一句话：搭第一个 AI Agent，最好的起点不是"全能客服"，而是一个小而具体的场景。本文给你两条完整路线——Coze 零代码（1 小时上线）和 Dify 自部署（数据自己掌控），跟着做就能跑起来。

先建立正确理念：从小处开始

Anthropic 在《Building Effective Agents》里给过一条黄金建议：从最简单的方案开始，只在确实能改善效果时才增加复杂度。

实操翻译一下：

• 好起点：FAQ 自动回复、商品标题生成、销售数据汇总——输入输出都明确。
• 坏起点：一上来就做"什么都能聊的全能客服"——边界不清，最容易翻车。

先让第一个 Agent 跑通，再谈复杂。这是本教程最重要的前提。

路线一：Coze 零代码——1 小时做出 FAQ 客服机器人

适合：不懂代码、想快速验证想法的人。核心思路是把"常见问题文档"变成机器人的知识库。

第 1 步：准备知识库（约 30 分钟，最关键）

把公司或业务的 Top 20 常见问题整理成一份问答文档：

• 每个问题配一个准确、口径统一的答案；
• 退款、售后这类敏感问题，答案只写"引导用户走官方流程"，不要承诺具体结果；
• 文档存成 Word / PDF / TXT 都可以。

这一步的质量直接决定机器人好不好用，多花点时间值得。

第 2 步：创建 Bot，定好"人设"

1. 打开 coze.cn，注册并登录；
2. 点击创建 Bot，填写名称（比如"XX 店铺客服助手"）；

3. 在人设与回复逻辑里写清楚三条铁律：

   • 只基于知识库内容回答，不知道就转人工；
   • 语气友好、专业；
   • 绝不编造知识库里没有的信息。

第 3 步：上传知识库

1. 在 Bot 设置中找到知识库 / 数据源入口；
2. 上传第 1 步准备好的问答文档；
3. 平台会自动做向量化处理，等待完成即可。

第 4 步：三类测试，一个不能少

在右侧预览窗口，分别测试：

1. 知识库内问题：比如"你们支持哪些支付方式？"——应该准确回答；
2. 知识库外问题：比如"今天天气怎么样？"——应该礼貌表示不知道并转人工；
3. 敏感问题：比如"我要退款，马上给我退！"——应该只引导官方退款流程，不自作主张承诺。

三类都通过，才能发布。

第 5 步：一键发布

Coze 支持发布到多个渠道：

• 飞书（企业内部用最方便）；
• 微信公众号（需要企业认证）；
• 豆包；
• 网页嵌入（直接嵌到自己官网）。

总耗时约 1 小时，其中一半时间花在整理 FAQ 文档上——这才是真正的功夫所在。

路线二：Dify 自部署——数据留在自己服务器

适合：对数据合规有要求、想自己掌控一切的人。以"商品信息查询 Agent"为例。

第 1 步：Docker 一键部署

准备一台装好 Docker 的服务器（自己的电脑也行），依次执行：

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

然后浏览器访问 http://localhost/install，按提示完成初始化。看到登录页，就说明部署成功了。

第 2 步：新建 Agent 应用

1. 登录 Dify 后台，点击"创建应用"；
2. 类型选择 Agent（不是普通的聊天助手）；
3. 配置模型：国内用户可选通义千问等可用的模型；

4. 写系统提示词，定好两条规矩：

   • 回答准确、简洁，只说有依据的话；
   • 查不到的信息，诚实告知"没有找到"，不编造。

第 3 步：接入你的商品数据

把商品信息整理成文档上传为知识库，Agent 就能基于真实数据回答"这款商品有什么规格""多少钱"这类问题，而不是靠模型瞎猜。

两条路线怎么选

• 上手难度：Coze 极低，会打字就行；Dify 需要懂一点 Docker。
• 上线速度：Coze 约 1 小时；Dify 半天左右。
• 数据位置：Coze 数据在平台上；Dify 数据在自己服务器。
• 定制深度：Coze 受平台能力限制；Dify 完全自主可控。
• 适合人群：Coze 适合小白快速验证；Dify 适合有技术基础、重合规的团队。

建议：第一次搭 Agent，先走 Coze 跑通全流程、验证场景价值；等业务真的依赖它了，再迁移到 Dify 自部署。两条路不冲突，是同一个成长路径的两站。