当前所内已部署理工雷科智能体框架，具备基础工作流编辑、知识库及MCP工具调用能力，但在实际落地中面临诸多痛点：嵌入式软件编译调试工具难以集成、知识库缺乏自主更新与分层分级管理能力、无多格式文档生成（Markdown转PDF/Excel/PPT等）能力，且知识库对多格式文件（Word/PDF/Excel）输入向量化准确度不足、易丢失信息。同时，所内已部署Qwen、GLM、DeepSeek等模型，需适配现有模型实现智能体离线部署与二次开发，贴合C、C++、CUDA、FPGA等嵌入式代码开发调试核心业务，以及文档处理、PPT制作、计划管理等办公场景。

本课程聚焦智能体二次开发平台、知识库选型与应用、AI嵌入式编程工具三大核心，避开Java类界面开发，聚焦所内核心业务场景，通过理论讲解+实战演练结合的方式，帮助学员掌握适配所内需求的开源智能体选型、二次开发、知识库搭建优化及AI嵌入式编程技巧，解决现有框架痛点，实现技术落地与效率提升。

1. 智能体二次开发能力：掌握适配离线部署、支持二次开发的开源智能体选型逻辑，能基于Dify完成智能体搭建与自定义插件开发，实现嵌入式编译调试工具集成。

2. 知识库实操能力：精通WeKnora/RAGFlow等开源知识库选型、搭建与优化，解决多格式文件向量化丢失信息问题，实现知识库分层分级管理与自主更新。

3. AI嵌入式编程能力：熟练运用Trae/CodeBuddy/VS Code等工具，结合所内部署模型完成C、C++、CUDA、FPGA嵌入式代码开发调试，区分AI编程与传统编程差异，提升开发效率。

4. 业务落地能力：将智能体、知识库与嵌入式编程结合，适配文档生成、PPT制作、计划管理等办公场景及所内核心研发业务，实现技术与业务深度融合。

第一天：智能体选型、搭建与知识库基础

第一讲：AI智能体私有化部署选型（1.5小时）

章节目标：明确适配所内需求的开源智能体选型标准，筛选可离线部署、支持二次开发的方案，对比现有框架痛点

1. 所内智能体现有痛点复盘
        

￮ 嵌入式软件编译调试工具集成难点拆解

￮ 知识库核心短板（无自主更新、分层管理缺失、向量化不准）分析

￮ 文档生成能力不足的业务影响

2. 开源智能体选型核心标准
        

￮ 核心指标：离线部署兼容性、二次开发灵活性、所内Qwen/GLM/DeepSeek模型适配性

￮ 附加指标：插件化架构（支持嵌入式工具集成）、知识库适配能力、文档处理拓展性

3. 主流开源智能体对比与选型

￮ 重点分析：Dify（插件化强、支持离线、适配多模型，优先选型）

￮ 补充对比：腾讯扣子、其他适配嵌入式场景的开源框架（贴合所内二次开发需求）

￮ 选型结论：确定Dify为核心二次开发平台，适配所内模型与嵌入式业务

4. 实战演练：梳理所内嵌入式工具集成需求，匹配Dify插件开发能力

第二讲：AI智能体环境搭建（2小时）

章节目标：完成Dify智能体离线部署与环境配置，适配所内现有Qwen/GLM/DeepSeek模型

1. 前置环境准备
        

￮ 硬件环境适配（满足离线部署与嵌入式工具联动需求）

￮ 软件依赖安装（适配所内操作系统，规避兼容性问题）

2. Dify离线部署步骤

￮ 源码获取与编译（贴合二次开发需求，预留插件扩展接口）

￮ 配置文件修改（适配所内网络环境，关闭外网依赖）

￮ 服务启动与测试（验证离线可用性）

3. 所内模型适配配置
       

￮ Qwen/GLM/DeepSeek模型与Dify对接流程

￮ 模型调用权限与参数优化（适配嵌入式编程与知识库场景）

4. 实战演练：完成Dify离线部署与Qwen/GLM模型对接，测试基础调用功能

第三讲：搭建第一个智能体（2小时）

