2026年AI大模型应用开发工程师培训教程 — 中级课程#

课程总览：24课时 | 线上直播培训（提供回放） 培训时间：2026年7月29-31日 核心目标：聚焦智能体（Agent）前沿技术的进阶学习与Coze平台智能体全流程开发，助力学员实现AI技术能力的进阶升级。

课程大纲总览#

第一章 Claude Code快速入门与实践（4课时 · 理论+实践）#

1.1 Agent时代与Claude Code技术定位#

1.1.1 从ChatBot到Agent：AI范式的跃迁#

2025-2026年，AI编程工具进入了全新的Agent时代。不同于传统的代码补全工具，新一代AI Coding Agent能够直接理解整个代码库、自主规划任务、跨多文件执行修改，甚至完成从Issue到Pull Request的全链路开发工作。

AI编程范式演进：

Agent范式的爆发带来了推理算力和模型的深刻革新。以Claude Code为例，其年化收入在2026年2月已突破25亿美元，标志着Agent范式被市场广泛接受。

1.1.2 Claude Code是什么#

Claude Code是由AI巨头Anthropic（Claude系列模型的开发商）在2025年2月正式推出的一款命令行界面（CLI）AI编程助手。

核心定位：

• 不是IDE插件，而是一个运行在终端里的原生AI编程代理
• 能够直接读取本地代码库、执行终端命令、进行编辑和调试
• 支持代理式（Agentic）工作模式：根据自然语言指令自主规划步骤、执行任务

与传统工具的区别：

1.1.3 Claude Code的六层架构#

Claude Code的架构设计体现了从便捷工具到复杂平台的演变：

1.1.4 Agent时代的技术趋势#

1. 从Prompt Engineering到Harness Engineering：2025-2026年AI工程领域最被低估的范式跃迁——把Agent从"调一个模型"重新定义为"运行一个系统"
2. 范式演进：Prompt Engineering → Agent Engineering → Harness Engineering
3. Skills标准化：Anthropic在2025年10月发布Claude Skills，两个月后Agent Skills作为开放标准被发布，OpenAI、GitHub、VS Code、Cursor均已跟进
4. 推理算力革命：Agent应用倒逼推理算力和模型革新，单用户日Token消耗量提升1-2个数量级

1.2 Claude Code快速入门#

1.2.1 环境准备#

系统要求：

• Node.js 18+（推荐20 LTS）
• npm 或 yarn 包管理器
• Anthropic API Key（或通过Claude订阅使用）
• 终端环境（Windows: PowerShell/Terminal; Mac/Linux: Terminal）

安装方式：

# 方式一：npm全局安装（推荐）
npm install -g @anthropic-ai/claude-code

# 方式二：npx直接运行（不需要全局安装）
npx @anthropic-ai/claude-code

# 验证安装
claude --version

API Key配置：

# 方式一：环境变量
export ANTHROPIC_API_KEY="sk-ant-xxxxx"

# 方式二：交互式登录
claude auth login

# Windows PowerShell
$env:ANTHROPIC_API_KEY="sk-ant-xxxxx"

1.2.2 基本使用#

启动Claude Code：

# 在项目目录中启动
cd your-project
claude

核心交互模式：

1.2.3 实践：从零创建一个项目#

用户：帮我创建一个Express.js的REST API项目，
包含用户注册、登录、获取用户信息的接口，
使用JWT认证，连接SQLite数据库。

Claude Code执行过程：
1. [规划] 分析需求，制定实现计划
2. [创建文件] 创建package.json、src/目录结构
3. [安装依赖] 执行 npm install express jsonwebtoken bcryptjs sqlite3
4. [编写代码] 创建数据库模型、路由、中间件
5. [测试] 编写测试脚本并运行
6. [文档] 生成README.md
7. [Git] 初始化仓库并提交

1.2.4 CLAUDE.md与项目配置#

Claude Code通过 CLAUDE.md 文件来实现项目级记忆和规范：

# CLAUDE.md

## 项目说明
这是一个电信客服系统的后端API项目。

## 技术栈
- Node.js 20 + Express 4
- PostgreSQL 16 + Prisma ORM
- JWT认证
- Jest测试

## 编码规范
- 使用ESLint + Prettier
- 函数使用驼峰命名
- 文件使用kebab-case命名
- 所有API返回统一格式 { code, message, data }

## 注意事项
- 不要修改 src/config/database.js
- 数据库迁移使用 prisma migrate
- 测试覆盖率需保持80%以上

Claude Code会自动读取 CLAUDE.md，在后续交互中遵循这些规范。

1.2.5 高级功能#

Agent SDK：将Claude Code的能力嵌入自定义程序

from claude_agent_sdk import ClaudeAgent

agent = ClaudeAgent(
    api_key="sk-ant-xxxxx",
    model="claude-sonnet-4-20250514",
    working_directory="/path/to/project"
)

# 自主执行任务
result = agent.run("分析项目性能瓶颈并给出优化建议")
print(result)

MCP（Model Context Protocol）：与外部工具和数据源集成

// mcp_config.json
{
  "servers": {
    "database": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://..."
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/allowed/path"]
    }
  }
}

