70425-智能体开发实战（Dify）（微课版）-课程标准

《智能体开发实战》课程标准课程编码课程名称智能体开发实战课程性质专业核心课总学时64授课学期第三或第四学期考核方式考查适用专业人工智能技术应用、计算机应用技术、软件技术、大数据技术等电子信息大类专业适用年级大二课程负责人编制时间2026年9月教研室主任初审时间2026年9月院（系）主任审核时间2026年9月一、课程定位课程性质：《智能体开发实战》是电子信息大类专业（人工智能技术应用、计算机应用技术、软件技术、大数据技术等专业）的专业核心课程。本课程以国产开源大模型应用开发平台Dify为主要工具，按照“项目导向、任务驱动“的教学思路，系统讲授大语言模型智能体（LLMAgent）的核心理论、关键技术与典型应用场景。本课程的目的是使学生掌握智能体的基本概念、主流架构、提示词工程、工作流编排、知识库（RAG）构建、工具调用、MCP（ModelContextProtocol）、AgentSkills与深度研究（DeepResearch）等内容，能够在Dify平台上独立完成一个面向真实场景的智慧校园智能体项目，培养学生AI应用工程实践能力、跨工具协同开发能力以及基于大模型的复杂任务解决方案设计能力，为从事AI应用开发、智能体产品设计与实施相关岗位奠定基础。相关课程：《Python程序设计基础》《数据库基础》《Web应用开发》《人工智能导论》二、课程设计思路《智能体开发实战》总体设计思路：《智能体开发实战》课程以“智慧校园智能体”为主线情境，围绕7个由浅入深、层层递进的项目进行组织。每个项目以一个真实业务场景为驱动，按“教学目标—项目背景—项目分析—知识准备—项目实施（任务驱动）—项目总结—习题—拓展任务—阅读拓展”的工程化步骤展开。教学过程中以Dify平台为统一开发环境，结合HTTPAPI、向量数据库、MCP服务、AgentSkills等技术栈，使学生从环境搭建、应用编排，到知识检索、工具扩展，再到深度研究与人机协同，逐步掌握智能体从原型到落地的全流程开发能力。课程强调“做中学、学中做”，将理论讲授、案例剖析、动手实训有机融合，重点培养学生面向AI时代的工程实践能力与创新应用能力。三、课程目标1.知识目标（1）掌握智能体的基本概念、发展脉络与主流架构，理解从大语言模型到智能体的演进关系；（2）熟悉国内外主流智能体开发平台（Dify、Coze、LangChain等）的技术特点与适用场景；（3）掌握提示词工程的经典框架与结构化提示词设计方法；（4）理解工作流（Workflow）的基本概念、节点、变量及编排策略，掌握串行、并行、条件分支等结构；（5）掌握RAG（检索增强生成）架构原理、知识库管理、向量检索与重排序等关键技术；（6）掌握HTTP调用、OpenAPI规范与工具调用（ToolCalling）的工作机制；（7）理解MCP（ModelContextProtocol）的架构、传输模式与生态体系；（8）掌握AgentSkills的核心特性、执行过程与标准结构；（9）掌握深度研究（DeepResearch）智能体的工作范式、复杂任务规划与异步处理机制。2.技能目标（1）能够独立搭建Dify开发环境，完成大语言模型接入与基础对话应用创建；（2）能够运用提示词工程方法设计与优化面向真实场景的结构化提示词；（3）能够基于Dify工作流完成对话、路由、JSON结构化输出、异常处理等典型编排；（4）能够构建知识库问答应用，完成文档分段、Embedding、检索与重排序参数调优；（5）能够基于OpenAPI自定义HTTP工具并接入Dify智能体；（6）能够搭建MCPServer开发环境，开发自定义MCP工具并接入Dify；（7）能够编写符合规范的SKILL.md，配置AgentSkills实现业务逻辑；（8）能够搭建深度研究工作流，实现意图解析、多源检索、交叉验证与结构化报告生成；（9）具备独立解决AI应用开发中常见问题的能力，具备较好的综合工程实践能力与团队协作能力。3.态度目标培养学生规范的编码习惯与文档撰写习惯，培养学生严谨求真的治学精神与持续学习的态度，培养学生分工协作的团队能力与AI时代的工程伦理意识。四、课程教学内容与教学目标实现序号名称主要教学内容重点与难点教学目标（知识、技能、态度）教学方法与手段课时安排项目1智慧校园智能体初探——Dify开发环境搭建步骤一：智能体概念、发展脉络与主流架构。步骤二：Dify平台的核心能力、技术架构与三种应用形态对比。