《人工智能通识与实践》教案 单元6 Coze低代码智能体开发平台

《人工智能通识与实践》单元6Coze低代码智能体开发平台教案教学任务项目1Coze平台的基础功能项目2Coze平台的进阶应用授课课时总时长：18学时包括：课堂讲授8学时；实训学习10学时一、教学分析学习目标知识目标1.理解Coze平台的定义、核心价值、主要功能模块、应用场景、优势及平台架构。2.掌握提示词工程的基本原理、类型、结构和编写技巧。3.了解Coze平台支持的大模型类型、选择策略和参数配置方法。4.熟悉Coze平台插件生态系统、查找与选择原则。5.掌握工作流（Workflow与Chatflow）的基本概念、节点类型、设计步骤及优化实践。6.了解知识库（文本与表格）的创建、管理、分段策略、数据结构与查询分析方法。7.熟悉Coze平台智能体发布流程、渠道、发布后管理与优化策略。能力目标1.能够注册并熟悉Coze平台的界面布局，描述其核心功能和使用流程。2.能够编写有效的提示词，引导AI生成期望结果，并进行优化调试。3.能够根据任务需求选择合适的AI模型，并进行参数配置。4.能够查找、选择并集成合适的插件，拓展智能体功能。5.能够设计并实现简单及复杂的自动化工作流（包括对话流），运用逻辑处理、循环控制等高级功能。6.能够创建和维护文本及表格知识库，提升AI回答准确性与专业性。7.能够将开发完成的AI智能体成功发布到目标平台，并进行监控与版本管理。素质目标1.培养对AI开发（特别是低代码开发）的兴趣和探索精神，激发创新意识。2.提升数字化工具的应用能力和系统性思维，能够通过技术解决实际问题。3.树立持续学习和实践的意识，适应AI技术快速发展。4.建立健全的AI伦理意识，关注技术普惠性与风险防控的平衡，理解人机交互中的意图设计伦理、模型适配性、知识质量把关及全生命周期责任追溯。教学重点1.Coze平台“零代码/低代码”开发模式的核心理念与创新技术。2.提示词（系统提示词、用户提示词）的结构化编写与优化技巧。3.Coze平台中大模型选择与参数配置对智能体性能和输出效果的影响。4.工作流（Workflow与Chatflow）中关键节点（大模型、插件、逻辑、知识库、图像处理等）的功能与编排逻辑。5.知识库（文本、表格）的构建原理、分段策略及其在提升智能体准确性中的作用。6.智能体发布的全流程管理：测试、审核、渠道选择、版本管理与运行监控。教学难点1.深入理解低代码模式下“黑箱能力可视化封装”与“流程编排图形化设计”的原理与优势。2.精准把握提示词中“约束与限制”以及“功能与流程”模块的编写，以实现对AI行为的有效引导。3.复杂工作流中多节点协同（如意图识别、条件分支、循环控制、错误处理）的逻辑设计与调试。4.文本知识库“分段策略”的精细化配置，确保信息召回的准确性和上下文完整性。5.多Agent模式下，Agents间的分工协作、通信机制以及责任追溯机制的建立。6.将AI伦理思辨融入技术实践，权衡效率、成本与安全性、公平性等多元价值。教学内容项目1Coze平台的基础功能

1.

Coze平台概述：定义、核心功能（项目开发、资源库、发布管理）、选择Coze的原因、平台架构。2.

Coze平台的提示词编写：提示词类型（系统/用户）、结构（人设、功能、约束、格式）、常用结构（通用、任务执行、角色扮演）。3.

Coze平台的大模型选择：支持的模型、模型选择策略（按任务、按性能）、模型参数配置（精确、平衡、创意、自定义、生成随机性、上下文轮数、最大回复长度）。

项目2Coze平台的进阶应用

4.

Coze平台的插件选择：了解插件、插件查找、选择原则（成功率、运行时长、使用成本、返回结构）。5.

Coze平台的简单工作流：工作流基本概念（定义、组成、类型）、Coze工作流节点（基础、业务逻辑、输入输出、数据库、知识库&数据、图像处理），简单工作流设计步骤（需求分析、流程设计、测试优化）。6.

