课程大纲

Part 1：提示词原理基础

• 大模型原理概述

• 提示词的定义、如何影响模型输出

• 关键概念：Token、上下文学习、上下文长度

• 大模型局限性（幻觉、偏见、知识截止）及如何在提示词中进行规避

Part 2：大语言模型驱动的 Python Agent 基础

用 Python 定义与实现大语言模型时代的智能体

大模型时代的Python应用开发概述

AI Agent 的 5 个发展层级

AI Agent 开发中的关键组件：工具（Tool）、规划、记忆、执行、协作

常见思维框架实操：CoT、ReAct、Plan & Execute、Self-Ask

Part 3：主流 Agent 框架对比

LangChain、LangGraph、LlamaIndex、CrewAI、AutoGen 的用法

DiFY、Coze 等低代码平台的特点与扩展能力

Python 代码层面对比这些框架的应用场景

Part 4：Agent落地实战实操（动手制作智能体）

用 Coze 平台实现：AI软件研发分析智能体

场景简介：

智能体专注于金融信息领域，能够实时抓取最新行业发展动态、研报和新闻，结合RAG技术生成简明扼要的技术摘要。

教学目标：

了解Coze平台低代码创建Agent的流程

使用Coze接入第三方数据源（如Google搜索、软件API）

基于Coze的“Function+Memory”系统实现文档解析与多轮对话

设计消息流结构，使用户能够提问金融相关问题，并获得结构化答案

展示如何在 Coze 中嵌入多文档RAG能力

实现“数据收集 + 资料提取 + 多文档总结 + 研发摘要”的全流程输出