企业级 Agent 一日工作坊｜投屏课件

一日 Agent 工作坊

不是一天讲完所有 AI Agent 知识，而是带大家掌握企业级 Agent 的基本结构，并搭出一个可测试的原型。

学员最后拿走 5 件东西

所有概念都服务同一条任务链

凡是不能帮助完成最终 Demo 的内容，放进讲义或附录，不在课堂主线展开。

从“会回答”到“能办事”

Agent 不是大模型时代才出现的词

模型、RAG、Workflow、Agent 别混

先看任务，再看约束

用熟悉产品建立直觉，不做平台评测

能力层与结构层要能互相映射

斑头雁智能体

帮助业务与技术入门者把一个业务任务转成可搭建、可测试、可发布的企业级 Agent 方案。

系统提示词是岗位说明书

知识库让回答有依据

1. 先定范围：这个 Agent 服务哪类问题。
2. 收集资料：制度、FAQ、流程、案例、价格表。
3. 清理冲突：旧政策、重复内容先处理。
4. 设计目录：按用户问题组织资料。
5. 做命中测试：真实问题能不能找到正确资料。

工具是动作，Skill 是能力，MCP 是连接标准

Workflow 解决“过程稳定可控”

Agent 是怎么跑起来的

用户输入
-> Agent Runtime 加载提示词、模型、知识库、权限
-> 判断意图和信息完整性
-> 进入 Flow 或调用 Skill
-> Skill Runtime 执行具体能力
-> 检索知识库 / 调用工具
-> 生成结果并做权限检查
-> 返回用户，写入日志和必要记忆

Prompt 是岗位说明书，Runtime 是让这个岗位真正运转起来的环境。

记忆、权限、日志不是装饰

不是现场从空白开始硬搭完

斑头雁平台实操 8 步

1. 新建 Agent：斑头雁智能体。
2. 选择稳定通用模型，温度先低到中等。
3. 粘贴系统提示词。
4. 创建知识库，上传课程资料和 SOP。
5. 配置 3 个 Skill：方案生成、方案检查、测试生成。
6. 创建 Flow：识别 -> 追问 -> 检索 -> 生成 -> 自检 -> 输出。
7. 设置记忆字段和权限边界。
8. 跑测试，发布演示入口。

Demo 不测，就只是演示

从“能跑”到“能长期用”

评测不只看“回答像不像人”

今天止步于完整 Agent 原型

把 Agent 嵌入业务系统、AK/API Key、后端调用、图片比对应用、审批引擎，放到下一次课。

课件负责投屏，材料包负责动手

讲师投屏不用堆满细节；学员要照着填的内容，全部放进独立材料包。