二给插件节点设置超时时间建议 8 到 10 秒超时后走备用分支。第三在文案生成节点的提示词里把搜索参考信息设为可选写一句“如果参考信息为空则忽略该字段”。4.4 文案风格串味为什么选了幽默风还是输出鸡汤现象用户选择了“幽默”风格但生成的文案还是偏文艺或偏鸡汤没有达到预期效果。原因条件分支的判断条件写错了或者两个分支的提示词差异不够大。更常见的情况是文案生成节点的提示词里虽然写了风格要求但示例库还是通用的模型会优先模仿示例而不是遵循指令。解决第一检查条件分支的表达式确保style_preference的值和分支条件完全匹配。第二每个风格分支配独立的示例库幽默风就放幽默的示例文艺风就放文艺的示例。第三在提示词里把风格要求放在最前面并且用加粗或分隔线标出来比如“【风格要求幽默禁止出现任何文艺腔词汇】”。4.5 输出字数忽长忽短怎么让文案稳定在 50 字以内现象同样的提示词有时候生成 20 字的短句有时候生成 80 字的长段字数波动很大。原因大模型对字数的感知是模糊的它不知道 50 字在中文里是多长。另外温度值偏高时模型更倾向于“自由发挥”字数控制能力下降。解决第一在提示词里给出字数范围而不是上限比如“每条文案控制在 35 到 50 字之间”。第二要求模型在输出时标注字数比如{text: 文案内容, word_count: 42}这样模型会更有意识地去数。第三如果还是不稳定可以在工作流末尾加一个“文本截断”节点超过 50 字的自动截断到最后一个句号。5. 进阶技巧用变量池和定时触发做日更文案库5.1 建立可复用的情绪文案变量池前面搭的工作流是“输入一次、生成一次”的模式。如果你想做日更每天都要手动输入关键词时间长了也会烦。更好的做法是建立一个变量池把常见的情绪场景和对应的文案模板存起来工作流运行时从池子里随机抽取组合。在 Coze 里可以用“数据库”功能来实现变量池。建一张表字段包括emotion_tag情绪标签、style风格、template文案模板、usage_count使用次数。工作流运行时先根据用户输入的情绪标签查询数据库取出三条匹配的模板再让大模型基于模板做改写和润色。这样做的好处是文案的底层结构是人工审核过的大模型只负责微调语气和用词输出质量更可控。数据库的查询节点配置如下-- 从文案池中随机抽取3条匹配记录 SELECT template, style FROM copywriting_pool WHERE emotion_tag {{emotion}} ORDER BY RANDOM() LIMIT 3;注意 Coze 的数据库查询节点对 SQL 的支持有限RANDOM()函数不一定可用。如果报错可以改成用代码节点先查出所有匹配记录再用 JavaScript 做随机抽样。5.2 用定时触发实现每天自动生成三条文案Coze 支持定时触发工作流这个功能适合做“每日文案推送”。配置方式是在工作流设置里开启“定时触发”设置每天早上的某个时间点运行。触发时不需要用户输入所以要把user_input设一个默认值比如从变量池里随机选一个情绪标签。具体做法是在开始节点里把user_input的默认值设为{{random_emotion}}然后在工作流开头加一个“代码”节点从预设的情绪标签数组里随机取一个// 每日随机情绪标签 const emotions [疲惫, 开心, 焦虑, 平静, 期待]; const randomIndex Math.floor(Math.random() * emotions.length); return { random_emotion: emotions[randomIndex] };这样每天早上工作流会自动运行生成三条对应情绪的文案通过飞书机器人推送到你的手机上。你只需要挑一条复制到朋友圈就行。5.3 用 A/B 测试思路持续优化提示词文案生成的质量不是一次调好的需要持续迭代。我的习惯是每周做一次小规模的 A/B 测试准备两组提示词A 组是当前使用的版本B 组是调整了某个参数或示例的版本。同一批输入分别跑两组把输出结果放在一起对比看哪组的文案更自然、更少 AI 味。具体操作上可以在 Coze 里复制一份工作流改名为“实验版”只修改文案生成节点的提示词。然后准备十条测试输入比如“今天加班”“周末宅家”“收到礼物”“下雨天”“失眠”等分别跑两个版本把输出结果贴到一个表格里做对比。我自己的经验是提示词的优化空间比参数调整大得多。温度值从 0.8 调到 0.9输出差异可能不明显但换一个更精准的禁止词列表或者加一条更贴近真实语感的示例输出质量会有肉眼可见的提升。另外不要迷信“一次写对”我搭这个智能体花了大概三个周末改了十几版提示词才做到十条文案里有七八条可以直接用。希望这些经验能帮你少走点弯路。本文还有配套的精品资源点击获取