1.2.6 常见问题与最佳实践#

第二章 Agent Skills基础入门（2课时 · 理论+实践）#

2.1 Agent Skills介绍#

2.1.1 什么是Agent Skills#

Agent Skills（智能体技能）是2024-2025年AI领域最具变革性的技术范式之一，代表了从**“提示工程”（Prompt Engineering）向"能力工程"（Capability Engineering）**的根本性转变。

根据Anthropic于2025年12月发布的开放标准，Agent Skills被定义为：“可重用的AI能力模块，能够将通用大语言模型转化为特定领域的专业智能体”。

2.1.2 为什么需要Skills#

在Skills出现之前，开发者想让AI完成专业任务，唯一的手段是编写Prompt。Prompt如同一份写在白纸上的临时指令，用完即废，面临两大瓶颈：

Skills的核心理念：“不要让AI从零开始推理已有标准答案的任务，而是把专业知识封装成可复用的技能包”。

2.1.3 Skill的本质与架构#

一个Skill本质上是一个结构化的能力包，包含：

2.1.4 Skill与传统编程概念的对比#

2.2 Agent Skills的使用#

2.2.1 三层渐进式加载机制#

Agent Skills采用高效的分层加载策略，避免Token浪费：

工作流程：

用户输入任务
    ↓
[L1] Agent扫描所有已安装技能的name+description
    ↓
匹配到相关技能？（是→L2，否→直接用基础能力处理）
    ↓
[L2] 加载完整指令文件，理解执行流程
    ↓
[L3] 按需加载参考资源、脚本，执行任务
    ↓
返回执行结果

2.2.2 安装与管理Skills#

Skill目录结构：

~/.claude/skills/
├── ppt-maker/
│   ├── SKILL.md
│   ├── instructions.md
│   ├── constraints.md
│   ├── templates/
│   │   ├── business.pptx
│   │   └── tech.pptx
│   └── scripts/
│       └── generate_ppt.py
├── code-reviewer/
│   ├── SKILL.md
│   └── instructions.md
└── data-analyst/
    ├── SKILL.md
    └── instructions.md

安装Skill：

# 从官方仓库安装
claude skill install ppt-maker

# 从本地目录安装
claude skill install /path/to/custom-skill

# 从Git仓库安装
claude skill install https://github.com/user/skill-repo

管理命令：

# 列出已安装技能
claude skill list

# 查看技能详情
claude skill info ppt-maker

# 更新技能
claude skill update ppt-maker

# 卸载技能
claude skill remove ppt-maker

2.2.3 Skill使用实践#

场景1：AI辅助代码审查

用户：请审查src/auth目录下的所有代码

Agent执行：
1. [L1] 发现已安装 code-reviewer 技能
2. [L2] 加载审查规范和检查项
3. [L3] 逐文件读取代码，应用审查规范
4. 输出结构化审查报告

场景2：数据分析任务

用户：分析销售数据，找出Q3增长最快的三个产品线

Agent执行：
1. [L1] 发现已安装 data-analyst 技能
2. [L2] 加载分析流程和数据接口规范
3. [L3] 连接数据库，执行SQL查询，生成图表
4. 输出分析报告和可视化图表

2.3 Agent Skills的底层执行流程#

2.3.1 完整执行流程#

┌─────────────────────────────────────────────────────┐
│  1. 任务接收                                        │
│     用户输入自然语言任务描述                         │
├─────────────────────────────────────────────────────┤
│  2. 技能发现（L1）                                   │
│     Agent扫描所有技能的name+description              │
│     使用语义匹配判断是否需要调用技能                  │
├─────────────────────────────────────────────────────┤
│  3. 技能激活（L2）                                   │
│     加载匹配技能的完整指令文件                        │
│     将指令注入Agent上下文                            │
├─────────────────────────────────────────────────────┤
│  4. 任务规划                                        │
│     Agent基于技能指令规划执行步骤                     │
│     确定需要的工具和资源                             │
├─────────────────────────────────────────────────────┤
│  5. 资源加载（L3）                                   │
│     按需加载模板、脚本、参考示例                      │
│     准备执行环境                                     │
├─────────────────────────────────────────────────────┤
│  6. 逐步执行                                        │
│     按规划步骤执行，每步检查约束条件                  │
│     使用工具完成具体操作                             │
├─────────────────────────────────────────────────────┤
│  7. 结果验证                                        │
│     检查输出是否符合技能定义的规范                    │
│     必要时进行迭代修正                               │
├─────────────────────────────────────────────────────┤
│  8. 结果返回                                        │
│     格式化输出结果                                   │
│     记录执行日志                                     │
└─────────────────────────────────────────────────────┘

2.3.2 关键技术机制#

2.3.3 Skill与其他技术的关系#

第三章 Agent Skills系统设计入门（2课时 · 理论+实践）#

3.1 Agent Skills系统设计核心要素#

3.1.1 设计原则#

3.1.2 SKILL.md设计规范#

---
name: ppt-maker
description: >
  根据用户提供的主题或大纲，自动生成专业PPT演示文稿。
  支持自定义模板、配图生成、多页排版。
  当用户要求制作PPT、创建演示文稿、生成幻灯片时触发。
---

