第 1 章　扣子编程平台介绍1

1.1　扣子编程简介1

1.1.1　扣子编程能做什么1

1.1.2　为什么选择扣子编程2

1.1.3　扣子平台架构3

1.1.4　扣子平台订阅套餐4

1.2　智能体概述6

1.2.1　什么是智能体及智能体的本质6

1.2.2　智能体的两大类型6

1.3　天气查询智能体开发与部署案例7

1.3.1　智能体开发7

1.3.2　智能体部署9

1.4　本章小结13

1.5　思考与练习13

第 2 章　通过案例熟悉扣子编程14

2.1　开发网页应用14

2.1.1　输入需求14

2.1.2　进阶配置15

2.1.3　开发应用16

2.2　开发智能体18

2.2.1　输入提示词18

2.2.2　测试智能体19

2.3　开发工作流21

2.3.1　AI编程开发工作流21

2.3.2　试运行及迭代工作流22

2.4　本章小结24

2.5　思考与练习24

第3章　扣子编程的技能开发25

3.1　技能介绍25

3.1.1　什么是技能 25

3.1.2　技能与插件的本质区别26

3.2　技能的格式和工作机制27

3.2.1　技能标准文件结构27

3.2.2　技能的完整运行机制27

3.3　技能开发基础：Markdown语法28

3.4　技能开发案例：挑选短线强势涨停股31

3.4.1　技能的设计31

3.4.2　技能的开发32

3.4.3　技能的部署34

3.5　本章小结35

3.6　思考与练习35

第4章　一段提示词造智能体：小红书爆款笔记生成36

4.1　项目规划与需求梳理36

4.1.1　核心功能需求37

4.1.2　开发前的准备38

4.2　开发智能体39

4.2.1　第一轮开发：编写提示词生成基础智能体39

4.2.2　第二轮迭代：针对性优化内容细节与创作逻辑41

4.2.3　第三轮迭代：增加多风格模式与内容多样性42

4.2.4　后续长期迭代与维护方案43

4.3　开发总结和复盘44

4.4　本章小结45

4.5　思考与练习45

第 5 章　一句话造网站：每日信息差生成器46

5.1　项目背景：自媒体人的“早晨四小时”46

5.1.1　一个真实的工作场景46

5.1.2　我们的目标：把四小时压缩到三十秒47

5.2　开发指令的设计47

5.2.1　一句话需求47

5.2.2　深度拆解：AI从这句话里读到了什么47

5.3　见证奇迹：AI 的自主构建过程48

5.3.1　任务规划：先画图纸，再动工48

5.3.2　全栈代码生成：并发优化自动完成48

5.4　危机与转机：图片全挂了48

5.4.1　事故现场48

5.4.2　一句话反馈，AI 自主完成修复48

5.4.3　诊断、修复与意外收获49

5.5　最终成果验收49

5.6　三条心法：如何驾驭 AI 编程50

5.7　本章小结51

5.8　思考与练习51

第 6 章　一句话造应用：儿童绘本梦工厂52

6.1　项目背景52

6.1.1　真实场景：睡前故事的烦恼52

6.1.2　本案例的核心难点：画面一致性54

6.2　提示词设计：业务目标 + 技术策略54

6.2.1　一句话指令54

6.2.2　业务目标与技术策略的双重声明54

6.3　AI的“心理活动”：比你想得更周全55

6.3.1　第一步：拆解需求55

6.3.2　第二步：环境侦察55

6.3.3　第三步：制订计划56

6.4　关键时刻：它自己修好了 Bug56

6.5　成果展示：所见即所得58

6.5.1　界面：懂你没说出口的审美58

6.5.2　连续画风：技术实力的体现58

6.5.3　自动排版：上图下文60

6.6　总结：从“如何做”到“做什么”60

6.7　本章小结61

6.8　思考与练习61

第 7 章　数据分析专家Agent62

7.1　项目背景与价值62

7.1.1　从真实工作场景说起62

7.1.2　传统数据分析方案的三条路径与各自的痛点63

7.1.3　大模型时代的第四条路径：智能体化63

7.1.4　典型应用场景63

7.2　Agent能力设计64

7.2.1　动态 SQL 查询能力64

7.2.2　Python 可视化能力64

7.2.3　Markdown 报告生成能力64

7.2.4　能力协同：编排才是真正的难点65

7.3　面向Agent的提示词设计方法论65

7.3.1　从一段提示词说起65

7.3.2　决策点一：角色定位先于能力描述65

7.3.3　决策点二：用动词拆解能力65

7.3.4　决策点三：明确数据来源66

