Coze 3.0来了!别再自己复制、粘贴搬上下文了!

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: Coze 3.0聚焦真实协同痛点,首创「项目级A2A协作」:支持多人+多Agent灵活组队、跨端(网页/桌面/手机)无缝衔接、本地与云端Agent统一调度,并内置行业模板与专业技能。告别复制粘贴、上下文断层与工具割裂,让资料、对话、决策、产出在同一个项目中自然流转——AI真正在帮你扛事,而非添乱。(239字)

老金最近发现AI协作的产品越来越多了,估计大家也能看到很多类似的产品了。

打得招牌都是团队、协作、提效、智能体矩阵,但你会发现,它要么在网页端,要么只能在本地,想要多端协同的几乎没有,或者需要结合很多第三方软件进行操作。

就拿做一份方案来说,资料在飞书,截图在桌面,竞品链接在浏览器,老板的要求在聊天记录里。你让一个 AI 总结资料,再换一个 AI 改标题,再找另一个 AI 做 PPT 大纲。每一步看起来都用了 AI,但中间那堆复制、粘贴、解释、补背景,还是你自己在扛。

这时候Coze来了,老金我已经写过很多Coze的说明文章了,不说别的,体验和性价比是都到位了。

所以我看 Coze 3.0 的时候,最想确认的是它能不能把一个真实项目里的资料、偏好、对话和结果放在一起,让人少做一点中转,我认为这个才是协同中最大的痛点。

从这次内测资料看,扣子这版主线很清楚:
新一代 AI 团队,从扣子开始。
它支持多人多 Agent 协作,一个人加多个 Agent、多人加多个 Agent 都能放进同一个项目里。
项目可以独立管理,资产会沉淀下来,Agent 之间可以接着同一个任务往下做。

案例中,老金实操了4项,本篇篇幅有些长。
因为恰恰这个方向是老金最近也在发力的方向,所以老金详测了一版。

实测案例:
1、老金最近最关注的,决策能力,当然是A2A协同的
2、线上和本地的跨端协同,一样A2A
3、股市分析A2A协同
4、视频创作A2A协同

Coze 3.0更新了什么

Coze 3.0 的资料里,信息其实不少。

首先简单看看,在新版Coze页面中,点击对话的+,就能弹出3种项目类型。

Image

左侧对话框内已经带有2种案例,一个是编程项目,一个是视频项目,Coze很贴心的做了两种交互页面。

看起来是独立的运行窗口,你可以直接玩,右侧是个可以操作的游戏界面。

Image

视频项目的操作区域也把基础操作功能都包含了,剩下的交给AI。

Image

下面先来讲一下3.0的特性都有哪些。

第一块是多人多 Agent 协作。
官方说法是,一人加多 Agent、多人加多 Agent 都能灵活组合,@ 一下全员就位。多项目独立管理,资产自动沉淀,让团队协作更有序。在创建项目的时候直接选择你要参与的项目Agent即可。

Image

第二块是专业伙伴。
云端Agent里的Coze Agent持续满配在线,主流模型可以切换,还有长期记忆和工作台。编程项目可以从开发走到上线,视频项目可以从灵感走到成片。

这里可以开启云端,不过是按天计费的,不用了记得移除。

Image

第三块是本地 Agent 开放接入。
Claude Code、Codex CLI、OpenClaw 都能接进来。这里不要只当成技术噱头,它背后的意思是,本地环境里的文件、代码、上下文,可以在授权范围内进入项目协作。

先选择接入本地。

Image

然后他会给你个token,把它复制到本地的终端当中,弹出这个执行就OK了。

Image

然后直接接入即可在聊天窗口看见新增的Agent,链接到你的本地。

Image

第四块是行业专家模板。
自媒体、法律、金融、科研这些场景,可以加载更贴近行业的专家技能。不是所有任务都适合从零调教一个通用 AI,有些任务需要一开始就站在更专业的位置上,它们已经配套了很多专业的Skill。

Image

细心的小伙伴已经发现 选择职业模版和云端Agent 在上文中是有个金色钻石的,但是下面没了。
没错。。我充值了,高阶版本和旗舰版本的包含这些功能。但是,我认为性价比蛮高的。
光云端设备费用和Seedance 2.0,就已经很值了。

Image

第五块是跨端同步。
桌面端可以授权 Agent 处理本地文件,App 端能继续推进编程和视频项目,还能用手机调度本地电脑里的文件。落到真实场景里,其实就是人离开电脑后,任务不用停。

