首页
手游
资讯
专题
首页 > 教程攻略 > ai资讯 >Coze智能体：批量生成高质量博客文章

Coze智能体：批量生成高质量博客文章

来源：互联网 时间：2026-05-31 12:34:15

拥抱 AI，智启未来

前言

Coze智能体在AI领域的热度一直很高，关于用它生成文章的资源也随处可见。如果企业或个人正在做SEO，需要在各大自媒体平台发布上百甚至上千篇带外链的文章，那这就是一个实实在在的痛点。今天这篇内容，就专门聊聊如何用智能体批量生成高质量博客文章。设计这个工作流用到的节点包括插件、大模型、代码生成器、选择器、变量、文本处理以及消息，这里不再赘述这些节点的基础用法，直接进入实战。最终我们会通过CSDN平台发布生成好的博客文章，并查看质量评分。

背景介绍

直接拿智能体生成的文章来用肯定不行，必须经过洗稿和修改——大模型输出的质量，完全取决于数据来源。如果基于业务场景的数据再投喂给大模型，生成的文章质量会高很多。这次我们用到的业务数据，来自API服务详情。通常API服务按类别分有很多种：生活服务、安全服务、教育服务、公共数据、位置服务、AI技术、开发者服务等等。比如想写一篇某类API服务的推荐文章，就得先起好标题——标题一般包含分类名称和标签关键词（最新、最热、免费）。正文则按前言、正文、总结的结构来组织。

生成博客文章原理

根据用户提供的信息（服务列表、服务类别、服务标签），用API插件查询到的服务信息数据做判断。如果返回成功，就分别生成文章标题、前言、段落和总结，每一段内容通过消息节点返回结果，最终整合到一起进行文本处理，生成一篇完整的文案。如下图所示：

创建服务列表插件

服务信息数据源都来自准备好的API接口。服务列表数据格式如下（省略插件配置步骤，不清楚的小伙伴可参考之前的文章《Coze智能体接入，免费API插件》）：

入参：

{
  "serviceCode": "scd2024041701861d19d840"
}

出参：

{
  "applicableScenarios": "详情介绍-适用场景",
  "faq": [
    {
      "answer": "常见问题及答案",
      "question": "常见问题及答案"
    }
  ],
  "coreInterfaces": "详情介绍-核心接口清单",
  "feeType": "付费方式",
  "useRestrictions": "详情介绍-使用限制",
  "competitor": "详情介绍-竞争对手",
  "coreBenefits": "详情介绍-核心优势",
  "detailFormatType": "详情介绍",
  "code": "返回码",
  "useLimit": "使用限制",
  "url": "服务地址",
  "specialApiInfo": {
    "packageDetail": "价格信息",
    "unitPrice": "价格"
  },
  "serviceName": "服务名称",
  "serviceInfo":"API 服务信息",
  "technicalPrinciple": "详情介绍-技术原理",
  "usageGuideFormatType": "使用指南"
}

按步骤把入参和出参填入插件编辑界面：

编辑开始节点

如下图所示，开始工作流一共需要提供3个输入参数。其中 serviceCodeList 是数组，用户可以根据需要输入1个或多个服务编码；category 和 keyword 分别表示服务分类和标签。所有参数均为必填项。

一、获取服务列表信息

新增已经创建好并调试发布成功的 get_api_info 插件。输入参数 serviceCodeList 是个列表，支持多个输入，这里我们选择批处理方式，流程如下：

因为需要对返回的服务列表进行检查是否成功，所以需要做代码处理——主要遍历 infoList，检查 code 是否符合预期返回值。这也会作为IF选择器的判断依据，决定下一步操作。

