智能体开发技术（Python+FastAPI版）教案全套 第1-8章 大模型与智能体开发 -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）目标素质目标熟练使用Ollama在本地环境下部署开源大模型并使用Python进行调用熟练使用Python对接各类大模型或第三方平台的API深入理解FunctionCalling（函数调用）的核心原理与应用深入理解模型上下文协议（ModelContextProtocol，MCP）技术，并基于Python开发MCP的客户端与服务器培养严谨的工程思维和规范化的开发习惯提升自主学习和技术创新能力树立安全意识和伦理责任感教学内容模块1大模型与智能体开发1.1对接云端大模型接口

1.2本地部署大模型

1.3AI智能体开发技术重点难点及解决方法重点难点：1.云端API调用流程与参数配置

2.本地大模型部署的环境依赖与兼容性

3.智能体工作流设计与工具集成解决方法：1、提供标准化代码模板与调试指南

2、使用Docker容器封装依赖环境

3、采用分步式项目驱动教学教学方法讲授法、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简述云端大模型优势，介绍通义千问、OpenAI等平台；说明本地部署意义，演示Ollama部署Qwen；讲解AI智能体核心组成，引入LangChain框架。注册大模型平台账号，调用云端API实现文本生成；使用Ollama部署本地Qwen模型并完成交互测试；基于LangChain搭建具备工具调用能力的AI智能体巡回指导中，对能自主调试API参数、成功运行本地模型、或为智能体添加创意工具的学生给予即时表扬；鼓励尝试不同提示词风格尝试设计个性化提示词，为智能体添加自定义功能，在小组内分享调试技巧与创意方案展示优秀小组案例；分析共性问题，强调安全规范与提示工程的重要性对比云端与本地模型响应效果，分析自身智能体存在的问题，根据教师反馈优化代码与提示策略，并提交简要实验记录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．课后任务安排利用大模型对提示词的理解来返回对函数的调用，实现本地文件写入及天气预报的功能。教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）建议将本模块安排在学生已掌握Python基础、HTTP接口调用及基本Linux操作之后，避免因前置知识不足影响实操进度。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）目标素质目标熟练掌握在FastAPI框架中定义接口地址和获取前端参数等操作熟练掌握在FastAPI中进行的、常见Web业务的操作，如用户登录、会话管理、文件上传、响应处理等熟练使用Jinja2模板引擎动态填充Web界面内容掌握使用SQLModel数据库框架操作MySQL数据库掌握基于FastAPI对接AI大模型并将响应结果以流式方式返回给前端界面培养全栈开发意识与工程规范习惯提升对前后端协同、数据安全与API设计的理解激发将AI能力产品化的兴趣与创新思维教学内容模块2FastAPI开发框架2.1FastAPI快速使用

2.2Jinja2模板引擎

2.3SQLModel数据处理2.4FastAPI对接大模型重点难点及解决方法重点难点：1、掌握基于Python的高性能Web开发框架FastAPI的核心使用方法与接口操作、前后端交互过程等2、如何在FastAPI框架中使用SQLModel数据库框架进行数据库操作与封装，以实现高效数据库开发。3、如何在FastAPI中调用AI大模型接口并实现前后端交互，为后续开发AI智能体打下基础。解决方法：1、通过最小示例+Swagger自动文档+表单/接口双调试，快速上手

2、提供标准会话模板，以问答记录为例，演示模型定义到CRUD全流程

3、封装模型调用函数，同步集成到路由，结合Jinja2渲染结果并存库，形成完整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最终效果：用户在网页输入问题→调用大模型生成回答→结果存入数据库→页面展示历史记录；明确本课目标：用FastAPI实现该系统。了解项目功能，明确技术栈（FastAPI+Jinja2+SQLModel+大模型API）演示创建FastAPI应用，配置模板目录和静态文件。重点帮助解决数据库会话、模板变量传递、API调用错误等问题。编写主程序main.py，开发前端页面，实现问题提交与历史展示，定义数据模型，完成问答记录的存储与读取。联调测试全流程。对能自主美化界面、添加输入校验或尝试流式响应的学生给予表扬反思自身代码不足；记录教师反馈，明确优化方向。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。使用列表和字典的数据类型来定义一本图书的基本信息，并在一张HTML表格中通过循环的方式将其渲染出来显示在界面中教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）建议引入“接口契约先行”理念，先设计Swagger再编码，培养工程规范意识。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）目标素质目标熟练使用HTML、CSS和JavaScript完成前端界面的布局及功能整合熟练运用FastAPI完成与AI大模型各种功能的对接及与前端界面的交互熟练掌握阿里云各类模型的对接方式与实现思路熟练运用Python实现各类服务接口的调用与功能培养产品化思维，关注用户体验与AI输出可靠性教学内容模块3AI问答3.1功能与设计分析

