5分钟搭一个AI Agent，零代码教程

去年我第一次搭AI Agent的时候，折腾了整整一个下午——看文档、配环境、调接口，最后跑起来还一堆报错。

现在？5分钟。

不是我变厉害了，是工具变强了。零代码平台把搭建Agent这件事的门槛降到了地板，你唯一需要做的就是想清楚"我要它干什么"。

今天这篇，手把手带你从0搭一个能干活的AI Agent，全程不写一行代码。

AI Agent是什么：会干活的AI

先搞清楚概念。

ChatGPT、文心一言这种对话式AI，你问它答，它不会主动干任何事。它就像一个百科全书——你翻哪页它给你看哪页，但它不会帮你整理书架。

AI Agent不一样。它像一个实习生：你给它一个任务，它会自己拆解步骤、查找信息、调用工具、执行操作，最后把结果交给你。

关键区别在于三个字：能干活。

对话AI只能"说"，Agent能"做"。你可以让Agent帮你搜索资料并整理成文档、监控竞品价格变化并自动提醒、根据客户问题自动查知识库回复——这些都是"做"，不是"说"。

Agent能做这些事，靠的是三个核心能力：

感知——能接收外部信息，比如读取消息、搜索网页、查询数据库。

决策——能根据目标自主判断下一步做什么，不需要你一步步指挥。

执行——能调用工具完成实际操作，比如发邮件、写文件、调用API。

打个不精确的比方：对话AI是顾问，你花钱请它出主意；Agent是员工，你花钱请它把活干了。

零代码平台对比

搭Agent不一定非要写代码。现在市面上有一堆零代码平台，拖拖拽拽就能搭出来。主流的有这几个：

扣子（Coze）：字节跳动出品，国内最火的Agent搭建平台。界面友好，中文支持好，插件生态丰富，有知识库、工作流、定时任务等完整功能。免费额度够用，适合新手入门。唯一的缺点是深度定制能力有限，复杂场景可能会碰到天花板。

Dify：开源平台，可私有化部署。功能比较全，支持RAG、Agent、工作流等多种模式。适合对数据安全有要求的企业用户。界面英文为主，学习曲线比扣子稍陡。

FastGPT：也是开源方案，主打知识库问答场景。如果你搭Agent主要是为了做智能客服、知识问答，这个平台开箱即用的体验很好。

GPTs：OpenAI官方的Agent搭建工具。优点是底层模型强，缺点是需要GPT Plus订阅，而且国内访问不便。

n8n / Make：严格说不算Agent平台，是自动化工作流工具。但它们可以接入AI模型，实现类似Agent的效果。擅长跨系统串联，比如"收到邮件→AI分析→写入表格→发通知"这种链路。

怎么选？一句话：个人玩用扣子，企业用Dify，纯知识问答用FastGPT，跨系统集成用n8n。

手把手搭建一个客服Agent

选扣子来演示，因为对中文用户最友好。

第一步：创建Bot

打开扣子平台，点"创建Bot"，起个名字。比如"小智客服"。

第二步：写人设和提示词

这一步最关键。在"人设与回复逻辑"里，你要告诉这个Agent：你是谁、你负责什么、你怎么回答问题。

写法参考：

"你是'XX品牌'的专属客服，负责回答用户关于产品使用、退换货政策、售后保修的问题。回答要简洁友好，不超过3句话。如果用户的问题你不确定答案，请回复'这个问题我需要帮您转接人工客服'，不要猜测。你只回答与XX品牌相关的问题，其他问题请礼貌拒绝。"

人设越具体，Agent的表现越稳定。别偷懒只写"你是一个客服"，那它什么乱七八糟的都敢回。

第三步：加知识库

客服Agent光靠提示词不够，它得知道你们公司的具体信息。在"知识库"模块上传你的产品手册、FAQ文档、退换货政策等文件。Agent回答问题时会优先参考知识库内容，而不是凭空编造。

第四步：加插件

如果需要Agent能查物流、查订单，就加上对应的插件。扣子插件市场里有现成的，搜索添加就行。不需要写代码，点一下就接入。

第五步：测试和发布

右边有对话框，直接测试。故意问一些刁钻的问题，看它的回答是不是稳定可靠。满意了就点发布，可以选择发布到微信客服、飞书、网页等渠道。

5分钟，一个能干活的客服Agent就上线了。

让它更聪明：加知识库和工具

搭完只是第一步，聪明的Agent需要不断喂养。

知识库的正确用法

很多人上传知识库就是一股脑把所有文档丢进去，然后发现Agent回答还是不靠谱。问题出在"信息噪音"太多。

正确做法：

把文档按主题拆分。产品相关的放一个知识库，售后相关的放另一个。这样Agent检索的时候，信息更精准，不会被无关内容干扰。

定期更新。知识库里的信息过时了，Agent的回答就会过时。设一个提醒，每月检查一次知识库内容。

给文档加结构。不是所有文件都适合直接上传，一坨纯文本Agent很难理解。整理成问答对、结构化表格、带标题的文档，检索效果会好很多。

工具的进阶玩法

插件不只是"加上就行"，你得告诉Agent什么时候用、怎么用。

在提示词里写清楚工具的使用规则："当用户问到订单状态时，使用'查询订单'插件，传入用户的手机号或订单号。如果用户没有提供这些信息，先询问用户。"

这比什么都不说、让Agent自己判断要靠谱得多。Agent会犯的错，往往是"该用工具的时候没用"或"不该用的时候乱用"。明确规则能减少80%的这类问题。

让Agent记住上下文

开启"记忆"功能，让Agent能记住跟同一个用户的对话历史。这样用户说"我刚才问的那个问题"，Agent知道他说的是哪个。

从Agent到自动化工作流

单个Agent能做的事有限。真正的效率飞跃，来自把Agent嵌入自动化工作流。

什么是工作流？就是一条自动执行的任务链。

举个真实场景：客户在微信上提问→客服Agent自动回复→如果判断是投诉，自动创建工单→同步到飞书群通知相关人员→每天汇总所有客服对话生成日报。

这条链路里，客服Agent只是其中一个环节。但它和其他环节串联起来，就形成了一个完整的自动化流程。

扣子里叫"工作流"，Dify里叫"Workflow"，n8n里叫"Scenario"——核心逻辑都一样：定义触发条件→配置执行步骤→设定输出格式。

工作流设计有个关键原则：每个环节只做一件事。

别让一个Agent又当客服又当销售又当运营，它会精神分裂。拆成多个专职Agent，每个只负责一个环节，串起来反而更稳定。

还有一个很多人忽略的点：工作流要有"异常处理"。如果某个环节出错了怎么办？是重试、跳过、还是通知人工介入？不在设计阶段想清楚，上线后你就等着半夜被电话叫醒吧。

搭Agent不是终点，搭工作流才是。一个Agent替你省10分钟，一条工作流替你省一整天。这才是AI真正的价值——不是让它更聪明，而是让它更自动。