以下是关于 Coze 的 API 流式输出的 Python 代码编写的大致步骤：
另外，在配置输出节点时：
Glif虽好，但我们更熟悉Coze，那就把Glif的功能通过API方式接过来，Coze版【[Ai宠昵名](https://www.coze.cn/store/bot/7385145130602479655)】一，先要创建一个插件：1.填入插件名，插件描述。2.创建方式选择云侧插件。3.IDE运行时选择Python。点击【在IDE中创建工具】。创建工具面板里：1.填入工具名称。2.填入工具介绍。Glif是允许通过API调用平台上的应用，API接入：https://docs.glif.app/api/getting-started去[注册Token页面](https://glif.app/settings/api-tokens)创建一个新的Token并复制备用。将自己发布的glif链接上的id复制备用。在Coze的IDE中引入依赖和编写handler方法。代码中对应的数据字段在元数据Tab中设置：1.填写入参字段和描述，对完整链接要写清楚。2.填写出参字段。左侧的依赖包添加【requests】。填入测试数据运行，测试通过后即可发布。创建一个Bot，挂载新创建的插件即可，在Prompt中做一些对入参的校验和约束。最后，测试从Coze调用Glif功能跑通，发布Coze，大功告成～以上就是大致的思路了。通过这种插件的方式取长补短，可以将Glif作为Coze工作流中的一环，有效弥补图像流较弱影响整体效果～
首先进入Coze，点击「个人空间-工作流-创建工作流」，打开创建工作流的弹窗。根据弹窗要求，自定义工作流信息。点击确认后完成工作流的新建，可以看到整个编辑视图与功能如下：其中，左侧「选择节点」模块中，根据我们的子任务需要，实际用上的有：1.插件：提供一系列能力工具，拓展Agent的能力边界。本案例涉及的思维导图、英文音频，因为无法通过LLM生成，就需要依赖插件来实现。2.大模型：调用LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。3.代码：支持编写简单的Python、JS脚本，对数据进行处理。而编辑面板中的开始节点、结束节点，则分别对应1.2分解子任务流程图中的原文输入和结果输出环节。接下来，按照流程图，在编辑面板中拖入对应的LLM大模型、插件、代码节点，即可完成工作流框架的搭建。
好了，恭喜，到这一步，每个子任务的节点都已经配置验证完毕，现在我们只需要把这些内容像“乐高”一样拼装起来。1.因为我们需要按照固定的格式，直接生成结构化的长文，而不仅仅是返回字段数据，所以需要选择回答模式为“使用设定的内容直接回答”1.由于最终输出结果的呈现是在外层bot中，以对话的形式给出。我们的精读结果往往很长，“流式输出”能够像码字一样，逐步展示内容，有更好的使用体验。1.整理回答中需要使用的变量，在「输出变量」区域中全部引用1.根据最终输出预期，按照Markdown格式的写法，引用「输出变量」区域的参数名，在「回答内容」中输入回答内容模板：最终，我们就能获得这样的回答内容：这些文本，在外层bot中，就会以Markdown格式完成渲染，分别区分显示标题、引用、正文、列表、图片、链接等格式。现在，整个工作流Agent的核心功能，均已经被实现验证，干的漂亮！