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。通过真实项目实操，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小镇架构与项目解读（10小节）
│ 18-10项目环境配置方法解读.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项目环境配置.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项目部署启动.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--计算奥斯曼视觉项目实例（11小节）
│ 26-10模型选择方法总结.mp4
│ 26-11项目经验总结与优化，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项目需求分析流程.mp4
│ 26-8数据与特征库准备.mp4
│ 26-9模型准备与项目分析.mp4
│
├─27、拓展--挖掘项目流程实例（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-自然语言处理项目流程（5小节）
│ 28-1知识图谱要解决的问题与流程分析.mp4
│ 28-2知识图谱项目实际应用分析.mp4
│ 28-3知识图谱实战应用项目解读.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小镇架构与项目解读
│ 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__