扣子（Coze）是字节跳动推出的一站式AI Agent开发平台，支持零代码或低代码快速构建智能体（AI Agent）和工作流。

它深度整合大语言模型，简化智能体搭建流程，同时通过知识库、工作流等功能精准配置响应逻辑，确保回复符合预期。其中工作流作为业务逻辑的载体，将大模型能力与结构化流程结合，通过可视化画布，支持拖拽节点快速搭建。

一、智能体

如何开发智能体？扣子通过可视化搭建智能体框架（配置人设、知识库、插件、数据库），并通过拖拽式工作流编排实现复杂业务逻辑的自动化处理。

• 搭建能力：零代码可视化配置智能体的基础组件，包括人设与回复逻辑、知识库、插件工具、长期记忆等。
• 编排能力：通过可视化工作流将插件、大语言模型、代码块等功能进行组合编排，实现复杂、稳定的业务流程自动化。

搭建能力定义"智能体是谁"，编排能力决定"智能体怎么干活"。

如何快速理解智能体？智能体 = 提示词定义角色行为 + 大模型提供推理能力 + 知识库补充专业信息 + 记忆系统维持上下文连续性。

智能体就是"有角色、有知识、有记忆的AI大脑"。

1. 提示词工程 + 大模型

*提示词是用户跟大模型交互的接口，用来要求模型如何响应；大模型是智能体的大脑，提供基础的推理和生成能力。*

*2. 知识 + 记忆*

*知识库让AI能与用户自己的数据进行交互，长期记忆能让AI持久记住对话中的关键内容。*

二、工作流

如何开发工作流？扣子提供了一个可视化画布，你可以通过拖拽节点迅速搭建工作流。在工作流画布中，你可以清晰地看到数据的流转过程和任务的执行顺序。

扣子提供工作流（顺序执行节点完成自动化任务）和对话流（基于多轮对话交互处理复杂业务逻辑）两种编排模式。

• 工作流（Workflow）：面向任务执行，"输入→处理→输出"的线性自动化流程，适合生成报告、制作海报等功能性需求。
• 对话流（Chatflow）：面向用户交互，通过多轮对话收集信息并处理复杂逻辑，适合智能客服、个人助手等对话性应用。

工作流（*Workflow*）是"自动化流水线"，对话流（*Chatflow*）是"智能对话员"。

如何快速理解工作流？工作流是一系列可执行指令的集合，用于实现业务逻辑或完成特定任务。它为应用/智能体的数据流动和任务处理提供了一个结构化框架。

工作流将大模型的通用能力与具体业务逻辑相结合，通过流程化编排实现复杂任务的自动化处理。

工作流就是"给AI大脑设计的办事流程图"。

工作流的核心在于节点，每个节点代表一个独立的步骤或逻辑。这些节点负责处理数据、执行任务和运行算法，并且它们都具备输入和输出。每个工作流都默认包含一个开始节点和一个结束节点。

• 开始节点：定义启动工作流需要的输入参数。

• 结束节点：用于返回工作流的运行结果。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】