张闻川:AI Agent从入门到实战：从工具使用到自主开发——不会代码，也能打造智能体

AI Agent从入门到实战:从工具使用到自主开发

课程背景

打开企业微信、钉钉或飞书,未读消息永远停留在小红点上;每周雷打不动的日报周报,耗费大量时间在信息整理而非真正思考;跨部门协作反复对齐、客户跟进记录手动录入......这些重复性、规则性、信息密集性的工作,占据了员工大量精力,真正需要判断和创造的工作反而被挤压。

AI Agent(智能体)的出现为解决这个问题提供了新思路。它在大语言模型基础上增加了记忆、规划、工具调用和自主行动的能力——传统AI提供“答案”,AI Agent交付“成果”。企业级Agent已在客服、数据分析、流程自动化等场景中展现出显著效能。

市面上的课程存在明显断层:要么只讲概念(学完不会用),要么只讲工具操作(换个场景不会设计),要么默认有编程基础(把业务人员挡在门外)。本课程正是为填补这一空白而设计。

课程以企业真实业务场景为驱动,遵循“认知→工具→开发→实战”四层递进主线,全程不写一行代码,基于Dify平台的可视化操作即可完成。每个知识点都从具体业务痛点引出,每个实操都与真实工作场景对应。

两天时间,学员能带走一个自己搭建的Agent原型,一套可复用的场景设计方法——把重复性的、跨系统的复杂任务交给Agent,自己专注于更有价值的工作。

课程收益

● 建立完整认知:系统理解AI Agent的概念、工作原理、能力边界与行业趋势

● 掌握实操技能:熟练使用Dify完成其核心功能,独立搭建一个可用的业务助手

● 理解底层原理:理解Agent的核心机制,换一个平台也能看懂运作逻辑

● 具备识别能力:准确判断什么任务值得自己设计,避免盲目开发,把精力花在刀刃上

● 完成实战方案:基于真实场景,完成Agent方案设计全流程,带着成果离开课堂

课程时间:2天,6小时/天

课程对象:不限岗位、不限职级。适合工作中存在大量重复性、规则性、信息密集性任务的业务人员,希望自主搭建个性化助手的管理者

课程方式:讲师讲授 + 场景案例 + 实操演示 + 学员练习 + 小组共创

课程模型:

导入:为什么你要关注AI Agent?

问题:你每天做重复的事耗时多久?

1. 会议纪要

2. 日报周报

3. 回复咨询

4. 跨系统复制粘贴

第一讲:AI Agent是什么——理解它,才能用好它

一、场景痛点

1. 试了千问/豆包,发现只能生成内容

2. 后续复制粘贴、发送邮件还得自己动手

3. Agent究竟能干什么

二、Agent的定义

1. 与chatGPT的区别:从回答问题到完成任务

2. Agent=大脑(LLM)+ 手脚(执行能力)

三、Agent四大核心能力

1. 感知与理解——识别用户意图和当前环境

2. 规划与推理——分解目标、制定步骤

3. 记忆与学习——记住上下文和用户偏好

4. 行动与执行——调用工具、操作系统、生成结果

四、与普通聊天AI的区别

1. 交互方式:回答问题 VS 自主执行

2. 核心能力:生成内容 VS 完成任务

3. 用户角色:每一步都参与 VS 定目标等结果

课堂互动:判断哪些属于Agent-用ChatGPT写报告?查天气并发邮件通知团队?设置关键词自动回复?

五、能力和边界

1. 擅长场景

1)智能客服

2)数据分析

3)流程自动化

4)知识管理

2. 局限与风险

1)幻觉问题

2)推理局限

3)安全风险

4)不能负责

第二讲:亲手搭建你的第一个Agent——从0到1工具实操

一、场景痛点

1. 应该从哪开始?

2. 应用类型选什么?

3. 要不要添加知识库/技能?

4. 打造的方式和流程是什么?

二、认识工具:Dify平台

1. 了解Dify

1)零代码/低代码

2)百种模型一键切换

3)支持工作流编排/RAG知识库/工具调用

2. 平台界面导览

1)访问Dify

2)工作室(Studio)

3)知识库(Knowledge)

4)集成(Integrations)