7.3.5　决策点四：关键约束前置声明66

7.3.6　决策点五：指定输出格式66

7.4　基于扣子编程的实现过程67

7.4.1　扣子编程的工作范式67

7.4.2　集成组件的识别与选用67

7.4.3　工具实现一：SQL 执行工具68

7.4.4　工具实现二：图表生成工具68

7.4.5　Agent 主体编排69

7.4.6　调试过程中的典型问题70

7.5　运行效果验证72

7.5.1　测试数据集的设计思路72

7.5.2　Agent的执行流程展示73

7.5.3　三幅图的中文渲染验证74

7.5.4　Markdown 报告的完整输出76

7.5.5　与设计目标的逐项对照78

7.6　经验总结与迁移应用78

7.6.1　五条关键经验78

7.6.2　迁移场景矩阵79

7.6.3　扩展方向展望79

7.6.4　当前版本的局限性79

7.7　本章小结80

7.8　思考与练习80

第 8 章　行业热点内容生成工作流 81

8.1　项目背景与价值81

8.1.1　从一位新媒体编辑的清晨说起81

8.1.2　内容生产的五重难关82

8.1.3　传统应对方案的三种姿态82

8.1.4　工作流时代的新答案83

8.1.5　典型应用场景83

8.2　工作流与单Agent：能力设计的范式选择84

8.2.1　Agent与工作流的本质差异84

8.2.2　适用边界的判断准则84

8.2.3　九节点能力拆解85

8.2.4　条件分支：让流程具备判断力86

8.2.5　编排难点：节点契约与数据流86

8.3　面向工作流的提示词设计方法论86

8.3.1　从一段完整的工作流提示词说起86

8.3.2　决策点一：先描述目标，再描述结构87

8.3.3　决策点二：节点输入输出的契约化定义87

8.3.4　决策点三：分支与路由的显式化88

8.3.5　决策点四：模型能力与外部能力的混合编排88

8.3.6　决策点五：终端输出的可发布性约束88

8.3.7　决策点六：图像生成的视觉约束88

8.4　工作流九个节点的实现过程89

8.4.1　节点1：开始节点与字段约束89

8.4.2　节点2：新闻搜索节点（联网搜索）90

8.4.3　节点3：热点定调节点（大语言模型）91

8.4.4　节点4：内容模式路由节点（条件判断）92

8.4.5　节点5：深度解读与盘点汇总（双分支）92

8.4.6　节点6：文章生成节点（结构化输出）93

8.4.7　节点7：图片提示词规划节点94

8.4.8　节点8：图片生成节点（生图模型）94

8.4.9　节点9：结束节点与输出契约95

8.4.10　调试过程中的典型问题95

8.5　运行效果验证96

8.5.1　测试关键词的设计思路96

8.5.2　工作流执行流程展示97

8.5.3　输出结果剖析97

8.5.4　与设计目标的逐项对照98

8.6　经验总结与迁移应用99

8.6.1　六个关键经验99

8.6.2　迁移场景矩阵100

8.6.3　扩展方向展望100

8.6.4　当前版本的局限性100

8.7　本章小结101

8.8　思考与练习102

第9章　产品全渠道营销工作流 103

9.1　项目背景与价值104

9.1.1　从一位品牌运营经理的清晨说起104

9.1.2　全渠道营销的四重困境104

9.1.3　传统应对方案的三种模式104

9.1.4　多模态工作流时代的新答案105

9.1.5　典型应用场景105

9.2　工作流能力设计：从单输入到多输出的能力分层106

9.2.1　多模态输入：让图像成为工作流的第一驱动力106

9.2.2　三渠道差异化：内容人格的精确切分107

9.2.3　能力拆解：8+3节点的工程化划分107

9.2.4　并行与串行：让差异化与一致性同时成立108

9.3　面向多模态工作流的提示词设计方法论109

9.3.1　从一段完整的工作流提示词开始109

9.3.2　决策点一：多模态输入的显式声明110

9.3.3　决策点二：先解码、后创作的工序声明110

9.3.4　决策点三：差异化人格的角色化描述110

9.3.5　决策点四：每条渠道的视觉氛围前置约束110

9.3.6　决策点五：文案与配图的串行依赖声明111

9.3.7　决策点六：合规护栏的隐式植入111

9.3.8　决策点七：终局打包的输出契约111

9.4　基于扣子3.0的实现过程112

9.4.1　扣子编程对多模态工作流的支持112

9.4.2　集成识别与选用112

9.4.3　节点1：产品解码节点113

