背景和功能价值

写作的门槛，往往不在“写”，而在“想清楚怎么写”。大多数写作工具直接生成内容，却忽略了前期关键的需求梳理与规划环节。

这个智能体的核心价值在于：

• 深度需求挖掘：不止步于表面指令，通过启发式问卷帮你挖掘写作背景、目的、受众等隐性需求。
• 动态任务规划：智能判断是否需要联网搜最新素材、是否需要先搭建大纲，逻辑清晰。
• 强交互确认机制：关键节点（如大纲）设置选择卡，让你随时介入、调整，保证内容不跑偏。
• 专属专家生成：根据你的具体需求，动态生成一个最匹配的“写作专家”指令来执笔，而非千篇一律。

搭建思路

关于这个智能体的体验链接放在文章的最后，感兴趣的朋友可以先去体验看看～

智能体的搭建

工作流搭建详情图如下

工作流后半部分：内容规划阶段的部分节点内容和内容创作阶段的节点内容

nerror="javascript:errorimg.call(this);">

从图中可以看出，智能体的工作流设计主要分为3个阶段：需求收集阶段-内容规划阶段-内容创作阶段，接下来我根据阶段内容进行节点拆解：

引导用户梳理写作需求，并生成启发式问卷，给予用户写作灵感。

由【需求挖掘大模型节点】接收用户的每轮输出（对话历史），按以下规则进行顺序判断：

• 若写作主题缺失：询问用户写作主题；
• 若有主题、写作类型缺失：发送【写作类型选项卡】，收集写作类型；
• 若写作主题和类型完整：生成启发式问卷，引导用户梳理写作背景需求。
• 当用户回复问卷问题后：直接进入内容规划阶段。

节点拆解

功能说明：负责用户输入的需求澄清、行为决策，并生成启发式问卷，挖掘用户的写作需求。

处理流程

1. 提取和识别用户写作需求：从对话记录中提取写作主题、写作类型、背景信息，如果有缺失则直接引导提问。
2. 生成启发式问卷：当用户的写作主题和类型完备则按问卷要求生成启发式问卷，引导用户梳理写作背景信息。
3. 决策是否可以进入内容规划阶段：当历史对话中发送过启发式问卷且被用户回复，则可以进入内容规划阶段。

将需求判定结果和回复用户话术等内容，以JSON格式进行输出，方便后续节点的调用。

2. 写作类型选项卡节点

设计细节：我发现选项卡节点的逻辑设计很巧妙，相当于在工作流运行的中途收集用户需求，可以实现短暂的跳出工作流，接收新的用户输入（即开始节点的系统变量”UserQuery”），又再一次进入工作流，所以在选项卡节点后边，再次增加一个和之前相同的【需求挖掘大模型节点】，实现对选项卡节点的“用户输入”进行新一轮的决策引导，相当于完成了一个小的“需求挖掘闭环”。

nerror="javascript:errorimg.call(this);">

根据用户写作需求规划任务，按需执行「搜集资料」和「创建大纲」任务，为后续内容创作提供资料支持。

详细功能流程图如下

nerror="javascript:errorimg.call(this);">

1. 内容规划大模型节点

输入内容

• 用户写作需求：引用需求挖掘大模型节点的”anlysis”对象字段，包括写作类型、主题、背景信息。
• 对话历史：引用开始节点的”ChatHistory”，目的是保证上下文对话的连续性。

nerror="javascript:errorimg.call(this);">

根据用户写作需求规划任务，判断是否需要联网搜索（生成搜索指令）和创建大纲，并生成回复用户话术。

判断结论和回复用户话术等内容，以JSON格式进行输出，方便后续节点的调用。

2. 联网搜索插件节点

元器平台提供了很多插件，可以方便我们在工作流中调用外部工具，实现更丰富的玩法。这里就用到了官方提供的搜索插件。

在工作流中添加“插件节点”，选择「DeepSeek 搜索」。

nerror="javascript:errorimg.call(this);">

在工作流中调试，查看调用联网搜索插件节点的输出详情，可以看到输出结果是经过DeepSeek总结过的资料信息，方便后续模型节点的直接使用。

nerror="javascript:errorimg.call(this);">

功能说明：当内容规划师分析用户写作需求，判断需要创建大纲的时候，调用该节点。

输入内容

• 用户写作需求：引用【需求挖掘大模型节点】总结的”anlysis”对象字段，包括写作类型、主题、背景信息。
• 联网搜索资料（可能有）：引用【联网搜索插件】输出的”output”变量

nerror="javascript:errorimg.call(this);">

根据用户写作需求，参考搜索资料，按照模版要求生成创作大纲，这里注意大纲的内容要保持简洁，不能喧宾夺主。

写作大纲文案，以markdown格式进行结构化输出。

提示词片段如下：

nerror="javascript:errorimg.call(this);">

功能说明：当生成大纲后，发送大纲调整选项卡节点，向用户确认是否需要进行大纲调整，并收集用户调整需求。目的是在内容创作前确保大纲框架符合用户预期，避免后续方向偏离。

一开始的思路是采用循环节点：实现多次跟用户进行大纲的确认与修改，直至满意为止，但发现目前循环节点仅支持数组的输入，无法直接实现我想要的动态收集调整意见的效果，所以只能另辟蹊径了。

