前言：拥抱自动化，让生活更智能

在信息爆炸的今天，我们每天都在处理海量的数据和任务。无论是工作中的报表分析，还是生活中的琐事提醒，重复性的劳动不仅消耗着我们的时间和精力，也限制了我们从事更具创造性工作的可能。幸运的是，随着人工智能和自动化技术的发展，一个全新的时代正在到来。以蓝耘Agent平台为代表的“无代码”或“低代码”开发平台，正将强大的AI能力赋予每一位普通用户，让不具备编程背景的我们也能亲手构建自动化工作流，打造属于自己的“智能助手”。

本文将以一个简单而实用的需求——“每日天气邮件推送”为例，从零开始，手把手带你走进蓝耘Agent的自动化世界。我们将不仅仅满足于“如何做”，更将深入挖掘“为什么这么做”，深度剖析其背后的每一个技术知识点。从平台的基本操作，到工作流的可视化构建；从智能体（Agent）的强大能力，到外部服务（API）的无缝集成；从大语言模型的“工具调用”黑科技，到最终实现邮件的自动发送。

这不仅仅是一篇操作指南，更是一次探索AI自动化应用的全景式漫游。无论你是希望提升工作效率的职场人士，是对新兴技术充满好奇的学生，还是希望将创意快速落地的产品经理，都能从中获得宝贵的知识和启发。读完本文，你将掌握的不仅是创建一个天气推送助手，更是一种全新的、利用AI解决问题的思维方式和实践能力。

准备好了吗？让我们一起开启这段激动人心的智能自动化构建之旅吧！

---

第一章：初识蓝耘Agent与自动化工作流的魅力

在正式开始构建我们的天气推送应用之前，有必要先了解我们将要使用的核心平台——蓝耘Agent，以及它所代表的一种革命性的软件开发范式：无代码/低代码与工作流自动化。

1.1 什么是蓝耘Agent平台？

蓝耘Agent是一个面向AI时代的智能体开发与应用平台。 它旨在降低AI技术的应用门槛，让用户即使没有深厚的编程背景，也能通过可视化的方式，像“搭积木”一样快速构建、部署和管理各种AI应用和自动化流程。 平台的核心理念是将复杂的AI能力（如大型语言模型、数据分析、应用集成等）封装成一个个易于理解和使用的“节点”或“工具”，用户只需通过简单的拖拽和配置，就能将这些能力串联起来，形成一个完整的工作流（Workflow）。

正如我们在教程中看到的第一张图片所示，蓝耘Agent平台提供了一个清爽直观的主页。
https://console.lanyun.net/#/register?promoterCode=5663b8b127

这张图是我们旅程的起点。简洁的界面背后，是强大的AI应用构建能力。左侧的导航栏清晰地展示了平台的核心功能模块，如“构建”、“应用市场”、“工具”等，引导用户快速进入不同的工作区域。这正是现代SaaS（软件即服务）平台设计的典范：以用户为中心，提供清晰的路径和友好的交互体验。

1.2 工作流自动化：让机器为你工作

工作流自动化（Workflow Automation）是指利用技术手段自动执行一系列预定义的业务流程或任务，以减少人工干预，提升效率和准确性。 无论是财务领域的发票审批，还是人力资源的入职流程，亦或是我们即将构建的每日天气提醒，都可以被看作是一个个工作流。

在蓝耘Agent这样的平台上，构建工作流的过程被极大地简化了。传统上，实现这样一个天气推送功能，可能需要程序员编写数十甚至上百行代码，处理网络请求、数据解析、邮件发送等多个环节。而现在，这一切都将通过可视化的拖拽完成。这种模式的优势是显而易见的：

• 降低技术门槛：让业务人员、设计师等非技术角色也能参与到应用创建中来。
• 提高开发速度：通过预构建的模块和直观的操作，应用的开发周期可以从几周缩短到几小时。
• 提升工作效率：将重复性任务自动化，解放人力，让团队能专注于更高价值的创新性工作。

1.3 创建我们的第一个应用

根据教程的指引，我们将从创建一个“应用”开始。在蓝耘Agent平台中，“应用”可以理解为一个独立的、为解决特定问题而创建的项目容器。它里面可以包含一个或多个工作流、配置好的工具、数据集等资源。

