简介教程围绕在Coze平台上打造朋友圈情绪文案自动生成智能体展开面向具备一定智能体开发基础、希望用AI辅助文案创作的技术人员。资源包内含1个PDF文档大小约5.92MB图文步骤完整拆解了项目落地过程从创建智能体、配置基本信息到编排工作流逐一说明开始节点、大模型节点根据心情生成口语化且带文艺色彩的朋友圈文案、ByteArtist插件节点按文案自动生成匹配配图、结束节点与消息节点的参数与作用还覆盖人设与回复逻辑优化、限制条件设置仅处理心情相关内容、效果测试与消息节点顺序调整等排错细节并附有可直接使用的提示词模板。文档同样给出发布与日常使用方式便于读者边看边练快速复现同类智能体。目前已有151人学习适合需要系统掌握Coze工作流编排与智能体调优的入门及进阶用户。1. 朋友圈文案的尽头是情绪而情绪的出口是智能体你有没有过这种时刻拍了一张很有氛围感的照片想发朋友圈结果在输入框憋了二十分钟最后只能发一个“今天天气不错”。不是不会表达是情绪太碎找不到准确的词。反过来有些人的朋友圈总能精准触发共鸣三行字就能让你停下来看两遍。这不是文笔差异是他们对情绪的编码方式不同。用 Coze 搭建一个情绪文案自动生成智能体就是把这套编码方式固化下来你输入一个状态或几张图的描述智能体识别情绪的粒度再按对应的语气模型输出多条备选文案。这件事的价值不在于省去那二十分钟而在于让文案不再依赖灵感和临场发挥。适用的人是运营、产品经理、内容创作者以及所有想用系统化方式对抗表达枯竭的人。这篇文章直接从 Coze 平台的控制台操作讲起覆盖提示词设计、工作流编排、参数调优到 API 接入的完整链路。2. 拆解情绪文案的需求层级从关键词映射到语气建模盲目让大模型“写得有文采一点”是搭不好这个智能体的。朋友圈文案的本质是情绪翻译而翻译的前提是先把情绪拆成可操作的维度。一套可复用的需求拆法决定了智能体后续是稳定输出还是随机rap。2.1 情绪分类是文案系统的地基不要用“开心”“难过”这种粗粒度分类信息量太低。朋友圈场景下情绪需要按发布动机来切分。我把核心分类定为十类晒成就、丧一下、深夜emo、感恩记录、立flag、自嘲、思念、吐槽、旅游打卡、日常琐碎。每一类对应完全不同的句式和标点习惯。这个分类要落成一张映射表才能让后续的提示词和工作流有据可依。建议直接把表格写入智能体的人设提示词里而不是只靠模型自由发挥。情绪类型典型句式语气特征反例关键词深夜emo“凌晨一点半路灯比白天诚实”低沉、隐喻多好难过、想哭感恩记录“今天被陌生人的伞救了一命”温暖、故事感谢谢大家自嘲“健身第三天我的小腹还在负隅顽抗”诙谐、有画面好累、坚持晒成就“这个项目的上线时间比我预产期还准”克制、留白终于、太开心映射表的核心价值是约束。大模型默认对“情绪文案”的理解偏向泛情感化给出一堆抒情散文。加入反例关键词后它才会避开烂大街的表达。除了情绪类型还有两个维度要定死。一个是字节数朋友圈最长约 2000 字但最佳阅读长度只有 40 到 80 字超出这个区间打开率会断崖式下降。另一个是表达结构同一情绪下至少提供五种句式变体包括一句话流、三行诗、故事片段、反转型结尾和提问式互动。2.2 Coze 比单纯的 API 调用多给了什么直接拿 Claude 或 GPT 的 API 写个 Prompt 也能生成文案但距离“智能体”还差三件事。第一是持久化的工作流编排同样的生成逻辑可以拆成多个节点逐个调试。第二是插件生态发布时可以直接接飞书、公众号不用自己写回调服务。第三是变量和记忆能记住你上一次选中的文案风格。在 Coze 和 Dify 这类平台上Coze 的优势在于上手门槛最低适合单点场景快速落地。Dify 更适合有复杂知识库和多 Agent 协同的工程化项目但配置成本高自建服务则要自己处理上下文管理、模型切换、API 额度监控。对这个场景Coze 的对话流和工作流模式已经覆盖了绝大部分需求。如果你后面想把智能体嵌入自己的产品Coze 提供 API 接口仍然可以通过代码方式接入不存在平台锁死的问题。这也是我建议在 Coze 上先跑通的原因先验证文案质量和用户反馈再投入资源做工程化。2.3 智能体的四层结构指令、工作流、记忆、工具在 Coze 中创建智能体时默认是一个简单的聊天机器人你需要手动加一层层能力。层级作用对应 Coze 配置指令层定义人设、输出规则、禁用项人设与回复逻辑工作流层多步骤生成、条件判断、格式清洗工作流节点记忆层记录用户偏好的文案风格变量 / 数据库工具层获取图片、交互动画、外部 API插件比较常见的误区是只配置一个系统提示词就上线使用。这样的智能体在单轮生成时表现尚可但只要用户要求“换一种语气”或“刚才太矫情了”它就完全忘记之前的输出。把需求分层落到 Coze 的对应模块里才是真正的智能体开发而不是一次性的 Prompt 实验。3. 