《FDE：企业RAG+Agent+Skills的智能体案例实操和源生Agent Harness开发案例实操》
大模型实战专家—周红伟 法国科学院算法博士/前阿里人工智能专家/马上消金风控负责人
课程背景
公司企业科技业务正加速推进大模型应用从试点探索向规模化落地转变。当前团队在AI应用开发中普遍面临三个断层：一是业务需求与AI技术方案之间缺乏统一表达框架，需求理解偏差导致交付反复；二是现有开发多依赖低代码平台快速搭建原型，但在复杂企业任务中暴露出可控性不足、调试困难、难以对接现有系统等问题，源生开发能力缺失；三是团队对提示工程、RAG、Agent等技术的掌握停留在工具操作层面，缺乏从业务场景识别、方案设计到工程实现的全链路能力。与此同时，企业业务对AI应用的安全性、合规性、可审计性要求远高于通用场景。直接照搬通用大模型应用模式无法满足内部管控要求，需要在架构设计、工具调用边界、人工确认机制、日志审计等方面进行专门设计。团队当前缺乏一套面向企业场景的Agent开发方法论和可复用的工程模板，导致项目周期拉长、效果不稳定、生产化推进困难。
本次培训聚焦公司真实业务场景，围绕企业RAG、Agent、Skills三类核心能力展开，通过Spec Coding规范业务到代码的转换过程，并通过源生Agent Harness开发弥补低代码平台的能力边界。课程采用工具链掌握、开发优化、项目落地三阶段递进，帮助学员建立从需求洞察到可交付AI应用的完整闭环能力。
课程收益
通过两天学习，学员能够获得以下收益：
第一，掌握企业RAG的工程化落地方法。能够针对企业文档特点设计合理的切片与检索策略，理解召回率、答案忠实度等核心指标的评估方法，具备将模糊业务问题转化为可验证RAG任务的能力，避免在真实项目中走通方案却无法稳定复现的问题。
第二，具备高级提示词工程与定制化AI能力加强的实操经验。能够使用结构化提示词四要素方法控制企业术语一致性与输出格式，掌握多步推理与自检提示设计，能够将财务计算、合规条款匹配等业务能力封装为可复用的Skill，并通过Skill与RAG协同完成复杂任务。
第三，获得源生Agent Harness从零搭建的开发能力。理解Agent推理循环、工具调用协议、上下文管理等核心机制，能够手写一个基础Agent循环并接入企业工具，处理异常返回与降级逻辑，不再受限于低代码平台的黑盒限制，具备将原型推进到生产化改造的工程基础。
第四，学会用Spec Coding方法将企业业务规则精确转化为Agent实现规格。能够编写包含任务目标、输入输出、约束条件的Spec文档，将合规要求转化为可校验的条款，并根据Spec生成代码骨架与测试用例，显著降低业务与开发之间的沟通成本与返工率。
第五，建立企业业务场景识别与端到端方案设计能力。能够从真实业务流程中筛选高价值AI切入点，区分替代型与增强型应用，完成技术可行性与业务影响评估，输出结构化的AI场景卡片，使技术方案从一开始就对准业务指标。
培训时长
2天
课程大纲
第一天 主题：企业RAG+Agent+Skills智能体Spec Coding开发
第一部分 企业RAG基础与业务场景映射
1.1 企业RAG技术栈拆解
1.1.1 检索增强生成在企业场景的适用边界与局限
1.1.2 企业文档结构特点对切片策略的影响
1.1.3 RAG与传统搜索、微调在成本与效果上的对比
1.2 企业业务需求到RAG问题定义
1.2.1 从信贷报告、合规文件、研报中识别检索诉求
1.2.2 将模糊业务问题改写为可验证的RAG任务
1.2.3 定义评估指标：召回率、答案忠实度、业务可用性
1.3 案例复盘：企业研报问答系统
1.3.1 原始需求与数据现状分析
1.3.2 方案选型与失败点回顾
1.3.3 可复用经验与避坑清单
第二部分 高级提示词工程在企业Agent中的应用
2.1 结构化提示词设计方法
2.1.1 角色、任务、约束、输出格式四要素拆解
2.1.2 企业术语一致性控制技巧
2.1.3 提示词版本管理与回归测试
2.2 多步推理与自检提示模式
2.2.1 思维链在财务计算与合规判断中的使用
2.2.2 让模型先列依据再给结论的强制格式
2.2.3 自检提示设计：要求模型标注不确定项
2.3 企业场景提示词实战
2.3.1 研报摘要生成提示词逐行解析
2.3.2 合同条款风险识别提示词调优
2.3.3 多轮对话中保持上下文一致的写法
第三部分 定制化AI能力加强：Skills设计与实现
3.1 Skills在企业智能体中的定位
3.1.1 Skill与工具调用的区别
3.1.2 哪些业务能力适合封装为Skill
3.1.3 Skill的输入输出契约设计
3.2 企业领域Skill开发实操
3.2.1 财务指标计算Skill：公式封装与异常处理
3.2.2 合规条款匹配Skill：规则与模型混合策略
