一文读懂扣子 Coze 知识库，从客服、话术到语料库全能指南

推荐语

一文读懂扣子Coze知识库，从客服到销售话术的全能解决方案，让你的智能体更专业更精准。

核心内容：
1. 知识库在智能体中的核心作用与RAG机制解析
2. Coze平台知识库的多类型支持与灵活配置方法
3. 三大实用场景：客服、销售话术、内容召回的实战应用

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

最近被问得最多的，不是怎么写提示词，也不是怎么接飞书，而是：

“越哥，工作流能不能输出我们门店销售话术？”、“能不能上传一个产品手册让它自己会说话？”

简单讲，答案都是：靠知识库！

不管你是做客服、培训、销售，知识库就像是智能体的大脑补丁，管它是 FAQ 还是价格表、门店话术、视频脚本，统统都能塞进去。

本篇文章，我们就来一次系统讲透：

• 知识库到底有什么用，怎么防止大模型乱说
• 销售话术、客服答疑、门店运营资料，怎么装进智能体
• 如何用工作流 + 知识库实现「内容召回 + 语境生成」

👉 如果你想用 Coze 把知识用起来，让智能体“说你该说的话”，这篇值得收藏。

为什么说知识库是智能体的底座

智能体（Agent）如果想在复杂场景下“说得对、说得准”，光靠模型是不够的。

你需要一个结构化管理的知识库来帮助它：

• 存储业务资料、政策说明、用户话术等文档内容；
• 在用户提问时，快速匹配合适的知识点做“检索增强”；
• 用来“补脑”大模型，让智能体的输出更可信、更专业。

这，就是“RAG”（Retrieval-Augmented Generation，检索增强生成）的基本机制，而在 Coze（扣子）平台，这一切的基础，就是——知识库。

所有商业化级别的工作流，不管是扣子、dify还是其他，几乎都离不开知识库的配置。

即使是小红书爆款改写这类基础场景，如果没有你的商品/品牌数据做支撑，也很难有实际效果。

那知识库和记忆有什么区别？

很多新手会搞混：都是“存信息”，到底有什么不同？

🔍简单记忆法：

“知识”是全局共识，“记忆”是个体偏好。

Coze 扣子知识库功能全景图

Coze 平台的知识库功能，既简单上手，又支持灵活配置，适合从个人开发者到企业级应用场景使用。

我们来拆解一下它的几个核心能力。

1. 支持多种知识类型，适配多元内容源

📄 文本类知识库

• 支持上传 Word、PDF、TXT 等文档
• 可自动分段，按标题/字符长度等方式切片
• 适合上传：FAQ 文档、说明书、行业政策等

📊 表格类知识库

• 支持上传 Excel、CSV，自动识别表头字段
• 可配置索引字段用于语义检索
• 适合上传：产品参数、定价表、设备规格

🖼 图片类（照片知识库）

• 图像 + 标注信息组合方式
• 适合图文生成、识图问答场景（较为小众）

2. 数据源丰富，上传方便

• 📥上传方式支持多样：

• 本地文档
• 飞书/Notion 在线文档
• 网页抓取（需指定链接）
• 表格数据粘贴

• ✂️支持灵活切片策略：

• 字数、标题级别、换行标记等
• 分片后自动向量化（Embedding）

• 🔄可定期维护和更新：

• 新内容上传 / 旧内容删除
• 多 Bot 可复用同一知识库

三大核心场景，教你玩转知识库

在 Coze 平台构建知识库，远不止“上传文档”那么简单。根据场景的不同，你可以玩出很多花样。

下面这三种，是最常见也最实用的玩法。

场景一：打造智能客服，7x24 不下线

目标：用知识库让你的客服智能体回答更快、更准、不出错。

步骤：

1. 上传业务 FAQ、服务条款、产品手册等内容
2. 在工作流中添加“知识库检索”节点
3. 开启混合检索策略 + 查询改写
4. 设置召回条数 / 匹配度阈值（推荐匹配度 ≥ 0.5）