还有移动端视频创作。手机上可以用模板一键套用,提示词和示例素材会自动填进输入框。你换自己的素材,选比例,选视频模型,比如 Seedance 2.0,再发送生成。生成后还能点视频进入编辑页,把某个片段添加到对话里,用自然语言改。

这些内容如果全摊开写,会变成产品说明书。所以老金我抓4个我常用的场景。

案例1:增加自媒体传播力,实现符合目标的高增长

我创建了一个自媒体团队,拉入了公众号和小红书助手,并发起了灵魂拷问。

Image

整个的过程并不是一个Agent从头到尾,而是每个独立Agent搜集完信息后,给到了主Agent进行分析。

Image

它经历的第一轮搜索信息不是最新的,于是我加入了约束条件,修正后是对的了。

这里有个小技巧,提示词里直接用获取当前时间,并重新fetch最新信息。

Image

接下来,它收集了我的信息后,给出的答案,给了我灵魂冲击,让我一个产品出身的人,还是高级那类,有些无地自容。。。

老粉都知道我以前合伙创业做产品策划和项目负责人带团队,现在要转OPC创业了。现在给新人过一遍,信息完全准确,直接定位到了我价值最大的两个区域。

Image

然后是它的ShowTime了。。一个个问题直击我灵魂,本来我是想做自媒体教程分享的,但我觉得方向的正确性更重要,现在很多我的老粉也开始做内容创作,做了很多发现并没有实际的有效闭环,原因在我归类看问题发生的大部分都在这,方向错误。

这个是我想重点来说的。

做事之前,多思考。思考清楚了,事半功倍。

大致可以归类为以下几个重点,详情就不放了,太占篇幅。

1、目标用户与触达手段存在冲突。
2、私域并未有效激活。
3、人设定位在2年半前刚接触AI,一直定位为小白。。这个我真出汗了(捂脸笑)
4、一鱼多吃上存在缺口,浪费流量。

头头是道,点的我汗流浃背的。。。它也给出了有效的解决方案。

Image

于是,我的方向明确了,后面的执行就可以顺理成章了。

为了方便大家观看差别,我让他做了一版新方向上的迭代,利用了历史文章。

Image

它直接帮我面向的目标群体抓的很准确,别说读者了,我看了都感兴趣点进来。。。

一下就把我toC的文章变成了toB的视角,方向一下就对味儿了。

案例2:研发协作 - 本地版

再看一个研发协作场景。这个来自本地 Agent 接入。

产品同学问研发问题,研发忙,回不过来。但研发电脑里的 Claude Code 或 Codex CLI 有完整项目代码上下文。把本地 Agent 接进 Coze 项目后,产品同学可以先在项目里问它。它仍然运行在本地授权环境里,能读到该读的代码和文件,不需要产品同学自己翻仓库。

操作也不复杂。先在 Coze 里新建一个项目,比如研发本地协同。项目里放需求文档、设计稿链接、现有页面截图。然后选择本地 Agent 接入,按页面给出的 token 在本地终端执行授权。接入成功后,聊天窗口里会出现这个本地 Agent。

Image

这样你就和你的两员大将直接操控本地。
我故意用一种语音描述的形式,来进行了表达,其中对于盘符和项目名字是故意写的不规范的。
有点儿长,迅速划过就行,代表俩都连上了,而且按照我本地的设定走了。

Image

然后我又圈了Coze Agent帮我整理信息,做出二次判断。
一样,快速划过即可,主要为了体现上下文全部跨端收集好了。

Image

这种场景很适合写进 PR 稿。

因为它讲清楚了“接入本地 Agent”和“直接在本地用 Claude Code”有什么区别:本地 Agent 仍然在本机执行,但讨论、资料和结果沉淀在 Coze 项目里。产品、运营、研发可以围着同一个项目对话,不是每个人把自己的 AI 单独开一遍。

如果对你有帮助,记得关注一波~

案例3:股市也能写,但要写成投研资料室

财报、公告、电话会纪要、新闻链接、券商研报都可以放进项目里,让它整理公司卡片、风险清单、关键问题和财务变化。

当然也可以让他自己去搜索一些信息,进行一些预测。

Image

分析的非常长,可以清晰的看到,按照我的需求,进行了 Agent to Agent的信息传递。

image.png

这个分析的过程,以及6月的预测和老金这个多年的韭菜观点一致,证明他没瞎说!(也可能和我一样是个老韭菜,哈哈,开玩笑)