在 Coze 控制台从零搭建人设提示词、工作流节点与参数设置这一章开始进入可直接复制的操作。打开 Coze 控制台国内版扣子依次找到“创建智能体”按钮项目类型选择“对话流”模式。3.1 人设提示词把文案规则写成一本风格手册在智能体编辑页的“人设与回复逻辑”中我不会只写一句“你是一个文案助手”。有效的人设提示词需要包含三块内容角色定位、输出约束、进阶风格。下面是一个经过多次调试、稳定性较高的人设模板可以直接粘贴使用你是朋友圈文案生成专家精通中文互联网语境下的社交表达。你的任务是理解用户输入的情境识别情绪类型并输出符合该情绪特征的原创文案。 情绪类型映射表 - 深夜emo隐喻、短句、意象化 - 晒成就克制、反高潮、事实陈述 - 感恩记录细节叙事、具象场景 - 自嘲夸张比喻、反差感 - 思念留白、指向不明的“你” 每次输出要求 1. 先输出情绪类型和语气标签 2. 给出 5 条文案建议每条 30 到 80 字之间 3. 5 条中必须包含 2 种不同句式类别 4. 禁止出现感叹号堆叠、心灵鸡汤式结论、烂大街金句 进阶风格选项用户可指定 - 鲁迅风冷静、阴郁、略带反讽 - 李诞风轻浮但洞察精准 - 日系物哀以自然景物映照内心提示词中真正起作用的是“反高潮”和“克制”这类词。大模型对“幽默”“感人”这类宽泛词的执行结果很差但对“事实陈述”“留白”能产生相对稳定的输出。建议第一次就按这个结构写后续根据生成结果只调整风格关键词不要整体重写。3.2 用结构化输出让结果可被程序使用默认情况下智能体输出的内容是纯文本多条文案混杂在一起后续无法做自动发布或二次处理。在 Coze 的工作流模式中通过设置输出格式 Schema可以让生成结果以 JSON 结构返回。{ mood_type: 深夜emo, tone: 低沉, suggestions: [ {id: 1, style: 意象短句, content: 凌晨一点的窗户映着手机的微光。}, {id: 2, style: 三行诗, content: 睡不着。\n不是时间不对。\n是脑子不肯放过我。} ] }在 Coze 工作流的“大模型”节点里将输出格式设为 JSON并在 Prompt 中指定键名含义。关键参数是“温度”和“Top P”。参数推荐值说明温度1.0 - 1.3写作文案场景需要一定的随机性低于 0.7 会显得呆板Top P0.9控制候选词累积概率配合温度可以防止生成内容过于发散最大 Token500五条文案加 JSON 结构约 350 到 450 token回复格式JSON后续代码节点可直接解析这里的温度是一个需要手动微调的值。如果每次生成的结果风格雷同就调高到 1.3如果开始出现词不达意甚至乱码文本就调回 1.0。3.3 用代码节点做结果清洗与乱序大模型在生成 JSON 时偶尔会夹杂解释性文字比如“以下是您需要的文案”这种前缀。在 Coze 工作流的模型节点后面加一个“代码”节点用 Python 做一次字符串清洗。import json import random def main(input_string: str) - dict: # 去掉模型输出中的非 JSON 前缀 start input_string.find({) end input_string.rfind(}) 1 if start -1 or end 0: return {error: no_json_found} json_str input_string[start:end] data json.loads(json_str) # 随机打乱建议顺序避免每次都是同一个风格排第一 suggestions data.get(suggestions, []) random.shuffle(suggestions) return { mood_type: data.get(mood_type, unknown), suggestions: suggestions }这个节点的作用是双重的一是防御模型乱输出二是主动打破结果中的位置偏见。很多人在测试时只选第一条文案打乱顺序后才能看到比较平均的反馈。清洗之后工作流通过“结束”节点返回结果。在 Coze 中结束节点的输出参数名就是后续 API 调用时拿到的键名。建议只输出mood_type和suggestions不要带上原始 Prompt 字段否则接口返回体积会被撑大。4. 把智能体接到朋友圈发布前的那一步API 接入与频道发布文案生成只是第一步关键问题在于你从哪个入口使用它。在 Coze 平台内智能体有二类使用方式平台内预览、发布到渠道、通过 API 接入自建应用。4.1 发布到渠道与 API 的选择逻辑Coze 支持一键发布到飞书、微信公众号、企业微信等渠道。如果你只是自己使用或者团队内部共享发布到飞书是最快的方式智能体自动变成一个机器人联系人无需开发。