二、核心项目案例详解一案例一散户股票简单筛选器1. 项目核心场景目标用户普通散户股民解决痛点散户常从自媒体获取股票推荐多为带水印/冗余信息的表格/图片需手动筛选可交易股票散户受交易权限限制无法购买创业板、科创板、北证股票手动筛选几十只股票耗时久30分钟-1小时需保留股票名称、概念解析等关键信息剔除无交易权限的股票。预期效果上传股票推荐图片/表格自动筛选出仅主板可交易股票输出包含股票名、概念解析的结构化结果。2. 项目工作流原设计问题版流程步骤具体操作存在问题1上传股票推荐图片支持6-8张无2图片筛选器筛选非图片内容冗余实际无是非图片输入该节点无效3迭代1大模型提取股票名称拆分过细可与后续步骤合并4知识库检索股票代码内置5400A股名称代码逻辑错误知识库检索基于语义相似性股票名称与代码匹配度低输出为空5迭代2大模型筛选无效股票剔除创业板/科创板等多节点冗余可与提取、匹配步骤合并6迭代3大模型整理概念解析重复劳动前面已提取相关信息无需二次处理7迭代4大模型总结并生成表格大模型滥用共使用11次大模型TOKEN消耗高、效率低3. 导师核心点评零基础必避坑致命问题1大模型节点冗余原本1个大模型节点可完成的结构化输出提取股票名匹配代码筛选权限整理信息拆分为4-5个节点导致TOKEN消耗高、流程冗长。✅ 优化方案用1个大模型节点通过结构化输出提示词让模型直接输出JSON格式结果包含股票名、代码、是否可交易、概念解析。致命问题2知识库使用逻辑错误知识库适用于“语义相似性检索”如问答匹配而非“精准关键词匹配”股票名→代码。✅ 优化方案使用第三方股票API接口根据股票名称查询代码百度搜索“股票名称查代码 API”选择免费/低成本接口无需写复杂代码。致命问题3流程设计无整体规划边做边加节点发现结果不好就新增节点导致流程混乱。✅ 优化方案先明确最终输出格式如JSON字段股票名、代码、权限状态、概念解析再倒推需要的步骤避免“堆砌节点”。4. 零基础优化后的工作流极简版上传输入股票推荐图片/表格支持多格式OCR识别提取图片中的股票名、概念解析等文本用工具自带OCR节点结构化输出1个大模型节点提示词示例 “请从以下文本中提取股票名称、概念解析通过股票名称匹配对应的股票代码格式60开头主板300创业板688科创板8开头北证判断该股票是否为散户可交易的主板股票仅60开头为可交易最终以JSON格式输出{股票名: string, 代码: string, 可交易: boolean, 概念解析: string}”结果导出直接将JSON转为表格用工具自带的格式转换节点。二案例二差旅发票审核系统1. 项目核心场景目标用户企业员工/财务人员解决痛点差旅发票类型多火车票、机票、住宿票、餐饮票手动审核效率低不同职级员工在不同城市的住宿/餐饮报销有额度限制如经理级住宿≤500元/晚需校验发票与出差行程匹配如目的地是否在出差城市内。项目亮点新增额度限制、多发票类型分类、行程匹配校验。2. 项目工作流原设计上传发票支持图片/PDFOCR识别提取发票类型、金额、日期、出差城市等信息格式整理代码节点拼接员工信息预置职级、城市额度规则校验大模型节点统一审核判断金额是否超限额、行程是否匹配输出结果JSON格式合格/不合格发票清单。3. 导师核心点评零基础重点关注优点场景实用、有业务逻辑结合企业实际报销规则适合零基础模仿。可优化问题1VL模型负载过高用VL模型图像文本混合模型同时完成“识别发票类型提取字段规则判断”因模型参数量小几十B易出现幻觉胡编信息、耗时久单节点3分钟。✅ 优化方案拆分任务——VL模型仅负责“图像→文本提取”文本处理分类、规则判断交给普通大模型或代码节点。可优化问题2规则校验集中化风险高所有发票统一在1个大模型节点审核模型注意力分散需同时判断5种发票多维度规则易出错。✅ 优化方案迭代内审核——每识别1张发票立即在迭代节点内完成规则校验如识别→判断额度→标记合格/不合格最后统一汇总结果类似“看1张标1张”。可优化问题3结构化输出不统一不同发票类型输出字段不同如火车票有车次机票有航班号后续处理复杂。✅ 优化方案统一JSON格式无关字段留空示例JSON{发票类型: 火车票,金额: 200,出差城市: 北京,职级: 普通员工,住宿限额: , // 火车票无住宿限额留空是否合格: true,不合格原因: }4. 