步骤三：提示词工程的经典框架与结构化提示词设计。Dify三种应用形态的差异；结构化提示词的设计方法。了解智能体基本概念与发展；掌握Dify三种应用形态与典型场景；掌握经典提示词框架与结构化提示词设计。理论/实验2任务1.1Dify开发环境准备步骤一：本地与云端两种部署模式的选择。步骤二：软硬件环境要求梳理。步骤三：Docker环境准备。Docker环境准备。通过学习与实践，掌握Dify开发环境准备方法，能够正确选择部署模式并完成Docker环境配置。理论/实验2任务1.2Dify开发环境部署步骤一：获取Dify源码。步骤二：通过DockerCompose启动服务。步骤三：访问并验证管理控制台。DockerCompose启动服务。通过学习与实践，掌握Dify一键部署方法，能够独立完成本地Dify服务的启动与验证。理论/实验2任务1.3给Dify添加大语言模型步骤一：模型供应商对接原理。步骤二：常用模型供应商的APIKey配置。步骤三：连通性测试与默认模型设置。APIKey配置与连通性测试。通过学习与实践，掌握在Dify中接入大语言模型的方法，能够完成模型供应商配置与连通性验证。理论/实验2任务1.4创建“智慧校园助手“对话应用步骤一：对话应用创建流程。步骤二：系统提示词编写。步骤三：调试与发布。系统提示词编写与调试。通过学习与实践，掌握Dify对话应用的创建方法，能够编写系统提示词并完成调试发布。理论/实验2项目2智慧校园智能体意图识别——工作流设计步骤一：工作流基本概念、节点与变量体系。步骤二：编排节点的串行与并行设计。步骤三：JSON结构化输出与异常处理。节点编排与变量传递；结构化输出校验。掌握工作流基本概念与节点/变量机制；掌握串行与并行编排；掌握JSON结构化输出与异常处理。理论/实验2任务2.1搭建最小化回声工作流步骤一：工作流编辑界面熟悉。步骤二：开始节点、LLM节点、结束节点的添加与连线。步骤三：变量绑定与试运行。节点连线与变量绑定。通过学习与实践，掌握工作流编辑界面的使用方法，能够搭建最小化的回声工作流并完成试运行。理论/实验2任务2.2实现JSON结构化输出与校验步骤一：LLM输出参数设置。步骤二：JSONSchema定义与输出约束。步骤三：变量聚合器与代码节点校验。JSONSchema定义与校验。通过学习与实践，掌握JSON结构化输出的配置方法，能够定义输出结构并完成结果校验。理论/实验2任务2.3构建“区分教务与生活“的路由工作流步骤一：意图分类器节点的使用。步骤二：条件分支（IF/ELSE）编排。步骤三：路由回退策略设计。条件分支编排与回退策略。通过学习与实践，掌握意图识别与路由工作流的构建方法，能够实现多分支意图的智能分发。理论/实验2任务2.4引入异常处理步骤一：异常分支的配置。步骤二：错误类型分类。步骤三：预定义异常处理逻辑与自定义兜底。错误类型识别与兜底回复。通过学习与实践，掌握工作流异常处理机制，能够定义异常分支并配置合理的兜底回复。理论/实验2项目3智慧校园智能体百事通——知识库问答构建步骤一：RAG原理、大模型幻觉与知识局限性。步骤二：知识库管理（清洗、分段）。步骤三：Embedding与检索策略对比。步骤四：重排序与召回效果优化。文档分段策略；检索参数调优；重排序应用。理解RAG原理；掌握知识库创建、文档清洗与分段；掌握向量检索与关键参数调优；掌握重排序模型的应用。理论/实验2任务3.1知识库创建与文档分段策略配置步骤一：知识库创建。步骤二：上传智慧校园制度文档。步骤三：分段模式选择（通用/父子/自定义）与参数设置。分段策略的选择与参数设置。通过学习与实践，掌握知识库的创建方法，能够根据文档特点选择合适的分段策略并完成配置。理论/实验2任务3.2搭建“智慧校园制度百事通“应用步骤一：创建Chatflow应用。步骤二：知识库节点配置与召回设置。步骤三：上下文模板与回复约束。上下文模板与回复约束。通过学习与实践，掌握知识库问答应用的搭建方法，能够配置知识库节点并完成回复约束。理论/实验2任务3.3向量检索与关键参数调试步骤一：TopK、Score阈值等关键参数解读。步骤二：检索测试用例设计。步骤三：参数迭代调优。检索参数调优。通过学习与实践，掌握向量检索关键参数的含义，能够设计测试用例并完成参数迭代优化。理论/实验2任务3.4引入重排序优化召回效果步骤一：重排序模型原理。步骤二：在知识库节点中开启Rerank。步骤三：重排序前后效果对比。重排序模型的应用与效果评估。