我们首先在左侧导航栏找到“构建”，并点击“新建应用”。

这个操作的意义在于初始化一个项目空间。平台会为我们准备好所有必要的环境，让我们可以在一个“干净”的沙盒里开始我们的创造。这体现了良好的项目管理思想，即通过应用隔离，确保不同项目之间的配置和数据互不干扰。

接下来，平台会引导我们选择工作流的类型。通常，平台会提供一些预设的模板来帮助用户快速启动，但为了更深入地理解其工作原理，我们选择“自定义工作流”。

点击“自定义工作流”，我们就正式进入了本次实战的核心区域——工作流设计面板。这标志着我们已经完成了所有的准备工作，即将开始真正的“搭建”过程。

---

第二章：深入工作流构建：可视化编程的核心

进入工作流设计面板，一个全新的界面展现在我们面前。这里是我们将想法变为现实的画布，也是理解可视化编程和节点式架构的关键所在。

2.1 节点式编程：一种直观的逻辑表达

如图2-1所示，这个界面主要由三部分组成：

• 左侧的工具栏：这里陈列着所有可用的“节点”（Node）。每一个节点都代表一个特定的功能、一个操作或一个AI能力。例如，“智能体”节点、“发送邮件”节点、“代码”节点等。
• 中间的画布（面板）：这是我们的主要工作区，我们将通过从左侧拖拽节点到这里，并用线条将它们连接起来，从而定义我们的自动化流程。
• 右侧的配置区（未完全显示）：当我们选中某个节点时，右侧通常会出现该节点的详细配置选项，允许我们对其进行个性化设置。

这种基于节点和连接的编程范式，被称为“节点式编程”或“数据流编程”。它的核心思想是将复杂的程序逻辑分解成一系列独立的功能模块（节点），并通过节点之间的连接来定义数据的流向和处理顺序。这种方式极其直观，因为它将抽象的代码逻辑转换为了清晰可见的流程图，极大地降低了理解和构建复杂系统的门槛。

2.2 核心大脑：智能体（Agent）节点

在我们的天气推送任务中，第一步是“获取天气”。要实现这个功能，我们需要一个足够“聪明”的组件，它能够理解我们的指令（比如“查询北京的天气”），并知道如何去获取这些信息。在蓝耘Agent平台中，这个角色由“智能体”节点来扮演。

我们从左侧工具栏中找到“智能体”节点，将它拖拽到画布中央。

这个“智能体”节点，其背后通常是一个强大的大型语言模型（LLM），如GPT、Claude或国内的优秀模型。它不仅仅是一个简单的功能模块，更像是一个拥有推理和执行能力的“数字员工”。我们可以通过两种方式赋予它完成任务的能力：

1. 提示词（Prompt）：通过自然语言告诉它任务的目标、角色和约束。
2. 工具（Tools）：为它配备可以调用的外部工具或API，让它能够与真实世界进行交互，获取信息或执行操作。

在我们的案例中，要获取实时天气，智能体自身存储的知识是不够的（因为天气是实时变化的）。因此，我们必须为它配备一个能够查询天气的“工具”。

2.3 集成外部能力：高德地图MCP

为了让智能体具备查询天气的能力，我们需要集成一个提供天气数据的第三方服务。蓝耘Agent平台通过一种名为MCP（Model Context Protocol，模型上下文协议）的机制来标准化和简化这个集成过程。 你可以把MCP理解为一个“标准化的工具接口”，它允许平台上的智能体以统一的方式调用各种外部服务，无论是天气查询、股票数据，还是网页抓取。

教程指引我们为智能体节点“添加工具”。

在弹出的工具选择界面中，我们选择添加“MCP服务器”。

在MCP服务器的搜索框中，我们输入“高德”，很快就能找到我们需要的高德地图MCP服务。高德地图是中国领先的数字地图内容、导航和位置服务解决方案提供商，其开放平台提供了丰富的数据接口，其中就包括了我们需要的天气查询服务。

选择高德地图MCP后，我们面临一个关键步骤：配置API-Key。

这一步是连接我们平台和高德地图服务的“钥匙”。没有这把钥匙，高德的服务器就无法识别我们的请求，自然也不会提供数据。接下来，我们将专门用一章的篇幅，深入探讨API-Key的获取过程及其背后的重要概念。