零基础实操技巧额度规则可预置在代码节点无需数据库示例 “普通员工一线城市住宿≤300元/晚餐饮≤100元/天经理级住宿≤500元/晚餐饮≤150元/天”发票类型识别用大模型输出数字标记1火车票2机票3住宿票后续通过条件分支自动匹配对应规则避免OCR识别错误火车票红色号码易误读可在提示词中补充“忽略红色水印文字仅提取黑色印刷体的发票号码、金额”。三案例三差旅报销智能助手学员燕儿1. 项目核心场景进阶版零基础可分步模仿核心功能报销审核上传发票/行程单自动校验合规性额度、行程匹配制度咨询无发票上传时可咨询差旅报销规则如“普通员工去上海住宿限额多少”二次追问员工可针对审核结果提问如“为什么这张住宿票不合格”。项目亮点多功能融合审核咨询、用户交互友好。2. 关键问题与优化方案零基础重点借鉴存在问题零基础优化方案PDF发票提取信息错乱购方名称→销售方用专门的发票OCR API如百度智能云发票识别而非通用文档提取器大模型必填字段无信息时出现幻觉提示词明确“无相关信息则留空禁止编造”示例“若未识别到航班号字段值填不得虚构”知识库检索报销规则时匹配度低知识库仅存储“报销规则文本”如“普通员工一线城市住宿限额300元”检索时用关键词如“普通员工 上海 住宿限额”而非整段发票信息规则审核依赖大模型易出错用代码节点实现刚性规则如“金额限额→不合格”大模型仅负责解释原因如“该住宿票金额400元超普通员工上海住宿限额300元”3. 零基础可复用的核心提示词结构化输出提示词 “请识别以下发票信息按JSON格式输出{发票类型: string, 金额: number, 出差城市: string, 开票日期: string, 关键字段: {火车票: {车次: string, 出发地: string, 目的地: string}, 住宿票: {酒店名称: string, 入住日期: string}, 无对应类型则留空}}”规则判断提示词代码节点替代方案 “已知规则普通员工北京住宿限额300元/晚餐饮限额100元/天。请判断发票是否合规金额280元类型住宿票城市北京职级普通员工→合规金额350元→不合规原因超住宿限额50元”。三、零基础通用学习指南一AI工作流搭建核心原则必记先定输出再倒推输入明确最终要输出什么格式表格/JSON/文本再确定需要哪些步骤避免“漫无目的加节点”大模型节点越少越好能用1个节点解决的绝不拆成多个核心靠“提示词结构化”工具选对不选难知识库、API、代码节点的用途要分清如下表工具/节点适用场景不适用场景知识库语义相似性检索如问答、规则匹配精准关键词匹配如股票名→代码第三方API实时数据查询股票代码、天气、发票识别本地静态数据处理如预置额度规则代码节点刚性规则判断金额对比、字段匹配自然语言理解如发票类型识别大模型节点自然语言处理文本提取、结构化输出、解释说明精准计算、实时数据查询二零基础实操步骤以任意项目为例场景定义用一句话说清“谁解决什么问题输出什么结果”如“散户筛选可交易主板股票输出带概念解析的表格”输入输出设计输入明确支持的格式图片/PDF/文本输出明确字段如表格列股票名、代码、可交易、概念解析步骤拆解最多5步输入→提取信息OCR/文本提取→处理信息结构化/规则判断→数据补充API/知识库→输出结果格式转换提示词编写技巧明确角色“你是发票信息提取专家”明确格式“按JSON输出字段包括XXX”明确约束“无信息则留空禁止编造”测试优化用少量数据测试如2-3张发票/股票推荐图重点看是否有冗余节点、TOKEN消耗是否过高、结果是否准确。三常见问题排查清单零基础必看问题现象可能原因解决方法大模型输出格式混乱未明确结构化要求提示词中指定JSON/表格格式给出示例流程耗时久、TOKEN消耗高大模型节点过多合并冗余节点用代码节点替代部分大模型功能结果为空或错误工具用错如知识库做精准匹配更换工具如用API替代知识库出现幻觉大模型编造信息未明确“无信息则留空”提示词中添加约束条件减少必填字段四学习资源推荐第三方API查找百度搜索“API聚合平台”如聚合数据、极速数据选择免费试用的接口提示词模板直接复用本文档中的结构化输出提示词替换字段即可工具操作优先使用可视化工具如课程中提到的平台无需编写复杂代码拖拽节点即可搭建。四、总结重点掌握“场景定义→输入输出设计→工具选对→提示词优化”的逻辑。关键是记住AI工作流搭建的核心是“高效解决问题”而非“堆砌复杂节点”工具用对、步骤精简、提示词明确就能做出合格的项目。