3.2.3 数据脱敏Skill：敏感信息识别与替换逻辑
3.3 Skills与RAG的协同模式
3.3.1 检索结果驱动Skill调用
3.3.2 Skill输出反哺检索条件优化
3.3.3 多Skill编排完成复杂企业任务
第四部分 低代码平台搭建企业Agent原型
4.1 低代码平台能力边界与选型依据
4.1.1 支持RAG与Agent编排的平台功能对比
4.1.2 企业级部署对权限、审计、版本的要求
4.1.3 低代码与纯代码混合开发的取舍
4.2 用低代码搭建企业问答Agent
4.2.1 知识库接入与切片配置实操
4.2.2 提示词模板与变量绑定
4.2.3 流程编排：检索、生成、后处理串接
4.3 原型验证与快速迭代
4.3.1 用真实业务问题做批量测试
4.3.2 基于反馈调整切片与提示词
4.3.3 输出可演示的最小可行产品
第五部分 企业业务场景设计：从流程中识别AI机会
5.1 业务流程拆解与AI切入点定位
5.1.1 画业务流程图并标注信息流转节点
5.1.2 用频次、复杂度、容错率筛选高价值场景
5.1.3 区分替代型AI与增强型AI
5.2 端到端方案设计框架
5.2.1 输入数据、处理逻辑、输出交付物定义
5.2.2 技术可行性评估：模型能力、数据可得性、系统集成
5.2.3 业务影响预估：效率提升、风险下降、体验改善
5.3 场景设计分组实战
5.3.1 每组选择一个真实企业业务流程
5.3.2 输出AI场景卡片：问题、方案、指标
5.3.3 交叉评审与讲师反馈
第二天 主题：源生Agent Harness开发与项目落地
第一部分 Agent Harness架构解析
1.1 Agent Harness核心组件
1.1.1 推理循环：计划、执行、观察、反思
1.1.2 工具调用协议与错误恢复机制
1.1.3 上下文管理与记忆策略
1.2 企业场景下的Harness设计差异
1.2.1 安全边界：哪些操作禁止自动执行
1.2.2 审计日志：每次工具调用的完整记录
1.2.3 人工确认节点在关键流程中的插入
1.3 代码级Harness最小实现
1.3.1 手写一个基础Agent循环
1.3.2 接入一个工具并处理异常返回
1.3.3 打印完整推理轨迹便于调试
第二部分 Spec Coding：从规格说明到Agent实现
2.1 Spec Coding理念与企业场景适配
2.1.1 规格说明驱动的开发流程
2.1.2 企业业务规则如何在Spec中精确表达
2.1.3 Spec评审与验收标准定义
2.2 编写企业Agent的Spec
2.2.1 任务目标、输入输出、约束条件模板
2.2.2 边界案例：异常输入、缺失数据、超长文本
2.2.3 将合规要求转化为可校验的Spec条款
2.3 Spec到代码的映射实操
2.3.1 根据Spec生成Agent骨架代码
2.3.2 将业务规则转化为提示词与校验逻辑
2.3.3 用Spec驱动测试用例自动生成
第三部分 源生Agent Harness开发实操
3.1 搭建可运行的Agent Harness工程
3.1.1 项目结构与依赖管理
3.1.2 实现模型调用与响应解析模块
3.1.3 实现工具注册与调度模块
3.2 企业工具接入与调试
3.2.1 接入外部API：行情、公告、内部系统
3.2.2 工具返回结果的结构化与截断策略
3.2.3 工具调用失败的降级与重试逻辑
3.3 多Agent协作模式
3.3.1 主管-执行者模式在企业研究任务中的应用
3.3.2 Agent间消息传递与结果汇总
3.3.3 协作流程中的冲突处理与最终决策
第四部分 项目实战：企业智能体端到端开发
4.1 实战任务定义
4.1.1 从第一天场景卡片中选定一个开发方向
4.1.2 明确输入数据来源与输出交付物
4.1.3 定义成功标准与可量化指标
4.2 分组开发与里程碑推进
4.2.1 第一里程碑：跑通Harness基础链路
4.2.2 第二里程碑：完成核心Skill接入并产出可用结果
4.2.3 第三里程碑：处理边界案例并完成评估报告
4.3 代码评审与问题定位
4.3.1 小组间互评Agent实现
4.3.2 讲师针对典型错误做代码走查
4.3.3 记录问题并形成改进清单
第五部分 效果评估与生产化考虑
5.1 Agent效果评估方法
5.1.1 构建企业场景测试集与标注标准
5.1.2 多维度评估：准确性、稳定性、响应时长
5.1.3 A/B对比与回归测试流程
5.2 从原型到生产的关键改造
5.2.1 权限体系与敏感操作管控
5.2.2 日志、监控与告警设计
5.2.3 模型版本管理与灰度发布
5.3 安全合规要点
5.3.1 数据脱敏与传输加密
5.3.2 输出内容合规校验机制
5.3.3 人工复核通道与兜底策略