Coze平台的复杂工作流：复杂工作流核心组件（分支逻辑、循环控制、错误处理、数据处理）、工作流设计模式、复杂工作流设计步骤、工作流优化与最佳实践（性能优化、可靠性设计、可维护性提升）。7.

Coze平台的知识库-文本：支持的文本类型（本地文档、在线数据、飞书、微信公众号、Notion、自定义）、文本知识库分段策略（自动分段与清洗、自定义、按层级分段）及对比。8.

Coze平台的知识库-表格：表格知识库与文本知识库的区别、概念与应用场景、创建方法（数据准备、创建步骤、表结构设计）、查询与分析（查询方式、数据操作、高级分析）。9.

Coze平台的智能体发布流程：发布渠道（官方默认、公共渠道）、项目发布流程（打包、Coze审核、渠道审核与发布）、发布后的管理与优化（版本管理、监控分析与日志、持续优化）。二、教学策略教学设计本单元采用“理论讲解-平台演示-任务实操-案例分析-小组协作-伦理思辨”的综合教学模式。首先，通过引入Coze平台的核心理念和价值，激发学生的学习兴趣。接着，系统讲解Coze的基础功能和进阶应用，结合平台演示和实际操作任务，帮助学生掌握智能体开发的关键技能。在实践环节，鼓励学生通过小组协作完成项目设计与优化，培养团队合作和解决问题的能力。同时，每个任务后都穿插AI伦理思辨，引导学生深入思考技术应用可能带来的社会影响和责任，培养批判性思维和负责任的AI价值观。

教学资源PPT、微课视频三、教学实施（一）课前教师准备教学PPT、Coze平台演示环境、Coze帐号注册与登录指引、各任务所需案例代码、文档和数据、小组讨论题目、项目测试题目；学生预习单元六学习引导内容，思考低代码开发对AI应用普及的意义，并尝试注册Coze平台账号。（二）课中教学环节教学内容教师活动学生活动设计意图课堂引入（50mins）从“工具使用者”到“智能体创造者”

通过Coze平台“零代码/低代码”的理念引入，阐述AI开发范式转变，强调Coze平台在黑箱能力封装、工具链整合和流程编排上的创新，激发学生从使用AI到创造AI的兴趣。1.播放Coze平台或AIAgent应用宣传片。2.提问：传统AI开发难点在哪？Coze如何解决？3.引导学生思考低代码对个人和企业的影响。1.观看视频，积极思考。2.分享对AI应用开发的初步认知。3.带着“如何成为创造者”的疑问进入学习。明确本单元学习目标和价值，激发学习动机，建立对Coze平台的初步认识。任务1.1Coze平台概述

新知讲解(90mins)1.Coze平台的定义、核心功能（项目开发、资源库、发布管理）。2.选择Coze的原因（灵活工作流、拓展能力、丰富数据源、记忆能力）。3.Coze平台架构（空间、项目、智能体、AI应用、资源库）。

实践应用：

1.注册Coze平台账号。2.探索Coze主页面各功能区。

AI伦理思辨：

讨论低代码平台的“技术民主化”与伦理风险的平衡，以及Coze平台如何构建风险防控机制。1.结合PPT详细讲解Coze定义、功能、优势和架构。2.演示Coze平台注册及主页面各功能区。3.引导学生完成账号注册和平台探索。4.组织学生讨论AI伦理思辨问题。1.认真听讲，理解Coze核心概念。2.按照指引注册并探索Coze平台。3.积极参与讨论，思考伦理问题。帮助学生全面了解Coze平台，掌握基础操作，并初步建立AI伦理意识。任务1.2Coze平台的提示词编写

新知讲解(90mins)1.提示词类型（系统提示词、用户提示词）的区别。2.提示词结构（人设、功能/流程、约束/限制、回复格式）。3.常用提示词结构（通用、任务执行、角色扮演）。