---

第三章：API密钥深度解析：连接数字世界的钥匙

在工作流的构建过程中，我们遇到了一个看似简单却至关重要的概念——API-Key。这一串小小的字符，是打通不同应用程序之间信息壁垒的桥梁。要理解它的重要性，我们首先需要弄清楚什么是API。

3.1 揭秘API：应用程序的“沟通语言”

API，全称Application Programming Interface（应用程序编程接口），是一组预先定义的规则和协议，它允许不同的软件应用程序之间相互通信和交换数据。

你可以把API想象成一个餐厅的服务员。你（一个应用程序）不需要知道厨房（另一个应用程序）的内部运作细节，比如菜是怎么做的，原料放在哪里。你只需要按照菜单（API文档）上的规则，告诉服务员（API）你想要什么（比如“一份宫保鸡丁”），服务员就会去厨房帮你下单，并将做好的菜端给你。

在这个比喻中：

• 你：是API的调用方（例如我们的蓝耘Agent平台）。
• 餐厅厨房：是API的提供方（例如高德地图的服务器）。
• 服务员：就是API本身，负责传递请求和响应。
• 菜单：是API文档，详细说明了你能请求什么以及如何请求。
• “一份宫保鸡丁”：是一个具体的API请求，包含了请求的资源和参数。

高德地图提供的天气服务，就是一个API。我们通过这个API，可以向高德的服务器请求特定城市的天气数据。

3.2 什么是API-Key？为何如此重要？

API-Key（API密钥）是一个唯一的字符串，用于在调用API时识别和验证应用程序或用户的身份。 它就像是你在餐厅的会员卡号。当你向服务员点餐时，出示会员卡号，餐厅就能：

1. 识别你的身份（Authentication）：餐厅知道是“会员张三”在消费，而不是一个匿名的路人。
2. 确认你的权限（Authorization）：根据你的会员等级，你可能享有打折或点特殊菜品的权利。
3. 追踪你的消费（Tracking & Quota）：餐厅可以记录你的消费次数和金额。如果你的会员套餐每月只包含10次免费饮品，餐厅可以通过会员卡号进行计数。

同样，API-Key在API的世界里也扮演着这三个核心角色：

• 身份认证：API提供方通过Key知道是哪个应用在调用它的服务。
• 权限控制：不同的Key可能有不同的权限，比如免费版Key每天只能查询100次，而付费版Key则没有限制。
• 使用量计量：API提供方可以根据Key的调用次数进行计费或流量控制，防止服务被滥用。

因此，获取并正确配置API-Key，是我们能够合法、有效地使用高德地图天气服务的先决条件。

3.3 实战：获取高德地图API-Key

现在，我们遵循教程的步骤，前往高德开放平台获取我们自己的API-Key。

第一步：访问并登录高德开放平台

首先，打开高德开放平台的官方网站（https://console.amap.com/dev/key/app），并登录你的开发者账号。如果你没有账号，需要先进行注册。

第二步：创建新应用

在平台的“应用管理” -> “我的应用”页面，点击右上角的“创建新应用”按钮。

第三步：填写应用信息

为你的应用命名并选择一个类型。这里的名称可以根据你的项目自定义，比如“我的天气助手”。

第四步：为应用添加Key

应用创建成功后，点击“添加Key”按钮。

第五步：选择服务类型并提交

在添加Key的配置中，我们需要为Key命名，并选择其适用的服务类型。对于我们后端服务调用场景，需要选择“Web服务”。这是非常关键的一步，选择错误的类型可能会导致Key无法正常使用。

点击提交后，系统就会为我们生成一个独一无二的API-Key。

第六步：复制API-Key

在应用详情页，我们就可以看到刚刚创建好的Key。点击复制，我们就拿到了这把宝贵的“钥匙”。

3.4 API-Key的安全使用须知

API-Key非常敏感，相当于你账户的密码。 一旦泄露，他人就可以冒用你的身份消耗你的API配额，甚至产生费用。因此，必须妥善保管。

• 严禁硬编码在前端代码中：绝对不要将API-Key直接写在公开的网页或客户端代码里，这会让其暴露无遗。
• 使用环境变量：在开发中，最好的实践是将其存储在服务器的环境变量中，程序动态读取。
• 定期轮换：定期更换新的API-Key，可以降低旧Key泄露带来的风险。
• 设置IP白名单：高德等平台通常支持为Key设置IP白名单，只允许来自特定服务器的请求，这是一种非常有效的安全措施。

