课程背景
随着
DeepSeek等等国产大模型崛起，AI智能体技艺正从“对话抓手”向“自主差事执行体”跃迁。公司面临三重矛盾：技艺断层：72%公司员工对AI领会仅停留在聊天层面，无法驾驭智能体的差事拆解和流程编排本领。效率瓶颈：传统开发需3周+的智能体搭建，现可借助Coze等等平台缩短至2小时，但缺乏系统办法论指导。伦理隐患：30%公司因资料泄露、幻觉决策等等问题暂停AI项目，亟需构筑技艺-风控双轨本领。
本课以
“认知-技艺-情境”为轴，支援公司跨越AI运用鸿沟，达成从被动响应到主动赋能的转型。
课程收益
● 掌握智能体四本领架构，
构筑感知
-决策-行动-进化闭环规划本领（基于ReAct轮廓）
● 精通智能体开发全流程，
具备架构规划
/RAG增强/抓手链集成实战本领（含Coze/Dify平台实操）
● 运用多情境智能体方案，
输出医疗
/金融/教育领域落地打法（规避15类失败陷阱）
● 构筑智能体风控架构，
掌握幻觉检测
/沙箱测试/三阶审核等等防御本领
● 规划跨平台事务流，
达成多抓手调用和
API网关集成本领
课程大纲
导入：
1. 本领图谱
1）认知破壁：解构AI智能体“感知-决策-行动”闭环
2）技艺穿透：掌握智能体开发四阶流程：标的定义→抓手调用→事务流编排→伦理风控
2. 破冰行动
：
[姓名]-[业界]-[最想用智能体破解的痛点]-[期待产出]
3. 设置痛点墙贴士
首讲：认知模块
——智能体基础：从认知到架构规划
一、
AI智能体的元认知
AI智能体：
“环境感知→自主决策→抓手执行”的闭环系统
对比传统
AI：被动响应 VS 智能体：主动规划
二、智能体的核心四本领
1. 感知：多模态输入（文本/图像/传感器资料）
2. 决策：基于LLM的推理链（CoT技艺达成因果推断）
3. 行动：API抓手调用（如支付/导航/ERP系统）
4. 进化：ReAct轮廓下的持续研习
三、
AI智能体和传统AI模型的区别
1. 差事维度不同
单一情境固定差事
VS 跨平台复杂差事流
实例对比：
客服机器人（传统）
vs 京东采销助手（全流程跟单）
2. 交互方式不同
问答式响应
VS 主动规划+抓手调用
实例对比：
ChatGPT回答问题 vs AutoGPT自动写代码+执行
3. 进化本领
需人工重新训练
VS 实时反馈精进打法
实例对比：
深度研习模型迭代需周
vs 荣耀YOYO日进化3次
四、
AI智能体的演进历程和现况
1. 技艺演进三阶段
1）轮廓构筑期（2023）：AutoGPT达成差事分解→执行闭环
2）平台孵化期（2024）：GPTs/扣子平台降低开发门槛（百度文心勾住80万开发者）
3）业界渗透期（2025）
政务：
“城市超级智能体”达成跨部门协同
医疗：
深圳
AI医院部署手术/诊疗多智能体协同
2. 政策加速器：北京/上海2025新政——对通用智能体最高补贴3000万算力成本
五、
AI智能体的运用情境
1. AI智能体在各行各业的运用
1）物流：仓储机器人+路径规划智能体
2）医疗：毛洪京睡眠管控智能体（诊前评核→随访）
3）教育：王波“明导”AI助教（自适应出卷+答疑）
2. AI智能体在不同情境中的具体运用
1）C端情境
a生活管家：斑马智行3.0一键订餐/购票/导航（多APP抓手链调用）
b创作助手：一句话生成视频短片（文生视频+多模态协同流水线）
2）B端情境：感知、决策、行动
实例拆解：
制造业智能体事务流
六、
AI智能体的优势和局限性
1. 优势
1）复杂差事分解
实例：
港机项目延期智能体溯源至
D类图纸延迟
2）人效突破
实例：
比亚迪官方智能体拉升销售转化率
