其实，想在30分钟内搞定一个能处理日常事务的AI助手，是完全可以实现的——而且不用写一行代码。扣子Agent这套平台，把搭建过程做成了一套可视化流水线：创建Bot、配置人设与提示词、发布测试、接入知识库、编排工作流、绑定微信渠道，每步都有现成的操作面板。哪怕你完全不懂大模型底层的调用逻辑，也能把这套流程走通。
再说具体怎么操作之前，先聊几句背景。很多团队想试试智能客服、内部助手这类场景，但卡在“先学Python、再调API”的环节上。扣子这边的设计思路就是反过来的——先给你一个装好能力的平台，你只管把逻辑串起来就行。
创建第一个Agent并完成基础配置
第一步很直接：打开coze.com，用手机号或微信登录。然后点右上角的「创建 Bot」，给助手起个名字，比如“会议纪要小助手”，描述里写清楚它的任务——比方说，“自动整理语音转文字后的会议要点，并生成待办清单”。确认创建后，系统会把你的Bot马上建出来。
接着，进入编辑页，重点来了——左边是「人设与回复逻辑」面板，这里面有一个「系统提示词」输入框，是你跟Agent讲清楚规则的地方。举个例子，可以这样写：“你是一个专注会议服务的AI助手，只处理与会议记录、摘要生成、任务提取相关的问题。若问题超出范围，请礼貌拒绝并引导回主题。”这一步非常关键：提示词写得模糊，后续所有对话都会泛化失控，Agent容易跑偏。反过来，写得清晰准确，它能守住边界。
提示词保存后，点击「发布」，选择「测试链接」，把链接复制出来自己打开新标签页，就能马上跟它对话验证一下。
接入知识库让Agent“记得住”你的业务资料
Agent能跟用户对话是好事，但如果它记不住公司最近的产品参数、最新的销售政策，那你得随时手动补充资料。这时候就需要给它装一个知识库。
有两种常用的接入方式。
第一种：直接上传文档。 点击左侧菜单「知识库」→「新建知识库」，给它起个名字，比如“2026销售政策V2”。接着上传文件，支持PDF/Word/Excel格式，单次最多10个、总大小不超过200MB，一般等个十几秒到一分钟，解析就能完成。然后点击「启用」即可。
第二种：抓取网页内容。 知识库列表页里新建时，选择「网页抓取」，粘贴目标URL——比如你们公司内部的Wiki页面链接。系统会自动抓取，你可以在勾选的时候保留标题、正文和表格这些关键区块，至于页脚、广告这些干扰内容，直接取消勾选。保存并启用就行。
注意一个细节：知识库启用后，不会自动绑定到当前的Agent身上。你需要回到「Bot 编辑页」→ 左侧的「技能」面板 → 找到「知识库检索」技能 → 把它开关打开，再下拉勾选刚才建好的知识库。这样才算真正打通了。
配置工作流实现多轮任务闭环
单轮对话的Agent，价值有限。想让它完成“查订单-查状态-回复用户”这样完整的业务闭环，就得靠工作流来编排。
过程很简单，但实用的程度取决于你打算实现什么。这里举一个订单查询流程的例子：
第一步：点击左侧「工作流」→「新建工作流」→ 命名为“订单查询流程”。
第二步：从节点库里拖入一个「大模型节点」。双击打开，在提示词里写：“请从用户消息中精准提取订单号，格式必须是8位纯数字，其他字符全部过滤。若未找到，返回空字符串。”
第三步：再拖入一个「条件分支节点」。设置判断规则为：如果大模型节点输出的结果不是空字符串，就走“是”路径。
第四步：在“是”路径上连接一个「插件节点」→ 选「HTTP请求」插件 → 填写你们后端API地址，比如 https://api.yourcompany.com/order/{order_id}。方法选GET，让 {order_id} 自动替换成上一步提取出来的订单号。
第五步：把插件返回的JSON数据，再接入一个「大模型节点」二次加工。这次提示词可以写：“将以下JSON数据转化为自然语言回复，突出发货状态、预计送达时间、物流单号，语气简洁专业。”
完成这一步后，整个系统就具备了“听问题→抽字段→查系统→组织话术”的完整链路。不需要人工编写每一条回复规则，系统自己就能搞定。
添加微信渠道让Agent走出平台
Agent在扣子编辑平台里能跑，当然是好事，但真正的价值是在外部渠道里落地：比如微信公众号。把Agent绑定到公众号上，用户直接在对话框里提问，就能自动唤起后台工作流。
操作路径是：进入「设置」→「渠道管理」→ 点击「添加渠道」→ 选择「微信公众号」。然后填上你提前从微信公众平台拿到的 AppID 和 AppSecret（别忘了先去平台开通消息接口权限）。授权成功后，扣子这边会生成一个 Webhook 地址。
接下来，回到微信公众平台后台 →「开发」→「基本配置」→ 把这个 Webhook 地址填入服务器配置的 URL 栏。Token 和 EncodingAESKey 按照扣子页面上的提示值填写。最后启用服务器配置。
具体效果就是：用户发来“查订单12345678”，Agent自动走完前面的工作流，把结果以图文消息形式推回到微信对话框里。全程不需要额外部署服务器、不用写一行后端代码。这也是很多团队真正开始从“实验”转向“使用”的起点。