章节目标：基于Dify搭建贴合所内业务的基础智能体，覆盖文档处理、计划管理核心场景

1. Dify核心功能认知
        

￮ 工作流编辑器操作（适配所内业务流程定制）

￮ 工具调用模块、知识库关联模块实操

2. 所内场景化智能体搭建（基础版）
        

￮ 需求定义：聚焦文档生成（Markdown转PDF/Excel/PPT）、简单计划管理

￮ 步骤拆解：工作流设计→模型关联→基础工具配置→测试验证

￮ 关键配置：关闭外网依赖，确保离线可用

3. 智能体基础测试与优化

￮ 文档生成功能测试（验证格式转换准确性）

￮ 计划管理场景适配（贴合所内研发计划编制需求）

￮ 模型响应速度与准确性优化

4. 实战演练：搭建专属基础智能体，完成一次Markdown转PDF实操

第四讲：智能体自定义插件制作（2.5小时）

章节目标：掌握Dify插件开发流程，实现所内嵌入式软件编译调试工具集成

1. Dify插件开发基础
        

￮ 插件架构与开发规范（适配二次开发与离线部署）

￮ 插件与智能体、模型的联动逻辑

2. 嵌入式工具集成插件开发（核心）
        

￮ 需求拆解：嵌入式编译调试工具调用接口、参数传递逻辑

￮ 开发步骤：插件模板创建→接口适配→功能开发→调试优化

￮ 关键要点：确保插件与离线环境兼容，支持C/C++/CUDA/FPGA工具联动

3. 文档处理插件拓展（补充）
        

￮ 优化多格式文档输入/输出插件，提升兼容性

￮ 对接知识库，实现文档内容快速向量化导入

4. 实战演练：开发简易嵌入式编译调试工具调用插件，完成与智能体的联动测试

第五讲：企业知识库（1.5小时）

章节目标：明确企业知识库核心需求，掌握知识库与智能体的联动逻辑，解决所内知识库痛点

1. 所内知识库核心需求拆解
        

￮ 核心痛点：多格式文件向量化不准、信息丢失、无分层分级、无自主更新

￮ 业务需求：适配嵌入式研发文档、技术手册的存储与检索，支撑编程与办公场景

2. 企业知识库核心架构与关键技术
        

￮ 向量化技术原理（优化多格式文件处理准确性）

￮ 分层分级管理机制设计（按业务模块、权限划分）

￮ 自主更新逻辑（定时增量更新、文档变更触发更新）

3. 知识库与智能体联动逻辑

￮ Dify与开源知识库的对接方式

￮ 智能体调用知识库检索、生成内容的流程（支撑编程与文档场景）

4. 实战演练：梳理所内知识库分层分级规则，设计自主更新方案

第二天：知识库搭建、AI编程工具与实战

第六讲：开源知识库的选择和搭建（3小时）

章节目标：完成开源知识库选型、搭建与优化，解决多格式文件向量化痛点，适配所内业务

1. 开源知识库选型分析
        

￮ 核心选型标准：离线部署、多格式文件适配、向量化准确性、支持分层分级与自主更新、适配所内模型

￮ 重点分析：WeKnora与RAGFlow对比
            

▪ RAGFlow：多格式文件处理能力强、向量化优化好，优先选型

▪ WeKnora：适配结构化数据，补充用于技术手册等结构化文档管理

￮ 选型结论：采用“RAGFlow为主、WeKnora为辅”的搭建方案

2. RAGFlow离线搭建与配置
        

￮ 源码部署与环境适配（贴合所内离线环境）

￮ 向量化模型优化（适配Qwen/GLM/DeepSeek，提升Word/PDF/Excel处理准确性）

￮ 分层分级管理配置（按研发模块、文档类型划分知识库层级）

3. 知识库自主更新配置
        

￮ 定时增量更新任务设置

￮ 文档上传/变更触发更新机制配置