案例4:用Seedance 2.0弄个广告

视频创作、模板一键套用、Seedance 2.0、片段级修改、全局资产库和跨端编辑。

打开扣子 App,进入视频项目,选一个接近目标的模板,一键套用。模板会把提示词和示例素材自动填进输入框。把示例图换成课程封面、产品图或活动现场图,选比例,选 Seedance 2.0。

image.png

第一句直接给结构。

做一条 10 秒老金的AI课程预告。前 3 秒出现课程主题,中间 4 秒展示课堂片段,收尾 3 秒给一句提醒。整体不要像广告,要像老师课前提醒学生。

选择风格库后,它会帮你补全风格提示词,生成后,可以在手机移动端直接查看。

image.png

全局资产库也能顺手带出来。课程封面、老师照片、产品图、历史视频都放进资产库,下次做另一条预告不用重新上传。项目里生成过的图片、视频、音频,也能变成历史素材继续用。

这里有个心得,越是多 Agent,边界越要清楚。

很多人第一次用这种能力,会把一个项目塞得很满。资料、写作、审查、数据、视频全上,表面上像组了团队,真实用起来很容易互相重复。前一个刚拆完材料,后一个又从头总结一遍。

我更建议按“主线 + 接力口”来用。主线只有一条,比如 PPT 是汇报能不能讲清楚,留学是申请地图,投研是风险和待核实问题,视频是 10 秒成片。每个 Agent 只接一小段:先摊开材料,再挑问题,再改产物。不要让每个 Agent 都从头到尾发表意见。

交接也要写清楚。不要只写你看看。要说它接的是哪份结果,只看什么,不看什么。

@Agent 请只检查上面这份申请地图,不要重写文书。重点看学校分层、材料缺口和两周计划。
@Agent 请只挑风险,不写结论,也不要给买卖建议。每条风险后面标出来自哪份资料。

这类句子看起来啰嗦,但很有用。多 Agent 最大的问题不是没人干活,而是都想把活干完整。你把边界写窄,它反而更容易交出能用的东西。

还有一点,要有人收口。

Coze 里可以让多个 Agent 接力,但拍板的人还是你。哪份材料进入项目,哪个判断留下来,哪条建议删掉,哪段视频算过,这些不能交给 AI 自己互相说服。尤其是投研、留学这种有后果的事情,AI 可以整理和提醒,不能替你承担选择。

所以多 Agent 真正好用的方式,不是全员一起上。
更像你在一个项目里安排几轮动作:先把桌面清出来,再挑问题,再改一版,收不收,你说了算。

新时代的人与AI的协同

这个话题老金最近翻来覆去的讲,因为我个人的OPC创业方向也是一样的。

人到底怎么与AI协同?我认为是近5-10年的核心目标。

这个方向,熟悉老金我的读者应该知道,我在讲我的元框架理论的时候,就有说过相对好的分工方式是这样的。

AI它更像一支能被你命名、分工、调度的 AI 队伍。你还是拍板的人,目标你定,结果你验收,关键判断也归你。

只是从前那些复制粘贴、来回解释、窗口切换、上下文串台的破事,终于有人帮你扛一部分。

从此,打开扣子,建项目,@ 一下。

全员就位。


每次我都想提醒一下,这不是凡尔赛,是希望有想法的人勇敢冲。
我不会代码,我英语也不好,但是我做出来了很多东西。
我真心希望能影响更多的人来尝试新的技巧,迎接新的时代。

