# coze智能题制作流程

**Repository Path**: wandertp/coze_agent

## Basic Information

- **Project Name**: coze智能题制作流程
- **Description**: 记录coze智能体制作流程
- **Primary Language**: HTML
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-21
- **Last Updated**: 2025-12-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能体“思维显微镜”制作全流程文档

## 一、项目启动与规划

### 1.1 项目背景与目标
- **项目名称**：思维显微镜
- **核心问题**：大学生面对复杂观点时容易“脑子一热就站队”，缺乏深度分析能力
- **训练目标**：
  - 拆解技能：能将绝对化观点拆解为背后的前提、证据、反对论点
  - 提问技能：培养苏格拉底式追问习惯（追问“为什么？”“真的吗？”“有没有例外？”）
  - 案例迁移技能：通过经典案例学习，将同一种分析思路应用到不同事情上

### 1.2 使用工具
| 工具名称 | 用途           |
| -------- | -------------- |
| Coze     | 智能体制作平台 |
| DeepSeek | 优化系统提示词 |
| draw.io  | 绘制流程图     |

### 1.3 初步设计草图

用户 → 输入问题/观点 → 智能体判断 → 
    ├─ 新问题 → 工作流拆解 → 输出分析框架
    ├─ 追问 → 知识库/插件响应 → 深化分析
    └─ 话题切换 → 数据库记录 → 重启循环

## 二、系统架构设计

### 2.1 系统提示词设计
#### 设计理念
- **核心转变**：从“功能堆砌”转向“角色塑造”
- **状态机制**：建立三个明确状态
  - 新问题 → 调用框架，转化为提问
  - 追问 → 调用案例，自然融入对话
  - 话题切换 → 记录模式，重启循环
- **隐身原则**：禁止所有“正在调用”“根据知识库”等系统语言，知识必须像人类思考后自然说出

#### 核心提示词框架

#### 角色：批判性思维教练

#### 核心铁律：

1. 工具绝对隐身
2. 流程不可违背
3. 输出比例控制（工作流内容占80%以上）
4. 图文融合输入
### 2.2 工作流设计
#### 节点处理流水线

输入节点 → 大模型1（问题拆解） → 问答节点（用户选择） → 大模型2（证据整合） → 输出节点

- **大模型1**：问题澄清与解构专家
- **问答节点**：引导用户选择深入方向
- **大模型2**：证据收集与论证思路构建

#### 提示词设计特点
- 简单直接的“食谱式”操作流程
- 强制编号格式（【Q1】【Q2】）
- 标准答案样板参考

### 2.3 插件与多模态集成
#### 核心插件配置
| 插件名称     | 功能                         | 设计目的                       |
| ------------ | ---------------------------- | ------------------------------ |
| 图片理解     | 提取图中文字、数据、图表信息 | 实现“图文双通道”信息处理       |
| 火山联网问答 | 获取最新事实、数据和多方观点 | 保证信息时效性，补全知识库缺口 |

#### 工作流程

用户输入（含图片） → 图片理解插件提取文字 → 图文融合生成完整问题 → 后续分析
用户追问 → 优先检索知识库 → 若无匹配则联网搜索 → 自然化输出结果

### 2.4 知识库构建
#### 构建原则
- **工具箱定位**：非百科全书，而是“批判性思维的工具箱”
- **筛选标准**：
  - 经典案例优先（如“幸存者偏差”“滑坡谬误”）
  - 多视角分析模板（针对常见争议话题）
  - 高质量信源（权威教科书、学术论文、可信报告）

