人工智能应用通识教程 课件 -第七次课（智能体与工作流）

1第三章：

智能体应用——智能体与工作流目录01THEORYCLASS智能体认知与

工作流思维构建课程导入与核心概念辨析了解智能体平台生态工作流思维构建02PRACTICALLAB基于工作流的智能摘要Agent开发实战明确实验目标与开发环境快速准备Coze平台核心功能与Agent搭建步骤应用效果测试验证与运行日志分析实验总结复盘与智能体应用拓展思考第1部分：

智能体认知与工作流思维构建案例导入：从“机器人”到“智能体”📟场景A：传统机器人客服你：“你好，我的订单什么时候到？”机器人：“您好，请问您的订单号是多少？”你：“我的订单号是12345。”→“那如果明天我不在家怎么办？”机器人：“您好，请问您的订单号是多少？”(循环往复...)🤖场景B：AI智能体助手你：“查下订单12345状态，看看明天天气，如果下雨就改到后天派送。”智能体：“已查，订单明早达。您处明有中雨，已自动为您改派至后天，请查收短信确认。”🤔思考时刻：对比两个场景，你更愿意与谁交互？为什么？它们之间最本质的区别是什么？💡核心变革：从“被动响应、机械执行”到“主动规划、理解并解决问题”核心概念：什么是AI智能体？💡一句话概括AI智能体（AIAgent）是一个能够自主理解任务、制定计划、调用工具并完成目标的AI“数字员工”。🔍形象比喻如果说大语言模型（如ChatGPT）是博学但只能“动口”的顾问，那么AI智能体就是既“懂脑”又“会动手”的全能助理。大脑

（大模型）负责理解用户的自然语言指令，进行核心的推理与决策。思考

（规划力）将复杂的宏观任务，拆解成一系列可执行、可验证的简单步骤。手脚

（工具/插件）连接外部世界的物理接口，灵活调用搜索引擎、数据库等资源。经验

（记忆系统）具备长短期记忆，记住用户偏好、历史对话上下文及任务状态。大脑（LLM）+思考（规划）+手脚（工具）+经验（记忆）=AI智能体传统智能体vsAI智能体传统智能体(TraditionalAgent)驱动方式：规则驱动(Rule-based)严格遵循预设的IF-THEN逻辑执行，无自主决策能力。灵活性：低(LowFlexibility)仅能处理规则库覆盖的场景，面对未定义的新情况会失效。交互方式：机械、呆板通常是一问一答的固定模式，缺乏上下文理解能力。能力来源：人工编程所有行为逻辑、知识库均由程序员预先编写和植入。AI智能体(AIAgent)驱动方式：目标驱动(Goal-driven)理解用户最终意图，自主拆解任务并规划执行路径。灵活性：高(HighAdaptability)具备泛化能力，可处理模糊指令及未曾编程的新任务。交互方式：拟人化、自然支持多轮对话，理解上下文语境，交互过程自然流畅。能力来源：模型训练+工具调用知识源于海量数据训练，通过调用外部工具持续扩展能力。AI智能体的核心能力感知与理解能力深度理解自然语言指令，精准捕捉用户隐含的意图与上下文，不仅能识别“做什么”，更能洞察“为什么做”和“怎么做”。案例：理解“去上海出差”的需求，自动关联行程规划、机票酒店预订等任务。规划与决策能力具备任务拆解能力，将宏观的复杂目标分解为一系列具体、有序且可执行的子任务，并能为每个子任务智能匹配最优的执行路径。案例：制作销售数据PPT时，规划出“获取数据→生成图表→整合文案”的完整执行步骤。工具调用与执行能力打破模型内部闭环，主动调用外部API、插件或函数获取实时信息或完成物理操作，是智能体从“理论”走向“实践”的关键桥梁。案例：自动调用地图API计算两地距离，或调用邮件插件自动发送整理好的报告。记忆与反思能力能够长期记忆用户的偏好、历史交互记录及任务状态，并能基于用户的反馈进行自我评估与迭代优化，实现个性化的持续进化。案例：记住用户喜欢的咖啡口味，在后续对话中主动推荐符合口味的新品。主流智能体开发平台概览💡为什么需要平台？平台提供可视化工具与丰富组件，让我们无需编写大量底层代码，即可像“搭积木”一样快速构建、调试并部署智能体应用，大幅降低了开发门槛。OpenAIGPTs生态强大，与GPT系列模型无缝集成，应用生态最完善。Dify开源灵活，支持私有化部署，适合企业级定制开发需求。Coze(扣子)字节跳动旗下，界面交互友好，上手门槛极低，适合新手。文心智能体百度出品，中文语义理解能力强，本地化服务支持完善。讯飞星火在语音交互与多模态融合领域实力雄厚，技术积累深厚。🛡️技术自主与科技自信积极尝试和使用国产AI平台，是支持我国AI生态发展的重要一步。这些平台正在解决大模型落地的“最后一公里”问题，为我们提供了广阔的创新舞台。工作流思维构建▍什么是工作流？工作流是将一个复杂任务，拆解成一系列按顺序执行、自动化的步骤集合，它是连接“想法”与“落地”的桥梁。类比：工业流水线就像手机工厂的生产流程：零件入库→组装→检测→包装每个“工位”只做一件事，数据像产品一样在节点间流动。核心要素输入Input：任务的起点（如用户请求）节点Node：执行特定操作的“工位”输出Output：任务的最终结果交付为什么需要它？它能将模糊的创意（如“做一个智能助手”）转化为清晰、可执行的技术蓝图。这是构建复杂AI智能体系统时，不可或缺的底层思维模型。第2部分：