实践应用：

1.创建“夸夸机器人”智能体。2.尝试直接编写提示词。3.学习使用AI优化提示词功能，并进行对比调试。

AI伦理思辨：

讨论提示词设计者的伦理边界，当“高效完成任务”与“用户权益保护”冲突时，如何抉择。1.讲解提示词工程原理，强调结构化设计。2.演示“夸夸机器人”创建及提示词编写、优化过程。3.指导学生实践编写和优化提示词，进行对比测试。4.引导学生讨论提示词设计中的伦理问题，如隐性操控。1.掌握提示词编写的核心要素和技巧。2.动手实践智能体创建和提示词优化。3.思考提示词对AI行为和用户影响的伦理责任。培养学生高效编写和优化提示词的能力，理解提示词在智能体中的关键作用，并关注其伦理影响。任务1.3Coze平台的大模型选择

新知讲解(90mins)新知讲解：

1.Coze平台支持的各大模型特性（豆包、DeepSeek、Kimi等）。2.模型选择策略（按任务类型、按性能需求）。3.模型参数配置（精确、平衡、创意、自定义模式；生成随机性、上下文轮数、最大回复长度）。

实践应用：

1.在“夸夸机器人”项目中进入模型对比调试。2.设置相同模型不同参数（如平衡模式vs创意模式），测试回复效果。3.切换不同模型进行对比测试。

AI伦理思辨：

讨论大模型选择的伦理评估框架，当“成本控制”与“场景适配性”矛盾时，技术决策的伦理优先级。1.介绍Coze支持的主流大模型及其特点。2.讲解模型选择策略和参数配置对输出的影响。3.演示模型对比调试操作，指导学生进行实际测试。4.引导学生讨论模型选择中的伦理困境，如“成本优先”带来的风险。1.了解不同大模型的特点和适用场景。2.实践模型选择和参数调整，通过对比学习优化策略。3.思考模型选择对AI决策和用户体验的伦理影响使学生理解大模型选择的复杂性，掌握模型选择策略和参数配置方法，培养权衡技术、成本和伦理的能力。项目1总结提升

(50mins)项目小结与疑问解答

回顾Coze平台基础功能（概述、提示词、大模型选择），强调其在智能体开发中的基础性作用。

项目测试

完成项目1的测试题目（选择题、简答题）。1.引导学生回顾项目1所学知识，进行知识点梳理。2.解答学生提问，巩固理解。3.布置项目测试，检查学习效果。1.自主回顾，提出疑问。2.完成项目测试，检验学习成果。巩固项目1所学知识，确保学生对Coze基础功能有扎实掌握。任务2.1Coze平台的插件选择

(90mins)新知讲解：

1.了解插件（拓展智能体能力、自定义插件）。2.插件的查找方法（商店分类、搜索栏）。3.插件的选择原则（成功率、运行时长、使用成本、返回结构）。

实践应用：

1.打开Coze插件商店，查找联网类型插件。2.对比WebPilot和联网问答等插件，分析其工具描述、返回结构等。

AI伦理思辨：

讨论插件生态缺乏审核机制时，开发者如何建立个人伦理准则，以及插件选择失误导致的伦理风险责任分配。1.讲解插件在扩展智能体能力中的作用。2.演示插件商店的查找和详情查看功能。3.引导学生根据选择原则对比不同插件，分析优劣。4.组织学生讨论插件选择中的伦理风险和责任问题。1.了解插件的概念和重要性。2.实践插件查找和对比分析，学会选择合适的插件。3.思考插件生态的伦理治理，培养风险意识。使学生掌握Coze插件的使用和选择方法，理解插件对智能体能力拓展的重要性，并关注插件带来的伦理挑战。任务2.2Coze平台的简单工作流

(120mins)新知讲解：

1.工作流基本概念（定义、组成、类型）。2.Coze平台的工作流节点（基础节点、业务逻辑节点、输入输出节点、数据库节点、知识库&数据节点、图像处理节点）。3.简单工作流设计步骤（需求分析、流程设计、测试优化）。

实践应用：

1.创建“职业四宫格”工作流（career_imageflow）。2.搭建工作流：配置开始节点、图像识别插件、大模型节点（生成提示词）、图像生成节点、画板节点、结束节点。3.进行工作流的试运行与发布。

