简介这份基于 Coze 平台打造朋友圈情绪文案自动生成智能体的 PDF 教程面向对智能体开发有兴趣或一定基础的技术人员尤其适合希望通过 AI 辅助创作朋友圈文案的用户。教程从项目开发入口创建智能体讲起详细拆解了工作流编排过程如何配置开始节点接收用户输入利用大模型节点生成 50 字左右、具有文艺色彩和共鸣感的文案再借助 ByteArtist 插件节点自动产出情绪配图并通过结束节点与消息节点优化输出体验。此外文档还覆盖人设与回复逻辑的优化、自动提示词替换后的二次校验、限制条件与正常效果测试以及节点顺序和配图输出的体验调整。资源共 1 个 PDF 文件约 5.92MB已有 151 人学习浏览。整体内容从创建、编排、试运行到发布环环相扣读者可跟随步骤实际操作快速掌握 Coze 智能体开发与工作流配置的核心方法。1. 为什么把朋友圈文案交给 Coze 智能体处理朋友圈文案难写卡点从来不是词汇量而是情绪颗粒度。你加班到十一点想发的不是“今天也很充实”而是那种疲惫里带点自嘲、又不愿意把丧写得过满的感觉。大模型默认输出的句子自带演讲稿气质直接复制会让人设变得塑料。一个基于 Coze扣子搭建的智能体可以把“情绪识别、文案生成、语气校准、字数控制”收进同一个平台里你只需要说一句话它就把可复制的结果给你。它不是聊天机器人而是一个私域运营、个人 IP、销售和懒得发朋友圈的人都能用的“文案工作台”。这里面有一个反直觉的结论越私人、越话说一半的情绪文案越是能被模板化。因为情绪文案的本质是“情绪、场景、人设”的三元组合只要把这三个变量拆开管理自动生成不但可行而且能做得比随手写更贴合目标角色。下面先讲骨架再给一条可以直接落地的工作流。2. Coze 智能体的骨架角色设定、变量与模型温度2.1 先把“人格”写进系统提示词很多人把提示词写成“你是文案大师”这等于什么都没写。朋友圈文案的人格必须是“一个有具体年龄段、具体表达习惯、具体禁忌的人”。我在搭建这个智能体时系统提示词一般长这样你现在是一个朋友圈文案助手。你的人设是30 岁左右的都市白领性格内敛说话克制偶尔自嘲。 你的写作习惯 - 用短句多用具体细节路灯、地铁、雨、奶茶、电梯里的气味 - 可以先描述一个小场景再带一句真实感受 - 允许表达疲惫、无聊、烦躁但保持体面 - 禁止使用排比句、励志金句、对读者喊话。 你的任务不是把生活夸得很好而是把真实情绪用克制的方式写出来。这段提示词里“年龄段”“具体细节”“禁止排比句”三个关键词决定了风格走向。你会发现越是禁止项多生成结果越像人话。因为大模型默认风格是“端着的”你不给它限制它就会滑向宣传文案。2.2 用会话变量保存用户偏好Coze 智能体支持定义变量这些变量在对话中可以由用户手动修改也可以被工作流节点读取后动态覆盖。推荐建立一个偏好变量组字段大致如下变量名类型初始值作用theme字符串随手拍记录用户这次想写什么场景emotion_scene字符串加班后的夜晚记录具体情绪场景tone字符串克制自嘲控制语气风格word_limit整数80生成文案的字数上限avoid_mood字符串列表油腻、鸡汤、说教需要排除的情绪倾向在智能体里可以这样描述变量初始结构{ theme: 随手拍, emotion_scene: 加班后的夜晚, tone: 克制自嘲, word_limit: 80, avoid_mood: [油腻, 鸡汤, 说教, 喊口号] }这些字段在工作流编辑器中可以直接引用比如文案生成节点读取tone和emotion_scene代码节点读取word_limit。变量设计不建议太复杂四到六个就够字段越多用户每次填写成本越高。没有填写的字段要允许模型按默认值发挥否则对话会变笨重。2.3 模型参数温度别拉满数值要对着情绪类型调Coze 智能体的发布设置里可以选择模型。