价格：联系客服报价
上课方式：公开课/内训/总裁班课程 时间上课时间：2天
授课对象：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
授课讲师：张闻川
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。
● 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
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
擅长领域：数智化转型、数智化营销、AI办公应用、知识库搭建、智能体应用、工作流自动化、大数据与人工智能解决方案、数据可视化、数据安全……
深圳市
城市
6
课程
12
案例
