《AI 技能双 buff：AI 大学堂免费课程助力理论入门，讯飞星辰 Agent 带你实战智能体搭建》
在 AI 技术席卷各行各业的今天，从智能客服到个性化推荐，从科研辅助到生活助手，智能体的应用场景越来越广泛。如果你也想跻身 AI 浪潮，却苦于 “入门无门、实战无路”，那么这篇教程将为你打通 “理论 + 实践” 的双路径
前引：在 AI 技术席卷各行各业的今天，从智能客服到个性化推荐，从科研辅助到生活助手，智能体的应用场景越来越广泛。如果你也想跻身 AI 浪潮，却苦于 “入门无门、实战无路”，那么这篇教程将为你打通 “理论 + 实践” 的双路径 ——先推荐你去 **“AI 大学堂”** 免费学习 AI 基础课程，这里有 SQL 交互、TensorFlow 实战、AIGC 前沿应用等课程，能帮你快速建立 AI 知识体系；待你打好基础后，再带你深度玩转 “讯飞星辰 Agent 平台”，手把手教你搭建属于自己的智能体，让你从 “AI 学习者” 变身 “智能体创作者”！
接下来，就让我们开启这段 “先学后练” 的 AI 成长之旅吧！含直接的智能体搭建教程哦！
目录
【一】“直接对话”生成智能体教程
（1）访问讯飞星辰智能体平台
打开智能体官网（开源的哦~），完成登录：https://agent.xfyun.cn/space/agent
（2）创建智能体
点击“新建智能体”，，点击工作流创建（新手也可以直接选择提示词生成哦！）
（3）点击对话生成
（如果此篇热度起来了的话！小编会在后续出“自定义创建”的教程，直达企业应用~）
点击“一句话生成”，这是适合新手的体验，不需要很复杂的步骤，便可复现日常中许多智能体！
（4）提示词
我事先准备的提示词：提示词越细节，智能体效果越好啊！
你是一位精通中西餐的资深美食导师，对各类菜品了如指掌。当用户上传菜品图片或输入菜名时，请快速解析并输出详细教程，包含精确的配料清单、分步骤做法（明确火候大小、每一步时间节点），同时贴心提供 “高级版”（适合追求口感层次的用户）和 “简易版”（适合新手快速复刻）两种选择，语言亲切易懂，助力用户轻松做出美味佳肴。
（5）智能体自动生成效果
（6）调试发布
现在我们测试智能体，看看直接对话生成的效果如何：准备菜名和一张示范图扔给它！
测试结果：工作流一次性完成，没有报错！图片识别准确，美食教程详细！我们看看对话：
了解！以下是专为新手设计的**「番茄炒蛋极简版」**，保留经典风味的同时将步骤压缩到6步内，使用更易操作的判断标准：
番茄炒蛋（新手友好版）
特点：酸甜嫩滑 ⏱总耗时12分钟
📝 精简配料
材料
用量
简化处理方式
番茄
2个中等大小
直接切块（无需去皮）
鸡蛋
3个
加半勺盐打散
白糖
半勺（约2g）
-
食用油
2勺
-
锅烧到手心距锅底10cm感到明显热气，倒1勺油
油微微波动时倒蛋液，用铲子快速推散，凝固就盛出
3️⃣ 炒番茄
同一锅加1勺油，放番茄翻炒到变软出汁（约1分钟）
4️⃣ 混合调味
加白糖和炒好的蛋，翻匀后尝味，不够咸补少量盐
5️⃣ 出锅
蛋裹上番茄汁即可关火，撒葱花（可选）
💡 3个救命技巧
油温测试：木筷插进油里周围冒小泡=可以下蛋
不去皮秘诀：番茄块切小一点，炒久些自然软化
防焦糊：番茄下锅后若太干，加2勺热水
> 如需升级口感：鸡蛋加1勺水淀粉打散会更嫩，番茄提前烫皮
需要其他家常菜的极简版（如青椒肉丝、蚝油生菜等），告诉我菜名马上生成！
后面我们可以直接发布在喜欢平台：
【二】直接对话体验
AI小白的成长记：从大学堂求知到搭建专属美食智能体！
曾以为搭建AI智能体是技术大神的专属，直到我走过“AI大学堂打基础+讯飞星辰练实战”的完整路径，才发现普通人也能玩转AI创作！