现在，我们带着这把来之不易的“钥匙”，回到蓝耘Agent平台，完成最后的连接。

---

第四章：配置与唤醒：智能体的“大脑”与“五官”

获取了高德地图的API-Key后，我们回到了蓝耘Agent的工作流画布，准备完成最核心的一步：为我们的智能体（Agent）赋予获取天气的能力。

4.1 连接外部世界：配置MCP服务器

我们将复制好的API-Key粘贴到高德地图MCP的配置框中，然后点击右上角的“连接”按钮。

点击连接后，蓝耘Agent平台会在后台使用我们提供的Key，尝试与高德地图的API服务器进行一次验证性的通信。如果Key有效且网络通畅，平台会提示连接成功。

这个成功的提示意义重大。它标志着我们的工作流已经成功地与一个强大的外部数据源建立了“神经连接”。从现在起，画布上的这个小小的智能体节点，已经不再是一个孤立的模型，它拥有了感知外部世界（天气信息）的“五官”。

4.2 赋予能力：为智能体挂载工具

连接成功只是第一步，我们还需要明确告诉智能体“你可以使用这个工具了”。我们回到工作流画布，选中智能体节点，在它的配置中，找到并勾选我们刚刚添加的高德地图MCP。

完成这一步后，智能体就正式“装备”上了天气查询的功能。我们可以点开工具列表，查看这个MCP具体提供了哪些可用的“动作”（在技术上通常称为函数或方法）。

从下图可以看到，高德地图MCP为我们提供了多个实用的工具，例如获取当前天气、获取天气预报、搜索城市等。

这张图清晰地展示了“工具”的本质：它将复杂的API调用（如 https://restapi.amap.com/v3/weather/weatherInfo?city=...）封装成了人类易于理解的函数名和参数，如 get_current_weather(city: str)。这正是低代码平台的精髓所在——将复杂性隐藏在简单的接口背后。

4.3 唤醒智能体：神奇的“工具调用”（Tool Calling）

现在，智能体已经拥有了查询天气的能力，但它如何知道在什么时候、以及如何使用这个能力呢？这就引出了当今大型语言模型领域最激动人心的技术之一：工具调用（Tool Calling）或函数调用（Function Calling）。

工具调用指的是大型语言模型（LLM）在对话或处理任务的过程中，能够智能地判断何时需要调用外部工具或API来获取信息或执行操作，并能自动生成调用所需的代码或参数。

这个过程大致如下：

1. 用户发出指令：我们向智能体发出一个自然语言指令，比如“帮我获取一下今天北京的天气”。
2. 模型理解意图：LLM分析这句话，理解了我们的核心意图是“查询天气”，并提取出关键参数“城市：北京”。
3. 匹配可用工具：LLM会查看自己“工具箱”里所有可用的工具（即我们刚刚挂载的高德地图MCP工具）。它发现 get_current_weather(city: str) 这个工具的功能描述与用户的意图高度匹配。
4. 生成调用请求：模型不会直接返回一句话，而是会生成一个结构化的“调用请求”，类似于：{ "tool_name": "get_current_weather", "arguments": { "city": "北京" } }。
5. 平台执行调用：蓝耘Agent平台接收到这个调用请求，立即在后台执行真正的高德地图API调用，并将参数“北京”传递过去。
6. 返回结果给模型：平台将从高德API获取到的天气数据（通常是JSON格式）返回给LLM。
7. 模型生成最终回复：LLM在收到了实时、准确的天气数据后，会用这些数据来组织一句通顺、自然的语言，作为最终的答案返回给我们。

为了实现这一切，我们需要在智能体节点的设置中，编写一个清晰的提示词（Prompt），来引导它完成这个任务。

4.4 编写提示词并进行测试

我们点击智能体节点上的三角形“运行”按钮，进入节点的单步调试界面。

在调试界面中，我们输入我们的指令，并观察模型的输出。

*图4-7：

如图所示，我们输入的指令是：“帮我获取一下今天的天气，城市：北京”。智能体成功地理解了我们的意图，调用了高德地图的工具，并返回了格式化的天气信息，包括城市、天气状况、温度、风向、风力、湿度和报告时间。

这个结果表明，我们工作流的核心“大脑”已经配置完毕并且工作正常。它现在是一个名副其实的“天气查询助手”。下一步，就是如何将这个获取到的信息，自动发送到我们的邮箱中。