9.4.4　节点2/5/8：三渠道文案生成节点114

9.4.5　节点3/6/9：三渠道生图提示词优化节点114

9.4.6　节点4/7/10：三渠道图片渲染节点115

9.4.7　节点11：素材打包节点115

9.4.8　主图编排：让11个节点协同流动116

9.5　运行效果验证117

9.5.1　测试输入设计117

9.5.2　工作流执行流程展示118

9.5.3　三套素材输出剖析119

9.5.4　与设计目标的逐项对照121

9.6　经验总结与迁移应用121

9.6.1　七个关键经验121

9.6.2　迁移场景矩阵122

9.6.3　扩展方向展望122

9.6.4　当前版本的局限性123

9.7　本章小结124

9.8　思考与练习124

第 10 章　AI数据采集工作流126

10.1　项目背景与价值127

10.1.1　从一位证券研究员的清晨说起127

10.1.2　非结构化数据的四重困境127

10.1.3　传统应对方案的三种姿态128

10.1.4　AI数据采集时代的新答案128

10.1.5　典型应用场景129

10.2　工作流能力设计：从输入端范式到输出端范式的转向129

10.2.1　输出端范式：目标Schema驱动的提取129

10.2.2　数据采集与数据生成的适用边界130

10.2.3　七节点能力拆解130

10.2.4　数值校验闭环：让AI数据采集“可信”131

10.3　面向数据采集工作流的提示词设计方法论132

10.3.1　从一段完整的工作流提示词说起132

10.3.2　决策点一：输入形态的具体化声明134

10.3.3　决策点二：目标Schema驱动135

10.3.4　决策点三：工序声明先于节点结构135

10.3.5　决策点四：角色化描述的隐式植入135

10.3.6　决策点五：视觉理解约束的前置声明136

10.3.7　决策点六：数值校验闭环的显式契约136

10.3.8　决策点七：合规与质量护栏136

10.3.9　决策点八：输出契约的多产物声明136

10.4　基于扣子编程的实现过程137

10.4.1　扣子编程对扫描型PDF工作流的支持137

10.4.2　集成识别与选用137

10.4.3　节点1：开始节点与字段约束138

10.4.4　节点2：页面切分节点（pdf_split）139

10.4.5　节点3：OCR 识别节点（ocr_loop，循环子图）139

10.4.6　节点4：表格区域定位节点（table_locate）140

10.4.7　节点5：字段语义锚定节点（field_anchor）141

10.4.8　节点6：数值校验节点（value_validate）142

10.4.9　节点7：异常标注节点（anomaly_mark）143

10.4.10　节点8：CSV 输出节点（csv_output）143

10.5　运行效果验证144

10.5.1　测试输入设计144

10.5.2　工作流执行流程展示145

10.5.3　CSV 输出结果剖析146

10.5.4　与设计目标的逐项对照147

10.6　经验总结与迁移应用148

10.6.1　八个关键经验148

10.6.2　迁移场景矩阵149

10.6.3　扩展方向展望150

10.6.4　当前版本的局限性150

10.7　本章小结151

10.8　思考与练习152

第 11 章　AI 数据质检工作流154

11.1　项目背景与价值155

11.1.1　从一位投研经理的下午说起155

11.1.2　多源数据冲突的五重困境155

11.1.3　传统数据质检方案的三种姿态156

11.1.4　AI数据质检时代的新答案156

11.1.5　典型应用场景157

11.2　工作流能力设计：从单源采集到多源仲裁157

11.2.1　数据治理的范式跃迁：从单源采集到多源仲裁158

11.2.2　数据采集与数据质检的能力边界158

11.2.3　八节点能力拆解159

11.2.4　仲裁规则：让冲突变得可解释159

11.3　面向多源数据质检工作流的提示词设计方法论160

11.3.1　从一段完整的工作流提示词说起160

11.3.2　决策点一：多源输入形态的显式声明162

11.3.3　决策点二：目标 Schema 与主键的同步声明163

11.3.4　决策点三：工序声明先于节点结构163

11.3.5　决策点四：角色化描述的隐式植入163

11.3.6　决策点五：数据对齐约束的前置声明163

