人工智能技术基础及应用活页式教程 课件 第5章 知识库与智能体

第5章

知识库与智能体本章将深入探讨知识库与智能体的构建、管理和应用。我们将看到，知识库如何通过多模态数据整合打破信息孤岛；智能体如何通过语义与跨模态检索精准定位需求；以及大模型如何为二者注入新活力，推动其在更多领域发挥关键作用。知识库构建智能体应用章节导入：智能系统的双引擎知识库：核心宝藏作为智能系统的核心基座，存储着海量多模态信息，为智能体提供源源不断的知识资源支持。智能体：推理引擎依赖知识库进行逻辑推理、自主决策和持续学习，将静态知识转化为动态的智能行为与服务。大模型：全新机遇大语言模型的爆发为两者结合注入新动力，打破了传统知识边界，推动智能系统向通用化演进。“知识库与智能体的深度融合，是开启数字化时代无限可能的关键钥匙”5.1知识库及搭建本小节将介绍知识库的基础概念、核心功能、核心技术，并对比知识库与数据库的区别，探讨不同类型的知识库及其选型策略，最后通过实践案例讲解如何搭建知识库。KNOWLEDGEBASESYSTEM5.1.1知识库基础-定义与功能什么是知识库？知识库（KnowledgeBase，KB）是结构化的知识存储系统，它以特定形式组织和存储知识，赋能智能系统高效访问与利用信息。知识存储结构化整合多模态信息，打破数据壁垒，避免信息孤岛。快速检索基于语义理解与上下文关联技术，精准定位用户所需信息。支持决策为智能体提供数据与规则支持，辅助复杂推理与动态优化。5.1.1知识库基础-检索类型关键词检索原理说明：匹配字面关键词（如“保修期”）典型场景：快速查找明确术语（产品参数）语义检索原理说明：理解问题意图（如“手机坏了”≈故障维修）典型场景：处理模糊提问（客服咨询）跨模态检索原理说明：用文字搜图片/视频（如“樱桃炭疽病图片”）典型场景：教育、医疗等场景5.1.1知识库基础-核心技术数据获取与预处理多源数据采集、清洗去噪、标注增强，确保数据质量与可用性。数据存储与管理灵活选择关系型、文档型、图数据库或向量数据库进行高效存储。数据处理与AI技术格式标准化、多源融合、知识单元拆分及多模态向量表示等AI赋能。知识检索与推理技术支持关键词搜索、语义搜索、混合检索及图数据库的复杂查询推理。系统架构与工程化构建分布式架构，建立实时数据管道，实施严格的版本控制机制。5.1.1知识库基础-知识库与数据库对比对比维度知识库(KnowledgeBase)普通数据库(Database)数据形式多模态、结构化关联单一格式（如表格、文档）检索能力语义理解、跨模态搜索仅支持关键词/字段精确匹配应用目标支持推理、决策与知识发现单纯的数据存储与增删改查典型示例医疗知识库（症状→病因→治疗方案）学生成绩表（仅记录分数，无推理逻辑）5.1.2知识库的类型（一）：事实型与规则型事实型知识库主要存储客观事实性知识，如历史人物、产品参数、企业名录等，强调信息的真实性和客观性。核心特点：数据高精度、静态化、高度结构化典型应用：百科类应用、企业信息管理系统、基础数据库规则型知识库存储由专家经验或逻辑推导得出的规则性知识，通常以“如果……，那么……”（IF-THEN）的形式表示。核心特点：基于显式逻辑、强约束性、维护成本较高典型应用：专家系统、工业控制决策、金融风控模型5.1.2知识库类型（二）：本体库与案例库本体知识库(Ontology)核心定义：基于本体论组织知识，严格定义概念、属性及相互关系，构建标准化的语义模型。关键特征：注重语义深层关联，具备极强的跨领域兼容性和逻辑推理能力。典型应用：智能语义搜索、异构系统集成、知识图谱构建。案例知识库(Case-based)核心定义：以历史经验（案例）为核心，通过检索相似案例并类比推理来解决新问题。关键特征：非结构化存储为主，具备动态适配能力和自主学习机制。典型应用：法律咨询辅助、工业设备故障维修、教育个性化指导。