智能体开发技术（Python+FastAPI版） 教案 第八章 智能在线客服

教学流程设计（理实一体化）教师姓名系部专业授课对象课程名称授课时间使用教材智能体开发技术计划学时6-8学时教学形式及地点教学目标知识目标能力（技能）目标素质目标深入理解RAG与大模型如何实现对私有知识的检索和处理熟练掌握LlamaIndex框架及Chroma等向量数据库的原理与操作熟练运用LlamaIndex框架的自定义分隔器，通过大模型来对文档进行分段处理熟练运用RAG及AI对话等功能，并能整合一个智能在线客服系统培养数据安全与私有知识保护意识强化“AI不是万能，需结合业务知识”的工程思维激发用AI解决企业服务场景痛点的创新意识教学内容模块8智能在线客服8.1功能与设计分析

8.2LlamaIndex框架应用

8.3向量数据库8.4项目功能实现8.5扩展功能优化重点难点及解决方法重点难点：1、RAG、向量数据库、知识库的工作原理，以及文本分段的处理方案。2、Chroma与Qdrant向量数据库的文档新增、索引与查询操作。3、LlamaIndex框架如何集成Chroma与Qdrant实现知识库。4、LlamaIndex中自定义文档分隔器实现基于大模型的文档分段操作的方法5、基于AI对话窗口实现对私有知识的问答，并最终将其整合到智能在线客服系统中的方法。解决方法：1、用户提问→从向量库检索相关知识片段→拼入提示词由大模型生成答案；文本按语义分块，避免截断关键信息。

2、用add()插入文档及嵌入向量，query()按相似度检索；Qdrant支持高性能云部署，Chroma适合本地快速验证。3、通过ChromaVectorStore或QdrantVectorStore将向量库作为后端，自动完成索引构建与查询。4、FastAPI提供/chat接口调用LlamaIndex的RAG引擎，前端对话窗口发送问题并展示带来源的答案，形成私有知识问答闭环。教学方法讲授法、案例法、实操演练法、小组讨论法教学资源演示案例、案例素材、机房资源教学过程设计主要流程1．案例导入针对关键知识点进行讲解，分析案例，教师演示案例2．理论讲解针对关键知识点进行讲解，分析案例，教师演示案例3．案例研讨示范案例：以案例效果为例，教师细致演示分析案例的整个流程。学生分析、计划，总结归纳实施要点，得到问题解决的思路与方法。4．任务布置针对关键技术点和知识点进行专题辅导，引导学生观察、发现，分析和解决问题，解决学生在实施过程中出现的问题。对于一般内容，由学生探索、讨论，提出解决问题的方法，并演示解决问题的操作过程；对于难点内容，由教师引导、分析，演示关键的操作步骤。教师活动学生活动说明实操任务要求，强调工具操作要点,培养学生的自我学习能力和创新革新能力；明确任务目标，组内分工准备组内互评作品，优化生成结果；5．任务实施教师活动学生活动展示传统客服vsAI客服对比；引导学生拆解需求：能回答公司产品手册、不泄露外部知识；发布任务：构建可问答私有文档的客服机器人。讨论知识边界问题；明确技术路径：LlamaIndex+向量库+FastAPI+前端对话框分阶段推进：1.知识入库：演示加载PDF/Markdown，用LlamaIndex分段，存入Chroma；2.RAG问答：创建QueryEngine，测试“根据文档回答”；3.Web集成：FastAPI提供/chat接口，前端简易HTML实现对话窗口；4.优化体验：增加“答案来源高亮”“我不确定，请联系人工”等逻辑。1.准备一份企业FAQ或产品说明书（文本格式）；

2.编写脚本完成文档加载→分段→嵌入→存库；

3.实现用户提问→检索→生成答案全流程；

4.部署Web界面，测试真实问答效果。邀请2–3组演示系统，重点测试“能否拒绝回答无关问题”“是否引用正确段落”；总结：RAG是私有知识落地的关键，但需精心设计分段与提示词。演示客服对话；反思系统局限；提交代码与问答截图。6．总结点评抽查记成绩，教师总结点评。总结学生的完成情况以及在案例设计中遇到的问题，重新强调重点及难点问题。7．课后任务安排使用自定义提示词进行AI对话教学后记（对课程设置、教