不会写代码也能用AI搭建工作流:保姆级教程

帮我自动收集竞品信息，每周生成一份报告。"

朋友老周是市场部负责人，之前他觉得这种事"肯定要找技术部排期"。直到他看到我花了30分钟，在扣子上搭了一个竞品信息收集→AI分析→自动输出周报的工作流，他才意识到：原来不需要写代码，也能做自动化。

这个认知差距比想象中普遍。大部分人以为"自动化=写代码"，其实2024年之后，零代码AI平台已经成熟到可以让完全不懂技术的人搭建复杂工作流。

今天这篇是纯实操教程，看完你也能搭。

三大零代码平台怎么选

市面上能做这件事的平台主要有三个：Coze（字节）、Dify（开源）、扣子（Coze国内版）。它们都能实现"零代码搭工作流"，但定位不同。

对比维度	Coze（海外版）	Dify	扣子（Coze国内版）
上手难度	低	中	低
模型选择	GPT-4、Claude等	可接各种模型	豆包、DeepSeek等
发布渠道	Telegram、Discord等	API/Web	飞书、微信、Web
适合场景	海外业务、个人Bot	企业内部系统	国内办公场景
知识库支持	有	强	有
代码门槛	零	需要一点概念	零

选平台原则：如果你在国内办公，用扣子——飞书集成、微信打通是刚需；如果是内部系统对接，Dify更灵活；如果是海外场景，Coze一步到位。

下面我以扣子为例，手把手拆解一个实际工作流。

实操案例：搭建"行业资讯周报"自动化工作流

需求描述：每周一自动收集指定行业的最新资讯，让AI分析整理成结构化周报，发送到飞书群。

整个工作流分4个节点：

节点一：定时触发

在扣子工作流界面，添加一个「定时触发器」节点。设置每周一早上9:00执行。

不需要写cron表达式，直接在下拉菜单里选"每周一 09:00"就行。

节点二：信息收集

这里用扣子的「网页搜索」插件，它内置了搜索引擎能力。

配置方式：在搜索关键词里输入你的行业关键词，比如"大模型行业动态""AI应用落地案例""人工智能政策"。设置搜索范围为"最近7天"，返回前10条结果。

进阶技巧：如果你有固定的信息源（比如某些公众号、行业网站），可以用扣子的「URL抓取」节点直接抓指定页面，比全网搜索更精准。

节点三：AI处理

这是核心环节。添加「大模型」节点，选豆包或DeepSeek模型，配置Prompt：

Prompt："你是行业分析助理。以下是本周AI行业的资讯列表：[搜索结果的占位变量]。请帮我整理成结构化周报，包含以下模块：
本周Top3重要动态（每条约100字概述）
值得关注的趋势信号（2-3条）
对行业的潜在影响（2条）格式要求：使用Markdown，每个模块之间用分隔线隔开，重要信息用加粗。"

扣子里用{{变量名}}

引用前面节点的输出结果。比如搜索结果变量叫searchResults，Prompt里就写{{searchResults}}。

节点四：输出发布

添加「飞书消息」或「飞书群机器人」节点，把AI处理的结果发送到指定群聊。

配置飞书群的Webhook地址（在飞书群设置里获取，1分钟搞定），选择消息类型为"富文本"，把大模型的输出作为消息内容。

收工。以后每周一早上9:00，这个工作流会自动跑一遍，把行业周报发到群里。

三个可以直接套用的工作流模板

除了上面的"行业资讯周报"，再给你三个高频使用场景，直接照着搭就行。

模板一：客户反馈自动分类

适用场景：客服/运营团队处理大量用户反馈，自动分类并分发给对应负责人。

工作流结构：

触发：飞书表单收集用户反馈（或用邮件监听）

节点1：大模型分类——"请将以下用户反馈分类为：功能建议、Bug报告、使用咨询、投诉。只输出分类结果。"

节点2：条件分支——根据分类结果走不同路线

节点3：飞书消息通知对应负责人

核心Prompt：

Prompt："你是客服分类助手。用户反馈内容如下：{{用户反馈文本}}。请判断属于以下哪个类别：A.功能建议 B.Bug报告 C.使用咨询 D.投诉。只输出类别字母。"

搭好之后：每天上百条用户反馈，AI自动分类推送给对应同事。运营同学以前每天花1小时手动分类，现在0分钟。

模板二：合同关键信息提取

适用场景：HR、法务、行政需要从大量合同中提取关键条款。

工作流结构：

触发：飞书文档/邮箱收到合同文件

节点1：OCR识别（扣子内置插件）

节点2：大模型提取关键信息

核心Prompt：

Prompt："请从以下合同文本中提取关键信息，输出JSON格式： { "合同类型": "", "甲方": "", "乙方": "", "合同金额": "", "起止日期": "", "关键条款摘要": "", "风险点": [] }"

搭好之后：一份30页的合同，AI花30秒提取完毕，你只需要核对一下关键数字。

模板三：面试评估辅助

适用场景：HR批量筛选简历，生成初步评估。

工作流结构：

触发：邮箱/飞书收到简历附件

节点1：文档解析

节点2：大模型评估

节点3：飞书消息发送结果

核心Prompt：

Prompt："你是招聘助理。岗位要求如下：{{JD内容}}。候选人简历如下：{{简历内容}}。请从以下维度评估：1）核心匹配度（0-10分）；2）优势项（3条）；3）待确认项（2条）；4）面试建议问题（3个）。"

注意事项：AI评估是初筛辅助，最终判断一定要人工复核。另外简历是敏感信息，注意合规使用。

避坑指南：新手最容易踩的3个坑

坑一：一次搞太复杂。我见过有人第一次搭工作流就想实现"全自动数字员工"。建议从最简版本开始——一个触发、一个AI节点、一个输出，跑通了再加复杂逻辑。扣子支持随时修改，不存在"搭坏了重来"的问题。

坑二：Prompt写得像聊天。工作流里的Prompt和在聊天框里聊天不一样。要非常具体地指定输入格式和输出格式，否则AI输出不统一，后续节点没法处理。上面的模板里我都用了结构化输出要求（JSON、分类标签），就是为了避免这个问题。

坑三：不考虑异常情况。搜索节点可能返回空结果，文件解析可能失败。搭工作流时给每个可能出错的节点加一个"备用方案"——比如搜索无结果时，让大模型生成一条"本周暂未发现相关资讯"的消息发送出去，而不是让整个流程卡死。

实用建议

1.从自己的工作痛点出发

别为了搭工作流而搭，先想清楚"哪件事每周都在重复做"，再动手。

2.先用模板再自定义

扣子工作流商店里有很多现成模板，改改就能用，比从零搭快得多。

3.每个节点单独测试

别一次性把所有节点连起来再测，一个节点一个节点地验证输出是否符合预期。

4.定期检查运行日志

搭好后不是就完事了，头两周每天看一下运行状态，确保稳定。

核心总结

零代码AI工作流的价值不是"技术多厉害"，而是让自动化从"程序员专属"变成"谁都能用"。你不需要理解代码逻辑，只需要理解自己的业务逻辑——而这一点，你比程序员更清楚。

今天这篇教程里的三个模板，挑一个跟你工作最相关的，花30分钟搭出来。搭完就会明白为什么我说"零代码AI工作流是2024年最被低估的提效工具"。

你最想自动化的工作流程是什么？说出来，我帮你想实现方案。