2025AI智能体开发课程，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。

　　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__