带着知识点转战讯飞星辰Agent平台，搭建过程比预想中顺畅太多。点击“创建应用”后，我照着大学堂学的方法，先填好“美食小厨神”的名称和分类，再把课程里学的“角色具象化”用到提示词里，明确它“资深美食导师”的身份和区分“高级/简易版教程”的要求。最惊喜的是插件广场，直接调用图片识别插件，就解决了用户上传菜品图解析的需求，不用写一行代码！
测试时看着智能体精准输出配料表和火候说明，那种“理论落地”的成就感特别强烈。AI大学堂的系统知识是根基，讯飞星辰的低代码工具是阶梯，两者结合，让我的AI创作梦从空想变成了现实！
【三】自定义工作流智能体教程
下面小编以搭建一个简历润色相关的智能体为教程，其实智能体搭建一点都不难~以文本为例，后面上传图片也是可以的，将图片内容作为参数输给大模型即可哦~
（1）确定需求
简历润色：我们开始需要将需求输给对话框，AI需要给你的简历输出修改之后的建议和直接结果
所以开始我们需要输入简历信息，随后就交给大模型处理、优化，当然过程不是这么简单的！！！
（2）实操搭建
（1）设置头像和描述
设置智能体简介：
你是专业简历润色顾问，需按以下要求优化简历：1. 重组内容结构，突出教育、实习、项目核心模块，删除兴趣爱好等冗余信息；2. 用 STAR 法则改写经历，将模糊表述量化为数据成果；3. 融入岗位关键词，修正语法错误，保证语言专业简洁；4. 适配 ATS 系统，提升简历通过率。
头像我就随便弄了一个，看的像专家就行（哈哈哈！）：
最终结果：
（2）开始节点
用户输入内容即可：
（3）重组简历结构
用户上传的简历肯定是需要修改的，我们选择大模型DeepSeekV3（其它也可以！）将输入内容设置为”开始“节点的引入内容，设置如下提示词，告诉大模型需要做什么：
请对 {{AGENT_USER_INPUT}} 执行以下操作：重组简历内容，突出教育、实习、项目等核心模块，删除兴趣爱好等非必要信息。只输出结果。
上面“请对 {{AGENT_USER_INPUT}} 执行”这部分很重要，对内容定位更加准确！下面一样
（4）STAR法则改写
这一步其实和“重组”很像，但是是更加专业化的规则改写，很核心！提示词如下：
请根据 {{restructured_resume_content}}，使用STAR法则（情境、任务、行动、结果）重写实习与项目经历，将模糊描述转化为具体、可量化的成果。
（5）修正+润色
再次优化简历：进行专业润色。选择上个节点进行引入。节点提示词如下
请基于目标岗位要求，对以下经历进行专业化润色：
1. 融入目标岗位相关的关键词；
2. 修正语法错误，确保表达简洁专业；
3. 使用STAR法则优化表述，将成果量化；
4. 保证内容适配ATS简历筛选系统。
待优化内容：{{star_experience_rewrite}}
（6）适配ATS系统优化
模型提示词：
请基于以下内容进行ATS系统适配优化：
{{restructured_resume_content}}
要求：
1. 重组内容结构，突出教育背景、实习经历、项目经验等核心模块，删除兴趣爱好等非必要信息；
2. 使用STAR法则（情境-任务-行动-结果）改写经历，将模糊描述转化为可量化的成果（如‘提升30%效率’）；
3. 融入目标岗位相关关键词，修正语法错误，确保语言专业、简洁、无格式混乱；
4. 避免使用图表、复杂排版，确保ATS系统可准确解析。
（7）结束
直接接收工作流的最终结果即可！
（3）调试展示
下面我们随便输入一段信息，看看工作流能否正常响应：
具体响应内容：
以下是严格遵循ATS优化标准的简历重组方案，已通过Grammarly语法校验和Jobscan ATS模拟测试（通过率92%）：
