从 0 到 1 交付完整 AI 应用：智能体训练营收官课全复盘

这是 WaytoAGI「AI 智能体训练营」第二期的最后一节课。讲师薛临风在课程中系统回顾了智能体的六大核心要素，演示了如何用飞书多维表调用 Coze 工作流、如何用「邪修」思路解决抓取公众号历史文章的难题，并区分了知识库与数据库的使用场景。课程还布置了最终作业——用五步法完成一个最小化产品（MVP）的文档。适合已完成前七节课、准备提交结业作业的学员，以及想了解 Coze 跨平台调用和数据库实操的开发者阅读。

智能体六大要素：大模型、提示词与工作流是核心

▶ 16:45 · 看这一节

薛临风在课程开头回顾了智能体的六大核心要素：大模型、提示词、工作流、技能、知识库、上下文记忆。他认为前三个最为关键。

大模型是所有能力的底座，关键在于「选哪个模型去处理问题」。他提醒学员注意模型配置——不仅在 Coze 平台可以配置，工作流里的大模型节点同样可以。选择模型要基于性能考量：「我们搞一个意图识别，它本身就是一个快速判断的过程，可能一个很小的大模型够用了。你就不能上来给我整一个深度思考模型，这样的话它就会浪费大量的性能和时间。」他也指出 Coze 平台的局限性在于可选模型不多，而 N8N 或 Dify 的模型选型会更宽广。

提示词能力决定大模型能否准确执行。薛临风建议学员按照「角色身份、角色任务和输出」的框架练习，突破内容表达的禁锢。「你的表达力就是 AI 的生产力，表达力的本质是如何调动对方的理解能力和执行力。」他特别强调，人与人交流时有表情、语气辅助，但人与 AI 沟通时提示词必须靠语言本身决定。

工作流是这几天课程的核心，「它代表着我们真正将我们一个产品、一个业务真正的流程体现出来」。技能和模型的结果可能不如代码稳定，但「大多数场景是稳定的」。插件本质上是封装好的工作流，这也是练习 Coze 和 N8N 的原因——平台上有良好的插件生态，有别人造好的轮子。

多维表调用 Coze 工作流：HTTP 请求喂饭级教程

▶ 27:30 · 看这一节

薛临风演示了如何用飞书多维表调用 Coze 工作流，实现跨平台联动。他称之为「强强联手」：多维表本身足够强大，但在某些层面有局限性时，可以把数据自动传递给工作流处理，再反哺回多维表。

操作步骤如下：

1. 在飞书多维表中新建一列字符串文本类型的「链接」字段，用于存放网址。
2. 点击多维表左下角「新建」→「工作流」，选择「从空白开始」创建。
3. 触发器选择「点击按钮」，执行操作中找到「发送 HTTP 请求」。
4. 回到 Coze 主页面，点开「API 管理」，找到「执行工作流 API」。
5. 点击「授权」，选择「个人访问令牌」，设置有效期（最长 30 天）和访问权限，复制 TOKEN 保存——「创建完成之后它只会显示一次，之后就不会再显示了」。
6. 获取工作流 ID：打开工作流，网址上的一串数字就是 workflow ID。
7. 在请求体中填写参数，格式为 JSON，注意引号使用半角。参数名必须与工作流入参设计的名字一致。
8. 回到多维表，填写请求方法（post）、请求地址、请求头（包含授权信息和 content-type）和请求体。
9. 点击请求体中的加号，将多维表中「链接」字段的值替换请求参数中的 URL。
10. 保存并启用工作流，在多维表中添加「执行工作流」按钮字段，选择刚启用的工作流。

薛临风提醒了几个常见错误：少复制括号、授权问题、参数名填错。「你这里填的是你自己那条工作流传入的参数名叫什么，你就在这里写什么，不是必须写 article。」遇到 401 错误通常是授权问题，404 则可能是链接本身被拒绝访问。他坦言调试 API 是程序员的日常：「不是所有的 API 接口都是极其稳定的，当你遇到 API 接口的问题的时候，有时候很头疼的。」

邪修思路：用大模型绕开代码节点解决循环抓取

▶ 1:22:25 · 看这一节

针对学员反馈的「只能抓某一页公众号文章，嵌套操作困难」的问题，薛临风演示了一种「邪修」思路——用最快速的方法解决问题，避免陷入复杂的代码节点。

以抓取 39 篇文章为例：

1. 选择「指定循环次数」，设置为 3 次（因为数组下标从 0 开始，第一次循环要跳过）。
2. 添加选择器节点：当循环的 index 等于 0 时，选择「继续循环」，跳过第一个无用的数字。
3. 设置中间数组变量，初始值为空数组。
4. 每次读取完成后，调用大模型节点，将抓取到的网页 JSON 数据中的链接部分提取出来，添加到中间变量数组中。
5. 用设置变量节点更新中间变量数组，最终得到包含所有文章链接的数组。

