零代码AI智能体构建与应用
面向业务人员、产品经理、培训师、信息化人员与AI应用开发者，以可视化平台练习知识库、角色指令、工作流、测试和发布，结合题目解析、图像识别、客户沟通及数据问答理解应用边界
1天 人工智能应用
课程大纲
大模型Agent智能体基础
大模型Agent智能体基础
- 1、RAG：检索增强生成
- 1）检索、增强、生成的三步机制
- 2）数据处理与切片
- 2、什么是Agent：Agent = LLM + 规划技能 + 记忆 + 工具使用
- 1）规划（Planning）：任务分解、流程规划、思考反思
- 2）记忆（Memory）：短期上下文与长期知识库
- 3）工具使用（Tool use）：为智能体配备工具API
- 3、大模型场景智能体示例
- 1）智能客服与教育助手
- 2）电力值班助手教学示例（仅辅助信息查询，须专业人员复核）
智能云AI智能体搭建过程
智能云AI智能体搭建过程
- 1、第一步：进入千帆AppBuilder平台
- 2、第二步：搭建知识库
- 1）创建知识库与上传知识文档
- 2）文档解析状态与可用确认
- 3、第三步：创建智能体应用
- 1）创建应用：名称、描述与AI生成头像
- 2）选择知识库
- 3）编写角色指令prompt与自动优化
- 4）设置大模型与测试调试
- 5）发布应用：按平台版本、账号权限和目标渠道核对发布方式
- 4、工作流Agent：节点添加与调试
- 5、自主规划Agent VS 工作流Agent
- 1）自主规划：由模型在限定权限和任务边界内选择步骤与工具
- 2）工作流：以预定义节点、条件分支和循环控制执行过程
- 3）控制方式差异：比较步骤规划、分支条件与人工介入的设置
经典场景实战：职业教育题目解析（RAG知识库类）
经典场景实战：职业教育题目解析（RAG知识库类）
- 1、场景需求分析
- 1）痛点：题库更新慢、上传解析慢、专业性强
- 2）期望：辅助题目解析与碎片化学习；专业答案仍需与权威题库或教材核对
- 2、大模型能力边界测试
- 1）推理能力：直接做题与答案+解析的准确率对比
- 2）知识覆盖度：错题归因与知识不具备问题
- 3）指令跟随：输出啰嗦与格式不稳定
- 3、Prompt优化实战
- 1）优化指令跟随：约束输出格式、few-shot标准示例
- 2）要求列出可核验依据和解题步骤，并用测试集检查解析质量
- 4、知识增强：领域精调VS知识注入
- 1）领域精调：Post-pretrain预训练与SFT微调
- 2）知识注入：搜索组件与知识库（RAG）
- 3）由易到难的工程化验证策略
- 5、知识库（RAG）构建要点
- 1）数据清洗三大策略：标准格式、去除噪声、核对准确性
- 2）内容切片：自动分段、自定义分段与知识增强
- 3）检索策略：混合检索、语义检索、全文检索
- 4）召回参数：片段个数与匹配分设置
- 6、Agent应用创建与工作流编排
- 1）自主规划方式创建应用：搜索组件+知识库
- 2）工作流组件：知识检索与信息整理流程
- 3）分支器实现未命中知识库直接拒答
- 7、大模型效果评估
- 1）评估数据：数量、重复、分布与prompt调整
- 2）评估指标：答案准确率、解析准确率、输出格式稳定性
多模态智能体实战：工地安全隐患识别
多模态智能体实战：工地安全隐患识别
- 1、场景分析：图像识别辅助人工巡检，不能替代合格人员的安全判断
- 1）人工巡检的效率与疲劳难题
- 2）多模态识别+智能搜索的组合价值
- 2、流程设计：多模态模型与AI搜索的编排
- 1）以文心多模态模型为例识别图片中的疑似隐患（型号以授课版本为准，结果需专业复核）
- 2）问题分行输出与循环数组准备
- 3）循环节点：循环数组准备-循环体执行-循环输出
- 4）AI搜索组件查询法规标准与处置资料，由专业人员核对有效性和适用性
- 5）文本整理与结果输出
- 3、应用体验
对话式智能体实战：金牌销售（车险续保）
对话式智能体实战：金牌销售（车险续保）
- 1、场景分析：主动销售对拟人度、流畅性与随机应变能力的要求
- 2、工作流编排：还原真实车险销售业务流程
- 1）意图识别：判断客户是否愿意继续沟通
- 2）拒绝处理：尊重客户不再沟通的意愿，仅在其自愿时收集反馈
- 3）优惠方案：用授权脱敏数据和预置API/代码节点演示获准优惠规则
- 4）在客户同意沟通时说明办理流程与产品信息
- 3、消息节点与信息收集节点的配合技巧（流式输出与对话时延优化）
