封面
前折页
书名页
版权页
前言
目录
第一篇 基础知识
 第1章 业务流程概述
  1.1 业务流程的核心内涵
   1.1.1 定义：什么是业务流程
   1.1.2 特征：构成业务流程的关键要素
   1.1.3 价值：卓越流程的重要性
  1.2 业务流程的分类
   1.2.1 按价值创造维度
   1.2.2 按复杂度与结构化程度维度
   1.2.3 按执行方式维度
  1.3 业务流程的演进：AI驱动的智能化转型
   1.3.1 核心流程：从满足需求到创造体验
   1.3.2 支持流程：从成本中心到效率引擎
   1.3.3 管理流程：从经验决策到科学决策
 第2章 认识工作流
  2.1 工作流的核心：从蓝图到行动
   2.1.1 工作流的定义
   2.1.2 工作流的生命周期
   2.1.3 工作流的核心价值
  2.2 工作流的四大核心系统
   2.2.1 流程编排：大脑
   2.2.2 任务调度：神经系统
   2.2.3 数据流转：循环系统
   2.2.4 状态追踪：记忆与感知
  2.3 工作流分类及关键模式
   2.3.1 核心分类维度
   2.3.2 关键工作流模式
  2.4 工作流演进：从辅助到主导
   2.4.1 人工与文档时代（1980s—1990s）
   2.4.2 自动化与集成时代（2000s—2010s）
   2.4.3 智能化与自主时代（2020s至今）
  2.5 工作流的应用场景
  2.6 初探实践：设计你的第一个智能体工作流
 第3章 智能体工作流概述
  3.1 大语言模型基础知识
   3.1.1 大语言模型的分类
   3.1.2 大语言模型的能力
  3.2 智能体基础知识
   3.2.1 智能体的定义
   3.2.2 智能体的五维一体架构
   3.2.3 智能体的分类
   3.2.4 智能体的应用场景
  3.3 协同之舞：智能体工作流
   3.3.1 认识智能体工作流
   3.3.2 智能体工作流的特点
   3.3.3 智能体工作流与传统工作流的区别
   3.3.4 智能体工作流的核心组件
   3.3.5 智能体工作流的实现方式
  3.4 智能体工作流的价值分析
第二篇 方法论
 第4章 Agent设计模式
  4.1 自我反思模式
   4.1.1 核心理论
   4.1.2 实现策略
   4.1.3 应用场景
   4.1.4 优化策略设计
   4.1.5 最佳实践
  4.2 工具增强模式
   4.2.1 核心理论
   4.2.2 实现策略
   4.2.3 检索增强生成技术
   4.2.4 性能优化与评估
   4.2.5 最佳实践
  4.3 任务规划模式
   4.3.1 核心理论
   4.3.2 实现策略
   4.3.3 应用场景
   4.3.4 规划效能优化
   4.3.5 最佳实践
  4.4 多智能体协作模式
   4.4.1 核心理论
   4.4.2 协作结构与编排
   4.4.3 最佳实践
  4.5 设计模式的组合与选择
   4.5.1 为什么要组合设计模式
   4.5.2 核心模式组合范式
   4.5.3 设计模式的选择决策
   4.5.4 应用案例解析
 第5章 Anthropic的Agent构建方法论
  5.1 Anthropic对Agent的定义
  5.2 构建Agent的原则
   5.2.1 简化优先原则
   5.2.2 任务适配原则
   5.2.3 可控性与透明性原则
   5.2.4 迭代优化原则
  5.3 智能体架构设计
   5.3.1 智能体核心组件
   5.3.2 智能体架构模式
   5.3.3 自主智能体
   5.3.4 定制化工作流
  5.4 从0到1构建智能体工作流
   5.4.1 提示链编排
   5.4.2 路由编排
   5.4.3 并行编排
   5.4.4 协调器编排
   5.4.5 工作流：生成器与评估器
   5.4.6 真正的Agent：人-机-环境的交互循环
  5.5 模型上下文协议
   5.5.1 MCP架构
   5.5.2 为什么MCP适合智能体
   5.5.3 MCP的使用场景
 第6章 Google的Agent构建方法论
