如何在coze中调用bot商店中未公开配置的bot？

以下为您介绍一款可以自动提取小红书视频链接完整文字文案的工具： 名称：小红书文案专家 功能价值： 见过多个爆款文案，只需输入网页链接或视频链接，就能生成对应的小红书文案。 可辅助创作者生成能一键复制发布的初稿，提供创意和内容，节约 10 倍文字内容创作时间。 应用链接：https://www.coze.cn/s/ij5C6LWd/ 设计思路： 痛点：个人时间有限，希望有人帮忙写初稿再进行二创，同时希望能生成配图。 实现思路：为自己和团队设计工作流，让 AI 按照运营日常思路和流程工作。 一期产品功能： 可以提取任何链接中的标题和内容。 按照小红书平台文案风格重新整理内容。 加入 emoji 表情包，使文案更有活力。 为文案配图片。 二期计划功能： 持续优化升级。 增加全网搜索热点功能。 提炼热点新闻或事件关键信息。 结合用户想要生成的内容方向，输出文案和配图。 另外，在使用类似工具时，需要将需求做细颗粒度的分解，把大任务拆成小任务，小任务拆成更小的任务，并为每个小任务选择合适的工具/模型来实现。

要把自己克隆成一个 bot ，可以参考以下步骤： 1. 访问，单击目标 Bot。 2. 在 Bot 的编排页面右上角，单击创建副本。 3. 在弹出的对话框中，设置 Bot 名称、选择 Bot 的所属团队，然后单击确定。 4. 可以在新打开的配置页面修改复制的 Bot 配置： 点击 Bot 名称旁边的编辑图标来更改 Bot 名称。 在人设与回复逻辑区域，调整 Bot 的角色特征和技能。可以单击优化使用 AI 帮您优化 Bot 的提示词，以便大模型更好的理解。 在技能区域，为 Bot 配置插件、工作流、知识库等信息。 在预览与调试区域，给 Bot 发送消息，测试 Bot 效果。 5. 当完成调试后，可单击发布将 Bot 发布到社交应用中，在应用中使用 Bot。 此外，从案例入门，三分钟捏 Bot 的步骤如下： 1. 登录控制台： 登录扣子控制台（coze.cn）。 使用手机号或抖音注册/登录。 2. 在我的空间创建 Agent： 在扣子主页左上角点击“创建 Bot”。 选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”，并点击“确认”完成配置。如需使用其他空间，请先创建后再选择；Bot 名称可以自定义。 3. 编写 Prompt：填写 Prompt，即自己想要创建的 Bot 功能说明。第一次可以使用一个简短的词语作为 Prompt 提示词。 4. 优化 Prompt：点击“优化”，使用来帮忙优化。 搭建您的第一个 AI Bot 还包括以下步骤： 1. 为 Bot 添加技能：设定 Bot 的人设与回复逻辑后，需要为 Bot 配置对应的技能，以保证其可以按照预期完成目标任务。以获取 AI 新闻的 Bot 为例，需要为它添加一个搜索新闻的接口来获取 AI 相关的新闻。 在 Bot 编排页面的技能区域，单击插件功能对应的+图标。 在添加插件页面，选择阅读新闻>头条新闻> getToutiaoNews，然后单击新增。 修改人设与回复逻辑，指示 Bot 使用 getToutiaoNews 插件来搜索 AI 新闻。 （可选）也可以为 Bot 添加开场白，开场白功能目前支持豆包、微信公众号（服务号）。 2. 测试您的 Bot：配置好 Bot 后，就可以在预览与调试区域中测试 Bot 是否符合预期。可单击清除图标清除对话记录。 3. 发布您的 Bot：完成测试后，就可以将 Bot 发布到社交渠道中使用这个 Bot。 在 Bot 的编排页面右上角，单击发布。 在发布页面输入发布记录，并勾选发布渠道。 单击发布。 更多内容，请访问 Coze 官方文档： 英文版：https://www.coze.com/docs/welcome.html 中文版：https://www.coze.cn/docs/guides/welcome 相似问题： 如何配置一个智能体？ 创建智能体相关文档 Coze 怎么用？ 关于扣子的介绍 问：Coze 是什么？