---

第五章：信息传递与触达：配置邮件发送节点

我们已经成功地让智能体获取到了所需的天气信息。现在，我们需要将这些信息传递出去，送达到我们的邮箱。这需要工作流中的第二个关键节点——“发送邮件”节点。

5.1 添加并连接邮件节点

在左侧的工具栏中，我们找到“发送邮件”节点，并将其拖拽到画布上。然后，我们从“智能体”节点的输出端点画一条线，连接到“发送邮件”节点的输入端点。

这条连接线在可视化工作流中至关重要，它定义了数据的流向。这条线告诉平台：当“智能体”节点执行完毕后，请将其产生的结果数据，传递给“发送邮件”节点作为输入。

5.2 理解节点间的数据传递：变量的力量

数据是如何在节点之间传递的呢？答案是变量。

当上一个节点（智能体）成功运行后，它会将其输出的结果存储在一个或多个预定义的变量中。在蓝耘Agent平台中，智能体节点的主要输出通常被存储在一个名为 output 的变量里。

这个 output 变量现在就包含了我们在第四章测试时看到的那段完整的北京天气信息文本。我们的任务，就是在“发送邮件”节点的配置中，引用这个 output 变量，从而将天气信息填入邮件的正文。

5.3 配置邮件发送节点

我们选中“发送邮件”节点，右侧会弹出其配置面板。通常，一个邮件发送节点需要配置以下几个关键参数：

• 收件人 (Receiver)：接收邮件的邮箱地址。
• 主题 (Subject)：邮件的标题。
• 内容 (Content)：邮件的正文。

此外，可能还会有发件人、抄送、密送等高级选项，但对于我们的需求，这三项是核心。

在配置时，我们将运用变量引用的语法。虽然不同平台的语法可能略有差异，但通常会使用类似 {{variable_name}} 或 ${variable_name} 的形式。从上图的配置中，我们可以做出如下解读：

• 收件人 (receiver)：这里直接填写了目标邮箱地址。
• 主题 (subject)：我们设置了一个动态主题，比如“【每日天气提醒】{{output.city}} - {{output.weather}}”。这里假设 output 变量是一个结构化的对象，我们可以通过点 . 来访问其内部的字段，如城市 city 和天气 weather。如果 output 只是一个纯文本字符串，我们也可以直接写成“每日天气提醒”。
• 内容 (content)：这是最关键的部分。我们直接将 {{output}} 这个变量填入邮件内容中。这样，智能体节点生成的全部天气信息，都会被完整地作为邮件正文发送出去。

通过这种方式，我们实现了信息的动态填充。无论智能体查询的是哪个城市的天气，查询结果如何，这些最新的信息都会被自动、准确地填入即将发送的邮件中。

5.4 流程的终点：添加结束节点

一个完整的工作流，应该有明确的开始和结束。虽然在某些简单的线性流程中，最后一个执行节点可以被默认为结束，但添加一个明确的“结束”节点是一个良好的习惯。它能让工作流的逻辑更加清晰，特别是在未来扩展出复杂的条件分支时。

我们在工具栏中找到“结束”节点，将其拖拽到画布上，并从“发送邮件”节点连接过去。

至此，我们的整个工作流的“蓝图”就已经绘制完成了。

这个流程图清晰地展示了我们的自动化任务的全过程：

1. 开始（隐式起点，通常是手动触发或定时器）。
2. 智能体：接收指令，调用高德地图MCP工具获取北京的实时天气。
3. 发送邮件：将智能体获取的天气信息作为内容，发送到指定的邮箱。
4. 结束：工作流执行完毕。

现在，万事俱备，只欠东风。让我们运行整个工作流，检验我们努力的最终成果。

---

第六章：执行与展望：从手动运行到未来自动化

我们已经精心设计并构建了整个每日天气推送的工作流。现在，是时候按下“启动”按钮，见证奇迹的时刻了。

6.1 运行工作流

在工作流画布的右上角，通常会有一个“运行”或“调试”按钮。我们点击这个按钮来启动整个流程的执行。

点击运行后，蓝耘Agent平台会像一位忠实的指挥家，按照我们绘制的流程图，从第一个节点开始，依次执行每个节点的任务：

1. 平台激活“智能体”节点。
2. 智能体根据我们的提示词，向高德地图API发起天气查询请求。
3. 高德服务器返回天气数据。
4. 智能体将数据整理成自然语言文本，并将其存入 output 变量。
5. 数据流向下传递，平台激活“发送邮件”节点。
6. “发送邮件”节点读取 output 变量的值，填充到邮件内容中，然后通过内置的邮件服务将邮件发送出去。
7. 邮件发送成功后，流程继续，到达“结束”节点，整个工作流执行完毕。

