夜雨聆风扣子平台大家应该都用过，coze已经从最初拖拽节点搭建智能体的方式演变成通过自然语言的方式创建智能体并可快速多Agent协作的方式。
coze的变化还挺快，快到普通用户想找到旧版搭建智能体的入口都找不到了。
不得不把几个coze平台的入口再附上了：
新版扣子入口：https://www.coze.cn/
扣子编程入口：https://code.coze.cn/home
旧版扣子入口（拖拽节点方式创建智能体）：https://www.coze.cn/home
大家可以分别打开每个入口，看看它们之间有什么不一样。
今天我们分析后面两个入口，每个入口搭建智能体和工作流的方法，有什么不同和有什么优势。
一、旧版扣子入口（拖拽节点方式创建智能体）：https://www.coze.cn/home
以一个生活场景味很足的需求为例：
探险助手智能体：根据用户需求，根据天气为用户生成穿衣指南和活动建议。
创建探险助手工作流
3. 测试与发布工作流即可
工作流到这里就算是完成了，工作流里面的大模型节点里面的提示词，大家可以让AI去生成，这里就没有一一展示。 接下来搭建智能体。
4. 创建智能体应用
5. 导入上面创建的工作流
因为上面的工作流发布了，所以我们的资源库文件里面有这个工作流文件，导入即可。
6. 设计应用的UI界面
7. 点击预览，进行测试即可
没有问题就可以发布到商店或者微信小程序都可。
二、扣子编程入口：https://code.coze.cn/home
随着 AI 模型在代码生成与逻辑推理能力上的爆发性提升，AI 时代的开发范式正发生深刻变革，正在从过去的“人主导、工具辅助”，逐步地走向了“AI 主导、人来辅助”的模型驱动新时代。
为了顺应这一趋势，扣子编程为开发者提供了这一低门槛、高上限的开发范式 — AI 编程。
在这里，只需一句话，即可一站式完成从构建到落地的完整生产级闭环。
扣子编程创建的智能体指的是：通过简单的对话即可构建全代码智能体，包括日常场景的即问即答 Agent、复杂的多步骤 Long-running Agent。
扣子编程创建的工作流指的是：全代码开发工作流，将用户的需求转化为可执行、可观测、可迭代的工作流代码，可通过 API 集成到自己的业务流程中。
1.扣子编程创建工作流
先说扣子编程创建工作流
一句话的事情，等几分钟，你的工作流就创建成功了。
但是这里，我想要重点分析的是通过自然语言的方式创建工作流的底层原理。
注意看
首先，底层都是通过代码来实现的。相当于我们是一种vibe coding的方式。
vibe coding其实就是“氛围编程”或者叫“沉浸式编程”，体验沉浸式+AI 自动调整+即时预览，都算 Vibe Coding 利器。
其中，我们在拖拽节点的工作流中，使用的是调用插件的方式，插件其实是通过调用api接口的方式，获取天气信息。
这里，直接使用了web search查询的方式，也就是说它可能是从百度搜索或者其他搜索引擎搜索获取。
使用了两个大模型节点分别获取活动建议和穿搭指南。
运行界面如下：
再来看生成智能体方式的底层原理。
先好好看看图片中智能体生成的过程步骤：
在扣子平台底层，确实预置了大量“技能”，它们本质上就是封装好的 API 接口、插件（如搜索、图像生成）、工作流（Workflow）或知识库。
这相当于给 AI 配备了一个庞大的“武器库”。
当用户输入“做一个面试官 Agent”时，后台的“路由系统”（Router）并不会直接把这句话扔给大模型生硬地回答，而是先进行语义理解与意图分类。
识别出“创建 Agent”这个意图后，系统会自动加载“Agent 构建模板”、“对话记忆技能”和“Prompt 优化技能”等一系列底层能力。
虽然门槛极低，一句话创建，但需要理解和审核AI生成的代码逻辑。
当你理解了这套机制，在制作那个“面试官 Agent”时，你可以刻意地在提示词里点明你需要哪些具体技能。
比如，不要只说“连环追问”，而要指定：加载行业知识库技能用于评判答案专业度，加载对话记忆技能用于串联上下文追问。
因为 AI 会自动识别意图，但你越明确地点名技能，AI 的路由选择就越精准，生成的 Agent 效果越好。
旧版拖拽方式就像搭乐高。你手里有各种现成的积木块（节点），你需要自己看图纸、动手把它们一块块拼起来。你能清晰地看到房子的每一层结构，但乐高块的功能是固定的。
新版扣子编程则像请了一位AI建筑师。你只需告诉它“我要一栋什么样的房子”，它就能为你画出图纸、生成完整的建筑方案，甚至直接建造好。你看不到具体的砖瓦（代码）是怎么砌的，但你依然可以通过表达语言来修改它的方案。
无论哪种方式，智能体 = 大模型（思考） + 工具（行动） + 提示词（人设） + 记忆（上下文） 这个核心本质是不变的。