基于工作流的智能摘要Agent开发实战实验目标与准备实验目标GOALS01掌握在Coze平台创建和配置智能体的基本流程，熟悉核心功能入口。02理解并实践工作流的基本搭建方法，掌握节点连接与逻辑配置技巧。03成功创建一个可运行的智能摘要Agent。准备工作PREPARATIONStep1.访问平台官网打开任意主流浏览器，在地址栏输入/home并回车，进入Coze平台首页。Step2.完成账号登录选择手机号验证码登录，或使用抖音/头条账号进行授权登录，进入工作台。Coze平台工作流概览可视化画布：像搭积木一样简单提供直观的拖拽式界面，无需复杂代码，即可快速将各类功能节点组合成完整的智能体工作流。核心节点：构建逻辑的基石起止节点：定义输入与输出结果LLM节点：智能体的“大脑”核心代码节点：自定义代码处理复杂逻辑逻辑/知识：分支判断与文档查询无缝数据流转：节点互联节点间支持灵活的数据管道，轻松将上游节点的输出作为下游节点的输入，实现自动化的信息处理链条。步骤1：创建一个新的智能体01登录Coze平台后，进入控制台首页，准备开始创建流程。02点击页面左上角的“+创建”按钮。03配置基础信息：•名称：自定义命名(如“智能摘要助手”)•描述：简述智能体的核心功能定位04确认信息无误后，点击弹窗底部的“创建”按钮完成操作。步骤2：进入工作流编辑器01进入智能体配置页创建成功后，系统将自动跳转至智能体的专属配置管理页面。02创建工作流在页面中部编排栏中，找到并点击“添加工作流”选项卡→点击“创建工作流”按钮开始流程定义。03进入可视化画布成功后将进入一个直观的拖拽式画布界面，这是我们搭建和配置工作流逻辑的核心场所。步骤3：搭建基础工作流01.添加「开始」节点从左侧组件面板中，拖拽「开始」节点到画布空白区域，作为流程起点。02.添加「LLM」核心节点拖拽「LLM」节点至画布，这是工作流中负责智能推理与处理的核心单元。03.添加「结束」节点拖拽「结束」节点到画布，用于封装工作流逻辑并返回最终的运行结果。04.连接节点形成闭环连线「开始」→「LLM」→「结束」，构建最基础的智能处理工作流链路。Coze工作流编辑器操作界面示例配置核心目的定义用户在使用智能体时，必须输入的信息。对于“智能摘要Agent”，我们需要获取用户提供的文件作为处理对象。关键操作步骤01.打开面板：点击画布上的“开始”节点，展开右侧配置面板。02.添加参数：点击面板中的“输入+”按钮添加变量，开始配置。03.核心配置：修改“input”变量类型为文件，并勾选“必填”。步骤4：配置“开始”节点步骤5：配置LLM节点（核心步骤）01.打开配置面板点击画布上的“LLM”节点，右侧侧边栏将自动弹出详细的模型配置面板。02.选择高性能模型在“模型”下拉菜单中，推荐选择能力较强的模型，例如“豆包Pro”，以获得最佳效果。💡03.核心：编写系统提示词(Prompt)你是一个智能摘要助手，你可以重新组织和输出混乱复杂的文章内容，并根据当前的内容{{input}}提取重点。你只负责智能摘要，不回答其他问题。提示：“{{input}}”是一个特殊的占位符，代表后续用户实际输入的文章内容。系统会自动将其替换为真实文本进行处理。步骤5：配置LLM节点（核心步骤）步骤6：配置“结束”节点配置目的“结束”节点是工作流的最终出口。它的核心任务是将上游“LLM”节点处理生成的摘要结果，进行标准化封装后，直观地返回给终端用户。操作指南01.打开配置面板

点击画布中的“结束”节点，右侧自动弹出配置窗口。02.关联LLM输出

在“返回文本”框中点击“输出变量+”按钮，在变量列表中选择“LLM”节点的输出。步骤7：调试与测试操作指南·OperationGuide01点击画布下方“试运行”按钮

进入工作流的实时交互调试模式0203输入测试文件

例如上传上节课的知识库文档作为样本04点击“运行”按钮触发工作流自动执行查看运行结果核对执行日志与最终输出效果优化·OptimizationTips检查提示词

确认指令是否清晰、完整，是否遗漏了关键的约束条件或输出格式要求。迭代调整指令

尝试使用更具体的指令描述，或增加1-2个示例（Few-shot）来引导AI生成。更换AI模型

如果效果仍不理想，尝试切换至更强大的模型版本，利用其更强的推理能力。步骤8：工作流发布与引用测试01执行发布操作找到右上角醒目的“发布”按钮并点击，触发上线流程。02智能体引用工作流并测试在智能体配置页面中，添加刚刚发布的工作流，并在“人设与回复逻辑”中申明触发条件，最后进行测试。互