实操练习:搭建一个智能客服助手

三、让Agent更聪明:添加知识库

1. 知识库的作用

1)大模型不知道你的内部信息

2)让Agent基于真实文档回答,而非猜

2. 添加知识库的4个关键步骤

第一步:创建知识库

第二步:选择Embedding模块和分块策略

第三步:添加知识库节点

第四步:对比前后效果差距

实操演示:知识库添加

操作成功标准:Agent能基于文档内容回答问题

四、让Agent更能干:使用工具

作用:给Agent扩展外部实操能力,突破大模型只靠文本思考的局限

2. 常见工具类型

1)内置工具:网页爬虫,获取当前时间等

2)自定义工具

3)MCP协议

2. 添加工具的4个步骤

1)在画布中插入工具节点

2)选择工具插入画布

3)将工具嵌入整个工作流

4)对比前后效果差异

实操演示:添加网页爬虫的工具

操作成功标准:Agent能调用工具爬取网页信息

五、发布应用

1. Agent发布的4种方式

1)Web App链接:发布为公开应用

2)嵌入网站:嵌入到你已有的网站中

3)发布为模板:发布到平台的Marketplace

4)API接口:被其它系统调用

2. Agent发布的3个步骤

1)选择发布方式

2)执行发布动作

3)验证发布效果

实操演示:发布全链路,使用效果实测

操作成功标准:Agent在发布渠道中被正常访问

第三讲:揭开Agent的大脑——理解底层才能自主设计

一、场景痛点

1. 复杂问题答不上

2. 多步骤任务做不对

二、Agent的两种模式:Chatflow vs Workflow

1. 交互方式:对话式 VS 一次性运行

2. 适用场景:客服/问答助手 VS 报表生成/批处理/自动化流水线

3. 对话记忆:内置/支持多轮对话 VS 无

4. 结束节点:Answer节点 VS End节点

实操演示对比:批量生成10份销售周报 vs 对话式销售数据查询

互动讨论:请学员思考,日常工作中,哪些场景用Chatflow ,哪些用Workflow

三、工作流编排:把复杂任务拆成步骤

工作流:任务拆成多个节点,节点按顺序执行

实操案例贯穿:搭建周报生成工作流

2. 工作流设计

节点1:开始节点——输入自己的工号

节点2:HTTP请求节点——查询本周日程

节点3:HTTP请求节点——查询本周完成事项

节点4:条件分支节点——完成任务进入节点5:未完成进入节点6

节点5:LLM节点——生成周报正文

节点6:模板转换节点——组装完整周报格式

节点7:结束节点

2. 逻辑控制说明

1)条件分支:节点4的IF/ELSE判断——有任务走LLM生成,无任务走预设提示

2)数据流转:每个节点的输出作为下一个节点的输入

操作成功标准:用户输入指令,工作流完成5个节点,输出完整周报

互动讨论:请学员思考,日常工作中,有哪些复杂任务需要工作流编排的

第四讲:把Agent用到工作中——场景驱动的实战设计

一、场景痛点

1. 什么任务需要设计Agent?

2. 如何设计?

二、需要设计Agent的情况

1. 跨系统操作

2. 查阅知识库

3. 多步骤条件判断

4. 工具协同

任务示例:把所有未读邮件梳理一遍,提取涉及审批的事项,生成待办清单

互动讨论:学员思考,日常工作中,哪些任务可Agent化

三、Agent方案设计的四步法

第一步:明确目标——这个Agent要完成什么任务?成功标准是什么?

第二步:拆解步骤——完成这个任务需要哪几步?顺序是什么?

第三步:配置能力——每个步骤需要什么能力?(知识库/工作流/工具)

第四步:测试迭代——测试→发现问题→调整→再测试

课堂场景综合实战

场景一:销售日报智能生成

背景:销售团队每天需要汇总CRM新客户、商机进展、竞品动态,人工整理耗时且容易遗漏

Agent方案:HTTP节点读取CRM数据→知识检索节点查询产品库补充背景→LLM节点按模板生成日报→工具节点发送飞书群

难点:需要连接CRM+知识库+飞书

场景二:员工智能问答助手

背景:HR每天接受大量制度咨询问题,回答重复耗时大

Agent方案:知识检索节点检索制度文档→条件分支节点判断入职时间+岗位级别→不同分支适应不同规则→LLM节点精准回答+标注来源

难点:需要条件判断逻辑,基于公司制度(而非大模型记忆),需要RAG

场景三:会议全流程管理

背景:每次开会从预约→发议程→录音转写→生成待办→追踪完成,至少5步,全靠人工

Agent方案:创建会议→发邀请→获取录音→转文字→生成纪要→提取待办→追踪进度

难点:涉及多节点串联,每一步都依赖上一步输出,需工作流编排

场景四:竞品监测周报

背景:市场部每周需监测3家竞品动态,人工整理2小时起步

Agent方案:搜索工具节点搜索竞品资讯→知识库存储→LLM节点按周生成简报→工具节点发邮件

难点:需要搜索+知识库+工作流三层协同

场景五:发票审核辅助

背景:财务部的大量发票,需逐一核对抬头/金额/税率是否合规,人工枯燥易出错

Agent方案:OCR工具节点提取发票信息→知识检索节点匹配合规规则→条件分支节点标记异常→LLM节点生成审核报告

难点:需要OCR+知识库+条件判断,跨系统协作

学员练习:选择跟自己岗位相关的1个场景

分享点评

结语:学习总结与落地行动

1. 课堂回顾

2. 答疑互动

3. 落地行动

授课老师

张闻川老师的课程大纲