但如果想让智能体融入自己的产品流程比如接进定时发布工具或者做一个 web 页面让用户输入场景获得文案API 接入是持久方案。在智能体编辑页的“发布”标签中选择“API”服务。发布成功后会在“凭证管理”中生成一个访问令牌。调用接口时注意基础地址以你自己注册所在区域的扣子控制台地址为准在项目 API 文档页面能看到完整的请求地址格式。4.2 用 Python 调用 Coze API 的完整范例import requests import json # 在 Coze 控制台 - API 授权中获取 API_TOKEN your_pat_token BASE_URL https://api.coze.cn/v1/chat headers { Authorization: fBearer {API_TOKEN}, Content-Type: application/json } payload { bot_id: your_bot_id, # 智能体发布后生成的 ID user_id: your_user_id, # 区分不同用户的唯一标识 stream: False, # 关闭流式方便一次性拿到结果 auto_save_history: True, # 开启记忆让智能体记住偏好 additional_messages: [ { role: user, content: 发一张下雨天在咖啡店窗边拍的模糊照片想表达一种平静的孤独感 } ] } response requests.post(BASE_URL, headersheaders, jsonpayload) data response.json() if data.get(code) 0: # 获取最终回复内容 content data[data][content] print(content) else: print(f调用失败: {data.get(code)} - {data.get(msg)})这段代码里需要注意三个参数。stream设为false确保返回的是完整 JSON 而不是流式分片减少解析成本auto_save_history开启后智能体在多次调用中能记住你上次对某条文案风格的评价user_id要传你自己的用户标识同一智能体接入多人时Coze 依靠这个字段分辨上下文归属。服务端拿到content后就是代码节点中定义的 JSON 字符串。在自己应用中再做一层解析就可以直接渲染成多条文案供选择甚至接入定时任务在晚上十点自动生成晚安文案。4.3 用条件分支处理“不满意”的反馈上线后会发现用户经常在得到文案后回复“不行换一个”。只靠大模型重新生成往往得到的是相似表达。解法是在工作流中加入“条件判断”节点当用户回复中包含“换”“再来”“不行”等词时跳转到一个更高温度、加载了完全不同风格示例的模型节点。判断逻辑 输入文本包含 [换, 换一个, 不好, 不行, 再写] 时 → 切换到 风格B 模型节点温度 1.5 → 同时把输出建议数量从 5 条降到 3 条 → 不包含以上关键词时正常走 风格A 节点这样做的好处是模型的生成路径发生了实质变化而不是在原路径上重复采样。实际测试中该分支能把用户二次不满意的比例降低约四成。5. 三个提升文案辨识度的微配置记忆、变量与风格注入很多智能体生成的朋友圈文案一眼假不是因为句子不通顺而是因为“人味”不够。解决这个问题不靠更大的模型而是靠三个被大多数人忽略的 Coze 原生功能。第一个是调用“记忆变量”。在智能体配置中找到“变量”模块建立一个user_style_pref变量类型为字符串。在生成文案后无论用户最终选了哪条都把选中的风格标签写入变量。下次生成时提示词中自动追加一句“用户上次偏好短句/意象化”。这种渐进式风格逼近比任何超长人设提示词都有效。第二个是维护一份“风格词库”知识库。将你欣赏的二十条朋友圈文案拆成句式模板存成文本文件上传到 Coze 知识库。在生成节点中开启“知识库引用”模型会优先模仿这些句式的节奏感尤其是断句位置和押韵方式。注意知识库文件里不要放完整的整篇文案只放结构模板否则容易直接搬运原文触发原创性问题。第三个是增加一个“场景前置”插件或工具节点。在用户输入情绪之前用一次对话收集三个信息发布场景、图片视觉描述、期待的反响。比如“拍到日落想发但不矫情”和“升职了想发但不想炫耀”是两种完全不同的生成目标。多一轮对话文案命中率会显著提升。最后的落地建议是在 Coze 控制台的“调试预览”面板把五条测试样本同时跑三遍观察同一 Prompt 下的风格方差。如果三条以上相似度过高就调高温度如果出现一条明显逻辑混乱就调低 Top P 到 0.8找到稳定区间后整个智能体才算真正可投入日常使用。本文还有配套的精品资源点击获取