3.2前后端准备工作

3.3文本问答功能3.4图像识别与生成重点难点及解决方法重点难点：1、如何使用FastAPI框架开发一个Web界面，实现常规的AI问答系统的功能，整个系统功能主要基于阿里云的大模型实现2、如何实现语音合成、图像识别、图像生成等功能3、如何基于Python开发MCP客户端，以对接高德地图MCP服务解决方法：1、使用FastAPI快速搭建接口，通过DashScopeSDK调用通义千问实现文本问答；前端用Jinja2渲染交互页面，统一/ask路由处理用户输入并返回结果

2、分别调用阿里云百炼/通义实验室对应API

3、基于高德MCP规范，使用httpx或requests构造标准JSON-RPC请求；封装位置查询、路径规划等工具函数，在FastAPI中作为Agent工具注册，供大模型按需调用教学方法讲授法、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典型AI问答产品，引导学生分析功能模块；明确本课任务：支持文字提问和图片上传识别/生成讨论需求，理解系统架构，确认技术路径演示项目结构，指导前端页面，演示后端逻辑，文本走通义千问API；图片走Qwen-VL或图像生成模型；巡回指导，强调文件安全校验、错误处理、结果格式统一开发前端表单，支持两种输入；编写后端路由，根据输入类型调用对应AI服务；测试文本问答、图像识别、图像生成；调试并优化交互体验。展示优秀作品；点评共性问题：未校验文件类型、响应结构混乱、忽略加载状态。小组演示，互评功能完整性与稳定性。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．课后任务安排通过Python代码获取高德地图的所有工具列表，并对其中的工具进行调用。教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）建议前置“文件上传安全”微课；可提供MockAI接口应对网络/配额限制；后续可衔接“智能体记忆”“多轮对话”深化模块3应用。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）目标素质目标熟练掌握利用Python爬取和解析网页内容的方法熟练掌握Jinja2模板引擎与SQLModel库的功能熟练掌握大模型和提示词在文本理解方面的作用继续强化AI应用的功能、拓展AI应用的场景并深入理解FastAPI框架的知识培养信息甄别意识、自动化思维与产品交付责任感教学内容模块4每日新闻摘要4.1功能与设计分析

4.2基础功能实现

4.3扩展功能实现重点难点及解决方法重点难点：1、如何利用Python和BeautifulSoup库对新浪新闻标题与内容进行爬取2、如何在实际项目中使用Jinja2模板引擎对内容进行分页处理。3、如何利用SQLModel库处理新闻数据的更新与查询。4、如何利用AI大模型读取和理解新闻内容，并对其进行摘要。解决方法：1、采用requests获取页面，用BeautifulSoup解析HTML结构；针对新浪反爬，添加请求头（User-Agent）并限制爬取频率；优先抓取RSS或公开列表页，避免动态渲染内容

2、后端按页码切片查询数据，将items和page,total_pages传入模板；在Jinja2中用{%for%}循环渲染列表，3、定义News模型（含id、title、content、summary、created_at等字段）；通过唯一字段（如标题哈希）判断是否已存在，避免重复插入；使用select().where()实现按时间、关键词等条件查询4、调用通义千问（DashScope）API，构造提示词如：“请用一句话概括以下新闻：{content}”；对长文本先截断或分段处理；将生成的摘要存入数据库，供前端高效展示教学方法讲授法、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“新闻早报”类产品，引导学生拆解功能；明确本课目标：构建最小可用系统。分析需求，确定技术栈演示基础架构；指导三阶段开发；巡回指导，强调错误重试、限流处理、内容安全。实现新闻抓取与摘要生成；集成定时任务，验证自动更新；开发前端页面，支持分类查看与刷新展示优秀作品；点评共性问题：未校验文件类型、响应结构混乱、忽略加载状态。小组演示，互评功能完整性与稳定性。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．课后任务安排用户注册后可以进行新闻订阅，可以将每日新闻摘要发送到用户的邮箱中教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）建议提供Mock新闻数据源，应对API配额或网络限制；可引入“摘要质量评估”讨论；后续可衔接“个性化推荐”模块，实现“千人千面”简报。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）目标素质目标熟练使用speech_recognition库和Vosk模型实现Python版的语音识别熟练使用阿里云的Paraformer模型实现Web版的语音识别掌握前后端WebSocket技术和语音数据实时传输技术掌握基于Web界面或Python界面开发智能语音系统的相关技术培养人机交互设计意识强化隐私与安全意识激发将AI能力应用于教育、体育等真实场景的创新思维教学内容模块5智能语音记分5.1语音识别与合成