  6.1 Google对Agent的定义
   6.1.1 Agent的核心特性
   6.1.2 Agent的架构设计原则
  6.2 Agent的推理框架
   6.2.1 ReAct框架
   6.2.2 CoT框架
   6.2.3 ToT框架
   6.2.4 多模态推理框架
   6.2.5 推理框架的选择与应用场景
  6.3 Agent能力增强方法
   6.3.1 工具使用
   6.3.2 持续学习
  6.4 Agent系统工程实践
   6.4.1 设计原则与方法论
   6.4.2 常见挑战与解决方案
   6.4.3 Agent评估与优化
第三篇 技术实现
 第7章 企业级智能体平台
  7.1 智能体平台概述
  7.2 Dify智能体平台
   7.2.1 Dify应用开发平台介绍
   7.2.2 模型即服务市场：开放、多元化
   7.2.3 插件体系：开发者驱动
   7.2.4 知识库：灵活、开放的知识管理中心
   7.2.5 通用、灵活的应用构建画布
  7.3 扣子智能体平台
   7.3.1 支持模型：多引擎驱动与场景适配
   7.3.2 插件体系：功能扩展的模块化引擎
   7.3.3 知识库：RAG增强的专业知识中枢
   7.3.4 数据库：持久化记忆与业务数据交互
   7.3.5 工作流：复杂任务的自动化编排引擎
  7.4 FastGPT智能体平台
   7.4.1 FastGPT平台介绍
   7.4.2 模型策略：精选、集成与深度优化
   7.4.3 插件体系：内聚、高效的功能节点
   7.4.4 知识库：一体化、高精度的知识问答引擎
   7.4.5 工作流：为应用而生
  7.5 提示工程：与智能体高效沟通的艺术
   7.5.1 框架一：通用型提示词
   7.5.2 框架二：角色扮演提示词
   7.5.3 框架三：任务执行提示词
   7.5.4 框架四：工具调用提示词
   7.5.5 框架五：知识库调用提示词
   7.5.6 框架六：动态生成提示词
  7.6 选型指南：Dify、FastGPT与扣子比较
   7.6.1 企业级AI平台对比
   7.6.2 选型建议
   7.6.3 从规划到落地：平台部署与成本效益分析
  7.7 构建你的第一个智能体应用
   7.7.1 应用构建的起点：两种创建模式
   7.7.2 案例一：在Dify中构建多类型应用
   7.7.3 案例二：在FastGPT中构建应用
   7.7.4 平台扩展
 第8章 节点式工作流编排
  8.1 RPA：业务流程自动化
   8.1.1 影刀RPA概述
   8.1.2 影刀RPA的核心功能
   8.1.3 影刀AI Power
   8.1.4 数据连接器
   8.1.5 影刀AI
   8.1.6 典型应用案例
  8.2 ComfyUI：设计工作流
   8.2.1 认识ComfyUI工作流
   8.2.2 ComfyUI的核心功能
   8.2.3 工作流节点分类
   8.2.4 ComfyUI工作流商业化案例
  8.3 n8n：工作流自动化
   8.3.1 认识n8n
   8.3.2 认识n8n节点
   8.3.3 n8n的核心特性
   8.3.4 Agent的核心节点
   8.3.5 n8n工作流构建
   8.3.6 应用场景
  8.4 RAGFlow：面向深度文档理解的专用检索引擎
 第9章 办公自动化工作流
  9.1 多维表格概述
   9.1.1 多维表格的概念及优势
   9.1.2 多维表格的应用场景
  9.2 多维表格的核心基石
   9.2.1 结构化之本：丰富的字段类型
   9.2.2 可视化之翼：灵活的多视图展示
   9.2.3 仪表盘
  9.3 字段捷径：数据处理的AI加速器
   9.3.1 字段捷径的概念
   9.3.2 AI字段捷径：让每个单元格都拥有智能
   9.3.3 公式字段捷径：告别复杂函数
   9.3.4 字段捷径的高级组合应用
  9.4 自动化流程：让数据自动流转
   9.4.1 自动化流程的概念
   9.4.2 触发条件：流程的起点
   9.4.3 执行操作：流程的核心
   9.4.4 自动化流程设计方法