这里面有2个需要注意的点：

• 由于选项卡的交互形式容易让用户倾向直接点击按钮，我们需在文案中明确引导，确保需要调整的用户直接发送修改意见而非仅点击按钮。
• 由于我们只发送一次大纲调整选项卡（调整完成后直接进入创作阶段），无法实现像循环节点那样多次确认修改的功能，所以需要跟用户强调，只有一次修改机会，防止用户误解可以多次确认修改。

处理逻辑

• 用户点击「不需要调整」：直接进入内容创作阶段。
• 用户误点击「需要调整」或直接发送调整意见：进入【修改大纲大模型节点】进行大纲调整。

功能说明：当用户在大纲选项卡节点发送「大纲修改意见」后，调用该节点，进行大纲调整。

输入内容

• 用户写作需求：引用【需求挖掘大模型节点】生成的用户写作需求对象”analysis”，用于修改参考。
• 联网搜索资料：引用【联网搜索插件节点】输出的”output”变量，用于修改参考。
• 大纲初稿：引用【创建大纲大模型节点】生成的大纲内容。
• 大纲调整意见：引用用户在【大纲调整选项卡节点】发送的调整意见，实际引用的是开始节点的系统变量”UserQuery”。

nerror="javascript:errorimg.call(this);">

参考用户写作需求，根据大纲修改意见，对大纲初稿进行调整，生成最新的大纲。

修改后的大纲终稿

提示词片段如下：

nerror="javascript:errorimg.call(this);">

功能说明：当大纲修改后，需要将初稿和终稿两个变量聚合为一个最新大纲，方便后续内容创作阶段调用。

注意：变量1必须是修改后的大纲终稿，因为当变量1和变量2同时存在的时候，默认会选取“变量1”为输出变量，所以当大纲修改后必须取大纲终稿为最新的输出变量。

nerror="javascript:errorimg.call(this);">

根据写作需求和创作资料，动态生成写作专家指令，生成高质量符合用户需求的文章。

功能流程

1. 生成写作专家指令：接收用户写作需求、创作资料，由【写作专家指令生成大模型节点】生成写作专家提示词。
2. 完成内容创作：接收用户写作需求、创作资料，由【全能写作专家大模型】依据写作指令完成创作。

nerror="javascript:errorimg.call(this);">

1. 写作指令生成大模型节点

输入内容

• 用户写作需求：引用【需求挖掘大模型节点】生成的用户写作需求“analysis”对象字段。
• 写作大纲：引用【最新大纲变量聚合节点】生成的写作大纲。

nerror="javascript:errorimg.call(this);">

理解用户写作需求，按照写作大纲框架生成写作指令。

写作执行指令文案

2. 全能写作专家节点

用户写作需求、写作大纲、搜索资料、写作指令

nerror="javascript:errorimg.call(this);">

理解用户写作需求，根据写作大纲和搜索资料，遵循写作指令，完成创作。

符合用户需求的文案写作

四、其他细节处理节点

代码节点

对于非开发者用户，虽然我们不会写代码，但只要将需求背景描述清楚，就可以借助AI生成。以下是我发给DeepSeek的提问信息，大家可以参考：

nerror="javascript:errorimg.call(this);">

消息节点

等待图片效果如下：

用户发送一个简单的写作主题后，智能体识别到需要收集写作类型，然后发送写作类型选项卡，引导用户快捷点击按钮选择写作类型。

nerror="javascript:errorimg.call(this);">

当用户确认写作主题和类型的时候，智能体发送【启发式问卷】，帮助用户梳理写作背景信息，给予灵感启发。

nerror="javascript:errorimg.call(this);">

接收到用户详细的写作需求后，交由内容规划师规划任务，判定该写作任务需要联网和创建大纲，然后执行联网搜索任务，再创建写作大纲。

nerror="javascript:errorimg.call(this);">

大纲生成结束后，智能体会发送选项卡，向用户确认是否需要调整大纲。

nerror="javascript:errorimg.call(this);">

内容创作

使用了搜索资料的文章会在底部显示【引用来源】网页地址信息，方便用户回溯检查内容的真实性。

nerror="javascript:errorimg.call(this);">

在设计这款全能写作专家智能体时，我的目标始终明确：要构建一个能够自主规划、分析与决策的写作 Agent。尽管使用工作流去搭建Agent存在一些功能局限，但整体已初步实现了 Agent 的核心构想。

用户想要“简单输入就能得到完美结果”，但 AI 需要“清晰的指令才能保证输出质量”。

在这个过程中，AI 并非替代用户思考，而是将用户置于关键决策位置，通过低门槛交互逐步引入其真实需求。

总结而言，构建一个真正可用的智能体，其精髓不在于模型的单一能力有多强，而在于我们如何设计一套机制，将人的智慧与判断，有机地嵌入到AI的执行流程中。

智能体体验与交流

欢迎大家复制下方链接并打开网页，对话体验我搭建的「全能写作专家」智能体：

如果你在搭建过程中有任何问题，或者对写作Agent有任何想法意见，欢迎在评论区留言～

题图来自Unsplash，基于CC0协议