5.2Web版语音记分

5.3Python版语音记分重点难点及解决方法重点难点：1、介绍如何利用speech_recognition库结合Vosk模型进行实时语音识别2、介绍如何基于前端音频录制方案进行实时语音采集，并利用WebSocket技术配合阿里云的Paraformer模型实现语音识别3、介绍如何利用tkinter库开发Python版的智能语音记分系统，并进行语音播放4、介绍如何利用前后端技术开发Web版的智能语音记分系统，并进行语音播放解决方法：1、安装vosk和中文模型；用speech_recognition.Recognizer()监听麦克风，将音频流交给Vosk处理；实时输出识别结果，无需联网，适合本地Python应用。

2、前端用MediaRecorder录制音频，通过WebSocket分片发送到FastAPI后端；后端使用DashScope的实时语音识别接收音频流并返回文本；识别结果实时推回前端，实现“边说边出字”，3、界面用tkinter显示姓名和分数；调用Vosk识别语音指令，用正则提取信息；更新分数后，调用pyttsx3本地合成语音播报结果4、前端：录音→WebSocket传音频→接收识别文本→解析指令→显示分数；后端：接收音频流→调阿里云Paraformer→返回识别结果→调TTS生成播报音频；播放：前端用<audio>标签播放TTS返回的音频URL或base64数据。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“新闻早报”类产品，引导学生拆解功能；明确本课目标：构建最小可用系统。分析需求，确定技术栈演示基础架构；指导三阶段开发；巡回指导，强调错误重试、限流处理、内容安全。实现新闻抓取与摘要生成；集成定时任务，验证自动更新；开发前端页面，支持分类查看与刷新展示优秀作品；点评共性问题：未校验文件类型、响应结构混乱、忽略加载状态。小组演示，互评功能完整性与稳定性。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tkinter绘制Python版智能语音记分系统界面教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）建议提供离线ASR模型备选，应对无网环境；可拓展至“多轮语音对话记分”或对接班级管理系统，提升实用性。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）目标素质目标熟练使用OpenCV库读取摄像头数据并实时在图像上标注文字信息熟练使用MediaRecorder实现Web端实时摄像头数据采集和标注深入理解人脸活体检测的原理，以及EAR和MAR等计算公式及代码实现熟练使用face_recognition库进行人脸检测、对比与活体检测熟练使用FastAPI、SQLModel和前端实现考勤系统的完整功能强化数据隐私与生物信息安全意识培养工程思维：从“能用”到“防作弊”的迭代优化激发将AI技术应用于校园/职场管理的创新意识教学内容模块6智能考勤6.1需求与设计分析

6.2OpenCV版本实现

6.3Web端版本实现6.4活体检测防作弊重点难点及解决方法重点难点：1、如何利用Python版本的OpenCV库和前端MediaRecorder实时采集人脸数据。2、如何利用face_recognition库进行人脸检测和对比，并结合OpenCV库进行姓名和位置标注等操作。3、如何利用人脸的68个关键特征点信息进行活体检测，防止作弊，并将其整合到项目中。4、如何结合FastAPI、SQLModel和前端完成项目的整体开发与功能完善。解决方法：1、本地使用cv2.VideoCapture(0)读取摄像头视频流；Web端通过浏览器<video>+canvas截取画面，以Base64格式发送至FastAPI后端，后端解码为OpenCV可处理的图像。