# PPT制作助手技能

## 适用场景
- 会议演讲PPT制作
- 项目汇报演示文稿
- 产品介绍幻灯片
- 培训课件生成

## 输入要求
- 主题描述或大纲文本
- 可选：自定义PPT模板文件
- 可选：配图风格偏好

## 输出规范
- .pptx格式文件
- 包含标题页、目录页、内容页、结尾页
- 每页文字不超过6行，每行不超过20字
- 配图与内容相关，风格统一

3.1.3 指令文件设计#

指令文件（instructions.md）是Skill的核心，定义详细执行逻辑：

# PPT制作执行流程

## 第一步：需求分析
1. 解析用户输入的主题/大纲
2. 确定PPT类型（会议/汇报/培训/产品）
3. 确认页数范围（默认10-15页）
4. 确认风格偏好（商务/科技/简约/活泼）

## 第二步：内容规划
1. 生成PPT大纲（标题+每页要点）
2. 用户确认大纲后继续
3. 为每页分配内容类型（文字/图表/图片/数据）

## 第三步：内容生成
1. 逐页生成标题和正文内容
2. 为每页生成配图提示词
3. 调用图片生成API创建配图

## 第四步：排版制作
1. 选择/加载PPT模板
2. 使用python-pptx库生成PPT文件
3. 应用统一配色和字体方案
4. 插入配图，调整布局

## 第五步：质量检查
1. 检查每页内容完整性和排版
2. 检查文字溢出和图片清晰度
3. 检查整体风格一致性
4. 输出最终.pptx文件

## 约束条件
- 不得生成超过30页的PPT
- 配图必须使用AI生成或用户提供
- 不得使用版权受保护的模板
- 每页动画效果保持简洁

3.1.4 约束文件设计#

# constraints.md

## 禁止事项
1. 禁止删除或修改用户已有的文件
2. 禁止访问技能目录以外的系统文件
3. 禁止在PPT中嵌入恶意脚本
4. 禁止使用未经授权的版权图片

## 限制条件
1. 单次生成PPT不超过30页
2. 配图分辨率不低于1920×1080
3. 文件大小不超过100MB
4. 生成时间不超过5分钟

## 错误处理
1. 图片生成失败 → 使用占位图并标注
2. 模板加载失败 → 使用默认模板
3. 内容过长 → 自动精简并提示用户

3.2 从零设计Skill#

3.2.1 实战：设计一个"会议纪要生成"Skill#

步骤1：创建Skill目录

~/.claude/skills/meeting-notes/
├── SKILL.md
├── instructions.md
├── constraints.md
├── templates/
│   └── meeting_template.md
└── examples/
    └── sample_output.md

步骤2：编写SKILL.md

---
name: meeting-notes
description: >
  将会议录音转写文本整理为结构化会议纪要。
  自动提取关键信息（议题、决议、待办事项）。
  当用户提供会议文本要求整理纪要时触发。
---

# 会议纪要生成技能

## 适用场景
- 项目会议纪要
- 部门周会/月会纪要
- 客户会议记录
- 技术评审会议

## 输入
- 会议录音转写文本
- 可选：会议议程
- 可选：参会人员名单

## 输出
- Markdown格式会议纪要
- 包含：会议信息、讨论要点、决议事项、待办任务

步骤3：编写指令文件

# 会议纪要生成执行流程

## 第一步：信息提取
1. 从文本中识别会议时间、地点、参会人员
2. 识别会议议题和讨论主题
3. 标记关键发言人和发言内容

## 第二步：内容整理
1. 按议题分类整理讨论内容
2. 提取明确的决议和结论
3. 识别待办任务及责任人

## 第三步：格式化输出
按以下模板输出：

### 会议纪要
- 会议名称：[名称]
- 时间：[日期时间]
- 地点：[地点/线上]
- 参会人员：[人员列表]

### 讨论要点
#### 议题一：[议题名称]
- 发言人A：[要点摘要]
- 发言人B：[要点摘要]
- 讨论结论：[结论]

#### 议题二：[议题名称]
...

### 决议事项
1. [决议1]
2. [决议2]

### 待办任务
| 任务 | 责任人 | 截止日期 |
|------|--------|----------|
| [任务1] | [人员] | [日期] |

## 第四步：质量检查
1. 确认所有议题都已覆盖
2. 确认决议与讨论内容一致
3. 确认待办任务有明确责任人和截止日期
4. 检查是否有遗漏的关键信息

步骤4：编写约束文件

# 约束条件
1. 不得编造会议中未提及的内容
2. 对模糊表述保持原文，不主观解读
3. 敏感信息（工资、个人评价等）不写入纪要
4. 纪要字数控制在原文的20%-30%

步骤5：测试Skill

用户：请帮我整理以下会议纪要：
"今天下午3点开了项目周会，张总主持，李工、王工参加。
讨论了三个问题：首先是API接口文档的事，李工说文档已经完成80%，
预计周五能全部完成。然后是测试环境的问题，王工反馈测试环境资源不够，
需要追加2台服务器，张总同意了，让王工下周二前提交采购申请。
最后是上线时间，大家一致同意7月15号上线..."