AI伦理思辨：

讨论简单工作流设计中“效率优先”对用户知情权的潜在侵害，以及“合理透明度”的设计原则。1.详细讲解工作流概念、类型和主要节点功能。2.演示“职业四宫格”工作流的搭建过程，强调节点连接和参数配置。3.指导学生完成工作流搭建、测试和发布。4.引导学生讨论工作流设计中的透明度伦理问题。1.理解工作流的自动化机制和节点功能。2.动手实践简单工作流的搭建与调试。3.思考工作流设计中用户知情权的重要性。培养学生设计和实现自动化工作流的能力，理解不同节点的功能和协作方式，并关注流程透明度的伦理要求。任务2.3Coze平台的复杂工作流

(180mins)新知讲解：

1.复杂工作流核心组件（分支逻辑、循环控制、错误处理、数据处理）。2.工作流设计模式（顺序、分支、并行、迭代、事件驱动）。3.复杂工作流设计步骤与优化最佳实践。

实践应用：

1.创建“知识问答互动”智能体，并添加用户变量（姓名、年龄）。2.新建对话流，搭建用户信息询问与存储分支、知识问答分支（意图识别、循环问答、判断答案）、咨询提问分支、聊天分支。3.完善智能体基本设置（对话流模式、长期记忆、开场白、语音）。4.进行试运行并发布。

AI伦理思辨：

讨论复杂工作流中多Agent决策冲突时的责任追溯机制，以及Coze平台如何嵌入责任界定框架。1.讲解复杂工作流的挑战和高级功能。2.详细演示“知识问答互动”对话流的搭建，重点讲解意图识别、IF选择器、循环节点等复杂逻辑。3.指导学生完成复杂工作流的搭建、调试和智能体完善。4.组织学生讨论多Agent协同的责任追溯问题。1.掌握复杂工作流的设计原理和高级功能。2.独立或小组协作完成复杂对话流的搭建和调试。3.深入思考多Agent系统中的责任分配问题。培养学生构建强大、可靠自动化流程的能力，掌握复杂逻辑处理，并关注AI系统的责任伦理。任务2.4Coze平台的知识库-文本

(90mins)新知讲解：

1.支持的文本类型（本地文档、在线数据、飞书、公众号、Notion、自定义）。2.文本知识库分段策略（自动分段、自定义、按层级分段）及其对比分析。

实践应用：

1.准备一份Markdown格式的企业介绍文档。2.创建文本知识库，选择“本地文档”，并设置“按层级分段”。3.初步预览分段效果，并在工作流中测试知识库召回结果。

AI伦理思辨：

讨论文本知识库的“客观性”问题，以及开发者在构建知识库时如何平衡“知识全面性”与“价值中立性”。1.介绍多种文本知识库来源及配置要点。2.重点讲解文本分段策略原理、优缺点和适用场景。3.演示文本知识库创建、文档上传、分段设置和检索测试。4.引导学生讨论知识库构建中的“知识偏见”伦理问题。1.了解文本知识库的多种创建途径。2.动手实践文本知识库的创建和分段策略配置。3.思考知识库信息来源和内容选择的伦理责任。帮助学生掌握文本知识库的构建与优化方法，提升智能体回答的准确性和专业性，并培养对知识质量把关的伦理意识。任务2.5Coze平台的知识库-表格

(90mins)新知讲解：

1.表格知识库与文本知识库的区别。2.表格知识库的概念、应用场景、创建方法（表结构设计、数据准备）。3.表格数据的查询与分析（查询方式、数据操作、高级分析）。

实践应用：

1.准备一份表格数据（如产品清单）。2.创建表格知识库，上传数据，并配置表结构和索引。3.预览表格数据，为后续查询分析做准备。

AI伦理思辨：

讨论表格数据“客观表象”下的选择，以及开发者在处理表格数据时如何避免“数据客观主义”导致的盲区。1.区分文本与表格知识库的特点和适用性。2.讲解表格知识库的构建流程和表结构设计要点。3.演示表格知识库创建、数据上传和结构配置。4.引导学生讨论表格数据采集和表征中的伦理问题，如植入歧视性前提。1.理解表格知识库的结构化特点和应用优势。2.实践表格知识库的创建和结构配置。3.思考表格数据设计对AI决策公平性的影响。使学生掌握表格知识库的构建，利用结构化数据实现高效查询和分析，并培养对