   9.4.5 自动化流程应用案例
  9.5 工作流设计：构建高效跨系统业务流程
   9.5.1 多维表格工作流设计方法论
   9.5.2 区分工作流和自动化
   9.5.3 工作流模式
   9.5.4 多维表格与其他系统的集成
 第10章 智能体爆发期：从工作流到自主行动
  10.1 通用智能体Manus：一双赋予智慧行动的手
   10.1.1 Manus的技术架构与工作流程
   10.1.2 Manus的开源实现
   10.1.3 Manus的应用案例
  10.2 垂直智能体的百花齐放
   10.2.1 MGX：一个7×24小时待命的AI软件开发团队
   10.2.2 Lovart：为创意而生的专业设计Agent
   10.2.3 Flowith Neo：具备无限能力的AI生产力伙伴
   10.2.4 Skywork：专注办公场景的Office Agent
   10.2.5 Tunee：你的专属音乐智能体
第四篇 实践
 第11章 教育行业：AI驱动的个性化学习
  11.1 需求背景与整体方案
   11.1.1 痛点与需求
   11.1.2 总体方案
  11.2 英语作文批改
   11.2.1 痛点与需求
   11.2.2 解决方案
   11.2.3 构建基础版本，形成流程闭环
   11.2.4 改进方案，通过标注数据增强个性化
  11.3 个性化教学内容生成
   11.3.1 痛点与需求
   11.3.2 解决方案
   11.3.3 搭建素材库
   11.3.4 构建基础教学内容生成平台
   11.3.5 个性化优化与持续反馈
  11.4 个性化AI课堂互动
   11.4.1 痛点与需求
   11.4.2 解决方案
   11.4.3 让AI参与讨论突破传统教学模式
   11.4.4 构建AI赋能的沉浸式与创造性学习环境
  11.5 教育场景引入AI行动路线图
   11.5.1 系统集成路径
   11.5.2 实施策略
  11.6 应用案例
 第12章 智能化营销
  12.1 需求背景与整体方案
   12.1.1 痛点与需求
   12.1.2 总体方案
   12.1.3 搭建基于云端的Agent平台
  12.2 批量营销素材生成
   12.2.1 痛点与需求
   12.2.2 解决方案
   12.2.3 批量生成图文素材
   12.2.4 生成商品直播文案
  12.3 智能客服对接
   12.3.1 痛点与需求
   12.3.2 解决方案
   12.3.3 从被动应答到主动服务的设计
   12.3.4 将AI应用嵌入到业务流中
  12.4 个性化商品推荐
   12.4.1 痛点与需求
   12.4.2 解决方案
   12.4.3 电商数据收集与处理：构建个性化推荐的数据基础
   12.4.4 构建用户画像
  12.5 数据分析
   12.5.1 痛点与需求
   12.5.2 搭建AI效果监测体系
   12.5.3 AI应用效果数据跟踪
   12.5.4 模拟A/B测试
   12.5.5 复盘
  12.6 应用案例
 第13章 传统制造业转型
  13.1 需求背景与总体方案
   13.1.1 痛点与需求
   13.1.2 总体方案
   13.1.3 搭建企业私有化Agent平台
  13.2 企业个性化数据问答
   13.2.1 痛点与需求
   13.2.2 解决方案
   13.2.3 问答助手搭建
   13.2.4 权限管理
  13.3 企业文档批量生成
   13.3.1 痛点与需求
   13.3.2 解决方案
   13.3.3 通过工作流实现企业内部文档写作
   13.3.4 协同编辑与版本管理平台
  13.4 数据分析与定制看板搭建
   13.4.1 痛点与需求
   13.4.2 解决方案
   13.4.3 数据收集与处理
   13.4.4 统计看板快速搭建流程
  13.5 AI扫描企业运营状况
   13.5.1 痛点与需求
   13.5.2 解决方案
   13.5.3 AI个人助理赋能新任管理者/嵌入现有应用中
   13.5.4 构建个性化AI助理突破思维与技术双重限制
  13.6 应用案例
推荐阅读
后折页
封底