5.1.2知识库的类型（三）：图谱型知识库核心定义基于图结构的知识组织形式，通过“节点”表示实体、“边”表示关系，构建复杂的语义知识网络。关键特点关系优先存储，支持高效的路径查询与关联挖掘，数据结构天然具备可视化友好的属性。典型应用广泛应用于社交网络分析、商业情报挖掘、智能推荐系统以及新一代搜索引擎优化。标杆案例：Google知识图谱包含超过500亿个实体和数千亿条关系，彻底改变了信息检索方式，显著提升了搜索的深度和广度。5.1.2知识库的类型：分类对比与选型类型优势局限性适用场景事实型精准、高效查询缺乏推理能力百科查询、参数管理规则型逻辑透明、结果确定灵活性差、维护成本高流程固定的自动化决策本体库语义理解、跨领域兼容构建成本高智能搜索、术语标准化案例库经验驱动、动态学习依赖案例质量复杂问题解决（法律、医疗）图谱型关系挖掘、可视化直观存储开销大社交网络、推荐系统5.1.3搭建知识库实践本地部署方案适用场景：适合数据敏感性强、需深度定制的场景（如金融、医疗）。核心优势：自主可控，数据完全本地化，安全性极高。潜在挑战：初期硬件与建设成本高，后期运维维护复杂。API快速搭建适用场景：侧重轻量化、快速上线需求（如初创企业、电商客服）。核心优势：接入成本低，无需维护底层设施，即开即用。潜在挑战：数据依赖服务商，定制化灵活性相对受限。总结：企业应根据自身的数据安全合规要求、预算成本及业务发展速度，综合评估选择最适合的搭建路径。5.2智能体及创建本小节将介绍智能体的基础概念、定义、架构、发展历程和典型应用场景，对比智能体与传统软件的区别，并通过创建一个简单的聊天机器人智能体，学习智能体的创建、配置与发布方法。核心概念解析架构、历程与典型场景技术深度对比智能体vs传统软件智能体实战创建聊天机器人配置与发布5.2.1智能体基础-定义与核心特征核心定义智能体（Agent）是能够感知环境、自主规划、进行决策和执行动作以实现目标的系统体，其核心驱动力为大语言模型。公式：智能体=大语言模型+感知+思考+行动+记忆核心特征自主性交互性目的性适应性多模态能力5.2.1智能体基础-架构核心组件(Agent)作为系统核心，负责协调记忆、规划、工具与行动模块。记忆模块(Memory)存储和检索信息，包含短期交互记忆与长期知识库记忆。工具模块(Tools)调用专家模型、计算器、代码解释器等外部工具执行任务。功能模块(Planning&Action)规划负责任务分解与自主思考，行动负责执行具体步骤。智能体架构示意图5.2.1智能体基础-发展历程规则与知识驱动20世纪中后期以符号主义和规则系统为代表，如专家系统，但依赖固定规则，缺乏自主学习能力。数据与算法突破1990—2010年转向数据驱动的机器学习，深度学习革命推动感知与决策能力的突破，如AlphaGo、虚拟助手。自主与协作的未来2020年至今及未来向通用化、多模态和具身化演进，探索自主规划与行动，如大模型、AutoGPT、具身智能体。5.2.1智能体基础-典型应用场景传统行业效率革新在医疗、金融、制造等领域，通过数据驱动决策重塑生产力。例：医疗辅助诊断、金融风控、工业质检服务与治理效能提升优化客户服务体验，赋能城市精细化管理及教育个性化发展。例：智能客服、城市大脑、学习路径规划新兴场景与创意拓展在农业、娱乐等领域激发无限创新，突破物理与思维边界。例：农业机器人、AI生成工具、虚拟偶像智能体正在从单一任务执行向复杂场景自主决策演进，全面赋能数字经济转型5.2.1智能体基础-与传统软件对比对比维度传统软件智能体(AIAgent)数据处理结构化数据（数据库、JSON）非结构化数据（文本、图像）决策逻辑确定性规则/固定流程概率推理与动态规划/自主决策交互方式固定菜单/表单/按钮自然语言对话/多模态交互适应性需人工重新编程才能适应变化通过强化学习自主优化与进化典型代表Excel、ERP、CRM系统ChatGPT插件、自动驾驶系统核心差异：智能体具备更强的环境感知与自主进化能力，从“被动执行”转向“主动决策”。