|
迪哥·2025AI智能体开发课程，亲手搭建自动化工作流
课程介绍： 课程来自迪哥的2025AI智能体开发课程。你将系统掌握Coze平台，亲手搭建新闻总结、视频制作、智能客服等自动化工作流。
课程深度结合MetaGPT、AutoGen等前沿框架，并涵盖大模型微调、RAG知识库构建等高级应用。通过真实玩法实操，不仅学会工具使用，更能掌握从流程分析、节点搭建到部署落地的完整开发能力，最终能独立创建解决实际问题的AI智能体。
视频截图：
课程目录：
├─01、课程介绍 │ 1、课程介绍.mp4 │ ├─02、Coze打造自己的第一个工作流：新闻搜索与总结（6小节） │ 2-1COZE登录与创建工作流方法.png │ 2-2工作流要完成的任务与节点定义.mp4 │ 2-3插件配置方法与参数.mp4 │ 2-4大模型节点配置方法.mp4 │ 2-5结束节点配置.mp4 │ 2-6智能体配置方法.mp4 │ ├─03、COZE打造新闻稿创作工作流（循环使用方法）（5小节） │ 3-1循环节点方法解读.mp4 │ 3-2循环中参数的定义方法.mp4 │ 3-3续写新闻稿件方法（循环中间变量使用）.mp4 │ 3-4智能体测试与输出节点.mp4 │ 3-5批处理的作用与效果.mp4 │ ├─04、COZE打造历史人物视频素材（12小节） │ 4-10选修：自定义插件配置方法实例.mp4 │ 4-11选修：工作流中添加视频插件.mp4 │ 4-1做视频素材业务逻辑分析.mp4 │ 4-2做剧本节点系统提示词方法.mp4 │ 4-3完成剧本节点输出.mp4 │ 4-4画面描述与图像生成节点构建.mp4 │ 4-5图像违规词限制与运镜节点.mp4 │ 4-6视频节点构建与错误分析.mp4 │ 4-7图像生成节点错误调试并保险.mp4 │ 4-8视频生成节点容易违规的解决方法.mp4 │ 4-9选修（当作拓展知识）：配置外部视频软件成为插件.mp4 │ 后三节（9-11）选修内容说明（图文）.png │ ├─05、COZE自动化剪辑（继续历史人物章节）（5小节） │ 5-1时间线定义方法.mp4 │ 5-2剪映插件介绍.mp4 │ 5-3时间线和素材绑定方法.mp4 │ 5-4剪映草稿添加素材方法.mp4 │ 5-5得到合成后的视频.mp4 │ ├─06、COZE打造智能客服（5小节） │ 6-1对话流配置与创建.mp4 │ 6-2选择器的使用方法.mp4 │ 6-3数据库与大模型的匹配方法.mp4 │ 6-4知识库构建与匹配方法.mp4 │ 6-5汇总输出与测试.mp4 │ ├─07、COZE结合飞书表格办公（5小节） │ 7-1DEMO演示与基本流程分析.mp4 │ 7-2表格填入模块解读.mp4 │ 7-3表格的输入与输出.mp4 │ 7-4查找与匹配的方法.mp4 │ 7-5飞书表格智能体测试应用与常见问题.mp4 │ ├─08、COZE打造装修设计与应用创建（5小节） │ 8-1DEMO演示与应用分析.mp4 │ 8-2输入参数与大模型配置.mp4 │ 8-3图像生成模型配置.mp4 │ 8-4COZE中的应用模块配置.mp4 │ 8-5COZE应用界面设计.mp4 │ ├─09、文案（小红书笔记）生成智能体搭建方法（2小节） │ 9-1提示词与工作流配置.mp4 │ 9-2插件配置方法与输出.mp4 │ ├─10、COZE-API使用并结合CURSOR构建应用（5小节） │ 10-1COZE-API开通方法.mp4 │ 10-2API外部调用方法实例演示.mp4 │ 10-3Cursor应用例子分析.mp4 │ 10-4用CURSOR构建一个浏览器插件.mp4 │ 10-5API调用与插件测试.mp4 │ ├─11、COZE打造数据分析智能体（8小节） │ 11-1效果演示与数据读取.mp4 │ 11-2数据清洗与处理.mp4 │ 11-3结合DeepSeek构建代码节点.mp4 │ 11-4结合DeepSeek进行数据分析.mp4 │ 11-5配置插件把分析结果存在excel里.mp4 │ 11-6数据可视化配置方法与节点调试分析.mp4 │ 11-7不同可视化图表配置方法.mp4 │ 11-8输出与展示配置.mp4 │ ├─12、COZE中配置自己的插件（3小节） │ 12-1插件的基本配置方法.mp4 │ 12-2输入输出参数配置方法.mp4 │ 12-3在工作流中配置自己的插件并使用.mp4 │ ├─13、COZE发票助手搭建（5小节） │ 13-1发票助手插件接入.mp4 │ 13-2数据表创建方法.mp4 │ 13-3识别工作流配置与测试.mp4 │ 13-4调用模块工作流配置.mp4 │ 13-5知识库配置.mp4 │ ├─14、COZE邮件助手（3小节） │ 14-1自定义插件创建方法与流程.mp4 │ 14-2插件输出配置与循环体.mp4 │ 14-3知识库配置与结果输出.mp4 │ ├─15、影刀RPA实战（5小节） │ 15-1影刀RPA分析.mp4 │ 15-2影刀安装方法.mp4 │ 15-3影刀流程配置方法实例.mp4 │ 15-4执行循环操作.mp4 │ 15-5完成文案采集的全部功能.mp4 │ ├─16、RAGFLOW本地化知识库（5小节） │ 16-1RAGFLOW介绍和特点.mp4 │ 16-2RAGFLOW接入本地模型.mp4 │ 16-3Chat与Embedding模型接入.mp4 │ 16-4知识库构建实例.mp4 │ 16-5封装成API调用.mp4 │ ├─17、RAG检索架构分析及应用（6小节） │ 17-1RAG要完成的任务解读.mp4 │ 17-2RAG整体流程解读.mp4 │ 17-3召回优化策略分析.mp4 │ 17-4召回改进方案解读.mp4 │ 17-5评估工具RAGAS.mp4 │ 17-6外接本地数据库工具.mp4 │ ├─18、斯坦福AI小镇架构与玩法解读（10小节） │ 18-10玩法环境配置方法解读.mp4 │ 18-1整体故事解读.mp4 │ 18-2要解决的问题和整体框架分析.mp4 │ 18-3论文基本框架分析.mp4 │ 18-4Agent的记忆信息.mp4 │ 18-5感知与反思模块构建流程.mp4 │ 18-6计划模块实现细节.mp4 │ 18-7整体流程框架图.mp4 │ 18-8感知模块解读.mp4 │ 18-9思考模块解读.mp4 │ ├─19、autogen框架实战（7小节） │ 19-0Python环境说明.mp4 │ 19-1AutoGenStudio框架安装与介绍.mp4 │ 19-2动作API配置方法.mp4 │ 19-3国内常用API配置方法.mp4 │ 19-4API接口在线测试.mp4 │ 19-5工作流配置.mp4 │ 19-6执行流程与结果.mp4 │ ├─20、部署与进阶应用实战（12小节） │ 20-10调用SD-API完成设计.mp4 │ 20-11Ollama环境配置与安装.mp4 │ 20-12autogen接入本地模型.mp4 │ 20-1API生成方法.mp4 │ 20-2GroupChat模块.mp4 │ 20-3执行流程分析.mp4 │ 20-4外接本地支持库配置方法.mp4 │ 20-5加入RAG技能.mp4 │ 20-6LMStudio本地下载部署模型.mp4 │ 20-7调用本地模型方法与配置.mp4 │ 20-8AutogenStudio本地化部署流程.mp4 │ 20-9本地化部署接入应用实例.mp4 │ ├─21、METAGPT框架解读（9小节） │ 21-1论文概述分析.mp4 │ 21-2整体框架逻辑介绍.mp4 │ 21-3玩法环境配置.mp4 │ 21-4基础解读-动作定义方式.mp4 │ 21-5基础解读-角色定义.mp4 │ 21-6单动作智能体实现方法.mp4 │ 21-7多动作配置方法.mp4 │ 21-8定时器任务环境配置.mp4 │ 21-9定时器任务流程解读分析.mp4 │ ├─22、metaGPT应用实战-网上调研资料（6小节） │ 22-0基本Agent的组成.mp4 │ 22-1Agent要完成的任务和业务逻辑定义.mp4 │ 22-2问题拆解与执行流程.mp4 │ 22-3检索得到重要的URL.mp4 │ 22-4子问题生成总结结果.mp4 │ 22-5总结与结果输出.mp4 │ ├─23、结合GPT打造自己领域专属客服（6小节） │ 23-1DEMO演示与整体架分析.mp4 │ 23-2后端GPT玩法部署启动.mp4 │ 23-3前端助手API与流程图配置.mp4 │ 23-4接入外部API的方法与流程.mp4 │ 23-5引入API方法解读.mp4 │ 23-6指令提示构建.mp4 │ ├─24、本地大模型微调-llama3应用实战（7小节） │ 24-1环境相关配置解读.mp4 │ 24-2工具调用流程拆解.mp4 │ 24-3功能调用方法实例.mp4 │ 24-4RAG环境配置搭建.mp4 │ 24-5LLAMA3应用-RAG搭建方法.mp4 │ 24-6RAG基本流程分析.mp4 │ ├─25、llama3微调-量化-部署（6小节） │ 25-1LORA微调方法.mp4 │ 25-2指令微调所需数据与模型下载.mp4 │ 25-3llama3模型微调实例.mp4 │ 25-4llama3微调后进行量化.mp4 │ 25-5llama.cpp量化实例.mp4 │ 25-6部署应用.mp4 │ ├─26、拓展–计算奥斯曼视觉玩法实例（11小节） │ 26-10模型选择方法总结.mp4 │ 26-11玩法经验总结与优化，方法.mp4 │ 26-1LORA微调方法.mp4 │ 26-2指令微调所需数据与模型下载.mp4 │ 26-3llama3模型微调实例.mp4 │ 26-4llama3微调后进行量化.mp4 │ 26-5llama.cpp量化实例.mp4 │ 26-6部署应用.mp4 │ 26-7玩法需求分析流程.mp4 │ 26-8数据与特征库准备.mp4 │ 26-9模型准备与玩法分析.mp4 │ ├─27、拓展–挖掘玩法流程实例（5小节） │ 27-1数据挖掘要解决的问题.mp4 │ 27-2数据处理与清洗分析.mp4 │ 27-3特征工程的作用与流程.mp4 │ 27-4机器学习算法分析.mp4 │ 27-5模板到哪去找.mp4 │ ├─28、拓展-自然语言处理玩法流程（5小节） │ 28-1知识图谱要解决的问题与流程分析.mp4 │ 28-2知识图谱玩法实际应用分析.mp4 │ 28-3知识图谱实战应用玩法解读.mp4 │ 28-4大模型要解决的问题和应用分析.mp4 │ 28-5工具总结分析.mp4 │ ├─29、MOE多专家系统（3小节） │ 29-1MOE概述分析.mp4 │ 29-2MOE模块实现方法解读.mp4 │ 29-3效果分析与总结.mp4 │ ├─30、OPENAI–LLM模型优化总结（3小节） │ 30-1RAG与微调可以解决与无法解决的问题.mp4 │ 30-2RAG实践策略.mp4 │ 30-3微调要解决的问题.mp4 │ ├─Agent论文解读与总结相关 │ ├─Agent架构解读与应用分析 │ │ 1-Agent趋势.png │ │ 2-Agent流程.png │ │ 3-Ageng包括组件.png │ │ 4-Agent组成.png │ │ 5-多模态.png │ │ 6-多角色组成.png │ │ 7-Agent游戏.png │ │ 8-多智能体.png │ │ 9-多智能体2.png │ │ Agent.png │ │ Agent思维导图.pdf │ │ │ ├─OPENAI-LLM模型优化总结 │ │ 11.png │ │ 12.png │ │ 13.png │ │ 14.webp │ │ 15.png │ │ 16.png │ │ 2.png │ │ 3.png │ │ 4.png │ │ 6.png │ │ 7.png │ │ 8.png │ │ 9.png │ │ │ └─斯坦福AI小镇架构与玩法解读 │ 斯坦福AI小镇.pdf │ 斯坦福AI小镇.png │ 斯坦福小镇论文.pdf │ ├─Autogen与其他智能体框架 │ ├─Agent打造专属客服 │ │ Agent客服.rar │ │ │ ├─autogen与部署模块 │ │ │ rag_skill.rar │ │ │ Skill.py │ │ │ │ │ └─AutogenStudio部署 │ │ index.html │ │ style.css │ │ write.json │ │ 代码地址.txt │ │ │ ├─GPTS打造Agent实战 │ │ API复制这个不要改.docx │ │ GPTS例子.docx │ │ 广告文案.docx │ │ 文章翻译.docx │ │ 短视频脚本.docx │ │ 组会不用愁.txt │ │ 语聚AI指定(只改动作即可).docx │ │ │ ├─langchain工具实例 │ │ 基本使用.rar │ │ │ └─metagpt │ examples.rar │ MetaGPT-main.zip │ metaGpt.pdf │ ├─COZE智能体系列(重要) │ ├─Coze写作工作流 │ │ └─小红书提示词 │ │ 标题.txt │ │ 生成文案.txt │ │ 画图.txt │ │ │ ├─COZE历史人物视频素材 │ │ 1.