我被AI智能体整破防！如何像搭积木一样构建Agent

UP主: 技术爬爬虾 · 时长: 9:27 · 🔗 B站原视频

发布: 2025-03-21 · 收录: 2025-03-24

标签: AI Agent · Coze · DeepSeek R1 · 智能体开发 · Function Call

DeepSeek R1 的痛点：不支持 Function Call

DeepSeek R1 有一个巨大的痛点：不支持 function call。这也是很多 DeepSeek 爱好者们的意难平，GitHub 上开发者们纷纷留言表达了这个诉求。

Function call 简单来说，就是 AI 调用外部工具的能力。随着最近 Manus、MCP 等工具的火热，AI agent 受到了更多的关注。优秀的工具调用能力是 AI agent 的基石。

就在最近，字节的扣子（Coze）率先独家上线，支持了 DeepSeek R1 的 function call 功能，让模型具有深度思考的同时，也掌握了工具调用的能力，从而可以构建起更强大的 AI 应用智能体。

本期目标：做一个“毒辣点评”工作流

本期视频我准备创建一个结合联网搜索、读取文章内容、最后整理数据的工作流，用这个工作流搜集关于我自己的资料，让 DeepSeek 用辛辣犀利的语言来点评一下，看看它对我的评价是什么样的。

在扣子创建智能体并测试工具调用

我们来到扣子的官网（链接我放在评论区置顶）。点击小加号，这里选择创建一个智能体，随便起个名字，点击确认。

先测试一下 DeepSeek R1 的 function call 功能：在模型这里选择 DeepSeek R1（工具调用），然后点击插件这里的加号，给模型添加插件（也就是添加能力）。

随着扣子生态的日趋完善，插件市场里面的插件丰富了不少。灵活选用插件，可以极大拓展智能体的能力边界。

用“热搜聚合榜”插件测试：AI 会自己挑工具

这里我先搜索一个热搜插件：热搜聚合榜插件，包含各大平台的今日热搜内容，点击添加。

我问 AI：今天计算机技术、AI 领域的热点有哪些？

我们看到 DeepSeek R1 在思考阶段就已经选择好要使用的工具了。在等待工具调用过程中，它的思考过程是暂停的，看起来很智能。调用完工具拿到热搜榜单以后，它又进行了一段思考，最后成功过滤出当前热点，整理成段，并形成正确输出。

再加一个“思维导图”插件：输出可视化

接下来再添加一个新的插件。我在插件这里点击加号，选“Chu Man 的树图”（自动绘图工具），可以把模型输出变成可视化的思维导图。

我再试一下：把今天的热点整理成图。

我们不需要明确指明要使用哪些工具、以及使用顺序，AI 会智能地从工具箱里选取最适合的工具分步骤执行。它先调用热搜榜聚合，接下来又调用树图形成思维导图，最终输出了一份完整的今日热点思维导图，结构清晰、内容准确。

新建“毒辣点评博主”智能体：只用插件不够稳

接下来我新建一个智能体，完成开头的需求，名字叫“毒辣点评博主”，点击确认。

先给它添加两个插件：Bing 搜索、链接读取。我希望 AI 先搜索查找关于“技术爬爬虾”的网站，再用链接读取读取网站内容，最后总结，并用辛辣犀利的文字评价。

我还是选择 DeepSeek R1 的工具调用版，提示词是：用辛辣犀利的语言点评下博主“技术爬爬虾”。

结果 DeepSeek 只调用了 Bing 搜索工具，搜到了一些表层链接和标题，并没有按预期使用第二个工具“链接读取”去深入了解文章内容，所以输出有点浮于表面，点评也不够犀利。

如果想更精确地控制插件用法与数据流，就得借助 Coze 的进阶功能：工作流。

用工作流搭积木：搜索 → 读取 → 拼接

接下来上手体验工作流。在工作流这里点击加号，创建一个全新的工作流。

注意：工作流描述是重点，要描述清楚这个工作流是做什么用的，大模型才知道什么情况下应该调用工作流。我这里的描述是：在网上搜索关于博主的创作内容。点击确认。

第一步先修改输入节点：输入变量名叫 input，我希望这个变量就是“博主的名字”，比如“技术爬爬虾”。在变量描述里写清楚“输入值就是博主的名字”，有助于大模型理清业务逻辑、正确传递参数。

