Coze搭工作流，记得在RAG前先做业务判断

本来想分享下【怎么把「热点选品→发文」内容自动化】，但遇到了好多问题，先总结下需求分析拆 AI 工作流的问题和踩坑 💥 🔥 通过热点选品推荐应该是做自媒体运营/内容编辑/品牌营销最常见的场景之一。 以电商卖货为例，核心流程大概是： 1. 🔍 看热点/检索相关新闻 2. 🤔 判断新闻是否/能挂什么商品 3. 🛒 从商品库挑选合适商品 4. ✍️ 根据挑选商品和新闻创作推广文案 5. 🎨 配商品图/做口播视频 6. 🚀 发布 🤖 转换为 Agent 视角： 抓新闻 ➔ LLM 分析判断 ➔ 知识库检索商品 ➔ LLM 写文案 ➔（再出图/视频）➔ 人工确认 ➔ 发布 ❌ 搭建时踩的坑： 1️⃣ 一开始甚至想循环每一个商品进 LLM 做一次和热点新闻匹配的判断，但也立刻意识到这不是好的方案。商品类目非常多，调 LLM 次数太多会有严重的成本和效率问题！📈 涉及库的最佳实践还是做 RAG。 2️⃣ 直接用检索到的新闻进 Coze 的知识库进行语义检索/匹配，让系统“自己找出最相关的商品”，认为这就是判断新闻是否与商品相关的全部。甚至还错误默认 Coze 知识库检索自带的查询改写能优化到提炼出商品信息。 但在测试中发现，在创建的商品库里明明有的商品，检索到相关新闻却也无法推荐。 💡 主要原因在于： 🧩 语义空间不一致：直接检索容易跑偏。新闻是“事件叙事”，而商品库是“品类/规格”。长新闻无论是 title 还是 brief，作为 query 时噪声都太大。 🎯 必须先做语言转换：需要先让 LLM 对新闻进行理解，推荐出相关的商品 keywords，将“新闻语言”转换为“商品语言”。 🛠️ Coze 知识库查询改写有局限：它确实能优化重构检索语句（如精简、补全上下文），但它解决的是“怎么搜”，无法决定“该搜什么/选什么商品”，不能做业务判断。 📦 黑盒：Coze 的 RAG 是一个黑盒，无法插入自定义规则，难以复盘。而在检索前加一层 LLM 分析推荐，可以强约束输出格式、制定更明确的业务规则，使其更可控、更可解释，是人工审核的控制点！ 📢 因此 ❌不要让 RAG 替你做“意图判断”！ 在 RAG 前，先进行符合业务需求的深度查询改写。✨ #AI学习#coze工作流 #RAG#AI新手村#Ai教程 @科技薯