技巧补充：

下面是实际为客户搭建的电商客服工作流：

场景二：构建内容钩子库，让大模型说人话

钩子库 = 爆点内容语料库，通过知识库唤起大模型的“灵感”，生成更具吸引力的文案内容。

你可以上传：

• 社交平台爆款标题
• 用户评论语料
• 典型内容开头结尾模版

然后让大模型从中召回片段、提炼关键词、组合生成。

提示词模板示例：

“请结合用户问题，从知识库中调用最适合的语句风格或句式结构，生成一段打动人心的引言。”

适用场景：

• 品牌运营写稿
• 用户评论生成
• 帖子话术打磨

场景三：打造专属语料库，风格输出不跑偏

Coze 的知识库非常适合统一风格/术语/规范性语言输出。

你可以上传：

• 品牌手册、传播规范
• 客服话术白皮书
• 法律、合规类模板语句

实现目标：

• 控制大模型的语气、用词
• 保证内容专业、合规
• 避免员工手动复制粘贴

使用建议：

• 设置召回条数：8~10 条，提升覆盖率
• 配合提示词：“请遵循语料库的表达方式作答”

工作流中如何调用知识库？节点配置技巧详解

Coze 的强大之一，就在于可视化工作流（Workflow）。你可以通过工作流中添加“知识库检索节点”，实现 RAG 机制自动运作。

节点类型说明

检索节点核心配置

建议默认使用「混合检索」，效果最稳妥。

2）其他关键配置

提示词技巧：让召回更聪明

你可以在节点后连接一个 LLM 节点，加入控制类提示词，例如：

请根据召回内容中的重点信息，用专业、简洁语气进行回答，若未召回相关内容请回复“未查到”。

这种提示词能显著提升智能体输出的稳定性与专业度。

多知识库调度与分工策略

当你上传的资料越来越多，光靠一个知识库很快就不够用了。

这时，你就需要“分而治之” + “智能调度”。

拆分知识库 = 管理策略

多库调度实战技巧

在工作流中，你可以：

• 使用多个“知识库检索节点”，分别配置检索源
• 使用工具调度节点（如条件判断）控制调用顺序
• 搭配系统记忆，实现上下文 + 内容分库判断

示例：如果用户提问中提及「价格」，则走价格知识库检索；否则默认 FAQ。

进阶玩法：与模型记忆融合，让对话更智能

知识库召回是“冷知识”，记忆管理则是“热交互”。

两者结合，才能打造真正“像人”的智能体。

融合策略参考

提示词示例（融合使用）：

结合用户的租房偏好与召回到的房源信息，推荐最符合用户需求的房源，并用专业语气说明推荐理由。

这种提示词非常适合客服、咨询类场景使用，让大模型做“带智商的推荐”。

总结：如何真正用好 Coze 知识库？

工具只是基础，用法才是能力。真正用好 Coze 知识库，你需要掌握三件事：

知识库结构设计

• 内容清洗、拆分粒度控制
• 分库策略设计（按业务/文档/权限）

工作流调度技巧

• 调用多个库、组合召回
• 搭配记忆 + 提示词，生成更聪明的回复

持续更新与内容治理

• 保持文档新鲜度
• 控制召回质量
• 使用检索日志优化库内容

📢 加入实战派AI从业者社群！

我们的AI社群围绕扣子、Dify、n8n、LangChain等主流智能体平台搭建，聚集了来自阿里、抖音、头部高校等背景的AI高手，以及跨境、人力资源、电商等行业的实战派，正在围绕AI智能体展开共创对接。

• 加入星球可获取100+热门扣子工作流，支持复制到自己空间

• https://ncnlnt2dfp74.feishu.cn/wiki/LO8gwjVlIiqNiWkoZ7ccKDtXnqf

🎯大家都在看