5.2.2创建简单智能体—聊天机器人（步骤1）步骤1：创建智能体登录扣子平台官网，在页面左上角单击“⊕”按钮，在弹出的“创建”对话框中选择“创建智能体”选项，单击“创建”按钮。在“标准创建”选项卡中设置智能体名称（如“小智”）和功能介绍，生成头像后单击“确认”按钮完成创建。图示：扣子平台“创建智能体”对话框界面5.2.2创建智能体—聊天机器人（步骤2）步骤2：编写提示词在智能体配置页面的“人设与回复逻辑”面板中，通过输入提示词来定义智能体的核心属性：定义角色：明确机器人身份（如陪伴型、顾问型）赋予技能：设定其擅长的领域和对话能力设置限制：规范回答边界，确保安全可控💡技巧：利用“自动优化提示词”功能提升效果。图示：提示词编写与自动优化界面示例5.2.2创建简单智能体—聊天机器人（步骤3）步骤3：为智能体添加技能当基础模型能力无法满足需求时，我们可以通过集成插件或知识库来扩展智能体的边界。功能扩展：集成必应搜索等插件，解决时效性与专业知识盲区问题。逻辑控制：修改提示词，指示智能体在遇到无法回答的问题时自动调用插件。图：在智能体配置界面添加“必应搜索”插件示例5.2.2创建简单智能体—聊天机器人（步骤4）图：智能体预览与调试界面1.调试验证在“预览与调试”面板中进行多轮对话测试，验证智能体的回复逻辑、知识库调用及工具使用是否符合预期。2.渠道发布调试通过后，点击“发布”按钮，选择扣子商店、豆包、飞书等目标渠道，将智能体上线供用户实际使用。“确保智能体在真实场景下的稳定性，是从开发走向应用的关键一步。”5.3典型智能体创建本小节将通过两个典型案例，深入理解智能体在实际场景中的应用：1.学习如何创建基于知识库的智能体（课程助教）2.学习如何创建基于工作流的智能体（城市胶囊）5.3.1课程助教智能体创建（步骤1）步骤1：创建智能体在扣子平台完成智能体的基础搭建：命名：设置名称为“AI因斯坦老师”角色：定位为课程专属助教功能：负责解答学生关于人工智能课程的专业问题5.3.1基于知识库的智能体—课程助教（步骤2）步骤2：编写提示词核心任务：在“人设与回复逻辑”面板中编写提示词，定义“AI因斯坦老师”的角色与能力边界。关键设置：1.明确角色：专业课程助教2.限制逻辑：优先从知识库获取信息回答，确保准确性图示：“AI因斯坦老师”人设与回复逻辑配置界面5.3.1基于知识库的智能体—课程助教（步骤3）步骤3：创建文本知识库在“知识”面板中添加文本知识库，上传课程相关的文档（如PDF、Word），设置文档解析策略和分段策略，生成知识库并将其添加到智能体中。5.3.1基于知识库的智能体—课程助教步骤4：创建表格知识库在“知识”面板中，找到“表格”选项，点击右侧“+”按钮。上传Excel表格文件，系统将自动解析数据。进行表结构配置与内容预览，确认无误后生成知识库。将新建的表格知识库关联至智能体，完成配置。图：创建表格知识库操作界面预览5.3.1基于知识库的智能体—课程助教（步骤5）步骤5：创建图片知识库在“知识”面板中选择“照片”右侧的“+”按钮，创建图片类型的知识库。上传图片并完成标注，即可生成并添加至智能体。创建知识库：点击“照片”旁的加号按钮，选择图片类型上传与标注：上传图片，选择智能或人工标注类型进行处理生成与添加：完成标注后生成知识库，并将其关联至智能体图：创建图片知识库操作界面5.3.1基于知识库智能体—课程助教（步骤6）步骤6：调试与发布智能体完成不同类型知识库的创建和添加后，需在“预览与调试”面板中对智能体进行测试。重点验证其能否正确调用知识库内容回答专业问题。确认无误后，单击“发布”按钮，即可将智能体上线至扣子、豆包等平台供用户使用。