119%
2. 局限
1）机器幻觉
实例：
律师引用
ChatGPT伪造实例败诉
2）抓手孤岛
实例：
外卖
/支付APP未打通致“买咖啡”差事失败
七、
AI智能体的社会影响
1. AI智能体对社会和经济的影响
——生产力重构
1）岗位进化：HR转向智能体训练师（如京东招聘智能体精进简历筛选）
2）创业革命：零代码开发者激增（百度文心杯大赛60%队伍无程序员）
经济图谱：
2025全球智能体市场规模预测：CAGR＞40%
2. AI智能体引发的伦理和法律问题
隐患实例
1：
纳斯达克交易智能体致
1万亿美元蒸发（多智能体协同制度缺失）
隐患实例
2：
医疗智能体推荐过期药物（学识库更新延迟
+无人工审核）
八、怎样化解
AI智能体带来的挑战
1. 三层防御架构
1）技艺层：植入幻觉检测模块（如DeepSeek-R1的置信度阈值设定）
2）合规层：遵循《智能体可信互连业界规范》（IIFAA事务组准则）
3）人文层：分组辩论：自动驾驶事故责任归属（制造商/程序员/车主）
2. 公司行动清单
1）构筑智能体审计委员会
2）要害决策保留人工否决权
3）每月更新隐患实例库
次讲：技艺模块
——智能体开发：抓手链和技艺实战
一、
AI智能体的技艺架构
1. AI智能体的主要组件和技艺栈
——三层架构模型（基于LLMOps工业准则）
1）感知层：多模态输入处理模块
技艺栈实例：
Whisper（语音识别）、CLIP（图像领会）、OCR文本提取
2）决策层：推理引擎+记忆管控
技艺栈实例：
LangChain（差事拆解）、向量资料库（Faiss/Pinecone）
3）执行层抓手调用+API网关
技艺栈实例：
OpenAI Functions，Plugins系统
2. AI智能体的事务原理和流程
——ReAct范式事务流：感知→决策→执行→进化
实例拆解：
供给链预警智能体（将实例的细节删去，保留实例本身的名称即可）
3. AI智能体的要害技艺
1）自然语言处理进阶：意图识别、情感拆解
2）深度研习精进：微调技艺、多模态融合
二、
AI智能体的开发抓手和平台
1. 常用的AI智能体开发抓手和平台引见（表格换成文字）
1）零代码平台：Coze（字节跳动）
核心优势：
10分钟搭建对话机器人，内置100+业界插件
适用情境：
电商客服
/社交媒体营运
2）低代码平台：Dify（开源）
核心优势：
支持私有化部署，灵活集成公司
API
适用情境：
金融风控
/医疗学识库
3）自动化引擎：n8n（德国）
核心优势：
可视化事务流编排，支持
500+第三方抓手连接
适用情境：
跨系统资料同步
/审批流自动化
4）RAG专用抓手：FastGPT
核心优势：
中文精进学识库问答，开箱即用
适用情境：
公司文档智能助手
2. 怎样选项合适的开发抓手和平台
辅助选项抓手：
选型决策轮廓树
3. 开发抓手和平台的采用办法和招数
1）模块化规划：将智能体拆分为独立本领单元，借助事务流串联
实例：
京东采销助手拆解为
15个本领单元，故障隔离率拉升90%
2）渐进式验证：先还原测试单一抓手调用，再扩展至多Agent协同
3）安全沙箱制度：敏感操作（如支付/删库）需设置双因子确认规则
三、
AI智能体的资料处理和学识管控
1. AI智能体的资料处理流程和办法
——资料处理全链路SOP：四阶清洗法
1）源对齐2）异常清洗3）向量化4）质量校验
2. 学识库的规划和管控
1）
学识萃取三通道
a
结构化资料：
DDL拆解+外键关联
b
非结构化文档：
NLP实体关系抽取
c专家心得：决策树转录抓手
2）学识更新制度：动态索引、版本回溯
3.