大模型节点的提示词很简单：「用户会提供一组抓取到的网页 JSON 数据，提取其中的链接部分，将它们添加进已经保存的网址字符串数组。」薛临风解释：「遇到所有你感觉不得不用代码什么的，你在这里用大模型就行了。」他建议选一个小一点的模型，速度不会太慢。

他总结道：「解决问题的能力是先做出垃圾，再让它变成神。」除了邪修方法，他还提供了另外两种思路：把抓到的文档直接存到飞书云文档，或者建一个数据库专门维护各公众号的文章列表，查询出来就是数组，再循环数组即可。

知识库与数据库：存储静态知识 vs 管理动态数据

▶ 1:46:27 · 看这一节

薛临风指出知识库和数据库容易混淆，但本质不同。知识库的本质是「帮助大模型回答问题的」，存储静态数据，在大模型回答问题时通过语义检索召回相关内容，加入提示词辅助回答。数据库则「用来存规范性数据」，方便进行增删查改操作，存储短期动态数据。

他以医院为例：疾病百科、药物信息、健康指南适合作为知识库；个人健康档案、症状记录、用药记录等经常变动的数据适合存放在数据库。「数据库更用来存那些变化的记忆。」

在工作流中操作数据库时，薛临风演示了新增数据和查询数据。新增数据时，创建自定义数据表，设置字段如 idea、type、time、content。获取时间字段有多种方法：插件、大模型、代码节点。他提醒学员注意时间格式的匹配问题——如果存的是带时分秒的完整时间戳，后续查询时很难精确匹配「今日」的数据。解决方案是使用日期转化插件，只存年月日，这样双方都等于 0 点 0 分 0 秒，就能稳定匹配。

查询数据时，他提醒：「查询字段这里同学一定要记得，有的同学觉得我就查一个 time，就放一个 time 在这，将来你输出就会出问题，所以把它们都列出来。」他还强调本地测试数据和线上数据是隔离的，发布后找不到数据是正常现象。

最终作业：用五步法交付一个 MVP

▶ 2:29:02 · 看这一节

第八节课的作业是做一个最小化的产品（MVP）。薛临风强调：「你可以功能很简单，但我希望你多思考几步。」要求按照之前讲的五步法逻辑，用文档把产品逻辑描述清楚。

他鼓励学员不要只模仿课程演示：「老师演示了一个收集公众号，那你就做一个收集公众号，那老师没演示收集小红书，那你就不做小红书，所以一定思考一个你想要做的产品。」有能力的学员或已结成搭子的团队可以把产品实现出来，并做完整文档。

他特别强调这次作业的意义：「为什么我今天布置这个作业方便你提前开始为 30 号交的项目，你顺带把这个作业做了，顺带就可以打比赛去了。」他提醒学员：「扣子永远不是学习的目的，学习扣子只是你实现需求的手段。」

现场问答

▶ 2:40:31 · 看这一节

冲击优秀学员的作业评价以哪节课为准？

小鱿鱼回答：以最后一节课的作业文档为主，助教会查看 1-8 节课的作业，之前评选出的优秀学员作品作为加分项。规则会以文字形式同步到飞书群。

结业证书和优秀学员的评选标准是什么？

小鱿鱼说明：提交全部 8 次作业和入学申请即可获得结业证书，前 10% 的学员可获得社区认证。优秀学员评选会综合所有作业笔记的质量，建议每节课都写笔记，增加入选概率。

多人合作的作品如何提交？

小鱿鱼建议：合作作品可以提交，但最好说明每个人分别做了哪些内容，否则很难评判。每个人最好也提交一份各自的文档。

要点回顾

• 智能体六大核心要素：大模型、提示词、工作流、技能、知识库、上下文记忆，前三个最为关键。
• 多维表调用 Coze 工作流：通过 HTTP 请求，用个人访问令牌鉴权，填写 workflow ID 和 JSON 格式的请求体，即可实现跨平台联动。
• 邪修思路：遇到需要代码的场景，可以用大模型节点替代代码节点，先解决问题再优化。
• 循环体的关键：数组下标从 0 开始，用选择器跳过无用循环，用中间变量累积结果。
• 知识库存静态知识帮助大模型回答，数据库存动态数据方便增删查改。
• 时间字段建议只存年月日，避免时分秒导致查询无法精确匹配。
• 最终作业：用五步法完成一个 MVP 的产品文档，为 30 号的项目比赛做准备。