Coze（扣子）通过Skill（技能） 作为统一封装层，把插件工具、RAG 知识库、数据库记忆、内存记忆四类能力打包成可复用单元，让大模型从 “聊天” 升级为 “能调用工具、查私有知识、记长期用户信息” 的智能体。下面按机制讲清楚：

Skill 是总指挥：

• 需要查外部数据 → 调用插件
• 需要答专业知识 → 检索RAG 知识库
• 需要认老用户 → 读取数据库长期记忆
• 需要接上文 → 依赖内存短期记忆

---

一、核心：Skill（技能）是能力的 “统一容器”

Coze 2.0 的核心是Agent Skill： 把工具调用逻辑 + 知识 + 记忆 + 流程 + 提示词模板打包成一个标准化、可插拔的 “经验包”，而不是零散的功能。

• 一个 Skill = 场景化解决方案（如 “小红书文案技能”“数据分析师技能”）
• 可一键安装、可自定义、可上架技能商店
• 大模型自动判断何时调用哪个 Skill，执行时严格按预设流程走，结果稳定、可控

二、工具插件（Plugin）：连接外部世界的 “手”

1）作用

让智能体调用外部 API / 服务 / 代码，获得模型原生没有的能力（联网、查数据、发消息、运行代码等）。

2）类型

• 官方插件：搜索、天气、OCR、飞书 / 企业微信、数据库、Python 代码沙箱等，零配置即用。
• 自定义插件：
  • 零代码：填 URL、参数，自动解析 JSON
  • 低代码：用 Coze IDE 写 Python/Node.js，云端托管
  • 企业级：对接内部系统（CRM、ERP），支持 Token 认证

3）调用流程

用户提问 → LLM 判断需调用插件 → 按插件定义组装参数 → 调用外部服务 → 返回结果给 LLM → 生成回答。

---

三、知识库 RAG：私有知识的 “大脑”

1）作用

解决大模型幻觉、知识过时、无法读私有文档问题，让智能体基于你上传的资料精准回答。

2）RAG 机制（Coze 内置）

1. 上传：PDF/Word/Excel/TXT/ 网页
2. 处理：自动分块 → 向量化 → 存入向量库
3. 检索：用户问题 → 向量匹配 → 召回 Top-N 相关片段
4. 增强：问题 + 检索结果 → 一起给 LLM → 生成答案

3）与 Skill 结合

可把特定领域知识库 + 检索规则 + 回答模板封装成一个 Skill（如 “公司产品问答技能”），安装即可用。

---

四、数据库记忆（长期记忆）：跨会话的 “硬盘”

1）作用

永久 / 长期存储结构化数据，跨会话记住用户信息、业务数据、对话摘要，实现 “越用越懂你”。

2）存储内容

• 用户画像：姓名、偏好、历史订单
• 对话记忆：关键结论、用户指令、上下文摘要
• 业务数据：产品配置、客户信息、台账

3）实现方式

• 内置长期记忆：一键开启，自动记录，支持有效期（1–999 天）
• 数据库插件：连接 MySQL/PostgreSQL/ 飞书表格，用自然语言增删改查
• MemOS 插件：第三方记忆增强，支持更复杂的记忆管理

4）与 Skill 结合

封装成 “用户记忆技能”，自动识别并存储用户信息，后续对话自动召回。

---

五、内存记忆（短期记忆）：当前会话的 “缓存”

1）作用

单次对话内的上下文跟踪，记住多轮对话中的临时信息（如用户称呼、已确认参数、追问线索），保证对话连贯。

2）特点

• 会话结束即清空，不持久化
• 自动管理：无需手动开启，默认生效
• 上下文窗口优化：只保留关键信息，避免窗口溢出

3）与 Skill 结合

Skill 可读取当前会话的内存记忆，实现多轮任务（如 “先查天气，再推荐穿搭”）。

---

六、四者如何协同（一句话串讲）

Skill 是总指挥：

• 需要查外部数据 → 调用插件
• 需要答专业知识 → 检索RAG 知识库
• 需要认老用户 → 读取数据库长期记忆
• 需要接上文 → 依赖内存短期记忆

所有能力都被 Skill 统一调度、统一管理、统一交付，开箱即用、可定制、可复用。

---

七、对比：传统插件 vs Coze Skill

表格

能力	传统插件	Coze Skill
粒度	单一功能（如 “查天气”）	完整场景（如 “出行规划”）
包含	仅工具调用	工具 + 知识 + 记忆 + 流程 + 提示词
稳定性	易受 LLM 随机影响	固定流程，结果可控
复用性	零散、难组合	一键安装、跨项目复用