资料清洗
/标注和特征提取
1）资料清洗：核心差事、要害技艺
2）资料标注：人工标注、半自动标注，智能体自动标注
3）特征提取：核心标的、技艺路线
四、
AI智能体的交互和用户体验
1. AI智能体的交互规划和用户体验精进
1）FOG交互模型
2）个性化体验规划：动态画像系统、多模态交互
2. 自然语言处理和对话系统的运用
1）核心技艺栈：意图识别和槽位填充、对话管控（DM）引擎
2）革新运用情境
a法律智能体：合同审查
b教育智能体：自适应答疑
3. 用户反馈和迭代精进
1）反馈收集四通道
来源
1：显性评分：情感拆解（NLTK+VADER）
情境：
客服对话满意度精进
来源
2：隐式行为资料：点击热力图（Heatmap.js）
情境：
界面交互路径精进
来源
3：A/B测试：假设检验（p<0.05显著）
情境：
推荐算法成效对比
来源
4：社交舆情：话题聚类（LDA模型）
情境：
货品诉求挖掘
2）迭代精进技艺：增量研习、负反馈溯源
三讲：情境模块
——智能体运用：职场落地和实践
一、
职场智能体运用实例
1. 文档和内容管控智能体
1）智能文档助手
功能：
自动生成报告，文档查重、内容提炼
实例：
某制造公司月报自动化（节省
80%撰写时间）
2）学识库智能体
功能：
公司文档智能检索、自动更新维护
实例：
某科技公司货品学识库（客服响应时间减少
65%）
2. 会议和协同智能体
1）会议效率助手
功能：
会议记录，行动项跟踪、决策摘要
实例：
某管控咨询公司会议智能体（减少
40%后续交流成本）
2）项目协同智能体
功能：
差事分解、进度监控、隐患预警
实例：
某建筑公司项目管控智能体（项目延期率降低
30%）
3. 人力资本智能体
1）招聘筛选助手
功能：
简历筛选，候选人匹配、面试问题生成
实例：
某互联网公司
HR智能体（筛选效率拉升200%）
2）培训个性化智能体
功能：
员工本领评核、定制化研习路径
实例：
某零售公司培训智能体（新员工上岗时间缩短
40%）
二、自建智能体实战实例
1. 零代码平台智能体开发——Coze平台10分钟搭建智能助手
实操实例：
买方问询智能体（含问题分类、学识检索、答复生成）
事务流演示：
从诉求拆解到发布测试全流程
2. 中低代码平台智能体开发——Dify平台构筑业务链路智能体
实操实例：
供应商评核智能体（资料收集、拆解、生成报告）
要害技艺点：
API连接、资料源对接、模板定制
3. 公司级智能架构统集成——多智能体协同系统
实例：
公司决策辅助系统（市场拆解
+财务预测+隐患评核）
架构图解：
组件拆分和流程编排
三、智能体评核和精进
1. 常见的失败原因和教训
1）纳斯达克交易智能体失控：多智能体协同死锁（未设熔断制度）
2）医疗诊断智能体推荐过期药物：学识库更新延迟+无人工审核链路
3）招聘智能体性别歧视：训练资料包含历史偏见样本
2. 怎样防止类似的失败
1）技艺层防线：
幻觉检测：植入置信度阈值（如
DeepSeek-R1设置＜0.7自动报警）
沙箱测试：还原极端情境压力测试（例：学识库污染率＞
15%时启动隔离）
2）管控层制度：
三阶审核制：开发组自检
→ 风控组合规扫描 → 业务组情境验证
3）伦理清单
a是否包含敏感群体偏见资料？
b要害决策是否保留人工否决权？
c是否构筑版本回溯本领？
【课程收束和展望】
1. 研习心得和体会
2. AI智能体的未来演进趋势
1）AR融合爆发：工业维修智能体支持AR眼镜实时标注故障点（2025渗透率＞15%）
2）法律主体确权：欧盟拟立法认定高危情境智能体需承担部分法律责任
3）生物启发智能体：仿脑神经脉冲计算降低能耗90%（清华大学突破）
4）可持续架构：绿色智能体准则发布（单位差事碳排放＜传统AI的1/5）
5）群体智能涌现：10万+智能体协同攻克新药研发（OpenAI验证）
3. 怎样持续研习和跟进AI智能体的最新进展
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
技艺决策者、开发工程师、业务管人者、HR/培训负责人。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。