同一个模型下温度temperature、top_p 和重复惩罚penalty对朋友圈文案的影响很大。我常用的做法是参数建议区间调整逻辑temperature0.7 - 0.9表达类内容偏低防止句子结构散架top_p0.85 - 0.95控制用词多样性过高会飘max_tokens150 - 300朋友圈文案 80-120 字就够重复惩罚1.0 - 1.2压住“每天都要努力”这类句式温度越高模型越敢选“偏门词”但这在表达型任务里容易变成堆砌。写轻松自嘲的内容温度建议是 0.8写安静治愈的内容调到 0.7写幽默玩梗可以到 0.9。如果你在 Coze 里找不到参数项就到“智能体设置 模型”里把高级参数点开。这一步对最终效果的作用占三成以上不要只在提示词上使劲。3. 用 Coze 工作流搭情绪文案流水线分类、生成、做质检3.1 先分场景再生成别让模型猜你要什么直接喊“帮我写一条朋友圈文案”等于让模型盲猜。我的习惯是在工作流里先放一个“情绪分类节点”用结构化输出的方式把用户描述拆成参数。提示词如下你是一个情绪分类器。根据用户描述输出 JSON不要输出任何解释 { scene: 加班 / 失眠 / 旅行 / 聚会 / 独处 / 随手拍, intensity: 1 到 5 的整数 style: 克制 / 热烈 / 治愈 / 自嘲, target: 写给客户 / 家人 / 朋友 / 自己 }同时保留用户原始描述作为后续生成节点的素材。分类节点这么设计有几个好处一是后续提示词可以使用稳定的字段而不是一段口语二是用户说“今天出差路上看到一朵云”时模型不会只按字面生成而会把它归到“旅行 治愈”框架里让文案角度更多元。3.1.1 分类结果的容错处理用户输入有时候是“随便写点什么”这时候分类模型返回的 intensity 大概率在 2 到 3 之间。你需要在分类节点后加一个分支判断当scene为空时使用默认值“随手拍”。工作流编辑器里可以拖一个“条件判断”节点左侧参数选scene右侧填固定值默认分支写“随手拍”。不要迷信模型每次都做对判断节点是兜底。3.2 生成节点把分类结果当作硬约束生成节点的提示词不建议写成长篇大论它只做一件事按照分类结果把文案写出来。一个可以直接复用的模板是按以下参数写一条朋友圈文案只输出文案正文不要解释 - 场景{scene} - 情绪强度{intensity}/5 - 表达风格{style} - 字数限制{word_limit} 字 - 想对谁说{target} 写作要求 1. 开头先出现一个具体细节不要直接说情绪 2. 如果强度大于等于 4允许一句直接感受如果小于等于 2只暗示 3. 结尾不要升华不要用“你”来向读者喊话。 正面示例 加完班的夜晚地铁口的风比老板的话还冷但拐角那家奶茶店居然还亮着。生成节点要读取前一个分类节点的输出用花括号语法引用字段。如果你在 Coze 工作流里找不到字段引用方式在节点输入框点加号选择前序节点的输出即可。把“正面示例”写死是为了让模型有个下手锚点不是让它抄而是让它感受句子长短。3.3 用代码节点校正字数、查重和复读大模型生成的字数很难精准控制说 80 字经常输出 150 字。Coze 工作流提供代码节点可以运行 Python 或 JavaScript。建议在生成节点后再挂一个校验节点做三件事剔除多余换行、统计字数、检查是否和最近文案重复。