Agent执行：
1. [L1] 匹配到 meeting-notes 技能
2. [L2] 加载指令文件
3. [L3] 按流程提取信息、整理、格式化
4. 输出结构化会议纪要

3.2.2 从零设计Skill的五个实用技巧#

第四章 OpenClaw PPT制作助手智能体（2课时 · 实践）#

4.1 智能体Skill技术介绍#

4.1.1 OpenClaw中的Skill体系#

在OpenClaw平台上，Skill（技能）是智能体的能力扩展模块。与Claude Code的Skills概念一致，但OpenClaw的Skill更侧重于任务自动化执行，而非代码开发。

4.1.2 OpenClaw Skill文件结构#

# skill.yaml - OpenClaw技能定义文件
name: "ppt-assistant"
version: "1.0.0"
description: "PPT制作助手智能体"
trigger:
  keywords: ["做PPT", "制作幻灯片", "生成演示文稿", "创建PPT"]
  intents: ["create_presentation", "edit_presentation"]

model:
  preferred: "claude-sonnet-4-20250514"
  fallback: "gpt-4o"
  temperature: 0.3

tools:
  - file_manager
  - image_generator
  - pptx_builder
  - web_search

constraints:
  max_pages: 30
  max_file_size: "100MB"
  allowed_formats: ["pptx", "pdf"]
  timeout: 300

4.2 智能体约束文件#

4.2.1 约束文件的作用#

约束文件是智能体安全的护栏，确保智能体在安全范围内执行任务：

4.2.2 约束文件编写实践#

# constraints.yaml
# ====== PPT制作助手约束文件 ======

# 文件操作约束
file_access:
  allowed_paths:
    - "D:/Output/PPT"
    - "D:/Templates"
  forbidden_paths:
    - "C:/Windows"
    - "C:/Program Files"
  max_file_operations: 50

# 内容生成约束
content_rules:
  max_pages: 30
  min_pages: 5
  max_text_per_page: 200
  prohibited_content:
    - "政治敏感内容"
    - "虚假信息"
    - "版权侵权内容"

# 工具调用约束
tool_limits:
  image_generation:
    max_calls: 20
    resolution: "1920x1080"
  web_search:
    max_calls: 10
    trusted_sources_only: true

# 执行约束
execution:
  timeout_seconds: 300
  max_retries: 3
  require_confirmation:
    - "delete_file"
    - "send_email"

4.3 创建和使用智能体#

4.3.1 创建PPT制作助手智能体#

第一步：定义智能体

在OpenClaw管理界面创建新智能体：

智能体名称：PPT制作助手
智能体描述：根据用户需求自动生成专业PPT演示文稿
触发关键词：做PPT、制作幻灯片、生成演示文稿
使用模型：Claude Sonnet 4（首选）/ GPT-4o（备用）

第二步：编写系统提示词

你是PPT制作助手智能体，专门帮助用户创建专业的PPT演示文稿。

你的能力：
1. 理解用户的PPT需求（主题、场合、风格）
2. 自动规划PPT结构和大纲
3. 生成每页的标题和正文内容
4. 为每页生成或搜索合适的配图
5. 使用python-pptx库生成.pptx文件
6. 支持自定义模板和品牌风格

工作流程：
1. 接收用户需求，确认PPT主题、页数、风格
2. 生成PPT大纲，请用户确认
3. 逐页生成内容
4. 为每页生成配图
5. 组装PPT文件
6. 输出到指定目录

注意事项：
- 内容简洁，每页文字不超过6行
- 配图与内容高度相关
- 整体风格统一
- 支持用户反馈修改

第三步：配置工具

第四步：加载约束文件

上传constraints.yaml，确保智能体在安全范围内工作。

4.3.2 使用PPT制作助手#

用户：帮我做一个关于"5G-A技术发展"的PPT，15页左右，科技风格

智能体执行：
1. 解析需求 → 主题：5G-A技术发展，页数：15，风格：科技
2. 生成大纲：
   - 第1页：标题页
   - 第2页：目录
   - 第3页：5G-A概述
   - 第4页：技术特点
   - 第5-8页：核心技术（载波聚合、网络切片、通感一体、AI赋能）
   - 第9-11页：应用场景（智慧城市、工业互联网、自动驾驶）
   - 第12页：产业链分析
   - 第13页：发展趋势
   - 第14页：总结
   - 第15页：致谢
3. [用户确认大纲]
4. 逐页生成内容和配图
5. 组装PPT文件 → 输出 D:\Output\PPT\5G-A技术发展.pptx

4.4 使用自定义PPT模板制作PPT#

4.4.1 模板系统设计#

模板文件结构：

D:/Templates/
├── business/
│   ├── telecom_blue.pptx      # 电信蓝商务模板
│   ├── corporate_gray.pptx    # 企业灰模板
│   └── minimal_white.pptx     # 极简白模板
├── tech/
│   ├── dark_futuristic.pptx   # 暗色科技模板
│   ├── neon_cyber.pptx        # 赛博朋克模板
│   └── gradient_modern.pptx   # 渐变现代模板
└── education/
    ├── training_colorful.pptx # 培训彩色模板
    └── academic_clean.pptx    # 学术简洁模板

4.4.2 模板适配技术#

# pptx_builder.py 核心逻辑
from pptx import Presentation
from pptx.util import Inches, Pt

def generate_ppt(template_path, content, output_path):
    """
    基于模板生成PPT
    template_path: 模板文件路径
    content: PPT内容数据（大纲+每页内容+配图路径）
    output_path: 输出文件路径
    """
    # 加载模板
    prs = Presentation(template_path)
    
    # 获取模板的slide layouts
    layouts = prs.slide_layouts
    
    for page in content['pages']:
        # 根据页面类型选择layout
        layout = select_layout(layouts, page['type'])
        slide = prs.slides.add_slide(layout)
        