#### 知识库结构

知识库/
├── 逻辑谬误案例库
├── 多学科分析框架
├── 经典争议话题模板
└── 证据评估指南

### 2.5 数据库构建（创新点）
#### 设计理念
- **个性化学习记忆中枢**：记录用户独特的思维习惯、讨论偏好和未解疑惑
- **进化能力**：随对话次数增加，对用户思维模式的理解越来越精准

#### 数据库字段
```yaml
用户特征记录：
  - 核心倾向：支持/反对/中立偏好
  - 论证类型：依赖数据/案例/情感
  - 视觉依赖度：是否易受图片影响
  - 未解疑问：历史对话中遗留的问题
  - 常忽略视角：用户习惯性缺失的分析角度
```

## 三、测试、调试与优化

### 3.1 反思表架构
#### 调试关键节点
1. **部署策略优化**：从“先上线再调整”改为“先本地充分测试”
2. **提示词逻辑重构**：建立明确的四阶段流程
3. **语感改造**：从“机器人汇报”转向“人类教练对话”
4. **流程简化**：从复杂嵌套转为横向清晰流程图

#### 经典调试案例
- **开场白误触发**：将现成问题选项改为填空模板
- **知识库构建误区**：从“资料仓库”转向“工具箱”
- **工具隐身打磨**：建立话术黑名单，消除机器感
- **核心逻辑重定向**：从“直接回答”转向“强制拆解分析”

### 3.2 优化成效
- **对话流畅度**：用户感觉在与博学、耐心的教练对话
- **系统稳定性**：工作流、知识库、插件无缝衔接
- **训练有效性**：真正实现“从案例学习到思路迁移”

## 四、成品展示

### 4.1 核心功能演示
#### 示例对话：人工智能能否取代人类

用户：人工智能能否取代人类

智能体：
1. 问题澄清：定义“人工智能”和“取代”的具体含义
2. 维度拆解：
   【Q1】哲学视角：意识、情感、价值观能否被模拟
   【Q2】社会学视角：对社会结构、就业市场的影响
   【Q3】生物学视角：大脑生理结构能否被复制
   【Q4】经济学视角：成本效益分析
3. 引导选择：请选择一个编号深入探讨

#### 图文融合分析

用户输入：“AI发展是否危险？” + 事故趋势图
系统处理：融合为“AI发展是否危险？图中显示近三年事故数增长300%，主要集中在自动驾驶领域”
后续分析：基于融合后的问题展开风险、监管、技术成熟度讨论

### 4.2 技术特色总结
| 特色       | 实现方式           | 用户感知             |
| ---------- | ------------------ | -------------------- |
| 多模态融合 | 图片理解+文字分析  | “AI真的看懂了我的图” |
| 思维结构化 | 强制拆解流程       | “分析更有条理了”     |
| 个性化引导 | 数据库记录用户特征 | “提问越来越懂我”     |
| 信息时效性 | 联网插件实时搜索   | “能结合最新热点分析” |

## 五、附录

### 5.1 系统提示词完整版
（详见制作文档5.1节，此处省略详细内容）

### 5.2 工作流提示词
- **大模型1**：问题澄清与解构专家（三步流程：澄清→拆解→引导）
- **大模型2**：证据收集与论证思路（四步流程：信息收集→对比分析→结构搭建→质疑训练）

### 5.3 智能体链接
- **Coze平台链接**：https://www.coze.cn/store/agent/7583590375156187186
- **DeepSeek对话展示**：https://chat.deepseek.com/share/k5gl3j0alq09p2tk5f

---

## 项目总结

### 关键收获
1. **设计理念**：批判性思维训练需要“过程导向”而非“结果导向”
2. **技术实现**：多工具协同（工作流、知识库、插件、数据库）才能构建完整训练环境
3. **用户体验**：工具必须“隐身”，让用户专注于思维训练本身

### 局限性与展望
1. **当前局限**：分析框架相对固定，对开放式创意问题支持有限
2. **未来改进**：增加更多跨学科分析模板，支持用户自定义分析框架
3. **扩展应用**：可适配不同专业背景（文科、理科、工科）的批判性思维训练需求

---
*文档版本：1.0 | 更新日期：2024年12月 21日| 制作者：H.*