课程大纲
本课程涵盖以下主题：
- AI 基础
- 人工智能的真实功能
- 从模型到代理 – 决策流程
- 令牌、温度和上下文窗口
- 提示结构（角色、约束、风格）
- 识别虚构和偏见
- 负责任的 AI 使用–伦理、隐私与限制
- 练习 – 重写提示以提高清晰度和准确性
- 测验1 – 提示基础与模型行为
- 你的第一个 n8n 代理
- 代理节点的作用
- 配置 AI 连接和 API 密钥
- 构建简单问答流程
- 向提示添加上下文和变量
- 格式化响应（文本、JSON、HTML）
- 处理执行中的错误和超时
- 调试并验证输出
- 练习 – 个人助手代理
- 测验2 – 工作流结构与上下文传递
- 提示掌握与评估
- 比较模型系列及其能力
- 模型参数 – 温度, Top-p, 最大令牌, 频率惩罚
- 高级提示模板用于逻辑与生成
- 管理上下文重用与短期记忆
- 评估 AI 结果（准确性、相关性、一致性、语气）
- 提示迭代 – 调整系统/用户角色和参数
- 记录提示版本并比较得分（A/B 测试）
- 练习 – 带评估循环的邮件摘要代理
- 测验3 – 模型比较与提示迭代
- RAG 代理
- RAG 是什么以及何时使用
- 嵌入和向量含义介绍
- 创建向量索引并查询
- 按相似度查询并排序结果
- 结合检索与生成（流水线）
- 缓存并重用上下文以优化性能和成本
- 验证响应 – 相关性和准确性
- 练习 – 与我的文件工作流聊天
- 测验4 – 检索逻辑与相似度验证
- 工具集成
- 理解调用工具的代理
- 注册并公开自定义函数或 API
- 保护外部交互和凭证存储
- 验证并记录工具结果
- 根据工具输出创建决策节点
- 练习 – 工程助理代理
- 测验5 – 工具映射与错误处理
- 高级代理工作流
- 多代理模式（规划者、执行者、评判者）
- 人工审核与批准流程
- 自动评分与反馈循环
- 重试、回退和超时策略
- 代理版本控制及性能比较
- 指标 – 准确性、延迟、成本效率
- 练习 – 客服分诊工作流
- 测验6 – 架构与指标
- 可观测性与监控
- 定义关键指标（响应时间、令牌使用、错误率）
- 在 n8n 内构建监控仪表板
- 通过邮件或聊天配置警报
- 存储并比较执行日志
- 检测性能漂移并触发提示重新评估
- 应用自动报告和自愈模式
- 练习 – 自动化代理健康报告
- 测验7 – 指标解读与警报
- 应用项目
- AI 邮件回复器
- 数据分析代理（表格或数据库查询）
- 社交内容生成器
- 文档解析器（收据或发票）
- ERP 流程自动化
- 多代理协调流程
- 毕业项目 – 端到端业务自动化
- 测验8 – 集成与优化