谢谢你读我的文章。
如果觉得不错,随手点个赞、在看、转发三连吧🙂
如果想第一时间收到推送,也可以给我个星标⭐~谢谢你看我的文章。

相关文章
|
4月前
|
存储 自然语言处理 机器人
OpenClaw 搭团队太折腾?这个 Skill 一键搞定多智能体协作
阿里云OpenClaw是专为多智能体协作设计的基座,采用Actor架构,支持Agent独立运行与消息驱动协作。针对协作规范缺失、配置复杂、过程不透明等痛点,推出agentrun-team Skill,实现“一句话建团队、自然语言下任务”,让智能体像真实员工一样高效协同。
|
4月前
|
安全 API 云计算
零基础上手OpenClaw(Clawdbot):计算巢及本地部署、阿里云百炼API配置及避坑指南
OpenClaw(曾用名Clawdbot、Moltbot)是一款开源AI代理与自动化平台,具备自然语言交互、任务自动化执行、多模型兼容等核心能力,可广泛应用于个人智能助手搭建、企业办公流程自动化、自定义工作流构建等场景。该项目于2024年底启动,2025年底在GitHub爆红,因商标合规问题,2026年1月短期内完成两次更名(Clawdbot→Moltbot→OpenClaw),最终确定的“OpenClaw”名称,既强调开源、开放、社区驱动的核心理念,又保留了项目起源的龙虾吉祥物相关元素“Claw”,且完成了完整的商标检索与域名注册,保障项目长期稳定发展。
2266 11
|
网络协议 Linux 应用服务中间件
Emby 客户端破解
前言 对于各路资源大佬们来说,Emby 的大名肯定不陌生了
|
Kubernetes 调度 Docker
Docker 是什么? 和 Kubernetes(k8s) 之间是什么关系?
Docker是将程序和环境打包运行的工具,提供统一的运行环境,解决跨平台部署问题。它基于基础镜像(包含操作系统和语言环境)构建,通过Dockerfile描述构建过程,并生成容器镜像。镜像存储在Registry中,通过pull/push操作分发。容器是从镜像解压出的独立运行实例,类似轻量级虚拟机,但共享宿主机内核。Docker与Kubernetes(k8s)关系:Docker解决单容器部署,Docker Compose管理多容器服务,Docker Swarm实现集群部署,而k8s是容器编排引擎,管理Docker等容器的调度和扩展。
2531 7
Docker 是什么? 和 Kubernetes(k8s) 之间是什么关系?
|
5月前
|
人工智能 监控 API
Claude Code终于有仪表盘了:3条命令装个HUD,上下文用了多少一眼就知道
老金我最近用Claude Code,遇到一个特别烦的事。 写着写着,突然蹦出来一句"context window is getting full"。 然后AI就开始犯傻了——回答变短、逻辑变乱、之前说好的方案全忘了。 每次遇到这种情况,老金我都想骂人。 问题出在哪? Claude Code的终端界面,压根看不到上下文用了多少。 你只能输入 /context手动查,但谁写代码的时候
12714 9
|
5月前
|
机器学习/深度学习 人工智能 算法
无人机角度的道路损害检测数据集(7000张图片已划分、已标注)| AI训练适用于目标检测任务
基于无人机视角的道路损害检测,是智能交通与智慧城市建设的重要组成部分。本文介绍的数据集,从真实巡检场景出发,覆盖典型道路病害类型,为目标检测算法在复杂环境下的验证与落地提供了坚实基础。 随着无人机平台、传感器精度及深度学习算法的持续演进,结合此类高质量数据集的研究,将进一步推动道路养护从“被动响应”向“主动预防”转变。
无人机角度的道路损害检测数据集(7000张图片已划分、已标注)| AI训练适用于目标检测任务
|
5月前
|
人工智能 运维 架构师
老金开源Agent Teams编排Skill:一句话自动组队,手动挡时代结束了
加我进AI讨论学习群,公众号右下角“联系方式” 文末有老金的 **开源知识库地址·全免费** --- 术语说明:"Swarm/蜂群"是多Agent协作的通用说法(OpenAI有官方项目叫Swarm),但 Claude Code的官方概念是Agent Teams。本文使用官方术语Agent Teams,保留"蜂群"作为通俗说明。 先说老金我昨儿开源了[老金开源10万字Claude Code中文
5266 10
老金开源Agent Teams编排Skill:一句话自动组队,手动挡时代结束了
|
12天前
|
人工智能 自然语言处理 文字识别
阿里云Qwen 3.7 Plus与Max实测对比:2026年多模态能力与性价比深度解析
2026年阿里云推出的Qwen 3.7系列包含Plus与Max两款核心模型,二者共享100万tokens超长上下文窗口与35小时自治执行上限,但在模态能力、底层架构、输出上限与资费标准上存在本质差异,分别面向不同量级与类型的AI应用场景。
418 0
|
7月前
|
人工智能 自然语言处理 供应链
2025盘点:8类RPA机器人,从值守型到智能型全解析
RPA机器人正重塑企业数字化转型,作为“数字员工”广泛应用于财务、政务、医疗、电商等领域。从有人值守的桌面助手到AI增强型智能体,RPA通过自动化重复任务,提升效率、降低错误率。2024年中国市场规模达67.9亿元,同比增长35.8%。未来,RPA将融合AI技术,迈向智能决策,成为企业提效降本的核心工具。
1265 1
|
3月前
|
缓存 资源调度 BI
《零成本提升QClaw运行速度,这5招就够了》
本文针对QClaw随使用时长增加逐渐卡顿的普遍痛点,打破“卡顿必升级硬件”的常见误区,指出问题根源在于默认配置不合理与错误使用习惯。作者通过三周系统性实测,总结出五个零成本、立竿见影的性能优化技巧,涵盖模型分层加载、动态上下文裁剪、任务批量合并、本地缓存分级管理与后台进程资源隔离。这些技巧无需额外投入,可让QClaw运行速度直接翻倍,且适用于所有本地运行的智能体工具,为技术从业者提供了可直接落地的通用性能优化方案。
527 9