4. WeKnora搭建与补充适配
        

￮ 结构化文档（技术参数表、编程规范）导入与管理

￮ 与RAGFlow、Dify智能体的联动配置

5. 实战演练：上传多格式研发文档，测试向量化准确性，配置分层管理与自主更新任务

第七讲：AI编程工具介绍（1.5小时）

章节目标：筛选适配所内嵌入式编程场景的AI工具，掌握工具核心功能与选型逻辑

1. 所内嵌入式编程场景分析
       

￮ 核心场景：C、C++、CUDA、FPGA代码开发、调试、优化

￮ 编程痛点：代码复杂度高、调试耗时、规范落地难

2. AI编程工具选型标准
        

￮ 核心指标：嵌入式语言适配（C/C++/CUDA/FPGA）、离线可用、支持二次开发、适配所内模型

￮ 附加指标：代码调试、规范检查、性能优化能力

3. 指定工具详解与实操

￮ Trae/CodeBuddy：嵌入式代码生成、调试辅助，适配离线部署

￮ Visual Studio Code（AI插件）：结合所内常用编辑器，配置AI编程插件，实现代码补全、调试提示

￮ 工具联动：AI编程工具与知识库、智能体的对接（调用技术手册、编程规范）

4. 实战演练：安装配置VS Code AI插件与CodeBuddy，熟悉核心操作界面

第八讲：AI编程和传统编程的差别（1小时）

章节目标：明确两类编程模式的核心差异，掌握AI与嵌入式编程的协作逻辑

1. 核心差异对比
        

￮ 开发逻辑：传统编程（人工编写全流程）vs AI编程（人机协作，AI补全/优化）

￮ 效率与成本：AI编程降低重复编码工作量，聚焦核心逻辑开发

￮ 调试方式：传统调试（人工排查）vs AI辅助调试（定位潜在bug、给出优化方案）

￮ 规范落地：AI编程可联动知识库，强制贴合所内编程规范

2. AI编程的优势与局限（嵌入式场景）
        

￮ 优势：提升嵌入式代码开发效率、减少低级bug、适配复杂语法（CUDA/FPGA）

￮ 局限：需人工校验逻辑准确性、复杂场景需精准提示词引导

3. 所内嵌入式编程的AI协作模式
        

￮ 分工逻辑：人工定义需求、把控核心逻辑，AI完成重复编码、调试辅助

￮ 流程优化：AI编程→智能体调用嵌入式工具编译调试→知识库校验规范

4. 实战演练：对比传统编程与AI编程，完成一段简单C语言代码的编写与优化

第九讲：AI编程案例（2.5小时）

章节目标：通过嵌入式场景实战，熟练运用AI编程工具，结合知识库与智能体完成开发调试

1. 案例一：C/C++嵌入式代码开发与调试（核心）
        

￮ 需求：编写简单嵌入式设备控制代码，完成语法校验与调试

￮ 实操：用CodeBuddy生成基础代码→VS Code AI插件优化→调用智能体联动嵌入式调试工具→知识库校验编程规范

￮ 复盘：优化提示词，提升AI生成代码的适配性

2. 案例二：CUDA内核代码优化（进阶）
        

￮ 需求：针对现有CUDA代码，优化运行性能

￮ 实操：AI工具分析代码瓶颈→生成优化方案→智能体调用编译工具验证效果→知识库参考同类优化案例

3. 案例三：FPGA逻辑代码辅助编写（拓展）
        

￮ 需求：编写简单FPGA逻辑控制代码，贴合所内研发场景

￮ 实操：结合知识库中的FPGA编程规范，用AI工具生成代码并完成基础调试

4. 综合实战：整合智能体、知识库与AI编程工具，完成一套完整的嵌入式代码开发流程

课程总结与答疑（0.5小时）

1. 核心知识点复盘（智能体二次开发、知识库优化、AI嵌入式编程）

2. 所内业务落地建议与注意事项

3. 学员问题答疑与实操指导

|（注：文档部分内容可能由 AI 生成)