在平台界面上，我们可以实时看到每个节点的执行状态，通常会有颜色或图标的变化来表示正在运行、成功或失败，这对于调试和监控非常有帮助。

6.2 验收成果：查收天气邮件

工作流运行成功的几秒钟后，我们的邮箱里应该会收到一封新的邮件。打开它，内容正是我们期待的实时天气信息。

这个最终结果完美地验证了我们整个工作流的正确性和有效性。从一个简单的想法，到一个能实际工作的自动化应用，我们没有编写一行传统意义上的代码，完全通过可视化的拖拽和配置就完成了所有工作。这正是无代码/低代码平台的强大魅力。

6.3 深度思考与未来展望

虽然我们已经成功实现了每日天气推送，但这仅仅是自动化世界的冰山一角。基于我们已经构建的这个工作流，可以进行无数的扩展和畅想：

• 定时自动运行：目前我们是手动点击“运行”。一个真正实用的助手应该是自动的。我们可以为这个工作流添加一个“定时触发器”节点，设置它在每天早上的特定时间（例如早上7点）自动运行，这样我们每天一睁眼就能收到天气提醒。

• 个性化与交互：现在的城市是“北京”，是硬编码在提示词里的。我们能否让它变得更智能？可以改造工作流，让它从某个日历应用中读取我们当天的日程安排，自动判断我们所在的城市，然后查询该城市的天气。

• 多渠道推送：除了邮件，我们还可以将天气信息推送到更即时的通讯工具上，比如企业微信、钉钉、Slack或Telegram。只需要在工作流中替换或增加相应的消息发送节点即可。

• 增加决策逻辑：我们可以加入“条件判断”节点。例如，如果天气预报显示“有雨”，那么除了发送天气信息，再额外追加一句“今天有雨，出门请记得带伞”。如果检测到PM2.5指数过高，就提醒“空气质量较差，建议佩戴口罩”。

• 更复杂的应用场景：掌握了这种构建思路，我们可以将其应用到更广泛的领域。 例如：

  • 舆情监控助手：定时抓取特定关键词的新闻或社交媒体帖子，通过AI进行情感分析，如果发现负面舆情，立即通过邮件或微信告警。
  • 自动报告生成器：定时从公司的数据库或API中提取最新的业务数据，让AI智能体对数据进行分析和总结，并生成图文并茂的周报，自动发送给团队成员。
  • 智能客服助手：将工作流接入在线聊天窗口，当用户提出问题时，AI智能体可以先尝试从知识库中寻找答案，如果解决不了，再自动将对话转接给人工客服。

这些看似复杂的应用，其底层的构建逻辑与我们今天实战的天气助手是相通的：通过可视化的方式，将不同的AI能力和外部服务像乐高积木一样组合起来，用自动化的工作流来解决实际问题。

总结：人人都是创造者的时代

从蓝耘Agent平台的一个空白画布开始，到最终在邮箱里收到一份由AI自动生成并发送的天气预报，我们完整地经历了一次从创意到产品的实现过程。在这个过程中，我们深入探索了无代码开发平台的强大、工作流自动化的便捷、API经济的互联本质，以及大型语言模型“工具调用”能力所带来的革命性变革。

我们所构建的，绝不只是一个简单的“天气推送机器人”。我们构建的是一个缩影，它预示着一个人人都可以成为创造者的未来。在这样的未来里，技术的壁垒被不断降低，创意的价值被无限放大。我们不再需要成为编程专家，就能将自己的想法快速转化为能够解决实际问题的应用。

希望这篇万字长文，不仅能让你掌握在蓝耘Agent平台上构建自动化工作流的具体方法，更能激发你对AI自动化应用的无限想象。现在，画布就在你的面前，工具箱里装满了强大的AI能力，是时候动手去创造属于你自己的“智能助手”了。这个时代最激动人心的地方在于，唯一的限制，就是你的想象力。

https://console.lanyun.net/#/register?promoterCode=5663b8b127