在外层 bot 中封装工作流的步骤如下： 1. 点击「发布」发布工作流后，创建一个 bot。 2. 填写 Bot 介绍。 3. 切换 Bot 模式为“单 Agent（工作流模式）”，因为此 Agent 只需在输入英文文章时返回精读结果，无需外层 bot 对输入进行其他任务理解，可直接调用工作流。 4. 将配置好的工作流添加到 Bot 中。 5. 填写开场白，引导用户使用，并附上开场白文案。 6. 关闭开场白预置问题，因为使用流程中用不到。 完成封装后，可在「预览与调试」区进行最终体验与调试。如果一切正常，就能获得成功结果。但在发布文章时，外层 bot 可能存在未知 bug，同一段 USER_INPUT 在工作流编辑面板中试运行正常，但在外层 bot 运行时可能报错。暂时无法确定原因，猜测可能是外层 bot 的并发不够稳定，此时可直接在工作流编辑面板中获取精度结果。若自行实验时多次报错且无法定位原因，不要急于怪自己，作者已将相关 bug 提交给 Coze 团队，期待优化。 另外，您还可以为 Bot 设置触发器（Triggers），使 Bot 在特定时间或接收到特定事件时自动执行任务。可配置的触发器类型有定时触发、事件触发。定时触发让 Bot 在指定时间执行任务，无需编写代码；事件触发的触发器会生成 Webhook URL，当服务端向其发送 HTTPS 请求时触发任务执行。 触发器触发时的执行任务方式有 Bot 提示词、调用插件、调用工作流。Bot 提示词需通过自然语言设置提示词，触发时提示词自动发送给 Bot，Bot 根据提示词向用户发送提醒消息；调用插件需为触发器添加一个插件，触发时 Bot 调用插件获取返回结果并发送给用户；调用工作流需为触发器添加一个工作流，若工作流有输入参数则需传入参数值，触发时 Bot 调用工作流获取返回结果并发送给用户。 此外，Coze 支持用户在与 Bot 聊天时设置定时任务，当用户在会话内点击推荐任务后，Bot 将会确认并创建定时任务。需要注意的是，一个 Bot 内的触发器最多可添加 10 个，且触发器仅当 Bot 发布飞书时生效。

在设计 ChatBot 时，应以 STAR 原则（情境、任务、行动、结果）为指导进行需求拆解。 情境方面，用户期望通过与大型模型交互获得基于企业内部知识的精准回答，这要求系统既能理解和响应用户查询，又要确保信息安全。 任务上，系统需分析用户问题，并基于企业知识库提供准确答案，这需要具备高级语言理解能力，且能安全访问和利用企业内部知识。 行动包括： 1. 设计并实施一系列步骤处理潜在安全问题，确保用户输入安全。 2. 回复中若遇不匹配或有害内容，系统应拒绝回答。 3. 采用指代消解等技术手段提升问答准确性和用户满意度。 结果是开发一个能精准理解用户意图、安全访问知识库并提供满意答案的智能回复应用，该应用不仅能提升用户体验，还会成为企业内部知识管理和服务的重要工具。 为达成这些目标，需制定详尽流程图以可视化每个环节和决策点，确保设计和开发中每个步骤清晰理解和执行，从而保证智能回复系统满足用户需求且高度安全准确。从拆解出的知识回复流程图可见，简单知识问答背后隐藏诸多环节，实际工作中还有更复杂小环节需进一步拆解，这需要在实际项目中实战操作。