        # 填充标题
        if page.get('title'):
            set_title(slide, page['title'])
        
        # 填充正文
        if page.get('body'):
            set_body(slide, page['body'])
        
        # 插入配图
        if page.get('image'):
            insert_image(slide, page['image'])
    
    # 保存文件
    prs.save(output_path)
    return output_path

4.4.3 自定义模板实践#

1. 准备模板：用户提前制作好品牌PPT模板（包含母版、配色方案、字体规范）
2. 上传模板：将模板文件放置到 D:/Templates/ 对应分类目录
3. 指定模板：在对话中指定 “使用电信蓝商务模板”
4. 智能适配：智能体自动识别模板中的占位符，填充内容
5. 输出文件：生成符合品牌规范的PPT文件

第五章 问答助手智能体（2课时 · 实践）#

5.1 LLM Wiki思想介绍#

5.1.1 传统RAG的痛点#

传统RAG（检索增强生成）采用"查询即生成"模式，存在以下问题：

5.1.2 LLM Wiki的核心思想#

LLM Wiki由前特斯拉AI总监、OpenAI创始成员Andrej Karpathy于2026年4月提出。其核心思想是：让大语言模型担任"知识编译器"，将用户提供的原始材料持续编译、维护成一个结构化、可积累的Markdown维基。

架构对比：

5.1.3 LLM Wiki三层架构#

┌─────────────────────────────────────────┐
│           第三层：Schema（规则层）        │
│  定义Wiki的组织方式、更新规则、查询方式    │
│  类似AGENTS.md/CLAUDE.md                │
├─────────────────────────────────────────┤
│           第二层：Wiki（知识层）          │
│  LLM维护的结构化Markdown维基             │
│  从原始材料编译而来的知识中间层           │
├─────────────────────────────────────────┤
│         第一层：Raw Sources（事实源）     │
│  原始文档、代码、URL、对话记录等          │
└─────────────────────────────────────────┘

工作流程：

1. Ingest（摄入）：将原始材料提交给LLM
2. Compile（编译）：LLM将材料编译为结构化Wiki
3. Query（查询）：基于Wiki回答问题
4. Update（更新）：新材料到达时，增量更新Wiki
5. Health Check（健康检查）：定期验证Wiki的完整性和准确性

5.1.4 LLM Wiki与问答智能体的结合#

将LLM Wiki思想应用于问答智能体：

5.2 问答智能体创建与配置#

5.2.1 在OpenClaw中创建问答智能体#

配置文件：

# qa_assistant.yaml
name: "knowledge-qa-bot"
description: "基于LLM Wiki的知识问答智能体"
model:
  preferred: "claude-sonnet-4-20250514"
  temperature: 0.1  # 问答场景使用低温度保证一致性

llm_wiki:
  enabled: true
  wiki_directory: "D:/KnowledgeBase/Wiki"
  raw_sources: "D:/KnowledgeBase/Raw"
  schema_file: "D:/KnowledgeBase/schema.md"
  auto_compile: true        # 新材料自动编译
  update_mode: "incremental" # 增量更新
  health_check_interval: 7   # 每周健康检查

tools:
  - file_reader
  - wiki_manager
  - web_search  # Wiki无法回答时联网搜索

constraints:
  answer_source: "wiki_first"  # 优先从Wiki回答
  citation_required: true       # 必须标注来源
  max_context_length: 8000      # 单次查询最大上下文

5.2.2 Schema文件设计#

# schema.md - Wiki组织规则

## Wiki结构
wiki/
├── index.md              # 索引页
├── products/             # 产品知识
│   ├── 5g-packages.md    # 5G套餐
│   ├── broadband.md      # 宽带业务
│   └── value-added.md    # 增值业务
├── technical/            # 技术知识
│   ├── network-faq.md    # 网络常见问题
│   └── troubleshooting.md # 故障排查
├── policies/             # 政策法规
│   └── industry-rules.md  # 行业规范
└── changelog.md          # 更新日志

## 编译规则
1. 每个材料摄入后，更新对应分类的Wiki页面
2. 保留原始来源链接
3. 冲突信息标注并保留最新版本
4. 每周日自动健康检查

## 查询规则
1. 先在index.md中查找相关页面
2. 读取对应Wiki页面内容
3. 基于Wiki内容生成回答
4. 标注信息来源和更新日期
5. 若Wiki中无答案，启用web_search

5.2.3 知识库构建流程#

原始材料摄入                    LLM编译                   Wiki知识库
┌──────────┐                ┌──────────┐              ┌──────────┐
│ 产品手册  │──→ Ingest ──→ │          │──→ Compile ─→│products/ │
│ FAQ文档   │──→ Ingest ──→ │   LLM    │──→ Compile ─→│technical/│
│ 培训资料  │──→ Ingest ──→ │ (编译器)  │──→ Compile ─→│policies/ │
│ 技术规范  │──→ Ingest ──→ │          │──→ Compile ─→│technical/│
└──────────┘                └──────────┘              └──────────┘
                                                          │
                                                     Query查询
                                                          ↓
                                                    ┌──────────┐
                                                    │ 结构化回答 │
                                                    │ +来源标注  │
                                                    └──────────┘