11.3.7　决策点六：多源冲突仲裁规则164

11.3.8　决策点七：数值校验闭环的延续164

11.3.9　决策点八：合规与质量护栏164

11.3.10　决策点九：输出契约的多产物声明165

11.4　基于扣子编程的实现过程165

11.4.1　扣子编程对多源数据治理的支持165

11.4.2　集成识别与选用166

11.4.3　节点1：开始节点与字段约束166

11.4.4　节点2：数据加载节点167

11.4.5　节点3：主键对齐节点167

11.4.6　节点4：字段级冲突检测节点168

11.4.7　节点5：异常值检测节点168

11.4.8　节点6：仲裁规则应用节点169

11.4.9　节点7：数值勾稽校验节点170

11.4.10　节点8：审计报告生成节点171

11.4.11　节点9：输出打包节点172

11.5　运行效果验证172

11.5.1　测试输入设计172

11.5.2　工作流执行流程展示173

11.5.3　三类核心输出剖析174

11.5.4　与设计目标的逐项对照176

11.6　经验总结与迁移应用177

11.6.1　九个关键经验177

11.6.2　迁移场景矩阵178

11.6.3　扩展方向展望179

11.7　本章小结180

11.8　思考与练习181

第 12 章　电商图自动打标工作流182

12.1　项目背景与价值182

12.1.1　真实场景：双十一前的 500 款新品182

12.1.2　用 AI 工作流解决的新思路183

12.1.3　本案例的两个隐形大坑183

12.2　工作流的设计：像 CTO 一样思考183

12.2.1　一段工程化的指令183

12.2.2　拆解：AI 是如何理解“工程化指令”的184

12.3　关键技术突破185

12.3.1　预处理：给 AI 戴上一副“眼镜”185

12.3.2　结构化输出：让数据“规规矩矩”185

12.4　运行验证：见证“金牌理货员”的诞生186

12.4.1　处理过程186

12.4.2　最终产出186

12.4.3　设计目标与实际运行结果的对照186

12.5　经验总结与迁移应用187

12.5.1　三条避坑指南187

12.5.2　迁移场景矩阵187

12.6　本章小结187

12.7　思考与练习188

第13章　从一句话需求到上线“续费管家”小程序189

13.1　从工作流到应用：一次范式跃迁190

13.1.1　真实场景：一个被遗忘的订阅190

13.1.2　个人开发者面前的“三座大山”190

13.1.3　两种产物的边界：工作流与应用191

13.1.4　扣子编程的“想法到实现”能力191

13.2　入口：新建一个编程项目192

13.2.1　从“新建编程项目”说起192

13.2.2　三种应用形态：网页、移动、小程序192

13.3　一句话需求的解构：应用描述五要素193

13.3.1　从一段产品化的指令说起193

13.3.2　要素一：产品定位与平台命名194

13.3.3　要素二：数据模型（实体与字段）194

13.3.4　要素三：页面与导航结构195

13.3.5　要素四：业务规则与计算逻辑195

13.3.6　要素五：设计与部署约束195

13.4　实现过程：一名“数字全栈工程师”的工作日志196

13.4.1　第一步：勘探与规划——AI如何理解“做一个应用”196

13.4.2　第二步：技术栈选型——Taro＋NestJS＋Supabase197

13.4.3　第三步：后端API——一组规整的RESTful接口198

13.4.4　第四步：前端三页面与TabBar198

13.4.5　第五步：五道验证关卡199

13.5　AI协同调试：3个真实的工程现场199

13.5.1　现场一：被误删的函数体（formatCost）199

13.5.2　现场二：toast函数签名不匹配200

13.5.3　现场三：小程序不兼容的小数类名200

13.6　运行验证：庆贺“续费管家”的诞生201

13.6.1　五项验证全部通过202

13.6.2　前后端契约匹配验证202

13.6.3　成品一览：运行界面202

13.6.4　预览与发布：配置小程序AppID203

13.6.5　设计目标与实际交付的对照203

13.7　经验总结与迁移应用204

13.7.1　七条关键经验204

13.7.2　迁移场景矩阵205

13.7.3　何时用应用生成，何时用工作流编排205

13.8　本章小结206

13.9　思考与练习206