将扣子生成的 BOT 发布到微信主要有两种方式：发布到微信订阅号和发布到微信客服。 发布到微信订阅号： 使用限制： 一个 Bot 只能发布到一个微信订阅号。 支持在回复订阅号时上传图片，但图片大小不能超过 10MB。 每次回复消息时，只能回复一张图片。 如果模型返回的是图文混排的内容，则直接返回完整的 Markdown 内容。 如果模型生成了多张 Markdown 语法的图片内容，最终会解析返回第一张图片，多余图片会被丢弃。 前提条件： 已经创建了微信订阅号。 已经配置了 Bot。 步骤： 获取微信订阅号的开发者 ID： 1. 访问并登录您的订阅号。 2. 在设置与开发>基本配置页面，获取开发者 ID。 在扣子中配置并发布 Bot： 1. 在 Bots 页面，选择需要发布的 Bot。 2. 在 Bot 编排页面，单击发布。 3. 在发布页面，找到微信公众号（订阅号）发布渠道，单击配置。 4. 在 AppID 输入框内，填写微信订阅号的开发者 ID，并单击保存。 5. 跳转到公众平台账号授权页面，使用公众平台绑定的管理员个人微信号扫描二维码。 6. 在微信移动端，根据页面提示选择订阅号并确认授权。 7. 授权成功的页面提示如下： 8. 返回 Bot 发布页面，选中微信公众号（订阅号）发布平台，并设置发布记录后，单击页面右上角的发布。 成功发布后，您可以前往微信订阅号与 Bot 对话。 发布到微信客服： 支持在回复微信客服时上传图片，但图片大小不能超过 10MB。 确保已经完成了企业认证。 前提条件： 已开通了。 已搭建了 Bot。 步骤： 获取微信客服配置信息： 1. 登录平台。 2. 单击企业信息，然后复制企业 ID。 3. 单击开发配置，然后再单击开始使用。 4. 单击随机获取按钮分别生成并保存 Token 和 EncodingAESKey。复制 Token 和 EncodingAESKey 后，先不要关闭该页面。 在扣子中配置微信客服信息： 1. 在 Bots 页面，选择需要发布的 Bot。 2. 在 Bot 编排页面，单击发布。 3. 找到微信客服渠道，然后单击配置。 4. 输入步骤一中复制的企业 ID，然后单击下一步。 5. 输入步骤一中复制的 Token 和 EncodingAESKey，然后单击下一步。 6. 复制 webhook 地址。复制 webhook 地址后，先不要关闭该配置窗口。 配置回调地址： 1. 回到步骤一中的开始企业接入页面，输入上一步中复制的 webhook 地址。单击完成。确保粘贴回调地址时没有引入空格，空格会导致校验失败。 2. 在开发配置页面，复制 secret。 3. 单击客服账号，复制账号。 发布 Bot： 1. 回到扣子平台的微信客服渠道配置页面，输入复制的 secret 和客服名称。 2. 单击保存。 3. 在发布记录中输入发布信息，然后勾选微信客服渠道，再单击发布。 4. 发布完成后，单击立即对话登录微信客服，体验 Bot 效果。 常见问题： 如果收不到机器人回复消息，可尝试通过以下方法解决： 查看微信客服的启用状态： 1. 登录，在应用管理页面，点击微信客服。 2. 确保没有启用微信客服功能。如果已经开启了微信客服功能，需要关闭。关闭后，该应用在工作台入口将被隐藏，员工不可使用。请谨慎评估。 检查近期是否有登录企业微信应用。 确保企业至少有一个成员通过手机号验证/微信授权登录过企业微信应用。 如果还是有问题，可以发送邮件至 feedback@coze.cn 反馈。

以下是一个关于自动化 RAG bot 测试评估工作流的参考方案： 首先，对于 RAG bot 的工作流，主要包括以下关键步骤： 1. 开始节点：接收用户选择的小说人物角色名称或向小说人物角色提问的问题。 2. 知识库节点：将输入的角色名称或问题作为查询，在知识库中检索该角色的性格特点、经典台词或相关的上下文信息。 3. 大模型节点：让大模型对检索到的信息进行筛选和处理，并以特定格式（如 JSON 格式）输出结果，或者根据问题和检索到的上下文信息生成答案。 4. 代码节点：对上游输入的数据进行规整和格式化输出。 5. Text2Image 节点：引用上一步输出的用于描述人物性格和特点的特征，作为提示生成人物的角色照。 6. 结束节点：输出人物台词、角色照或答案。 要实现自动化测试评估工作流，可以考虑以下几个方面： 1. 制定明确的测试用例：包括各种类型的输入，如不同的角色名称、问题类型和复杂程度等，以全面覆盖各种可能的情况。 2. 建立监控机制：实时监测工作流中各个节点的运行状态、数据传输和处理时间等关键指标。 3. 数据验证：在每个节点的输出端，验证数据的准确性、完整性和格式的正确性。 4. 性能评估：分析工作流的整体性能，如响应时间、资源利用率等，以优化工作流的效率。 5. 错误处理和恢复测试：模拟各种可能的错误情况，测试工作流的错误处理和恢复能力。 6. 定期回归测试：确保工作流在经过修改或优化后，仍然能够正常运行并满足预期。 通过以上的步骤和方法，可以有效地实现 RAG bot 测试评估工作流的自动化，提高其可靠性和性能。