接下来添加两个节点：Bing 搜索、链接读取，把两个插件放到工作流里面，然后用线把它们连起来，就像搭积木一样。

然后调整节点的输入输出：

• Bing 搜索节点最重要的是“查询词”，我让查询词等于第一步输入参数（博主名字）。
• 链接读取节点：前一步搜索出来的是一个列表（网站列表），我希望所有网站都被读取到，所以切换到批处理变量名，选择上一步搜索到的网页列表，把批处理里的 URL 配上。

读取完成后，它的输出是一个列表。我需要把列表里所有内容拼接到一起变成完整段落，再输出。

用代码节点把内容列表拼接：修正点号取值错误

我新加一个“代码”节点，用写代码的方式搞定拼接。我把线连到代码上，再把代码连接到输出。

代码输入是上一步输出的列表，我把 output_list 填写过来。进入 IDE 编辑，我习惯用 Python，就切换到 Python。

我先定义一个变量 result 作为最终输出，然后输出里只保留一个 k0，把 result 填进去。

接着写循环，把列表里所有内容读出来，拼接到 result 里。

我看了一下 input 的数据结构：它是一个列表，每一项都有 data，data 里面有 content。我要取的就是这个 content。

我点击测试代码，构造数据结构测试：最外层是列表，每一项都有 data，data 里面又有 content。运行后报错：字典类型没有 input 属性，所以代码里用点号取值不行，需要换成 Python 字典取值。

我把取值方式替换成 get：get("input")、get("data")、get("content")。再测一次就 OK 了，看到 123 都被拼接到输出里。

下面输出我也改一下，只需要一个 k0，把其他变量都删掉。最后把代码输出作为整个流程输出，放到 output 里，选择代码的 k0。工作流完成。

右上角点击发布。

把插件移到工作流里：智能体只挂工作流

因为两个插件已经在工作流里使用了，在智能体外面就可以移除掉。取而代之的是把工作流添加到智能体里面。

再测试一下：DeepSeek 已经调用了工作流，在网上查找了一些关于我的内容，最终结果也相当犀利。

不过这里混进来一些奇怪的东西，比如“科普皮皮虾养殖防逃网”，代码截图里还混着清蒸海鲜教程、皮皮虾养殖教程、水温精确控制之类的。

问题主要出在工作流的搜索内容：Bing 搜索混进了皮皮虾养殖技术、爬爬虾怎么烹饪等无关内容。

增加大模型节点做过滤：只留技术/AI相关

所以我要改进工作流，把无关内容排除掉。

我们回到工作流，我在代码后面再插入一个新的节点，这次选择“大模型”。把线连接好，大模型输入选择上一步输出。

我让大模型做的事情是：剔除内容里关于爬爬虾养殖、皮皮虾烹饪等内容，只保留计算机技术与 AI 相关的，然后输出到 output。

再把 output 这根线连到最后输出，并把工作流输出调整成大模型的输出。右上角点击发布。

再测试最终输出，这次味儿就对了。

被“毒舌点评”整破防：提示词一改风格就变

这次输出非常犀利，比如：

“开源界的缝合怪像极了菜市场简陋的大妈，什么技术火就薅什么羊毛。”

特别是后面那句：

“那个所谓的微信朋友圈导出工具，真正需要的用户可能还没有弹幕多。”

这句话真把我说破防了。我真的是自己凭空创造需求，做一些大家都用不到的东西。

后面还有“白嫖教派的当代传人”“AI 时代的人工智障知识付费的泥石流”，总结也很犀利，句句打到痛处。

我们也能看出 DeepSeek 对语言的驾驭能力很强。

然后我换一个提示词：用褒奖的语言点评下“技术爬爬虾”。

DeepSeek 还是调用了工作流来获取资料，这次输出风格立马就变了，“不仅彰显了深厚的专业功底，更流露出极客精神的纯粹与热忱”。同样一段素材，仅仅改了一个提示词，正反话都让它说完了，很有意思。

总结：插件调用 + 工作流，让 Agent 更像积木搭建

本期视频我们试用了扣子的插件调用与工作流，让 DeepSeek 在具有深度思考的同时，掌握了工具调用的能力。

扣子的插件商店目前拥有国内最完善的插件生态，加上 DeepSeek 顶级的推理能力，我们可以轻松创建出更聪明、更好用的 AI 智能体。

感兴趣的观众可以点击评论区链接，一起来试试。今天的视频就到这里，感谢大家，我们下期再见。