通过学习与实践，掌握重排序模型的使用方法，能够通过对比实验验证召回效果提升。理论/实验2项目4智慧校园智能体能力拓展——工具调用实现步骤一：HTTP请求/响应模型与鉴权机制。步骤二：OpenAPI与Swagger规范。步骤三：智能体工具调用机制与工具Schema设计。OpenAPI文档解读；工具Schema设计。理解HTTP与API鉴权机制；掌握OpenAPI规范；掌握智能体工具调用机制与工具Schema设计。理论/实验2任务4.1在Dify里添加内置工具步骤一：内置工具市场浏览。步骤二：为智能体添加工具。步骤三：工具参数配置与试运行。内置工具参数配置。通过学习与实践，掌握Dify内置工具的添加与配置方法，能够在智能体中集成常用工具并完成试运行。理论/实验2任务4.2自定义HTTP工具——教务系统成绩单查询步骤一：解读教务系统OpenAPI文档。步骤二：在Dify中自定义工具。步骤三：参数定义、鉴权配置与统一输出结构。OpenAPI解析与统一输出结构设计。通过学习与实践，掌握自定义HTTP工具的开发方法，能够基于OpenAPI文档定义工具Schema并完成鉴权配置。理论/实验2项目5智慧校园智能体互联——MCP应用步骤一：MCP架构与传输模式（stdio/SSE/HTTP）。步骤二：MCP的工具、资源、提示词三大核心能力。步骤三：MCPServer开发框架与调试方法。步骤四：MCP生态与Dify集成。MCP传输模式选择；MCPServer调试与Dify集成。理解MCP的产生背景与架构；掌握MCP三大核心能力；掌握MCPServer开发、调试与Dify集成。理论/实验2任务5.1接入高德地图MCP服务步骤一：MCP服务市场浏览。步骤二：高德地图MCP服务接入。步骤三：在Dify应用中调用MCP工具。MCP工具调用链路调试。通过学习与实践，掌握Dify接入第三方MCP服务的方法，能够完成高德地图MCP的接入与调用。理论/实验2任务5.2搭建MCPServer开发环境步骤一：Python/Node.jsMCPSDK安装。步骤二：脚手架初始化与目录结构梳理。步骤三：本地启动与调试。MCPSDK安装与脚手架初始化。通过学习与实践，掌握MCPServer开发环境的搭建方法，能够基于SDK完成脚手架初始化。理论/实验2任务5.3开发第一个MCP工具步骤一：工具函数编写。步骤二：工具注册与Schema定义。步骤三：MCPInspector调试。工具Schema定义与调试。通过学习与实践，掌握MCP工具的开发方法，能够基于SDK完成工具的注册与调试。理论/实验2任务5.4为MCP服务扩展资源与提示词步骤一：Resources与Prompts概念。步骤二：定义静态资源与提示词模板。步骤三：客户端调用验证。Resources与Prompts的定义与调用。通过学习与实践，掌握MCP资源与提示词的扩展方法，能够定义静态资源与提示词模板并完成验证。理论/实验2任务5.5将本地MCP服务接入Dify平台步骤一：DifyMCP服务接入方式。步骤二：连接参数配置。步骤三：端到端调用测试。MCP服务接入与端到端测试。通过学习与实践，掌握将本地MCP服务接入Dify的方法，能够完成连接配置与端到端调用测试。理论/实验2项目6智慧校园智能体赋能——AgentSkills开发与应用步骤一：AgentSkills的核心特性与解决问题。步骤二：意图识别、参数提取、状态回传的执行过程。步骤三：AgentSkills与MCP的对比与协同。步骤四：AgentSkills的标准结构（SKILL.md）与常见分类。SKILL.md标准结构设计；AgentSkills与MCP的协同。理解AgentSkills的核心特性与执行过程；掌握SKILL.md标准结构；掌握AgentSkills的常见分类与协同模式。理论/实验2任务6.1搭建失物招领业务逻辑与静态知识库步骤一：失物招领业务梳理。步骤二：静态知识库组织（FAQ/规则）。步骤三：业务边界划分。业务逻辑与静态知识库组织。通过学习与实践，掌握失物招领业务的梳理方法，能够组织静态知识库并划分业务边界。理论/实验2任务6.2配置SKILL.md与响应模板步骤一：核心指令域编写。步骤二：响应模板设计。步骤三：动态代码与静态知识的解耦。核心指令域编写。通过学习与实践，掌握SKILL.md的编写方法，能够定义核心指令域并完成响应模板设计。理论/实验2任务6.3Dify中使用Skill步骤一：Skill注册与导入。