5.3 问答智能体使用与实践#

5.3.1 基础问答实践#

用户：5G-A和5G有什么区别？

智能体执行：
1. 查找Wiki索引 → 定位到 products/5g-packages.md
2. 读取Wiki内容 → 获取5G-A技术特点
3. 生成回答（附来源标注）

回答：
5G-A（5G-Advanced）是5G的演进版本，主要区别如下：
1. 速率：5G-A下行峰值可达10Gbps，是5G的3倍
2. 时延：5G-A空口时延降至1ms，5G为5ms
3. 连接数：5G-A支持百万级/km²连接，5G为十万级
4. 新能力：5G-A新增通感一体、无源物联网等能力

来源：products/5g-packages.md（更新于2026-07-15）

5.3.2 知识更新实践#

用户：[上传新的产品手册PDF] 请更新知识库

智能体执行：
1. 读取PDF内容
2. 与现有Wiki对比，识别新增和变更内容
3. 增量更新对应Wiki页面
4. 更新changelog.md
5. 确认更新完成

5.3.3 多轮对话实践#

用户：我们公司的千兆宽带套餐有哪些？
智能体：[从Wiki查询] 目前有三种千兆宽带套餐...

用户：最贵的那个包含什么增值服务？
智能体：[从上下文+Wiki查询] 尊享千兆套餐包含...

用户：如果有用户投诉网速不达标，怎么处理？
智能体：[查询Wiki troubleshooting页面] 处理流程如下...

第六章 市场助手智能体（4课时 · 实践）#

6.1 市场助手智能体介绍#

6.1.1 什么是市场助手智能体#

市场助手智能体是一个面向市场营销场景的综合型智能体，集成了市场分析、内容生成、竞品监控、舆情分析、营销策略推荐等多重能力。

6.1.2 核心功能模块#

6.1.3 市场助手智能体架构#

                    ┌─────────────────┐
                    │   用户交互层     │
                    │ (Web/微信/飞书)  │
                    └────────┬────────┘
                             │
                    ┌────────▼────────┐
                    │   意图识别层     │
                    │ (LLM路由+分类)   │
                    └────────┬────────┘
                             │
          ┌──────────────────┼──────────────────┐
          │                  │                  │
   ┌──────▼──────┐   ┌──────▼──────┐   ┌──────▼──────┐
   │ 市场分析模块  │   │ 内容生成模块  │   │ 竞品监控模块  │
   │(趋势/规模)   │   │(文案/创意)   │   │(抓取/分析)   │
   └──────┬──────┘   └──────┬──────┘   └──────┬──────┘
          │                  │                  │
          └──────────────────┼──────────────────┘
                             │
                    ┌────────▼────────┐
                    │   数据与工具层   │
                    │(搜索/知识库/LLM) │
                    └────────┬────────┘
                             │
                    ┌────────▼────────┐
                    │   输出格式化层   │
                    │(报告/图表/文件)  │
                    └─────────────────┘

6.2 市场助手智能体创建与配置#

6.2.1 智能体定义#

# market_assistant.yaml
name: "market-assistant"
description: "市场营销助手智能体"
version: "2.0.0"

model:
  preferred: "claude-sonnet-4-20250514"
  fallback: "gpt-4o"
  temperature: 0.5  # 市场内容需要一定创意性

# Skills集成
skills:
  - market-analysis     # 市场分析技能
  - content-generator   # 内容生成技能
  - competitor-monitor  # 竞品监控技能
  - sentiment-analysis  # 舆情分析技能
  - report-builder      # 报告生成技能

# 工具配置
tools:
  - web_search:          # 网络搜索
      engine: "baidu"
      max_results: 20
  - web_scraper:         # 网页抓取
      max_pages: 10
      timeout: 30
  - knowledge_base:      # 知识库（LLM Wiki）
      wiki_directory: "D:/MarketKB/Wiki"
  - data_analyzer:       # 数据分析
      libraries: ["pandas", "matplotlib"]
  - chart_generator:     # 图表生成
      type: "matplotlib"
  - document_builder:    # 文档生成
      formats: ["docx", "pdf", "pptx"]

# 触发条件
triggers:
  keywords:
    - "市场分析"
    - "竞品分析"
    - "舆情监测"
    - "营销方案"
    - "行业报告"
  intents:
    - market_research
    - content_creation
    - competitor_analysis
    - marketing_strategy

