课程背景
随着机器智能技艺的迅猛演进，
AI智能体轮廓和AI编程抓手已经从实验室走进了
公司
的日常事务中。在当前差事日益繁重、软件复杂度持续拉升的来由下，怎样有效利用
AI技艺拉升软件开发效率、精进研发事务流程，成为每一位软件工程师和技艺管人者必须面对的课题。
本课针对业务真实情境，锁住智能体开发
、公司学识库建设、
AI编程抓手三大核心领域
，
借助系统化的理论解说和实战操作，支援参训者迅速掌握
AI技艺在
公司的落地运用。
课程收益
1. 智能体架构规划本领：掌握Dify等等主流智能体轮廓的核心原理，能够根据公司诉求开展私有化部署和智能体开发，达成公司个性化情境二次开发和落地。
2. 公司学识库建设本领：领会RAG技艺的核心制度，能够选型并搭建支持分层分级管控、自主更新的公司学识库系统，破解文档向量化准确度问题。
3. AI编程实战本领：掌握Trae、CodeBuddy、VS Code等等AI编程抓手的采用办法，能够开发情境中高效利用AI辅助编码、调试和代码审查。
4. 安全合规部署本领：掌握离线私有化部署方案，确保代码和资料不出内网，满足公司的安全保密要求。
课程大纲
首讲：
AI智能体私有化部署选型
章节标的
：构筑
AI智能体技艺认知，领会军工情境下的选型要则，掌握主流轮廓的对比拆解办法
一、
AI智能体技艺概述
•
何为
AI智能体（Agent）：定义、核心特征、技艺边界
• 智能体和大模型的关系：从单字接龙到抓手调用
• 智能体的三大核心本领：推理规划、抓手调用、记忆管控
• 国有公司对智能体的特殊要求：离线部署、安全可控，国产适配
二、主流开源智能体轮廓对比
轮廓
核心定位
学识库本领
插件扩展
私有化部署
国产模型支持
Dify
LLM运用开发平台
中等（需配置）
强（
50+抓手）
支持
出色
RAGFlow
专精
RAG引擎
强（深度文档领会）
中等
支持
良好
FastGPT
轻量学识库
良好
基础
支持
良好
Coze/扣子
云端智能体平台
强
强
支持
出色
三、国有公司情境选型要害指标
1.
安全合规性
：是否支持完全离线部署、等等保认证、国密算法
2.
国产适配性
：对
Qwen/GLM/DeepSeek的支持程度
3.
扩展本领
：插件开发、自定义抓手集成、事务流编排
4.
学识库本领
：文档拆解精度、向量化质量、检索准确度
次讲：
AI智能体环境搭建
章节标的
：掌握
Dify
的
私有化部署办法，完成基础环境配置
一、部署环境准备
•
硬件要求评核：
CPU/内存/存储
配置
•
软件环境准备：
Docker，Docker Compose，Git
• 网络环境配置：离线环境下的镜像导入打法
•
国产模型接入准备：
Qwen/GLM/DeepSeek的本地部署或者API配置
二、
Dify私有化部署实战
1.
在线环境准备倚重
–
克隆
Dify源码：
git clone https://github.com/langgenius/dify.git
–
下载
Docker镜像：采用
docker pull获取所有倚重镜像
– 导出离线包：docker save
生成可迁移的
tar包
2.
离线环境部署
–
导入
Docker镜像：
docker load
加载
tar包
– 配置环境变量：.env文件的要害参数设置
– 启动服务：docker compose up -d
– 验证部署：访问http://localhost完成初始化配置
3.
国产模型集成
– DeepSeek接入：配置API Key和模型参数
– Qwen接入：阿里云DashScope或者本地部署
– GLM接入：智谱AI API配置
– Embedding模型配置：bge-m3等等国产向量化模型
三讲：搭建第一个智能体
章节标的
：借助实战掌握
Dify智能体的创建办法，领会事务流编排的核心概念
一、
Dify基础操作
• 界面导览：事务室、学识库、抓手、插件
•
运用类型选项：聊天助手、
Agent、事务流、Chatflow
•
提示词工程基础：
System Prompt规划要则
二、创建技艺文档问答助手
1.
诉求拆解
– 情境：某型号软件的用户指引智能问答
– 功能：回答关于软件功能、接口定义，配置参数的问题
– 要求：答案可追溯、支持多轮对话
2.
