求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center 汽车系统工程   模型库
    学习助手
会员   
 
 
 
  开班计划 | 认证培训 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导 | 角色培养  
 电话 English
成功案例   品质保证
成功案例
某军工航 基于大模型的Age
中交集团 AI辅助工作增效(
西门子研 AI智能体开发技术
厦门软件 具身智能技术架构与
某知名自 基于AI大模型开发
某医药企 大模型技术原理及基
中国电信 大模型核心技术RA

相关课程  
开源大模型推理、训练与部署
深度学习、目标识别强化学习
(知识图谱+图数据库)*大模型
人工智能.机器学习& PyTorch
人工智能+Python+大数据
深度学习入门与实战
知识图谱建模与应用
 
全部课程 >人工智能  
Coze零代码实战:从AI智能体搭建到办公自动化
20 次浏览  1 次
沈老师
AI 智能体应用专家
 
时间地点:北京、上海、 深圳 根据报名开班
课程费用:5000元/人
报公开课  
企业内训:可以根据企业需求,定制内训,详见 内训学习手册


认证方式:
培训前了解能力模型。
培训后进行能力评测:
  • 在线考试
  • 能力分析,给出学习建议
  • 合格者颁发证书,作为职业技能资格证明


    课程简介:
           数字化办公正在进入「数字员工」时代:会议材料自动筹备、财务报表一键批量生成、客户咨询全天候响应,这些已不是概念,而是大量企业正在发生的日常。驱动这一变化的核心技术就是 AI 智能体,而 Coze 把智能体开发的门槛降到了「零代码」——业务人员无需编程背景,也能像搭积木一样搭建出自己岗位上的智能应用。
           本课程基于 Coze 3.0 平台全新版本设计,围绕「搭智能体、编工作流、建知识库、连数据、保安全」五条主线展开:从单智能体入门,到多智能体团队协作;从平台内应用,到 API 与第三方生态集成;从对话助手,到端到端交付企业办公项目。全程以真实办公场景驱动,边讲边练,学员结业时将带走一套可直接运行的企业智能办公原型。
    培训目标:
    • 建立完整的智能体应用架构认知:说清智能体( Bot )、工作流( Workflow )、知识库、技能( Skills )之间的关系与协作方式;
    • 独立完成智能体调优:模型选型与切换、关键参数调试、角色设定与长期记忆配置,让对话效果贴合业务需要;
    • 搭建企业专属知识库:掌握文档导入、切分与检索优化,实现内部制度与业务资料的智能问答;
    • 熟练使用可视化工作流:掌握分支、循环、变量管理与跨智能体调用的全流程编排能力;
    • 掌握意图识别与智能路由设计:让系统自动分派用户请求,并具备异常兜底处理能力;
    • 完成多智能体团队开发:设计规划型、知识型、流程型、工具型四类智能体并实现协同工作;
    • 具备企业级落地视野:了解私有化部署架构、数据脱敏、权限隔离与安全治理的实施要点。
    培训对象:
    • 行政、HR、财务、市场、运营、项目等业务从业人员
    • 部门负责人、业务线主管、中层管理者
    • IT 运维、数字化专员、信息系统管理员
    • 对 AI 智能体、自动化办公、零代码工具感兴趣的学生、自由职业者、跨行业转型者
    学员基础:无需编程基础,只要会使用常用办公软件、能讲清楚自己岗位的业务流程,即可参加学习。
    课程安排:2天
    主题 课程安排
    第一节:Coze 3.0平台入门与核心能力总览 1. Coze 3.0的平台定位与本次能力升级要点
    2. 从单智能体走向多智能体协作的技术演进
    3. 辨析智能体(Bot)、应用(App)与Agent Team三种形态
    4. 开发界面布局与核心功能区速览
    5. Agent、Workflow、RAG、Skills四要素关系梳理
    6. 多智能体协同的工作机制与适用场景
    7. Coze开放生态与MCP协议能力解读
    8. 通过API、SDK对接第三方系统的路径
    9. 团队空间与多人协作开发管理
    10. 企业级AI应用建设的落地方法论
    第二节:底层大模型接入与关键参数调优 1. 底层大模型的选型与切换操作
    2. Temperature、Top-P等参数的调优思路
    3. System Prompt人设的精细打磨
    4. 开场白设计与交互风格定制
    5. 上下文管理与长期记忆的配置方法
    6. 智能体任务分工与角色设定技巧
    7. 多智能体场景下的提示词编写要点
    8. 自定义模型API的接入与管理
