这门课解决什么工作场景
很多团队现在都面临一个问题：通用大模型懂常识，但不懂你公司的业务知识库；能写通用文案，但没法按你团队固定的审批流去自动跑完多步任务。这门课解决的就是把大模型从“聊天机器人”变成“能干活的智能体”这个断层。它围绕 Dify 这个开源平台展开，覆盖了从私有化部署、接入本地或第三方模型，到搭建聊天类、Agent 类和工作流类应用的全过程。如果你平时的痛点是“想让 AI 帮我自动读财报、出试卷、做客服，但又不想从零写代码”，那这门课就是针对这个场景的。它不教你训练底层大模型，而是教你用现成模型加业务逻辑，拼出能真正交付给团队用的应用。
适合什么基础与建议先看的模块
这门课对编程门槛要求不高，但需要你能看懂基本的接口配置和服务器命令行操作。如果你完全没碰过 Linux 终端或 Docker，前几节部署环节会稍显吃力，但跟着操作步骤也能跑通。建议先跳到第 11 到 14 节的案例解析部分，看看聊天类、Agent 类和工作流类这三类应用分别能做出什么效果，判断是否符合你当前的业务需求。确认方向后，再回到第 8 到 10 节看 Dify 的一键部署和界面逻辑，接着按顺序把第 15 到 21 节的 GPU 服务器搭建、Docker 安装、Ollama 与 Xinference 部署跑一遍，把本地模型环境彻底打通。最后带着自己真实的业务数据，重新做一遍案例里的工作流。
学完能独立做什么与资料配合练习方法
学完后，你应该能独立完成三件事：一是在自己的服务器上私有化部署 Dify 并接入 DeepSeek 或本地 Ollama 模型，不依赖外部 SaaS 平台；二是配置一个能读取本地知识库的客服或面试官智能体；三是搭出多步骤工作流，比如让多个模型分别分析不同股票再汇总比较，或者自动生成一套带题目的试卷。资料配合练习的关键在于：不要只看视频里的参数配置，每看完一个案例，立刻用你自己手头的真实文档替换掉示例数据。比如课程里做的是股票分析，你可以换成竞品分析或合同审查，用同样的工作流节点跑一遍。遇到节点连不通或模型不按格式输出时，回头翻基础篇里的工作原理和核心元素，对照排查逻辑。这种边看边改的笨办法，比刷完所有视频再动手要扎实得多。
实践驱动，快速上手智能体开发
课程目录
* 基础篇/
* 01︱实例演示：AI智能体会进化到何种形态
* 02︱智能体的发展史、功能和应用场景
* 03︱智能体工作原理
* 04｜AI智能体核心元素
* 05｜主流的AI智能体框架
* 06｜AI智能体赋能各行业解析
* 07｜AI智能体有哪些结合硬件的场景
* 08｜Dify一键私有化部署
* 09｜Dify接入DeepSeek模型
* 10｜Dify基础介绍（界面功能与操作逻辑）
* 11｜案例解析-聊天类（面试官、课程客服）
* 12｜案例解析-Agent类（股票分析）
* 13｜案例解析-工作流类（多股比较）
* 14｜案例解析-工作流类（AI出卷助手）
* 15｜创建GPU服务器
* 16｜安装Docker
* 17｜部署Dify
* 18｜Ollama部署
* 19｜Dify接入Ollama
* 20｜Xinference部署
* 21｜部署并接入向量化模型以及Rerank模型
* 22｜验证向量化模型
* 直播回放｜如何用Dify快速搭建你的专属智能体
* 商业实战篇/
* 23｜聊天助手功能讲解
* 24｜自媒体提效案例：感受提示词的魅力
* 25｜HR面试提效案例：灵活运用变量
* 26｜研发提效案例：文本生成应用
* 27｜课程客服搭建：知识库RAG工作原理
* 28｜课程智能客服：知识库检索方式
* 29｜课程智能客服：知识库配置详解
* 30｜课程智能客服：智能体配置详解
* 31｜数据分析案例：股票分析
* 32｜深度剖析：工具调用
* 33｜工作流对比Agent模式的优势
* 34｜智能选股案例：工作流编排
* 35｜智能选股助手：流水线节点配置
* 36｜智能选股助手：格式处理
* 37｜工作流发布为工具
* 38｜AI题助手案例：流水线编排
* 39｜AI出题助手案例：详细配置
* 40｜AI出题助手案例：写入飞书云文档
* 综合实战篇/
* 41｜插件开发以及应用场景
* 42｜插件开发环境准备
* 43｜插件开发项目初始化
* 44｜插件开发业务逻辑编写
* 45｜插件开发：赋能记账助手
* 46｜发布智能体：嵌入到网站中
* 47｜发布智能体：发布API接口
