零代码工具入门以及智能体典型应用场景分类

课程：《AI智能体通识与提示词工程》 时长：约 66 分钟（3988 秒）

本节要点

• 主流零代码/低代码智能体开发平台：Dify、Coze、LangChain、Microsoft Copilot Studio
• 选择平台的六大核心维度
• Dify 与 Coze 的功能定位与差异对比
• 工作流设计基础：节点与连线
• 知识库与工具集成的原理
• 动手实践：用 Dify 搭建「天气查询助手」智能体
• 智能体五大典型应用场景

一、零代码/低代码智能体开发平台概述

当前市场主流的智能体开发平台呈现多元化格局，既有面向开发者的开源技术框架，也有面向业务人员的零代码可视化工具：

• Dify.AI：开源领域代表，专注大模型应用的快速构建，依托活跃社区获得持续功能迭代。
• Coze（扣子）：字节跳动推出，主打零代码体验，无需深厚编程基础即可搭建智能体，拥有丰富的应用组件生态。
• LangChain：底层能力强大的开发框架，支持复杂的智能体逻辑编排与多工具调用。
• Microsoft Copilot Studio：深度融合微软技术生态，能便捷对接企业现有业务系统与微软云服务。

选择平台时需要结合实际场景综合考量六大核心维度：技术门槛（决定团队上手效率与二次开发难度）、模型支持能力（直接影响理解与生成效果）、核心功能（需匹配业务实际需求）、部署方式（兼顾数据安全与便捷性，如私有化部署或 SaaS）、生态社区（关系到技术支持与扩展资源获取）、成本投入（贯穿从开发到落地全周期）。

二、Dify 与 Coze 平台介绍

Dify 平台

Dify.AI 是面向开发者与企业的开源大模型应用开发平台，核心目标是让技术团队绕开复杂的底层模型研发，快速完成 AI 应用的构建、上线部署与全生命周期管理。其核心能力包括：

• 全场景可视化构建：低代码甚至零代码操作界面，支持快速搭建智能聊天机器人、任务执行智能体以及可调用的 API 端点，覆盖客服、助手、业务工具等多类应用形态。
• 企业级 RAG 与工作流：内置完整的检索增强生成（RAG）全流程管道，实现文档高效处理与精准问答；支持拖拽式工作流编排，通过节点组合灵活定义 AI 执行逻辑。
• 安全合规与生态兼容：支持私有化部署，保障企业核心数据本地可控；具备模型无关特性，已集成全球超 200 种主流大模型，可自由切换算力与模型资源。

Coze（扣子）平台

Coze 是字节跳动推出的智能体开发平台，主打「零代码」与「多智能体协作」两大优势：既可通过自然语言直接生成智能体，也能借助可视化工具构建；原生内置多模态能力（文生图、图生文），还能创建由多个智能体组成的协作「团队」；拥有完善的技能商店生态，并支持一键发布到抖音、飞书等主流平台，大幅降低非技术用户的使用门槛。

Dify vs Coze 对比

三、工作流设计基础

工作流（Workflow）是智能体执行复杂任务的核心机制，通过可视化拖拽即可完成流程设计，是低代码平台中实现业务逻辑编排的核心载体。

其核心由节点与连线构成：节点是执行具体操作的单元，涵盖 LLM 大模型调用、外部工具调用、条件判断等动作；连线是定义数据流转与执行顺序的纽带，决定了任务从一个操作到下一个操作的推进逻辑。实际应用中，工作流能支撑任务的精细化拆解与分步执行，实现复杂的逻辑判断分支、循环迭代操作，还能配置异常情况下的错误处理规则，让任务执行更可控、更稳定。

课程以「10086 智能客服」为例演示了工作流：先用大模型做意图分类（把用户问题分为「业务咨询 / 投诉建议 / 其他咨询」三类），再根据分类结果路由到不同分支处理，形成「意图分类 → 分支路由 → FAQ 问答」的完整链路。