6.2.2 市场分析Skill设计#

# market-analysis/instructions.md

## 市场分析执行流程

### 第一步：需求确认
1. 确认分析目标（行业/产品/竞品）
2. 确认分析维度（规模/趋势/竞争/用户）
3. 确认时间范围和数据来源偏好

### 第二步：数据收集
1. 使用web_search搜索行业报告和市场数据
2. 使用web_scraper抓取竞品官网和产品信息
3. 查询知识库中的历史分析数据
4. 整理结构化数据表格

### 第三步：分析推理
1. 市场规模分析：TAM/SAM/SOM估算
2. 趋势分析：识别增长驱动因素和阻碍因素
3. 竞争格局：主要玩家、市场份额、差异化分析
4. 用户画像：目标用户特征和需求分析

### 第四步：策略建议
1. 基于分析结果给出市场进入/扩张建议
2. 识别机会和风险
3. 推荐营销策略和行动计划

### 第五步：报告输出
1. 生成结构化市场分析报告
2. 包含数据表格和趋势图表
3. 输出为DOCX或PDF格式
4. 附数据来源清单

6.2.3 内容生成Skill设计#

# content-generator/instructions.md

## 内容生成执行流程

### 内容类型支持
1. 营销文案：广告语、slogan、品牌故事
2. 社媒内容：微信推文、微博文案、短视频脚本
3. 邮件营销：EDM模板、个性化邮件
4. 活动策划：线上/线下活动方案
5. 白皮书/行业报告

### 生成流程
1. 确认内容类型、目标受众、品牌调性
2. 参考知识库中的品牌规范和历史内容
3. 生成2-3个版本供选择
4. 根据反馈迭代优化
5. 输出最终版本

### 质量标准
- 符合品牌调性和VI规范
- 内容准确，数据有据可查
- 语言流畅，逻辑清晰
- 适合目标平台传播特性

6.3 市场助手智能体使用与测试#

6.3.1 市场分析实践#

用户：帮我分析一下国内AI客服市场的竞争格局

市场助手执行：
1. [意图识别] → market_research
2. [Skill激活] → market-analysis
3. [数据收集] 
   - 搜索"AI客服市场规模 2026"
   - 搜索"AI客服 主要厂商"
   - 抓取主要竞品官网信息
4. [分析推理]
   - 市场规模：2026年预计XX亿元，年增长率XX%
   - 主要玩家：科大讯飞、阿里云、百度智能云、容联云等
   - 市场份额：讯飞XX%，阿里XX%...
   - 差异化分析
5. [策略建议]
   - 市场机会：中小企业智能化转型
   - 风险：同质化竞争加剧
   - 建议：差异化定位+垂直行业深耕
6. [报告输出] → 生成 D:\Output\AI客服市场竞争分析报告.docx

6.3.2 内容生成实践#

用户：为我们的5G-A套餐写3版宣传文案，面向年轻用户，风格活泼

市场助手执行：
1. [意图识别] → content_creation
2. [Skill激活] → content-generator
3. [参考知识库] 查询5G-A套餐产品信息
4. [生成内容]

版本1（社交媒体风）：
"🚀网速起飞！5G-A套餐来了！
打游戏不卡顿、看视频秒加载、下载文件嗖嗖的
月费仅需XX元，比奶茶钱还便宜！
#5G-A #网速自由 #年轻人必备"

版本2（场景化）：
"当别人还在等加载，你已经赢了
5G-A，10Gbps的极速体验
直播不卡、游戏不延迟、视频秒开
年轻就要快！5G-A套餐，XX元/月起"

版本3（趣味对话风）：
"问：5G-A有多快？
答：快到你来不及说'等等我'⚡
5G-A套餐，年轻人的第一份极速套餐
月费XX元，畅享万兆体验！"

5. [等待用户选择和反馈]

6.3.3 竞品监控实践#

用户：监控三大运营商的5G-A套餐定价变化

市场助手执行：
1. [配置监控任务]
   - 监控目标：移动、电信、联通官网5G-A套餐页面
   - 监控频率：每日一次
   - 监控维度：套餐名称、月费、流量、通话时长、增值服务
2. [首次抓取并建立基线]
3. [每日对比变化]
4. [变化时推送通知到飞书群]
5. [生成周报] 汇总一周变化趋势

6.3.4 舆情监测实践#

用户：监控我们公司近7天的网络舆情

市场助手执行：
1. [搜索配置]
   - 关键词：公司名称 + 品牌/产品名
   - 平台：微博、知乎、贴吧、新闻
   - 时间：最近7天
2. [数据收集] → 搜索API获取相关帖子/新闻
3. [情感分析] → LLM对每条内容进行情感分类（正面/中性/负面）
4. [热点识别] → 聚类分析识别热议话题
5. [报告生成]

输出报告：
舆情概览：
- 总讨论量：1,234条
- 正面：52% | 中性：33% | 负面：15%
- 热点话题1：5G-A套餐上线（正面为主）
- 热点话题2：某地区网络故障投诉（负面）
- 建议：及时回应故障投诉，放大正面话题

6.3.5 智能体测试清单#

第七章 模拟题讲解与练习（8课时 · 实践）#

7.1 竞赛概述#

中级模拟赛旨在检验学员对智能体（Agent）前沿技术的综合应用能力，重点考察：

• Claude Code的熟练使用
• Agent Skills的设计与开发
• OpenClaw智能体的创建与配置
• LLM Wiki知识库的构建
• 市场助手智能体的综合应用
• 多智能体协作方案设计

7.2 典型赛题类型#

7.2.1 Skill设计类赛题#

题型示例：

设计并实现一个"邮件管理助手"Agent Skill，要求：

1. 能够读取、分类、摘要邮件
2. 支持自动回复草稿生成
3. 具备优先级判断能力
4. 编写完整的SKILL.md、指令文件和约束文件
5. 在OpenClaw中部署并测试

解题要点：

1. 分析需求，拆解功能模块
2. 设计Skill文件结构
3. 编写规范的SKILL.md（description要精准）
4. 详细编写指令文件（分步骤）
5. 完善约束文件（安全边界）
6. 实际部署测试并迭代