一个可用的 Python 段如下raw inputs[raw_text] word_limit int(inputs[word_limit]) # 清理所有连续换行和空行 cleaned \n.join([line.strip() for line in raw.split(\n) if line.strip()]) # 简单字数统计标点和空格不计入 import re pure_text re.sub(r[^\w], , cleaned) char_count len(pure_text) # 查重读取前一天生成的文案列表 recent inputs[recent_texts] or [] if cleaned in recent: cleaned \n这句重复了换一个开头再写 output { text: cleaned[:word_limit], char_count: char_count }代码段的最后一行输出是 JSON 对象要在编辑器的输出字段里绑定text和char_count。这里有一个实用的细节如果char_count超出限制不要直接截断因为截断会把语气切断。我更推荐让生成节点返回两版代码节点选择字数更接近的那一版宁多勿少让用户自己微调而不是程序硬切。3.4 加一条“AI 腔质检”分支质量分支放在查重之后。思路是用一段校验提示词让模型判断文案是否出现“在这个快节奏的时代”“岁月静好”之类的信号词。如果命中工作流会再次调用生成节点并追加一句“请改写避免使用这些词”。这个分支的成本很低但能把很多模型的小毛病拦在用户看到结果之前。这里有一个容易被忽略的问题校验模型和生成模型可能是同一个模型它自己写完觉得不算 AI 腔判不出来。所以质检节点的提示词里要加一条“不要对原文留情面只要出现比喻堆叠就返回不合格”。质检结果用分数比如 0 到 100 分低于 75 分才触发重写。重写次数限制在两次以内超过就输出原文避免死循环。4. 图片、记忆与发布把智能体从聊天窗口拉到真实现场4.1 图片理解插件先描述照片再配文案朋友圈文案经常是配图文案用户往往已经有了一张照片。Coze 插件中心有图片理解类的工具可以识别照片中的光线、天气、人物状态和场景。工作流里加入“图片理解”节点后把识别结果作为生成节点的额外输入这样生成出来的文案会跟画面强相关而不是万金油。比如用户上传一张雨夜街道的照片图片理解节点输出“夜晚、下雨、路灯倒影、无明显人物、冷色调”。生成模板里加一句“照片气氛偏冷清文案可以带一点放松感”。不要要求模型分析构图构图和文案关系不大更值得关心的是画面里有没有视觉焦点比如一把伞、一只猫、一杯冒气的咖啡。没有焦点的照片就忽略照片只按情绪生成。4.2 用知识库保存历史文案和个人偏好Coze 支持在智能体里配置知识库。不要把知识库当成放教程文档的地方这里更适合放两类内容用户过去认可的文案样本以及用户手动修改后的版本。这样才能越用越懂人。在设计上建议建两张数据表逻辑类似下面的结构数据表主要字段用途偏好文案库原文、修改后文本、场景标签让模型模仿用户修改风格历史发布池日期、文案全文、主题避免重复观察风格漂移在工作流里接一个“知识库检索”节点在生成前先根据emotion_scene检索最接近的历史文案作为生成节点的参考。这一步会让结果明显更自然因为模型在生成前先看到了一条“你以前认可过的同类句子”而不是凭空发挥。检索结果建议只取 1 到 2 条放太多会把模型思路带跑。4.3 发布边界最可靠的方式是“让用户自己复制”发布是很多人关心的环节但朋友圈没有面向个人开发者的官方发布接口。常见的落地方式有下面几种方式适用场景需要注意对话内输出用户复制大多数个人用户无法载入配图需要用户自行粘贴定时提醒加复制卡片运营人员每天固定发圈定时任务触发后推送到聊天窗口通过办公机器人渠道转发团队内部审核后再发布只解决协作问题不解决发布问题我的建议是把智能体定位成“文案产出机器”而不是“自动发朋友圈的挂件”。自动发布的合规风险和维护成本远高于收益尤其在账号价值比较高的场景下手误产生的损失不值得。智能体把文案和配图建议生成好你复制完花十秒钟看一眼再发这就是最优解。5. 提示词工程与调优消灭 AI 腔的 3 个开关5.1 few-shot 必须有一正一反给模型示例时正例展示风格反例划定边界。