学识库构筑
–
上传
PDF/Word文档
–
配置分段打法：按照段落
/按照章节/自动分段
–
选项
Embedding模型：bge-m3 vs text-embedding-3
– 测试检索成效：调整相似度阈值和召回数量
3.
智能体配置
–
编写
System Prompt（定位定义、回答规范）
– 绑定学识库作为上下文来源
– 配置引用追溯：显示答案来源文档和页码
– 设置对话开场白和建议问题
4.
调试和精进
– 测试问答成效
–
拆解
Bad Case：检索失败vs生成失败
–
精进打法：调整分块大小、添加同义词、精进
Prompt
三、事务流编排入门
•
事务流
vs Chatflow：批处理 vs 对话情境
•
核心节点类型：开始、
LLM、学识检索、条件分支、代码执行、HTTP请求、结束
• 变量和上下文传递
四、实战：创建格式化文档生成事务流
•
情境
：根据诉求描述自动生成软件规划文档
•
流程
：诉求输入
→ 大纲生成 → 内容填充 → 格式转换 → 文档输出
•
输出
：
Markdown格式文档
四讲：智能体自定义插件制作
章节标的
：掌握
Dify插件开发办法，达成和嵌入式开发抓手链的集成
一、
Dify插件架构概述
•
插件类型：模型供应商、抓手、资料源、
Agent打法
•
插件开发方式：
Python/Node.js，OpenAPI规范、事务流封装
•
插件发布：本地安装
vs 插件市场
二、自定义抓手开发实战
1.
开发环境搭建
–
安装
Dify Plugin CLI抓手
– 创建插件项目结构
– 配置插件元资讯
2.
开发实战：封装一个
RESTful API服务
3.
实例：连接内部项目管控系统的
API，查询差事状态
4.
实例：连接内部构筑服务器的
API，触发构筑差事
三、
插件调试、安装和测试
第
五
讲：开源学识库的选项和搭建
章节标的
：弄懂主流开源学识库方案，掌握
RAGFlow深度运用
一、主流开源学识库方案对比
方案
核心优势
适用情境
部署难度
RAGFlow
深度文档领会、高精度检索
复杂文档处理
中等
FastGPT
开箱即用、轻量迅速
迅速搭建学识库
简单
QAnything
中文精进、多模态支持
中文文档为主
中等
MaxKB
极简轻量、迅速部署
小型
FAQ系统
简单
二、
RAGFlow深度运用
1.
核心特性详解
–
深度文档领会：布局拆解、表格识别、
OCR
– 模板化分块：可视化分块打法配置
–
多路召回：向量
+要害词+学识图谱
2.
文档拆解配置
–
表格处理打法：保留结构
vs 转文本
–
图片处理：
OCR识别 vs VLM描述
三，
Dify+RAGFlow联合方案
•
架构规划
：
RAGFlow负责文档拆解和检索，Dify负责事务流编排和运用封装
•
资料流转
：
RAGFlow API → Dify HTTP节点 → 智能体运用
•
优势结合
：深度文档领会
+ 灵活事务流编排
四、学识库和智能体集成
• 学识库作为智能体的上下文来源
• 多学识库联合检索
第
六
讲：公司学识库
规划
章节标的
：掌握公司级学识库的架构规划和高级功能达成
一、学识库架构规划
1.
分层分级管控模型
–
学识库层级
：组织级
→ 部门级 → 项目级 → 个人级
–
权限架构
：读取、写入、管控三级权限
–
资料隔离
：多租户架构达成学识库隔离
二、学识库自主更新制度
1.
定时同步
–
配置定时差事：每日
/每周自动同步
–
增量更新打法：只处理新增
/修改文档
– 全量重建打法：定期重建索引确保一致性
2.
经过驱动更新
– Git钩子触发：代码提交后自动更新相关文档
–
文档系统
Webhook：文档发布后自动同步
– API触发：外部系统调用更新接口
3.
版本管控
– 文档版本追踪：记录每次更新内容
–
历史版本回溯：支持查看
/恢复历史版本
– 版本对比功能：对比不同版本差异
三、文档向量化准确度精进
1.
深度文档拆解
–
问题
：传统拆解丢失表格、公式、图片资讯
–
方案
：
•
采用
RAGFlow的DeepDoc拆解器
•
表格识别：转换为结构化文本或者
Markdown表格
•
图片处理：
OCR提取文字
2.
智能分块打法
– 按照语义分块：保持段落完整性
–
层次化分块：章节
-小节-段落三级结构
– 重叠分块：相邻块保留重叠内容确保上下文
– 父子文档：小块用于检索，换个角度看，大块用于生成
3.