    9. 模型效果评测与迭代优化
    10. LLM配置常见问题与最佳实践
    第三节:企业知识库搭建与 Skills 技能扩展 1. 知识库的创建与日常管理
    2. 支持的文档类型与数据导入途径
    3. 文档切分与向量化的基本原理
    4. RAG检索增强生成的运行机制
    5. 知识库更新与版本管理策略
    6. Skills技能的创建与调用流程
    7. 知识库与Skills的协同工作模式
    8. 多知识库、多技能的组合设计
    9. 企业级知识服务场景演练
    10. 检索效果优化与质量评测
    第四节:Coze工作流编排与多Agent协同实战 1. Workflow的工作流设计思想
    2. 可视化编排器的操作方法
    3. LLM、Code、Condition等常用节点剖析
    4. 数据的输入输出与变量管理
    5. 条件分支与循环控制的实现
    6. Skills在工作流中的调用方式
    7. Agent与Workflow的协同设计
    8. 多Agent任务拆解与编排方法
    9. Agent Team的搭建与调试实操
    10. 企业级业务流程自动化案例演练
    第五节:模型意图识别与智能任务分发 1. 意图识别的配置方法
    2. 用户需求分析与意图体系设计
    3. 基于规则的意图匹配方案
    4. 基于大模型的语义理解与识别
    5. 智能路由的设计思路
    6. 跨Agent的任务分发机制
    7. Skills与Workflow的自动触发策略
    8. Fallback兜底与异常处理设计
    9. 多Agent协作中的决策逻辑
    10. 智能客服与办公助手案例实操
    第六节:结构化数据管理:数据库与卡片组件 1. Database组件的创建与管理
    2. 数据结构与字段的设计规划
    3. 数据库增删改查操作实现
    4. Card卡片的布局与样式设计
    5. 动态数据绑定与展示效果
    6. 用户交互与表单信息采集
    7. 数据库与Workflow的联动应用
    8. 数据库与Skills的联动应用
    9. 用户画像与个性化服务搭建
    10. 数据驱动型企业应用案例
    第七节:Coze多Agent团队开发与企业级项目实战 1. Agent Team的设计理念与典型场景
    2. 多Agent的角色划分与职责界定
    3. Planner Agent的任务规划与调度
    4. Knowledge Agent的知识检索与问答
    5. Workflow Agent的流程执行与控制
    6. Skills Agent的工具调用与业务处理
    7. Agent间消息传递与协同机制
    8. 企业级多Agent项目的设计实践
    9. 常见多Agent架构模式对比分析
    10. 综合案例:搭建企业智能办公团队
    第八节:Coze私有化部署与数据安全治理 1. Coze私有化部署的整体架构
    2. 部署环境要求与硬件资源规划
    3. 私有化安装与配置的操作流程
    4. 本地大模型与第三方模型的接入
    5. 敏感数据脱敏与安全治理方案
    6. 权限控制与团队空间隔离
    7. 企业知识资产的安全管理
    8. API、MCP与开放生态的接入规范
    9. 私有化环境的运维与监控
    10. 企业级AI应用的交付与落地实践
    结业环节 综合项目演练:分组完成一个企业办公自动化场景项目,现场演示与答辩
       
    20 次浏览  1 次
    其他人还看了课程
    自然语言处理(NLP)  8849 次浏览
    机器学习及其matlab实现-从基础到实践  5175 次浏览
    基于Java SpringAI 技术开发大模型实践  3464 次浏览
    大语言模型(LLM)Fine Tune  7006 次浏览
    企业Dify应用实战--开发 AI Agent智能体  3573 次浏览
    基于低代码平台开发 AI Agent智能体  2630 次浏览
    基于AI大模型开发 Agent智能体最佳实践和案例  2738 次浏览
    定制内训


    最新活动计划
    AI智能体开发实践 9-17厦门/10-22在线
    OCSMP 认证培训 9-23[在线]
    企业架构方法与实践 9-15[深圳]
    UAF架构体系与实践 9-22[北京]
    AI系统的测试方法与工具 9-17[北京]
    AI时代的软件架构师培养 9-19[上海]
    AI时代的需求分析师培养 10-20[北京]