四、知识库与工具集成

• 知识库（Knowledge Base）：为智能体植入特定领域的私有专业知识，相当于智能体的「外挂领域大脑」。通过引入垂直领域的文档、案例、规则，显著提升回答准确性与专业度。核心集成逻辑是：文档导入系统 → 文本智能分割为知识片段 → 模型完成知识向量化 → 向量数据存入专用数据库 → 智能体基于用户问题做相似性检索 → 调取匹配的精准知识作答。
• 工具集成（Tool Integration）：赋予智能体连接外部世界、执行实际操作的「手脚」，让智能体能调用各类应用程序、查询实时数据、执行业务动作，从「信息输出者」转变为「任务执行者」。标准执行链路是：开发者定义工具的功能、参数与调用规则 → 开放工具接口并配置权限 → 智能体分析需求后自主判断是否调用工具及调用何种工具 → 工具执行操作并返回结果 → 智能体基于结果整理最终反馈，完成全流程闭环。

五、动手实践：搭建「天气查询助手」智能体

课程用 Dify 从零搭建了一个「天气查询助手」，完整的六步流程如下：

1. 创建应用载体：在 Dify 中选择 Agent 类型应用，这是智能体的基础入口，区别于普通对话模型应用。
2. 设定系统角色：编写系统指令，例如「你是专业天气查询助手，仅依据工具返回结果回答、禁止编造；当用户询问天气时必须调用 get_weather」。
3. 集成外部能力：添加自定义工具 get_weather，配置输入参数（如城市名称）与访问外部天气 API 的权限，实现从「知识问答」到「实时数据交互」的跨越。
4. 选择核心模型：根据业务需求选择 LLM（如 GPT-4o、Claude 3），微调温度参数以确保推理逻辑稳定、工具调用决策更精准。
5. 实时交互验证：在预览对话框输入「北京今天天气怎么样？」，检查智能体是否自动触发工具调用，并正确解析返回的 JSON 数据形成自然语言回答。
6. 生成访问服务：测试通过后一键生成可公开访问的 Web 链接或 API 接口，无需复杂后端开发即可部署给终端用户。

关键细节：工具名称是智能体调用的核心标识，必须确保代码中定义的函数名与平台配置完全一致，否则会导致调用失败。完成后即获得一个具备真实业务能力的 AI 应用，能理解自然语言问题并主动调用外部工具获取数据，实现真正的「感知与执行」。

六、智能体典型应用场景

AI 智能体的应用正从个人生活向企业运营、垂直行业深度渗透，五大核心应用方向如下：

• 个人助理：作为用户的数字化生活管家，实现日程智能规划、邮件自动分类与草拟回复，结合偏好完成旅行行程一站式定制。
• 企业服务：成为企业全业务链路的数字员工，提供 7×24 小时智能客服，辅助销售挖掘商机、协助 HR 简历初筛与人才匹配，在 IT 运维中实现故障实时监测与自动修复。
• 教育辅导：打造千人千面的个性化学习体验，充当适配不同学生节奏的学习伴侣，提供针对性作业辅导与知识点答疑，以及沉浸式的听说读写专项练习。
• 创意内容与设计：作为创作者的高效协作伙伴，快速完成文案撰写润色、代码生成与调试，支持图像创意设计与视觉素材智能生成，缩短创意产出周期。
• 垂直行业解决方案：深耕医疗、法律、金融等专业领域——医疗中辅助临床诊断与病例数据分析，法律中完成文书审核与判例检索，金融中提供投资策略分析与风险评估。

小结

零代码/低代码平台让「人人可搭建智能体」成为现实：Dify 面向企业级深度集成，Coze 面向零代码敏捷创作，LangChain 与 Copilot Studio 各有所长。无论用哪款平台，搭建智能体的核心能力是一致的——可视化工作流编排、知识库注入私有知识、工具集成打通外部世界。课程的天气查询助手实操串起了「创建应用 → 设定角色 → 集成工具 → 选择模型 → 交互验证 → 发布上线」的完整链路；而智能体的价值最终落在个人助理、企业服务、教育辅导、创意设计、垂直行业五大场景，成为各领域提效赋能的数字员工。

自测题

1. Dify 和 Coze 在目标用户、部署方式、模型生态上各有什么差异？分别适合什么场景？
2. 选择智能体开发平台时需要考虑哪六个维度？请简要说明每个维度关注什么。
3. 工作流中的「节点」和「连线」分别起什么作用？工作流能实现哪些能力？
4. 知识库的集成流程包含哪几个关键步骤？工具集成让智能体获得了什么能力？
5. 用 Dify 搭建天气查询助手需要哪六步？其中「工具名称必须与代码中函数名一致」为什么很关键？