原创 Leaf 2025-04-24 22:01 浙江
Datawhale干货
什么是扣子空间
扣子空间（https://space.coze.cn/）是一个集成了AI Agent并内置MCP服务的AI智能工作平台。它的厉害之处在于：
1. 无需技术背景：真正做到了零代码，不用装环境、不用写代码，小白友好。
2. 自动规划任务：提供「探索/规划」双模式，不用搭工作流，真正全自动完成任务。
3. MCP拓展能力：能同时调用搜索、文档处理、水滴信用分析、音乐生成等十几种官方MCP服务来处理任务。
周末一上线就爆火，几度进入一码难求，现在时常会服务器爆满。
就在刚刚，扣子空间还进行了一波更新，支持自定义MCP。
那么，扣子空间的实际能力如何？
用扣子空间，搭建AI学习搭子
以Datawhale AI春训营中的赛事项目学习为例，最煎熬的就是不理解背景了，赛题的背景决定接下来的学习目标和重心。我将以AI春训营里面的新能源发电功率预测大赛，用扣子空间搭建一个AI学习搭子，可视化地帮助我更好的理解赛题背景。
先看看效果吧：
1. 通俗易懂的理解赛题对比晦涩难懂的赛题背景原文
还能可视化，看看与原文的对比，脑子一下清醒了。
我的搭建教程步骤如下：
1. 打开扣子空间（https://space.coze.cn/），点击左上方的“新任务”
项目背景解释提示词如下：
1.http://competition.sais.com.cn/competitionDetail/532315/format
用小白也能听懂的话解释一下“新能源”赛题背景，注意“用比喻、讲故事”，200字左右
2.用“赛题背景”原文，和“解释后的文字”，生成一个动态网页
3. 点击按钮，搭子开始疯狂帮你干活。
这是原始代码：
构建完代码解读功能后，这是学习搭子的像素级理解：
提示词参考：
https://www.modelscope.cn/datasets/loutianao/new_energy_power_forecast/file/view/master?id=91148&status=1&fileName=power_pred_baseline.ipynb
说明代码整体实现的功能、实现逻辑
说明每一行代码的作用，给出代码原文和注释
第一步理解背景和第二步的读懂代码都是为了更好、更顺利地进行第三步——真正的应用到实际问题或做实验。在这一步，思路和策略是最重要的，也是比赛上分的关键。
提示词：
比赛介绍：http://competition.sais.com.cn/competitionDetail/532315/competitionData
数据：https://www.modelscope.cn/datasets/loutianao/new_energy_power_forecast/summary
1. 结合比赛目标，思考如何优化这个baseline。给我3个方向并提供思路。
2.用动态网页输出
注意：数据挖掘比赛一般优化思路，从特征工程与模型中来思考。
举例：十座发电厂可以用不同的策略
效果：一些思路还是可以借鉴的
扣子有探索和规划两种模式，如果想让它一步到位输出，可以选择探索模式；如果想亲自把控每个步骤，可以选择规划模式。
规划模式下，当我们对生成后的结果提出修改意见时，AI会先跟我们确认思路是否正确，然后再进行下一步行动，具备了一定的主动性。
一次任务，扣子会分成多次思考，然后边想边搜、边做边输出，得到多个中间文件。这是扣子 deepsearch 的作用。
写笔记真的很重要，尤其是公开笔记。这里扣子空间有一个独特的亮点，它能够与飞书文档、飞书多维表格打通，这是扣子的生态优势。能帮助实现“检索信息-处理信息”到“保存信息”的闭环。
我让扣子AI学习搭子利用MCP拓展自动在飞书文档里写笔记。
这是它自动写的文档，我做的只是提需求：
具体怎么做：
扣子 MCP 保姆级教程
提示词：
“赛题背景：http://competition.sais.com.cn/competitionDetail/532315/format
代码优化思路：
- 提取更多特征尝试不同的模型模型融合：使用catboost、xgboost和lightgbm三个模型分别输出三个结果，将结果直接进行加权平均融合。”
新建一个飞书文档，标题“发电功率预测竞赛学习笔记”。将上述内容写入文档，包括：赛题背景、baseline代码、优化思路。
第一次使用飞书文档，要授权。点击即可。
这个例子，扣子是完全复制了文字，输出到飞书文档。我们也可以让它根据自己的理解，做一些风格化的改写，再输出。
飞书文档使用的是扣子空间的MCP扩展。最新的更新中，扣子空间已经集成了更加丰富的 MCP 扩展。常用的 MCP 扩展如下所示。
最后邀请码