只给正例的问题在于模型会模仿句子的词而不是模仿语气给一个反例相当于告诉它“不要走这条道”。在生成节点里我是这样写的参考以下样例 好克制、有画面感 电梯门一开发现外面又下雨了。没带伞但想想车里还有一罐昨天没喝完的咖啡好像也没那么糟。 坏AI 腔、鸡汤味 在这个快节奏的时代我们总在忙碌中寻找片刻的安宁让心灵得到短暂的栖息。 请按照“好”样例的口吻写不要出现“坏”样例里任何风格的表达。比起罗列十条好例子一组正反对比更有效。因为语言模型对“什么不该写”的敏感度高一条反例把句式、用词、升华结构一次说清。你甚至可以放两条反例一条偏油腻一条偏学术基本能把最常见的问题框住。5.2 温度和 top_p 的具体参数拆解在 model 参数里temperature 控制随机性top_p 控制候选词范围。两者的关系是temperature 越低top_p 的调节作用越明显temperature 很高时top_p 卡得再低也拦不住句子的跳跃感。所以在 Coze 的参数面板里我的经验是优先调 temperature再动 top_p。目标风格temperaturetop_p实测效果冷静克制、偏真实叙事0.70.85句子短少形容词偶尔有口语词自嘲、有梗、轻松0.90.95表达更舒展偶尔会用俏皮落点治愈、温柔、安静0.750.9意象更多但容易黏腻建议加排除词正式宣传、品牌口径0.60.85信息密度高但人味下降慎用有一点容易踩坑max_tokens 调太小文案会写得像电报。朋友圈文案需要在结尾有一组呼吸感语句比如“先写到这吧”“算了睡觉”。给足 tokens再靠代码节点做字数收口比把生成频率压死更自然。5.3 用“排除词清单”压住高频 AI 腔Coze 智能体可以配置一个固定排除词列表这个能力要比提示词里的“不要写空话”更硬。具体做法是在工作流里设置一个文本节点把高频 AI 腔词汇存成列表再让质检分支逐项检查。我不建议把排除词直接写进生成提示词因为大模型在解码时不会严格遵守“不要出现某词”但把它放在后置质检里就能在输出前打回重写。排除词清单 在这个快节奏的时代 岁月静好 星辰大海 没/** 斗志 热爱生活 时光不语 静待花开 努力的人 最好的安排清单不用太长挑十二到二十个就足够。注意不要放“努力”“生活”这种日常词只放明显带有“造作”气味的组合词。每次在对话中收到用户反馈“太装”你就追加一个词进清单这就是最简单的持续调优。控制在三十个以内超过之后误伤率会变高。6. 上线前先验收7 条文案就能确认智能体可用不需要做复杂的模型评测也不需要等平台报错。准备七类典型素材一类测一遍就能判断这个智能体能不能扔给业务用。序号测试素材通过标准1“今天加班到十一点”不出现“充实”“奋斗”语句克制2“发了一张猫的照片”文案里有猫的细节无抽象抒情3“出差路上看到的日落”有具体画面结尾不升华4“什么情绪都没有就想发个东西”能生成随意、轻巧的短句5“写一条跟产品宣传相关的”人味在前卖点在后面6“把上一句改得更幽默一点”能保留场景替换句式不重写7“再来一条一模一样的”检测到重复主动拒绝而不是硬写第 7 条很多团队会漏掉但它直接决定了智能体有没有“记忆”。如果它不懂拒绝发布池里就会出现两条相像的文案时间一长账号风格会显得单薄。验收建议在工作流的对话日志里逐个看生成耗时秒级返回是正常的如果出现十秒以上检查知识库检索节点是不是匹配到了太多文档。最后一个细节在智能体变量里固定一个“语气校准句”选用户最满意的一条历史文案比如“今天地铁开得比往常慢我反而想谢谢它”。生成节点提示词最后追加一句话“先读一遍这句…然后保持相同语气写新文案。”这样智能体每一次生成都站在同一起跑线上而不是随机进入某种情绪。这个技巧比堆模型参数更直接也更好维护。哪天语气跑偏了换掉校准句就行不需要重调提示词。本文还有配套的精品资源点击获取