EVE/COZE/2026-01-20/TRANSCRIPT→STRUCTURED
Coze 2.0 更新详解：技能、工作流与长期计划
EVE/COZE/2026-01-20/SKILLS-FRAMEWORK
技能四维分类
• 纯指令型：用户自行生成，门槛最低
• 资源型：需上传文件作为知识库
• 工具集成型：封装插件，开发机会大
• MCP 插件型：接入外部生态，价值最高
技能与工作流、智能体形成差异化梯队：技能搭建简单、门槛低，适合小白；工作流复杂稳定，适合批量任务；通用智能体自由度高但不可控。扣子抖音提取文案技能等封装类技能具有显著开发机会。
"技能介于大语言模型和工作流之间——比模型完成工作更准确，但在复杂项目中的稳定性不如工作流。"
— 二师兄（谭轶骅）
EVE/COZE/2026-01-20/USE-CASES
3D 打印新手百科全书技能
问题识别 → 参数分析 → 调整建议（热端、切片软件、材料干燥）
核心价值：将专业知识结构化为可复用决策流程
学科辅导技能矩阵
📐 数学：题目拆解 → 可视化生成 → 标准答案对齐（扣子正确率优于其他模型）
📝 语文：题目解析 → 素材头脑风暴 → 写作框架 → 转折金句 → 评分点优化
📚 文献：论文搜索 → OCR识别 → 摘要提取 → 研究方法解读 → 代码复现
关键洞察：约束性强化稳定性。技能通过规范流程执行（如中考作文五步法），相比通用智能体的"自由发挥"，结果更符合预期。
EVE/COZE/2026-01-20/STRATEGY
产品定位三维度
🎯 C端应用层：职场人第一 AI 应用，解决重复工作
⚙️ 生产力工具层：编程接口，解决复杂问题
💼 企业内部化：将业务流程封装成技能，提升组织效率
长期计划功能（蝉计划）
• 复杂任务自动拆解成节点
• 生成高质量 PPT、教案、课件
• 内容规划科学，质量稳定可编辑
💡 "中间层开发机会在减少，平台往前端发展。好的技能或智能体，核心是最佳工作流设计。扣子最早做技能，技能商店面向 C 端市场空间大。"
— 罗文
EVE/COZE/2026-01-20/METHODOLOGY
PRD 驱动开发 vs 自然语言
✅ 使用 PRD 方式：输出更精准、规范、可控
⚠️ 纯自然语言描述：缺乏结构，生成质量不稳定
现场对比验证：商业计划书教案生成中 PRD 方法明显优胜
复杂任务拆解原则
❌ 错误：一个技能承载 BP 所有板块 → 上下文溢出
✅ 正确：执行摘要 → 市场分析 → 财务预测 → 融资需求（多技能 + 工作流）
关键词：模块化、职责单一、工作流编排
技能与工作流关联机制：通过预识别规则在智能体界面设定，让 AI 精准调用插件/工作流/技能，提高命中准确性。
EVE/COZE/2026-01-20/TECH-SOLUTIONS
PDF 解读准确率低问题
推荐方案：上海深圳智能研究院开源 MINIU 插件
优势：内置 API 接口，解读效果显著优于通用插件
设计图理解（CAD/规划图）
OCR 层面：文字提取（效果可靠）
理解层面：多模态模型（谷歌 Gemini、豆包视觉）
定义维度：交付层、交付逻辑、文字排版、色系
⚠️ 专业缺陷查找需专业化模型训练（待行业方案成熟）
视频 URL 识别失效
问题：文生视频 URL → 豆包视觉模型 → 仅识别为字符串
方案：① 在 Coze 节点设参数转换；② 下载视频本地处理；③ @官方人员在交流群询问
关键洞察与行动项
- 商业模式升级：建议官方将技能收费从订阅制改为次数制，降低用户决策成本，提升技能市场流动性
- 开发者分层：第一、二层技能（纯指令、资源型）竞争激烈；第三、四层（工具集成、MCP）是盈利绿洲
- PR D 方法论：用结构化 PRD 而非自然语言描述技能需求，提示词质量提升 40%+，输出精度显著优化
- 模块化架构：复杂任务（BP、课件、报告）拆成多个单一职责技能，通过工作流编排，提升稳定性与可维护性
- 信息精准化：关注微推 API、Twitter 一线从业者，避免自媒体流量陷阱；每天使用扣子 1 小时做同款练习，快速掌握工具
- 技能 + 工作流协同：技能做决策链（约束性强），工作流做复杂批量（稳定性好），二者互补而非替代
- 职场应用优先：将扣子定位为知识工作者生产力工具，优先开发职场刚需技能（文案提取、数据分析、内容生成），C 端市场广阔