2、用face_recognition.face_encodings()提前生成已知人员的人脸特征向量；对采集帧调用face_locations()和face_encodings()进行检测与编码，通过compare_faces()匹配身份；匹配成功后，用cv2.rectangle()画框、cv2.putText()标注姓名和位置。3、调用face_recognition.face_landmarks()获取眼部关键点，计算眼纵横比（EAR）；若连续多帧EAR无显著变化（如始终大于阈值），判定为静态照片；仅当检测到有效眨眼（EAR先降后升）才视为活体，允许考勤。4、前端负责摄像头调用与结果显示；FastAPI提供/clock-in等接口处理图像识别与活体验证；SQLModel定义考勤模型，将姓名、时间、活体状态等存入数据库，实现从采集到记录的完整闭环。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打卡vs智能人脸考勤场景；引导学生分析需求讨论考勤痛点基础功能示范活体检测引导巡回指导按路径开发，OpenCV版，Web版测试用本人照片vs手机屏幕照片，验证防作弊效果。邀请学生演示系统，重点测试“用照片能否通过”演示考勤流程与活体检测

反思系统局

提交代码与测试截图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。练习智能考勤系统，实现人脸数据采集、人脸识别、人脸位置标注、人脸对比、数据管理、活体检测等功能教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）学生对“刷脸打卡”兴趣浓厚，但需强化知情同意与数据最小化原则；活体检测宜从简单动作入手，避免过度复杂化初学者认知负荷。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）目标素质目标熟练使用Python库对语音和视频进行预处理，识别其文字，并利用大模型进行整理和总结掌握如何利用在线搜索功能实现知识体系的完善，并提供拓展知识能根据知识体系利用提示词生成思维导图元数据，进而使用xmind库生成思维导图，并在前端进行渲染显示掌握如何利用大模型生成考题并进行Web端的在线考试和AI评分培养教育公平与数据隐私意识强化系统安全思维激发“AI+教育”融合创新的责任感与想象力教学内容模块7AI智慧课堂7.1功能与设计分析

7.2主体功能开发

7.3出题和考试功能7.4登录与Token鉴权7.5定时任务处理重点难点及解决方法重点难点：1、如何利用语音识别模型对上传到系统中的授课视频或语音进行文字识别。2、如何利用大模型对文字内容进行总结和摘要，有条理地提取知识点形成课堂笔记。3、根据提取到的内容要点，如何结合大模型知识整理为更完整的知识体系，并生成思维导图。4、讲解根据文字内容利用大模型进行出题的方法，如何在网页中进行在线考试和AI评分。解决方法：1、使用阿里云DashScope的Paraformer语音识别模型或开源Whisper模型，将上传的音频/视频提取音频后转为文字；FastAPI后端接收文件，调用ASR接口返回文本。

2、将识别出的文本送入大模型（如通义千问），通过提示词如：“请分点总结以下授课内容，提炼核心知识点，语言简洁”；返回结构化摘要作为课堂笔记。3、再次调用大模型，提示其将知识点按“主题—子主题—要点”层级组织；返回JSON或Markdown格式；前端使用Markmap或echarts将结构化数据渲染为交互式思维导图。4、基于课堂笔记内容，提示大模型生成选择题/填空题；考试时学生在网页作答，提交后由FastAPI调用大模型或规则匹配进行自动评分，并即时反馈结果。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“AI助教”案例：自动出题、限时考试、即时反馈；引导学生拆解功能模块与用户角色；发布项目任务。讨论需求，明确系统需支持学生答题、教师出题、管理员监控；确认技术栈分阶段推进：1.演示注册/登录+JWT生成，保护敏感接口；2.题库与考试：定义题目模型，实现随机组卷、答题提交、自动判分；3.定时任务：配置每日8点推送练习、考试结束后自动关闭入口；4.前端对接：提供简易HTML页面或Postman测试方案。巡回指导，重点解决Token校验失败、组卷重复、定时器未触发等问题。1.开发用户认证模块，测试登录后获取Token；

2.创建题库，实现“开始考试→随机5题→提交→显示分数”；

3.配置定时任务，模拟每日练习生成展示优秀作品（如界面清晰、权限严谨、任务稳定）；强调共性问题：Token未设过期、题库无分类、未处理并发考试；提出拓展方向：接入大模型生成新题、增加主观题评分。小组互评，反思系统安全性与可用性；记录优化思路，准备提交成果。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．课后任务安排让大模型生成考题并按照指定格式输出教学后记（对课程设置、教学计划、教学大纲、教案、教材、教学方法的建议）可后续引入大模型API实现“根据知识点动态生成新题”；建议结合真实教学场景开展项目实战，提升实用性。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