步骤二：在Chatflow中调用Skill。步骤三：端到端验证。Skill注册与调用。通过学习与实践，掌握在Dify中使用Skill的方法，能够完成Skill注册并在Chatflow中调用验证。理论/实验2项目7智慧校园智能体深研——深度研究工作流开发步骤一：CoT、智能体规划算法与自我反思机制。步骤二：迭代控制、代码扩展与动态变量管理。步骤三：深度研究工作范式与搜索工具的高级应用。步骤四：异步处理与人机协同。复杂任务推理与规划；代码扩展能力；人机协同审批机制。掌握复杂任务推理与规划；掌握高级工作流编排技术；掌握深度研究智能体的工作范式；掌握异步处理与人机协同设计。理论/实验2任务7.1意图解析与研究路径规划步骤一：用户研究意图解析。步骤二：研究路径拆解与子任务规划。步骤三：计划节点编排。研究路径拆解。通过学习与实践，掌握研究意图解析与路径规划的方法，能够完成子任务拆分与计划节点编排。理论/实验2任务7.2引入人机协同审批机制步骤一：人机协同交互设计。步骤二：审批节点的配置。步骤三：审批回执处理。审批节点配置。通过学习与实践，掌握人机协同审批机制的设计方法，能够在工作流中配置审批节点并处理审批回执。理论/实验2任务7.3批量数据检索与代码级深度清洗步骤一：多源检索策略。步骤二：代码节点的数据清洗。步骤三：去重与标准化。代码级数据清洗与去重。通过学习与实践，掌握多源检索与代码级数据清洗方法，能够完成批量数据的去重与标准化处理。理论/实验2任务7.4交叉验证与结构化报告模板配置步骤一：交叉验证策略。步骤二：结构化报告模板设计。步骤三：模板渲染与导出。结构化报告模板设计。通过学习与实践，掌握交叉验证与结构化报告生成方法，能够设计报告模板并完成自动渲染。理论/实验2任务7.5生成《人工智能对大学生学习生活的影响》研究报告步骤一：选题拆解与研究计划。步骤二：端到端深度研究工作流运行。步骤三：报告审校与交付。端到端深度研究工作流的运行与审校。通过学习与实践，掌握深度研究工作流的端到端使用方法，能够独立完成一份完整研究报告的生成与审校。理论/实验2综合项目智慧校园综合智能体项目实践步骤一：自选真实业务场景（如迎新咨询、心理健康助手、报修助手等）。步骤二：综合运用工作流、知识库、工具调用、MCP与AgentSkills完成方案设计。步骤三：Dify全流程实现、调试与路演答辩。跨模块综合应用；路演答辩。综合运用本课程所学知识，独立完成一个完整智能体项目的方案设计与实现，并通过路演答辩。实训/项目4机动课程导入与拓展研讨步骤一：智能体行业前沿与发展趋势讲座。步骤二：典型行业案例剖析与研讨。行业案例剖析。了解智能体行业前沿动态与典型行业案例，拓展技术视野。讲座/研讨2考核课程综合考核步骤一：智能体项目提交与文档审阅。步骤二：现场路演与答辩。项目质量与答辩表现。综合考查学生智能体项目实现能力、文档撰写能力与口头表达能力。考查2学时分配说明：本课程总学时64学时，全部为实践学时（含实验、实训与项目实践）。具体分配如下：（1）项目1（Dify开发环境搭建）：8学时（2）项目2（工作流设计）：8学时（3）项目3（知识库问答构建）：8学时（4）项目4（工具调用实现）：6学时（5）项目5（MCP应用）：10学时（6）项目6（AgentSkills开发与应用）：6学时（7）项目7（深度研究工作流开发）：10学时（8）综合项目：4学时（9）机动：2学时（10）考核：2学时合计：64学时五、教学资源利用及要求1.课程主讲教师和教学团队要求本课程主讲教师应熟悉大语言模型与智能体技术体系，精通Dify等主流智能体开发平台的使用，具备提示词工程、RAG、工具调用、MCP等方面的实际项目经验，具备一定的AI应用工程实施经验与教学经验。教学团队中应有具备企业AI应用开发背景的“双师型“教师，鼓励教师参与真实智能体项目以持续更新教学内容。2.教材与参考资料（1）教材：《智能体开发实战（Dify）（微课版）》，陈康谭旭主编，人民邮电出版社，2026。（2）推荐在线资源：Dify官方文档：https://docs.dify.ai/ModelContextProtocol官方文档：https://modelcontextprotocol.io/OpenAIPromptEngineeringGuide：/docs/guides/prompt-engineering3.教学条件要求理论课教室应具备多媒体教学设备与稳定的互联网接入，能流畅访问Dify官方文档与大模