图：智能体预览调试与发布界面操作示意5.3.2基于工作流的智能体—城市胶囊（步骤1）工作流基本功能工作流是智能体实现自动化任务的核心，通过预设步骤和条件，实现文案生成、循环的自动化处理。用户可根据需求设定触发条件和执行动作，通过拖曳式界面，灵活配置工作流节点。任务目标构建一个用于制作城市胶囊图片的工作流，并将该工作流集成到智能体中，使其能够调用并执行此任务。5.3.2基于工作流的智能体—城市胶囊（步骤2）步骤2：创建工作流根据任务需求，通过拖曳式界面配置工作流节点，将复杂任务分解为自动化执行的步骤，实现从信息获取到结果生成的全流程闭环。1.输入触发：用户输入目标城市名称作为初始参数2.地图数据：调用地图API获取城市地理与轮廓数据3.图像生成：调用AIGC模型生成高精度“城市胶囊”4.结果反馈：自动整合数据与图片，返回最终成果用户输入地图API图像生成结果反馈拖曳式工作流配置界面示意图5.3.2基于工作流的智能体—城市胶囊（步骤3）步骤3：集成工作流到智能体将创建好的工作流集成到智能体中，编写提示词，指示智能体在收到用户请求时调用该工作流来完成任务。触发示例：当用户输入“生成北京的城市胶囊图片”时，智能体将自动触发工作流生成图片。智能体配置逻辑示意用户请求智能体匹配工作流执行关键作用：通过提示词将工作流与智能体“绑定”，赋予智能体处理特定复杂任务的能力，实现从“问答”到“行动”的跨越。5.3.2智能体调试与发布（步骤4）预览与调试在“预览与调试”面板中，输入测试指令，验证智能体是否能正确调用工作流并生成预期的城市胶囊图片。正式发布上线确认功能无误后，单击“发布”按钮，将智能体部署到生产环境，供最终用户体验和使用。智能体测试与发布流程Test&DeploymentProcess5.3.3多模态智能体—AI数字人本小节将介绍多模态智能体——AI数字人的概念和应用，展示如何通过扣子平台构建具备视频生成能力的智能体，实现更自然的人机交互。Step1:创建工作流(WorkflowCreation)Step2:构建智能体(AgentConstruction)AIAGENTTRAININGCOURSE·2026EDITION5.3.3多模态智能体—AI数字人（步骤1）步骤1：创建工作流及基本设置登录扣子平台，选择“创建工作流”选项，设置工作流名称为“digital_human”。在工作流界面中，在“开始”节点后添加一个“输出”节点，设置输出内容为“正在为您生成文案内容，请耐心等待......”。工作流创建与节点配置界面示例5.3.3多模态智能体—AI数字人（步骤2）节点配置与技能添加在“输出”节点后添加“大模型”节点，选择“DeepSeek-R1”模型，并配置“百度搜索”技能。系统提示词设定指令模型根据主题创作信息足、趣味强的纯文字口播稿，严格控制字数在180-220字符之间。变量与输入设置设置用户提示词为“{{input}}”，指定输出变量名为“output”以衔接后续流程。图示：大模型节点配置界面5.3.3多模态智能体—AI数字人（步骤3）步骤1：添加输出节点在“大模型”节点后添加“输出”节点，用于承接并展示生成的文案内容。步骤2：集成蝉镜数字人插件添加插件：获取形象列表(get_chanjing_avatar_list)与视频合成(merge_chanjing_avatar)。步骤3：配置视频生成参数在合成节点中设置背景风格、数字人ID、尺寸，并关联生成的文案内容。图示：蝉镜数字人插件添加界面5.3.3多模态智能体—AI数字人（步骤4）步骤4：循环体设置逻辑添加循环节点：在数字人合成节点后接入“循环体”，用于持续检测视频生成状态。状态获取与判断：调用“get_chanjing_video_detail”接口，配合“选择器”判断生成结果。循环控制策略：未生成则等待并重试；若生成成功或判定失败，则立即退出循环，进入下一流程。图