7.2.2 智能体搭建类赛题#

题型示例：

搭建一个"电信运维智能助手"智能体，要求：

1. 能查询网络设备状态
2. 能分析告警日志并提供处理建议
3. 基于LLM Wiki构建运维知识库
4. 集成工单系统API
5. 支持多轮对话和上下文记忆

解题要点：

1. 架构设计：意图识别→技能路由→工具调用→结果整合
2. 知识库构建：上传运维文档→LLM编译为Wiki
3. Skill开发：告警分析Skill、设备查询Skill
4. 工具集成：API配置和错误处理
5. 测试验收：覆盖正常和异常场景

7.2.3 综合方案类赛题#

题型示例：

为一个省级电信公司设计AI智能体应用方案：

1. 分析客服、营销、运维三个场景的痛点
2. 设计三个场景的智能体解决方案
3. 实现核心功能的原型
4. 评估技术可行性和ROI
5. 输出完整方案文档和演示

解题要点：

1. 场景分析：用Claude Code分析行业数据和痛点
2. 方案设计：多智能体协作架构
3. 原型实现：OpenClaw + Skills + LLM Wiki
4. ROI评估：成本收益分析
5. 方案文档：使用市场助手生成报告

7.2.4 编程开发类赛题#

题型示例：

使用Claude Code完成以下开发任务：

1. 创建一个Node.js API服务，提供智能体管理接口
2. 实现智能体的创建、配置、启动、停止功能
3. 集成至少2个Agent Skill
4. 编写单元测试，覆盖率>80%
5. 生成API文档

解题要点：

1. 自然语言描述需求，让Claude Code规划架构
2. 逐步指导Claude Code实现各模块
3. 使用Claude Code生成测试用例
4. 运行测试并修复问题
5. 让Claude Code生成文档

7.3 综合实战案例#

7.3.1 案例：构建企业知识管理平台#

任务：使用LLM Wiki + Agent Skills构建企业知识管理平台

架构设计：

                    ┌─────────────────┐
                    │  用户交互入口     │
                    │(Web/飞书/企微)   │
                    └────────┬────────┘
                             │
                    ┌────────▼────────┐
                    │  知识管理智能体   │
                    │ (意图识别+路由)  │
                    └────────┬────────┘
                             │
          ┌──────────────────┼──────────────────┐
          │                  │                  │
   ┌──────▼──────┐   ┌──────▼──────┐   ┌──────▼──────┐
   │ 知识摄入Skill │   │ 知识查询Skill │   │ 知识维护Skill │
   │(文档→Wiki编译)│   │(问答+检索)   │   │(更新+健康检查)│
   └──────┬──────┘   └──────┬──────┘   └──────┬──────┘
          │                  │                  │
          └──────────────────┼──────────────────┘
                             │
                    ┌────────▼────────┐
                    │   LLM Wiki层    │
                    │ (结构化Markdown) │
                    └────────┬────────┘
                             │
                    ┌────────▼────────┐
                    │  原始材料层      │
                    │(PDF/Word/网页等) │
                    └─────────────────┘

实现步骤：

1. 使用Claude Code创建项目管理后台
2. 设计知识摄入Skill（自动编译文档为Wiki）
3. 设计知识查询Skill（基于Wiki的智能问答）
4. 设计知识维护Skill（定期更新和健康检查）
5. 在OpenClaw中部署智能体
6. 导入企业文档构建初始Wiki
7. 测试端到端流程

7.3.2 案例：多智能体协作的营销 campaigns#

任务：设计多个智能体协作完成一次营销活动

多智能体协作架构：

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│ 市场分析智能体 │────→│ 内容生成智能体 │────→│ 投放优化智能体 │
│(分析目标市场)  │     │(生成营销内容)  │     │(优化投放策略)  │
└──────────────┘     └──────────────┘     └──────────────┘
       │                                           │
       └─────────┬─────────────────────────────────┘
                 │
         ┌───────▼───────┐
         │ 效果监测智能体  │
         │(追踪ROI和反馈) │
         └───────────────┘

实现步骤：

1. 市场分析智能体：分析目标用户和市场环境
2. 内容生成智能体：根据分析结果生成营销内容
3. 投放优化智能体：选择投放渠道和预算分配
4. 效果监测智能体：实时追踪效果并反馈优化

7.4 竞赛评分标准#

7.5 竞赛策略与技巧#

附录#

附录A：Agent Skills设计检查清单#

附录B：Claude Code常用命令速查#

附录C：LLM Wiki维护命令#

附录D：推荐进阶学习资源#

附录E：智能体开发最佳实践#

1. 渐进式开发：从简单Skill开始，逐步增加复杂度
2. 约束优先：先定义安全约束，再开发功能
3. 示例驱动：用丰富的示例指导AI行为
4. 持续迭代：根据使用反馈持续优化Skill
5. 成本意识：合理选择模型层级，控制Token消耗
6. 可观测性：记录智能体执行日志，便于排查问题
7. 模块化设计：Skill之间解耦，避免过度依赖
8. 文档同步：Skill变更时同步更新文档

免责声明：本教程基于2026年AI大模型应用开发工程师中级课程大纲整理，结合互联网公开技术资料编写。AI技术发展迅速，部分工具和平台功能可能已有更新，请以官方最新文档为准。本教程提及的Claude Code、OpenClaw、Agent Skills等产品名称和功能描述基于公开资料整理，具体以各产品官方文档为准。

AI生成