根据名字做剧本.txt │ │ 2.根据剧本做每个经历的画面描述.txt │ │ 修正图片提示词.txt │ │ 修正运镜提示词.txt │ │ 即梦豆包海螺做视频所需运镜.txt │ │ 时间线.txt │ │ │ ├─COZE打造发票助手 │ │ 全部提示词资料.docx │ │ 餐饮1.png │ │ │ ├─COZE数据分析 │ │ 2.整理清洗我的数据.txt │ │ 代码：准备总分评比图.txt │ │ 代码：准备条形图输入.txt │ │ 代码：统计关键指标.txt │ │ 把分析结果整理成excel格式.txt │ │ 能力分析.txt │ │ 销售数据导出.xlsx │ │ │ ├─COZE文案生成+飞书表格 │ │ 1.链接读取插件.txt │ │ 2.参考原文写标题大纲.txt │ │ 3.参考原文和大纲做仿写.txt │ │ 4.给文案打标签.txt │ │ 5.汇总结果成一条记录.txt │ │ 6.飞书表格参考链接.txt │ │ │ ├─COZE新闻总结(循环体) │ │ 提示词.txt │ │ 根据文章内容和原始素材做合并.txt │ │ │ ├─COZE智能客服 │ │ 售后场景问题.txt │ │ 快递场景问题.txt │ │ 把所有内容总结成人话.txt │ │ 把用户问题分成不同的场景.txt │ │ 支付场景问题.txt │ │ 查询支付问题具体的解决方案.txt │ │ │ ├─COZE邮箱助手 │ │ 提示词.txt │ │ 邮箱代码.txt │ │ │ └─COZE飞书书签自动化 │ 分析内容.txt │ 检索内容.txt │ 汇总整合json.txt │ 筛选并输出.txt │ 获取标签.txt │ 飞书文档链接.PanD │ 飞书模板链接.txt │ └─大模型微调与知识库 ├─LLM下游任务训练自己模型实战 │ Huatuo-Llama-Med-Chinese-main.zip │ ├─LLM与LORA微调策略解读 │ 大模型.pdf │ ├─RAG检索架构分析与应用 │ RAG.pdf │ RAG.png │ ├─新增LLAMA3相关 │ Chinese-LLaMA-Alpaca-3-main.zip │ llama3.rar │ ├─新增RAGFLOW │ ragflow_api.py │ └─补充 └─llama3 │ llama3.rar │ └─llama3 │ email_jijianyun.py │ email_send.py │ lm3.py │ Modelfile │ ├─.idea │ │ .gitignore │ │ .name │ │ llama3.iml │ │ misc.xml │ │ modules.xml │ │ workspace.xml │ │ │ └─inspectionProfiles │ profiles_settings.xml │ Project_Default.xml │ ├─all-MiniLM-L6-v2 │ config.json │ config_sentence_transformers.json │ data_config.json │ model.safetensors │ sentence_bert_config.json │ special_tokens_map.json │ tokenizer.json │ tokenizer_config.json │ vocab.txt │ ├─RAG │ │ app.py │ │ app.txt │ │ assistant.py │ │ groq_llama3.py │ │ Quantize_LLMs_to_GGUF(1).ipynb │ │ require.txt │ │ │ └─__pycache__ │ assistant.cpython-310.pyc │ assistant.cpython-39.pyc │ └─__pycache__
自媒体课程回复可见：
| 