在 Coze 中，可以通过以下步骤实现相关操作： 1. 进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 2. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 3. 新建后的编辑视图与功能中，左侧「选择节点」模块根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。如本案例中的思维导图、英文音频，无法通过 LLM 生成，需依赖插件实现。 大模型：调用 LLM，实现各项文本内容的生成。如本案例中的中文翻译、英文大纲、单词注释等依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 需要注意的是，因为前面需要对多维表格操作，所以要先在 http://open.feishu.cn 上建一个飞书机器人，并添加知识库或多维表格编辑权限，具体可参考飞书文档。

要将 COZE 上的工作流以 JSON 格式复制下来给 DIFY 使用，以下是一些相关的步骤和要点： 对于自动总结公众号内容并定时推送到微信的工作流： 循环查询文章是否推送过：包括数据库节点，用于在数据库中依据文章 URL 和用户的唯一标识（如重命名的 server 酱的 sendkey）判断是否推送过。需设置输出项「combined_output」，并注意 Coze 平台中数据库与 bot 绑定的设置方法。 循环体内容中的选择器：判断数据库查询结果是否为空，若为空则拼接文章完整信息。 对于 Coze 复刻吴恩达开源的 AI 翻译项目的工作流： 新建工作流并导入核心流程，分为初始翻译、反思优化、结果输出等部分。 开始节点选择翻译的源语言和目标语言，可设置其他参数。 初步的翻译大模型节点选择大模型和参考相关提示词。 对于用 Coze 免费打造微信 AI 机器人的工作流： 设计包括开始节点和结束节点，开始节点配置输入变量名、描述和变量类型。 知识库配置连接开始节点和知识库节点。 结束节点用于输出最终结果，设置回答格式和输出变量。 进行试运行测试。 请注意，具体的操作和配置可能因实际情况有所差异，需要根据您的具体需求和 COZE 平台的实际情况进行调整。

很抱歉，目前知识库中没有关于“cozeAPI 身份验证无效”的解决方案。但一般来说，遇到身份验证无效的问题，您可以尝试以下几种常见的解决方法： 1. 检查您输入的认证信息是否准确，包括用户名、密码、密钥等。 2. 确认您的账号是否已被激活或处于正常状态。 3. 检查网络连接是否稳定，有时网络问题可能导致验证失败。 4. 查看相关的 API 文档，了解身份验证的具体要求和可能的错误情况。 5. 尝试重新生成或更新认证凭证。 如果问题仍然存在，建议您进一步查阅相关技术资料或联系 API 提供方的技术支持获取更准确的帮助。

利用 Coze 实现公众号更新后自动推送并总结内容的步骤如下： 1. 抓取公众号内容： 先在平台搜索现成的插件，如 Coze 平台的读取公众号内容插件，但可能已荒废无法使用。 可考虑自己写爬虫抓取，或寻找可通过 API 方式直接调用的现成服务，如“瓦斯阅读”，但可能存在公众号不全的问题。还可尝试 GitHub 上的“WeWe RSS”工具。 2. 公众号内容总结： 主要依靠大模型的能力，如字节的豆包大模型。涉及批量化操作时，可使用“批处理”功能。 3. 定时推送到微信： 定时可通过 Coze 平台的触发器实现。 推送到微信需找第三方 API 的方案解决，如“server 酱”，通过服务号的模板消息将自定义内容推送到微信。 4. 搭建工作流： 循环查询文章是否推送过： 循环体内部的数据库节点用于在数据库中查询是否已推送过该文章，输入项为文章 url 和开始节点的 key（重命名为 suid）。 循环体内容的选择器判断数据库查询内容是否为空，为空则拼接文章完整信息。 设置 Bot： 人设和回复逻辑：设置提示词直接调用工作流，将“sum_weixin_2_2”替换为工作流名称。 工作流：添加创建的工作流。 设置触发器：选择“定时触发”，设定触发时间，如每天 18 点，输入工作流开始节点的参数。可设置多个触发器。 发布到飞书：点击右上角“发布”，选择飞书渠道，因 Coze 平台触发器目前只对飞书渠道生效。