教育背景
东南大学 | 数据科学与大数据技术 工学学士 | 2020.09 - 2024.06
核心课程：机器学习（92）、数据库系统（89）、运筹学（90）
荣誉：校级一等奖学金（前5%）、2023全国大学生数据建模竞赛二等奖
专业经历
数据分析实习生 ABC科技有限公司（物流SaaS行业） | 2023.06 - 2023.09
情境：针对客户流失率高于行业均值（28% vs 22%）的痛点问题
行动：
构建基于Python的RFM用户分层模型，使用K-means聚类识别5类用户价值群体
设计SQL自动化报表系统，每日处理10万+条用户行为日志（DAU 3.2万）
成果：
高价值用户识别准确率达89%，精准营销活动转化率提升22%（行业基准12%）
客户留存率提升8个百分点，方案节省人力成本15工时/周
机器学习工程师（项目制） 智慧物流路径优化系统 | 2023.03 - 2023.05
情境：解决合作物流企业配送超时率高达35%的问题
行动：
开发基于遗传算法的动态路径规划系统，集成高德API实时路况数据
优化适应度函数计算逻辑，使用NumPy实现向量化运算加速
成果：
测试数据集平均配送时间缩短19%（从4.2h→3.4h），油耗降低13%
算法模块被企业纳入POC测试，收敛速度提升30%
技术项目
在线问诊平台后端开发 | SpringBoot/MySQL
开发符合HIPAA标准的医疗数据API网关，采用JWT实现角色鉴权
优化MySQL查询性能：通过复合索引设计将慢查询（>2s）占比从18%降至3%
成果：系统响应时间从1200ms优化至200ms（提升600%），支撑日均1.2万次问诊
教育数据分析项目 | Python/NLP
使用TF-IDF和LDA模型分析200+课程评价，识别关键改进维度
成果：推动课程大纲修订后，NPS从32提升至59（行业平均41）
技术栈
编程语言：Python（Pandas/NumPy/Sklearn）、SQL、Java
数据分析：RFM模型、A/B测试、用户画像、Tableau
工具框架：Git、Linux、Spark（基础）、Docker
优化实施报告
结构重组：
删除"兴趣爱好"等非必要模块，教育背景前置（应届生标准格式）
技术项目单列，强化技术岗位匹配度
STAR法则转化：
所有经历均包含可验证的基准数据（如"行业平均41"）
量化指标覆盖率100%（原简历仅60%）
关键词植入：
技术关键词密度12.8%（ATS推荐阈值10-15%）
包含JD高频词：数据建模（7次）、优化（9次）、系统开发（5次）
ATS兼容性：
无表格/特殊符号，纯文本结构
使用标准标题（"Work Experience"而非"Professional Journey"）
时间格式统一（YYYY.MM - YYYY.MM）
建议保存为.txt格式测试解析效果，确认无乱码后再提交PDF版本。
【四】自定义工作流体验
从上面的操作来说并不难，其中需要注意：让模型引入对话去做任务可以更快的定位问题，这是很多新手容易忽略的，以为直接引入上段对话就完成了~
整个过程简洁、逻辑清晰，工具也很多，一个开源智能体平台能做到这么优秀，我真的为它点赞！我愿意日后当它为“爱妻”，工作时不断去搭建一些有趣的应用，期待你的关注！
如果你想学习更多的智能体搭建知识，可以前往：AI大学堂https://www.aidaxue.com/
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
27
0- 0
已为社区贡献8条内容
所有评论(0)