最近收到后台很多读者反馈，都想学习AI智能体开发。

最近我调研了下，发现一个有趣的现象，目前太多的公众号只展示案例，从来没有任何解释，也不完全讲清楚到底怎么做出来的，搞的大家最后收藏了太多案例，自己一动手还是完全摸不着头脑。

1 这篇文章的写作动机

所以今天这篇文章，我专门来给大家解决这个问题，让大家通过这篇文章入门理解智能体开发最核心的技术：工作流。如果对这方面感兴趣的，可以继续看下去。

我使用Coze（扣子）智能体开发框架，制作了一个能读取任意网页（包括PDF网页、HTML内容两类）的智能体工作流，作为智能体开发的入门，再合适不过，如下图所示：

用来搭建Coze智能体应用，最有意思的一个技术就是工作流（workflow）。学会使用工作流，基本就学会了Coze智能体开发。

要想理清楚某个事情，切记不要一上来就搞的太复杂，先抓核心，至关重要。所以遵从这个原则，于是就有了上面这个工作流，它不至于太简单，也没有太复杂，足够帮助大家完全理解工作流机制。

理解 > 记忆 100倍，大家务必要理解工作流的底层逻辑。

2 通俗解释Coze工作流底层逻辑

理解 Coze 工作流的底层逻辑，我们可以用「把大象装进冰箱」这个经典的生活化例子来类比。

理解 Coze 工作流就像“把大象装进冰箱”：打开冰箱门是启动流程（触发器），把大象放进去是 AI 执行任务（节点操作），关上冰箱门就是流程结束并输出结果（输出节点）。

把大象装进冰箱的步骤，换一个高级点的词就是：Coze的工作流 （workflow）

你现在是不是已经对Coze的工作流有个大概的理解了，这很好，我相信你已经做到了。

以上就是理解Coze工作流底层逻辑的第一部分，下面我们再说第二部分就是数据传递，如何理解工作流的数据传递？

通俗点说，就像你去打爆米花：你给爆米花师傅 1块钱，这就是你给他提供的“输入”；他拿着这1块钱，帮你“加工”成爆米花，这就是中间的“处理”；最后，他把爆米花递给你，这就是“输出” 。

总结Coze工作流的第二个底层逻辑：当前节点的输入，是上一个节点的输出，是下一个节点的输入。

3 读取任意网页工作流详细制作过程

在理解了Coze工作流的底层逻辑后， 我们再去制作读取任意网页的工作流，就会容易理解太多，不信大家接着看，我逐一剖析。

工作流的起点，是输入的一个网页地址，这个容易理解，因为它是我们要抓取网页内容的URL：

它会把resource_url这个数据传递给下一个节点，如下图所示这是一个Coze官方共享的节点LinkReader插件，它能实现网页内容抓取或网页PDF内容抓取：

所以这个插件完美匹配了咱们的工作流需求，找到这个插件后，下一步就是理解清楚它的输入和输出，输入好理解就是resource_url，关键是如何把数据链条对齐，也很简单，理解了数据传递的底层逻辑，咱们在下面这个节点的输入对齐到上一个输入节点的resource_url，就OK了，如下图所示：

Coze工作流中知道如何把上下节点的数据链条对齐，这是最重要的一个原理，到处都是这个原理的运用，所以务必理解。

输出数据的数据结构，就要对齐到下一个节点的输入，这些都是一脉相承。点一下卡片就会在右侧弹出结构：

标记的很清楚，我们一看就能知道，pdf_content变量就是PDF内容，data.content就是网页内容。这些必须要准确理解，否则下一个节点的输入就会出错。

因为有两个不同的变量pdf_content，data.content，所以自然我们就会如下图所示，分叉处理，大模型节点的输入是pdf_content，它来负责PDF内容的分析处理；大模型_1节点的输入是data.content，它来负责网页内容的分析处理，如下图所示：

把上面输入到大模型分析：

分析PDF后的结果：

分析网页后的结果：

所以最后一个节点就有两类输出，一类输出对应PDF内容总结输出output，一类输出对应网页内容总结输出output1：

变量名字大家对齐就好，名字可以任意起。

至此，这个工作流就搭建好了：

我们可以点击试运行去测试，我们先输入一个网页：

然后点击「试运行」，GIF动图如下所示，非常形象，虚线分支正在流动，代表正在处理网页内容，因为咱们输入的是网页内容：

处理完成后，大家可以看到网页的内容已经被抓取过来：

PDF内容提取同理，不再展示。

以上就是制作的读取任意网页的工作流搭建过程解读，更多智能体开发实战案例可以参考我最近研发的《AI智能体开发实战视频课》，因为课程正在更新中还未录制完成，价格大幅优惠：

总结一下

很多人想学习 AI 智能体开发，但多数平台只展示案例，不解释原理，导致大家收藏一堆却不会动手。本文的目的是从零讲清楚 Coze 智能体开发中最重要的基础——工作流（workflow）机制。

文章用“把大象装进冰箱”和“打爆米花”两个生活化例子，形象解释了工作流的三大关键逻辑：触发器、节点处理、输出，以及节点间如何传递数据。理解这些就能掌握智能体的运作方式。

Coze 搭建了一个“读取任意网页内容”的智能体工作流，通过图文详细拆解了每个节点的输入输出配置、数据流转逻辑。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