以下是关于 Coze 的学习资料和案例： 共学资料： 教程： 核心看点： 通过实际案例逐步演示，用 Coze 工作流构建一个能够稳定按照模板要求，生成结构化内容的 AI Agent 开源 AI Agent 的设计到落地的全过程思路 10+项常用的 Coze 工作流的配置细节、常见问题与解决方法 适合人群： 任何玩过 AI 对话产品的一般用户（如果没用过，可以先找个国内大模型耍耍） 希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者 注：本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。 Coze 国内版地址：https://www.coze.cn/home Coze 海外版地址：https://www.coze.com/home

以下是一些除了 Coze 之外的 Agent 构建平台： 1. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 2. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。 3. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 4. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景。提供多种成熟模板，功能强大且开箱即用。 5. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 在 Coze 上搭建工作流框架时，首先进入 Coze，点击「个人空间工作流创建工作流」打开弹窗，自定义工作流信息并确认新建。编辑视图中左侧「选择节点」模块根据子任务需求，实际用到的有插件（提供能力工具拓展 Agent 能力边界）、大模型（调用实现文本内容生成）、代码（支持编写简单脚本处理数据），编辑面板中的开始节点和结束节点分别对应分解子任务流程图中的原文输入和结果输出环节，按照流程图拖入对应的 LLM 大模型、插件、代码节点即可完成搭建。

以下是关于 OpenAI 接口调用和提示词编写的相关知识： OpenAI 接口调用： OpenAI API 可应用于众多涉及生成自然语言、代码或图像的任务。提供了不同能力级别的模型，适用于不同任务，还能微调自定义模型。这些模型可用于内容生成、语义搜索、分类等众多领域。 提示词编写： 1. 设计提示词本质上是对模型进行“编程”，通常通过提供指令或示例完成，与多数专为单个任务设计的 NLP 服务不同，补全和聊天补全几乎可用于任何任务，如内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。 2. 遵循最简化原则： 不需要包含作者信息，如“author”“version”等不相关信息。 避免分类错误，将输出错误分类到目标中，如“提供改进建议，以及改进原因”和“对用户的 Prompt 进行评分 1~10 分，10 分为满分”应明确区分。 注意拼写正确，如“Constraints”的正确拼写。 常见的限制条件包括内容长度限制、内容类型限制、逻辑和一致性限制、风格和语调限制。 避免无意义或重复的描述，如“理解中文语义”“评估和打分文本质量”“提供文本改进建议”等。 注意 Markdown 格式的正确使用，如“ Profile: Goals:”的结构错误，应将 Goals 放到“ Role”层级下面。 在给定的 API 请求中处理的 Token 数量取决于输入和输出长度。对于英文文本，1 个 Token 大约相当于 4 个字符或 0.75 个单词。您的文本提示词和生成的补合起来不能超过模型的最大上下文长度（对于大多数模型，这是 2048 个 Token，或大约 1500 个单词）。可以查看 OpenAI 的分词器工具来了解有关文本如何转换为 Token 的更多信息。

目前的大模型应用本质上通常没有直接的记忆功能。以 ChatGPT 为例，它能理解用户的交流内容并非因为自身具备记忆能力，而是每次将之前的对话内容作为新的输入重新处理。这种记忆功能实际上是通过在别处进行存储来实现的。 对于大模型的工作原理，在回复时是一个字一个字地推理生成内容，会根据输入的上下文来推测下一个字。但大模型的学习数据规模庞大，若每次计算都带入全量数据，算力难以承受，且仅算字的概率容易受不相干信息干扰，词向量机制和 transformer 模型中的 attention 自注意力机制解决了这些难题。 另外，系统的内存是大模型的上下文窗口，如 Google Gemini 1.5 Pro 实验版已将其提升到一千万。但窗口越大推理越慢，且模型可能失焦降低准确度，研发团队需平衡吞吐量、速度和准确度。在模型外，操作系统的其他部件如文件系统能让模型具备无限记忆的能力，而大模型应用领域常用的方法如 RAG 能让模型用自定义数据生成结果，处理无尽的私有数据。