流程编排类智能体实战：汽车故障查询
流程编排类智能体实战：汽车故障查询
- 1、需求分析：OBD故障码检索与知识库问答的智能路由
- 1）有故障码走API检索，无答案时检索可靠资料；仅提供辅助线索，维修由专业人员判断
- 2、评测测试集构造：用评测prompt批量生成测试问题
- 3、智能体流程编排
- 1）大模型提炼查询参数与调用外部API
- 2）代码节点提炼API返回的指定字段
- 3）大模型对比判断与答案总结
- 4、核心prompt与核心代码解析
- 5、RAG知识库类与业务API调用类智能体的评测调优流程
数据问答类智能体实战：单表问数
数据问答类智能体实战：单表问数
- 1、需求分析：自然语言生成SQL，经只读权限、字段白名单和校验后查询
- 2、问数测试集维度：时间、地域、数量、条件
- 3、智能体流程编排
- 1）结合历史会话获取用户完整意图
- 2）生成查询意图并做工程化处理
- 3）生成SQL并通过只读、权限、语句校验与测试后执行查询
- 4）根据查询结果做回答总结
- 4、核心prompt解析：查询意图提炼与SQL生成规则
- 5、问数评测指标：SQL生成率、执行成功率与准确率
课程总结
课程总结
- 1、Agent智能体的核心能力回顾：听懂指令、感知决策、调用工具
- 2、智能体开发五步法：需求解析→prompt→agent→大模型评估→效果评估
适合对象
业务人员、产品经理、培训师、企业信息化人员及AI应用技术人员
课程定位与主要问题
面向业务人员、产品经理、培训师、信息化人员与AI应用开发者，以可视化平台练习知识库、角色指令、工作流、测试和发布，结合题目解析、图像识别、客户沟通及数据问答理解应用边界
课程适配与选型边界
面向业务人员、产品经理、培训师、信息化人员与AI应用开发者，以可视化平台练习知识库、角色指令、工作流、测试和发布，结合题目解析、图像识别、客户沟通及数据问答理解应用边界
适合对象
业务人员、产品经理、培训师、企业信息化人员及AI应用技术人员
训练场景
面向业务人员、产品经理、培训师、信息化人员与AI应用开发者，以可视化平台练习知识库、角色指令、工作流、测试和发布，结合题目解析、图像识别、客户沟通及数据问答理解应用边界
授课安排
1天。专题讲授、工程案例讨论、工具演示与实践练习
课程侧重
面向业务和信息化人员，用可视化平台搭建知识库、多模态、对话和流程智能体
核心收益
- 理解Agent、知识库与工作流的组成及控制方式
- 练习可视化搭建、提示词、检索配置和效果测试
- 比较题目解析、图像识别、客户沟通与API调用场景
- 学习以授权数据、只读查询和人工复核约束应用风险
- 形成从需求、原型到验证和发布的基本实践路径
课程背景与交付信息
课程安排：1天（6小时/天）
以可视化搭建为主，部分练习涉及预置API和代码节点；使用授权脱敏数据。专业考试、安全巡检及车辆故障场景只作教学演示，须专业复核；数据问答按只读最小权限测试
授课方式
专题讲授、工程案例讨论、工具演示与实践练习
课程内容重点
01大模型Agent智能体基础
02智能云AI智能体搭建过程
03经典场景实战：职业教育题目解析（RAG知识库类）
04多模态智能体实战：工地安全隐患识别
05对话式智能体实战：金牌销售（车险续保）
06流程编排类智能体实战：汽车故障查询
07数据问答类智能体实战：单表问数
08课程总结
讲师介绍
张永智
AI应用与软件研发培训讲师
张永智的课程聚焦AI应用与智能体开发、Harness工程、RAG检索增强、软件设计和研发工作方法，面向研发工程师、架构师、技术负责人及需要使用AI工具的业务人员，结合工程案例、工具演示与实践练习开展教学
查看讲师主页
课程差异说明
面向业务和信息化人员，用可视化平台搭建知识库、多模态、对话和流程智能体
课程常见问题
这门课适合哪些岗位？
业务人员、产品经理、培训师、企业信息化人员及AI应用技术人员。
课程主要训练哪些内容？
大模型Agent智能体基础；智能云AI智能体搭建过程；经典场景实战：职业教育题目解析（RAG知识库类）
课堂会练习哪些能力？
理解Agent、知识库与工作流的组成及控制方式；练习可视化搭建、提示词、检索配置和效果测试；比较题目解析、图像识别、客户沟通与API调用场景
课程的时长和授课形式是什么？
1天。专题讲授、工程案例讨论、工具演示与实践练习
这门课的训练侧重是什么？
面向业务和信息化人员，用可视化平台搭建知识库、多模态、对话和流程智能体