混合检索打法
– 向量检索：语义相似度匹配
–
重排序（
Rerank）：拉升检索结果相关性
四、实战：构筑部门级学识库
•
情境
：软件部开发学识库
•
内容
：编码规范、规划模式、调试招数
•
功能
：问答检索、代码示例搜索、最佳实践推荐
•
管控
：分层权限、自动同步、版本将控
第七讲：
AI编程抓手引见
章节标的
：弄懂主流
AI编程抓手特性，掌握军工情境下的选型办法
一、
AI编程抓手概述
• AI编程抓手的演进阶段：从代码补全到智能体编程
• 核心技艺：代码生成、智能补全、代码审查、缺陷修复
•
军工情境特殊要求：离线部署、代码安全、国产适配
二、主流
AI编程抓手对比
抓手
厂商
核心特性
国产模型
适用情境
CodeBuddy
腾讯
双模型驱动、智能体、等等保三级
混元
+DeepSeek
个人
/队伍
Trae
字节跳动
Builder模式、中文精进、完全免费
豆包
+DeepSeek
个人
/队伍
通义灵码
阿里云
Java、阿里云生态
通义系列
个人
/队伍
Cursor
海外
功能周全
、
生态成熟
需配置
海外项目
VS Code+插件
微软
生态充实、高度定制
可配置
通用开发
三
、
Trae深度拆解
1.
核心特性
– Builder模式：从零生成完整项目
– Chat模式：对话式编程辅助
–
中文语义领会：
92%准确率
– 完全免费采用
2.
适用情境
– 迅速原型开发
– 研习新技艺栈
– 代码重构精进
四
，
VS Code AI插件方案
1.
插件组合推荐
–
代码生成
：ClaudeCode
–
智能问答
：
DeepSeek插件
–
代码审查
：
Codeium
–
文档生成
：
Markdown All in One + AI辅助
2.
私有化配置
–
接入本地部署的
DeepSeek/Qwen模型
– 配置私有代码库作为上下文
第八讲：
AI编程和传统编程的差别
章节标的
：领会
AI编程范式转变，掌握人机协同的最佳实践
一、编程范式的演进
• 传统编程：人编写每一行代码，具体来看，计算机执行
• AI辅助编程：人描述诉求，AI生成代码，人审查精进
•
智能体编程：
AI自主规划，编码、测试、调试
二、
AI编程的核心优势
1.
效率拉升
–
代码生成速度：
AI生成 vs 人工编写（10:1）
– 重复代码减少：模板代码自动生成
–
研习曲线缩短：迅速掌握新
API/轮廓
2.
质量改进
– 代码规范性：自动遵循编码规范
– 缺陷预防：实时检测潜在问题
– 文档完整性：自动生成注释和文档
三、
AI编程的局限性和隐患
1.
技艺局限
– 幻觉问题：生成看似正确但实际错误的代码
– 上下文限制：长代码库领会本领有限
– 领域学识：对特定领域领会不足
2.
安全隐患
– 代码泄露：敏感代码上传云端
– 许可证隐患：生成代码的版权归属
– 安全漏洞：生成代码可能存在安全隐患
四、人机协同最佳实践
1.
诉求描述招数
– 清晰明晰的自然语言描述
– 提供充分的上下文资讯
– 采用示例说明期望输出
2.
代码审查要点
– 推演正确性验证
– 边界条件查验
– 安全漏洞扫描
– 性能影响评核
实战实例：一起来开发一个重复文件查找和清理抓手
附录
A：推荐抓手和资源
智能体轮廓
•
Dify
：
https://github.com/langgenius/dify
•
RAGFlow
：
https://github.com/infiniflow/ragflow
•
FastGPT
：
https://github.com/labring/FastGPT
AI编程抓手
•
CodeBuddy
：
https://copilot.tencent.com
•
Trae
：
https://www.trae.com.cn
•
通义灵码
：
https://tongyi.aliyun.com/lingma
国产大模型
•
DeepSeek
：
https://www.deepseek.com
•
通义千问
：
https://tongyi.aliyun.com
•
智谱
GLM
：
https://www.zhipuai.cn
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|谢海林老师
适合谁听
•软件工程师 •技艺架构师和系统规划师 •项目管人人员和技艺管人人员 •学识库管控员和文档工程师 •对AI智能体技艺感兴趣的技艺人员。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。