以下是关于多 Agent 之间调用的教程： 《执笔者》中的多 Agent 模式操作步骤： 1. 多 agent 模式切换：在 bot 编排页面点选多 agent 模式，页面将自动切换为多 agent 调试状态，相比单 agent，多了中间的 agent 连接区。 2. 添加合适节点：有两种方式选择节点，即使用已发布的 bot 或创建新的 agent，按需选取，添加的 agent 直接连接在默认的总管 agent（“执笔者”）后面，无结束节点。 3. 添加合适的 prompt：在多 agent 模式下，为每个 agent 填写合适的 prompt，外围的人设填写该 bot 的主要功能，内部的 bot 填写各个 bot/agent 的应用场景。 4. 调试与美化：经过以上三步，一个多 agent 的 bot 基本搭建完成，之后是漫长的调试过程，若输出与设想有差异，可不断调整外围和内部 bot 的提示词，提升命中率，优化交互。 沉浸式单机剧本杀 Bot 中的多 Agent 协作： 单机剧本杀 Bot 由多个 agent 共同协作完成，主要包括： 1. 主持人 Agent：通过对话引导玩家，通过提示和发放道具帮助玩家推进情节，像全知全能的主持人帮助玩家在游戏过程中前进。 2. 条件判断 Agent：负责解析玩家输入，判断是否达到触发下一情节的条件，若条件符合，把相应情节传递给主持人 Agent 继续讲解。 3. 情节向量化处理与索引构建：对剧本内容进行向量化处理，自动分段并构建索引，使主持人和判断 Agent 能迅速、准确地检索所需内容，让剧情展开更流畅。 关于 MultiAgent 的介绍： 随着大型语言模型（LLM）的出现，以 LLM 为核心构建的 Agent 系统近期受到广泛关注。Agent 系统旨在利用 LLM 的归纳推理能力，为不同的 Agent 分配角色和任务信息，并配备相应的工具插件，以完成复杂的任务。 目前常见框架主要集中在单 Agent 场景下，其核心在于 LLM 与工具的协同配合，LLM 根据用户任务的理解，推理出需要调用的工具，并根据调用结果向用户提供反馈，在任务完成过程中，Agent 可能需要与用户进行多轮交互。 同时，越来越多的 Agent 框架开始关注多 Agent 场景，为完成任务，为不同的 Agent 指定不同角色，并通过 Agent 之间的协作来完成复杂任务，与单 Agent 相比，在任务完成过程中，与用户的交互可能会减少一些。

在 WaytoAGI.com 网站，新增了智能对话功能，您可以在首页输入 AI 相关问题，系统会迅速提供答案要点和参考文章。在导航目录下，还能看到别人在问的 AI 问题。该功能的上线离不开飞书 Aily 团队的支持。

在 Coze 的 bot 中调用工作流的方式如下： 采用 32K 的 kimi 模型，只有一条工作流。该工具有 5 个按钮：A、B、C、重新开始、结束并总结。按 A/B/C 时，会直接输入对应的字母文字。按结束并总结时，输入的依旧只是文字：“结束并立即总结医学知识点”。点击“重新开始”时，会直接调用一个工作流“emergency”，且这个工作流有两个必选参数：“疾病设置”和“难度设置”。在实际体验过程中，仅在提供“疾病设置”和“难度设置”时，工作流被调用，其他时候没有触发任何工具和工作流。 在外层 bot 中封装工作流的步骤为：点击「发布」发布工作流后，创建一个 bot 进行最终的工作流封装。具体过程包括：创建 Bot；填写 Bot 介绍；切换 Bot 模式为“单 Agent（工作流模式）”，因为此 Agent 只需在每次输入英文文章时返回精读结果，所以不需要用外层 bot 对输入进行其他任务理解，可直接调用工作流；把配置好的工作流添加到 Bot 中；填写开场白，引导用户使用，并关闭开场白预置问题，因为使用流程里用不到。