Datawhale干货 

作者：Leaf，Datawhale成员

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？

能应用才是关键，结合Datawhale的 AI春训营学习，围绕学习难点，我将从0到1用扣子空间，创建我的学习搭子：理需求，打比赛、写代码、上分思路，通通让我的搭子帮我搞定。

用扣子空间，搭建AI学习搭子

一、解决最大的难点：理解需求

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”

1. 2. 粘贴下方的提示词到对话框
2. 
   

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。

1. 
   

1. 4. 等待片刻，然后点击页面打开即可看到结果
2. 
   

二、再也没有我看不懂的代码

学习中的实践代码能跑通，但是没有注释，我就很难理解为什么要这样做，我决定用AI学习搭子进行代码注释：

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

三、学以致用很关键

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

baseline：https://www.modelscope.cn/datasets/loutianao/new_energy_power_forecast/file/view/master?id=91148&status=1&fileName=power_pred_baseline.ipynb

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。

四、输出是最好的学习

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

1. 1. 打开扣子空间（https://space.coze.cn/），点击左上方的“新任务”
2. 
   

1. 
   
2. 2. 粘贴下方的提示词到对话框
3. 
   

提示词：

“赛题背景：http://competition.sais.com.cn/competitionDetail/532315/format

baseline：https://www.modelscope.cn/datasets/loutianao/new_energy_power_forecast/file/view/master?id=91148&status=1&fileName=power_pred_baseline.ipynb

代码优化思路：

1. 提取更多特征
2. 尝试不同的模型
3. 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。

1. 3. 点击首页的“扩展”，选中“飞书文档”工具，点击添加
2. 
   

第一次使用飞书文档，要授权。点击即可。

1. 5. 看到红框中的“1”，表明成功添加1个插件
2. 
   

1. 6. 点击按钮，扣子开始执行任务

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。    

除了官方提供的 MCP 服务，我发现还能使用扣子开发平台的上千插件和个人DIY的工作流来自定义 MCP 扩展，提升学习搭子的专业能力。现在连设计、3D 建模这些专业需求，普通人也能通过简单配置让 AI 实现。

最后邀请码

想试用的小伙伴，我和其他Datawhale成员们攒了些邀请码，自取即可。

CTXB94RN、PQFANL4O、U34RPAK1、B5JOPSAH、71TNCG5O、3BSKGV1T、F4ABABQ9、VX70WCZK、R7AQHAT5、9S956IJS、0E4EXC7H、NMIWAWQP、LE91YUAX、VALU4NBW、TU8A9983、CA83VZCR、63U8WO3C、7OVP9GF7、767B4VVM、7PI4JBIP。

（文：Datawhale）