以下是使用 Coze 做一个可以提取上传 PDF 文档相关内容的智能体的思路：
前期准备：
逐步搭建 AI 智能体：
通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出，由 Coze 调用大模型、插件，完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据。这样一来，理论上无需开发任何插件、APP，也能实现跨平台的稍后读收集与智能阅读计划的推荐。
接下来开始在Coze中逐步搭建AI智能体。首先搭建整理入库工作流。这一步是支撑整个AI稍后读服务的前置流程。需要实现以下功能流程：在搭建内容入库工作流这一步，我花了相当长的时间，调试飞书多维表格插件的使用方式，因为篇幅原因，不在此详述，我将直接分享最终的设置方式。首先新建工作流「url2table」：根据弹窗要求，自定义工作流信息。工作流全局流程设置如下：[heading3]3.1开始节点：输入url[content]由于希望收到用户输入的待收藏url，就开始流程，所以不需要额外配置（至于如何判断哪些用户输入是需要收藏的url，则交由外层bot的大模型判断）：[heading3]3.2变量节点：引入bot变量中保存的飞书多维表格地址[content]为了便于维护充当稍后读存储地址的飞书多维表格链接，我们需要将这个链接存储在bot的变量中，并在工作流运行时进行引用。添加变量节点，设置如下：这样一来，在bot整体运行时，就能从外层bot获取变量{{app_token}}，用于告知「飞书多维表格」插件需要在哪个地址新增数据。[heading3]3.3插件节点：获取页面内容[content]这一步直接把开始节点的{{BOT_USER_INPUT}}，引入到参数{{url}}中；随便设置{{timeout}}为60000。
接下来开始在Coze中逐步搭建AI智能体。首先搭建整理入库工作流。这一步是支撑整个AI稍后读服务的前置流程。需要实现以下功能流程：在搭建内容入库工作流这一步，我花了相当长的时间，调试飞书多维表格插件的使用方式，因为篇幅原因，不在此详述，我将直接分享最终的设置方式。首先新建工作流「url2table」：根据弹窗要求，自定义工作流信息。工作流全局流程设置如下：[heading3]3.1开始节点：输入url[content]由于希望收到用户输入的待收藏url，就开始流程，所以不需要额外配置（至于如何判断哪些用户输入是需要收藏的url，则交由外层bot的大模型判断）：[heading3]3.2变量节点：引入bot变量中保存的飞书多维表格地址[content]为了便于维护充当稍后读存储地址的飞书多维表格链接，我们需要将这个链接存储在bot的变量中，并在工作流运行时进行引用。添加变量节点，设置如下：这样一来，在bot整体运行时，就能从外层bot获取变量{{app_token}}，用于告知「飞书多维表格」插件需要在哪个地址新增数据。[heading3]3.3插件节点：获取页面内容[content]这一步直接把开始节点的{{BOT_USER_INPUT}}，引入到参数{{url}}中；随便设置{{timeout}}为60000。
基于前面的分析，我们可以勾勒出AI稍后读助手的大致思路：1.简化"收集"：1.1.实现跨平台收集功能，支持电脑（web端）、安卓、iOS多端操作。1.2.考虑到待阅读内容通常都有网页链接，最理想的方式是只需输入一个URL就能完成收集。借鉴微信文件传输助手的直观操作方式，通过聊天窗口完成收集输入会更符合用户习惯。2.自动化"整理入库"：2.1.为便于存储和回顾已收集的阅读清单，系统应在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。2.2.同时，这份阅读清单最好也能支持跨平台查看，提高可访问性。3.智能"选择"推荐：3.1.根据当前收藏记录，结合用户的阅读兴趣，进行相关性匹配，并生成最合适的阅读计划。根据以上思路不难发现，同在字节生态中的Coze、飞书、飞书多维表格，正好可以为AI稍后读构建一个完整的AI工作流。具体来说：通过飞书机器人与Coze搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出由Coze调用大模型、插件，完成内容的整理、推荐利用飞书多维表格存储和管理稍后读数据这样一来，理论上无需开发任何插件、APP，也能实现跨平台的稍后读收集与智能阅读计划的推荐。