二、根据选择器判断

这里有一个分支条件：IF选择器“服务列表检查”。如果返回TRUE，则进行文章段落生成、前言生成以及标题生成；如果返回FALSE，直接进入“结束”节点。

三、文章标题生成

需要添加两个节点：标题生成大模型和标题消息。大模型提示词如下：

根据关键词 ，{{keyword}}，{{category}}API推荐， 生成一个文章标题，要像真人写的

消息节点“标题消息”返回内容：标题生成完成: {{title}}，作为文本处理的输入参数 {{String1}}。流程如下：

标题生成流程总结：先判断服务列表检查是否返回SUCCESS（选择器节点）→ 标题生成（大模型节点）→ 标题消息（消息节点）→ 作为文本处理的输入参数（文本处理节点）→ 结束

四、前言生成

代码节点：获取服务列表信息。当前函数的作用是将输入数组中每个对象的 serviceName 和 serviceInfo 属性拼接成一段介绍文本，并返回这些文本的集合。

async function main({ params }: Args): Promise {
    const result = params.input.map(item => item.serviceName+'的服务简介：'+ item.serviceInfo).join('n ');
    const ret = {
        "result": result
    };
    return ret;
}

大模型节点“前言”提示词：

##角色：你是一个专业的{{category}}领域文章创作智能体，非常善于针对{{category}}领域，创作一个API 服务推荐文章的前言。
##任务：请你根据用户给出的{{category}}类型和API 服务简介创作出文章的前言。
##API 服务简介：{{result}}

消息节点“前言消息”生成 {{output}}，作为文本处理的输入参数 {{String2}}。前言生成流程如下：

前言生成流程总结：先判断服务列表检查是否返回SUCCESS（选择器节点）→ 获取服务列表信息（代码节点）→ 前言（大模型节点）→ 作为文本处理的输入参数（文本处理节点）→ 结束

五、文章段落生成

大模型节点“文章中段生成”提示词：

## 服务名称={{serviceName}}
## 简介={{serviceInfo}}
## 基本信息={{productDefinitions}}
## 特性={{coreFeatures}}
## 优势={{coreBenefits}}
## 定价信息={{price}}
## 服务详情页面地址={{url}}

添加人设与回复逻辑：

输入参数共接收9个。

代码节点：拼接文章中段生成内容，作为文本处理的输入参数 {{String3}}。

async function main({ params }: Args): Promise {
    const result = params.input.map(item => item.output).join('nn ');
     const ret = {
         "result": result
     };
     return ret;
 }

文章段落生成流程如下：

六、文章总结生成

大模型节点“总结”提示词：

## 任务：请你根据用户给出的{{category}}类型和文章主体部分创作出文章的总结部分。
## 文章主体部分 {{result1}}

消息节点“总结消息”生成 {{output}}，作为文本处理的输入参数 {{String4}}。

文章段落和总结流程总结：先判断服务列表检查是否返回SUCCESS（选择器节点）→ 文章段落生成（大模型节点）→ 拼接文章段落（代码节点）→ 文章总结生成（大模型节点）→ 总结消息（消息节点）→ 作为文本处理的输入参数（文本处理节点）→ 结束

至此，文章标题、前言、段落以及总结所用到的流程和节点都已设置完毕。将所有节点汇总到文本处理，然后统一返回。文本处理的作用是拼接之前返回的各个参数 {{String1}}{{String2}}{{String3}}{{String4}}。

限于篇幅，测试发布和创建bot的过程就不展开了（前面的文章中已有介绍）。最终在CSDN平台上的质量评分94分，质量相当高。

再用AI生成内容检测器（如 Neuralwriter 的工具）检测一下结果：

总结

本篇文章主要分享的是通过Coze智能体批量生成高质量博客文章的实战玩法。文章质量取决于投喂的数据，实战案例中的数据源来自提供的插件。用户通过输入一个或多个服务编码参数 serviceCodeList 来生成文章，工作流中通过选择器判断走哪一个分支节点。每个分支工作流都由大模型做出总结，然后生成消息节点并输出结果，并将结果参数作为文本处理节点的入参，最后再由一个总文本处理节点把所有参数拼接，输出最终结果。希望今天的分享能给大家在AI应用的道路上带来一些启发。

相关阅读

相关下载