智能体构建与应用开发（Python+LangChain）（微课版）课件 项目7、8 综合项目：设计开发个人智能学习助手、部署和发布智能体

项目7综合项目：设计开发个人智能学习助手汇报人:时间:2026/05/01项目7综合项目：设计开发个人智能学习助手目录CONTENTS01项目7综合项目：设计开发个人智能学习助手02任务7-1搭建项目框架并实现基础界面03任务7-2设计开发智能模块04项目小结05项目练习与思考01项目7综合项目：设计开发个人智能学习助手项目7综合项目：设计开发个人智能学习助手项目概述本项目运用项目3到项目6所学的LangChain核心技术，设计并开发一款功能完整的个人智能学习助手应用，整合ModelIO模型调用、提示词工程、对话记忆管理、Agent智能体与工具系统以及RAG检索增强生成等关键技术。项目目标构建一个具备完整前后端交互能力的智能化学习平台，通过本项目的实施，读者将深入掌握LangChain框架在实际应用开发中的综合运用能力，实现从理论学习到工程实践的转化。02任务7-1搭建项目框架并实现基础界面任务7-1搭建项目框架并实现基础界面01任务背景王亮在完成单项技能训练后，技术主管提出综合项目要求。为使智能学习助手具备完整的Web服务能力，需搭建项目基础框架并实现前后端交互界面。02核心任务完成项目目录结构组织、依赖安装、准备前端静态页面、Flask后端服务初始化等具体任务，为后续智能模块开发提供完整的运行环境和交互基础。03工程意义该任务是整个综合项目的基础环节，实现从本地脚本到Web项目服务化改造的关键工程实践，推动系统从临时进程向持久化、有状态的产品化形态转化。学习目标知识目标理解将LangChain应用从本地脚本到Web项目服务化改造的工程意义；掌握Flask框架的路由请求处理机制。技能目标能够搭建个人智能学习助手的项目目录架构；能够准备并组织前端静态页面，实现前后端基础交互；能够使用版本控制工具管理项目依赖，形成规范的开发流程。素养目标通过从零搭建完整项目框架，培养模块解耦、逐步集成的系统工程思维；通过项目目录结构的规范组织，养成结构清晰、命名规范的工程化编码习惯。能力培养本任务旨在培养读者的工程实践能力，使其能够将LangChain技术从实验环境迁移到生产环境，具备构建可交付Web应用的综合能力。7.1.1任务描述任务描述王亮在完成单项技能训练后，技术主管提出了综合项目：设计开发个人智能学习助手。在本任务中，为使智能学习助手具备完整的Web服务能力，需搭建项目基础框架并实现前后端交互界面，完成项目目录结构组织、依赖安装、准备前端静态页面、Flask后端服务初始化等具体任务。该任务是整个综合项目的基础环节，为后续智能模块的开发提供完整的运行环境和交互基础。7.1.2必备知识服务化改造的工程意义能力交付方式升级：从个人工具演变为公共服务；并发处理能力突破：支持海量请求并发处理；系统架构质变：从临时进程演进为持续运行的守护服务，从内存级临时数据升级为持久化存储，从无状态单次调用扩展为带会话管理的连续交互。Flask路由请求处理机制路由定义机制使用@app.route()装饰器，支持静态路由和动态路由；请求匹配流程按照路由注册顺序进行URL模式匹配；请求对象封装为request全局对象，包含方法、参数、表单、JSON、文件等；响应返回方式支持字符串、jsonify()、send_from_directory()、render_template()等多种类型。7.1.3搭建项目基础框架01创建项目目录启动PyCharm，将项目保存到d:\langchain\project7下。将项目5中的.env文件和model.py文件拷贝到project7目录，建立data/目录存储程序运行数据、static/目录存储前端静态页面文件、utils/目录包含四个核心功能模块、app.py作为Flask后端服务文件、requirements.txt记录项目依赖。02安装依赖优势requirements.txt管理依赖的核心价值：确保环境一致性，锁定精确版本号消除兼容性问题；提升部署效率，通过pipinstall-rrequirements.txt快速重建环境；便于维护管理，集中呈现所有第三方依赖，支持版本追溯和自动化构建。03配置依赖版本核心依赖包括：flask==3.1.2、flask-cors==6.0.2、langchain==1.2.9、langchain-community==0.4.1、langchain-openai==1.1.7、python-dotenv==1.2.1。通过终端执行pipinstall-rrequirements.txt命令完成安装，确保开发、测试、生产环境完全一致。7.1.4启动Flask后端服务器准备前端静态页面前端通过HTML搭建页面结构，CSS美化视觉样式，JavaScript实现与后端API的异步交互。3个前端页面文件（index.html、style.css、script.js）从教材资源下载并拷贝到static目录。编写启动服务代码导入依赖模块、创建Flask应用实例、配置静态首页路由@app.route('/')返回index.html、配置静态资源路由@app.route('/<<path:filename>')返回CSS/JS/图片等资源文件。增加API接口定义四个POST接口：/api/upload文件上传接口、/api/ask智能问答接口、/api/plan学习计划接口、/api/timer计时器工具接口，均使用pass占位待后续实现。启动测试服务通过app.run(host='',port=5000,debug=True)启动开发服务器。本地访问地址:5000，远程访问地址05:5000，可查看首页、智能问答、学习计划、学习工具四个页面。03任务7-2设计开发智能模块任务7-2设计开发智能模块任务背景在构建了Web服务框架后，技术主管要求王亮将LangChain的RAG检索增强生成、对话记忆管理、智能体与工具系统等关键技术落地为可交付的功能模块，将分散的技术点整合为具有实际业务价值的完整功能。核心模块具体包括：实现文档的上传和切分、开发基于关键词匹配的知识问答能力、配置会话记忆的持久化存储机制、生成个性化学习计划、封装定时器工具并集成到智能体，体现从学习到应用的转化能力。学习目标知识目标理解Web服务层与业务逻辑层的关系；掌握前后端与业务逻辑三层数据传递机制，明确各层职责边界和数据流转规则。技能目标能够开发基于RAG的智能问答模块，实现上下文感知的精准回答；能够实现基于JSON文件的会话持久化存储；能够开发个性化学习计划生成模块；能够构建智能体工具系统，实现定时器功能。素养目标通过RAG系统的完整构建，培养数据驱动、检索先行的智能问答系统设计思维；在完整智能模块的开发实践中，塑造问题分解、逐步迭代的工程攻关能力。7.2.1任务描述任务描述在构建了Web服务框架后，技术主管要求王亮将LangChain的RAG检索增强生成、对话记忆管理、智能体与工具系统等关键技术落地为可交付的功能模块，具体包括：实现文档的上传和切分、开发基于关键词匹配的知识问答能力、配置会话记忆的持久化存储机制、生成个性化学习计划、封装定时器工具并集成到智能体。该任务要求将分散的技术点整合为具有实际业务价值的完整功能模块，体现从学习到应用的转化能力。7.2.2必备知识Web服务层与业务逻辑层的关系Web服务层面向外部请求，核心职责是接收请求、转发参数、返回响应，app.py中所有路由函数属于此层；业务逻辑层面向内部能力，核心职责是封装算法、实现功能、维护状态，utils/目录下所有模块属于此层。分层本质是将易变部分与稳定部分分离，提升代码复用率和研发效率。三层数据传递机制前端到Web服务层：JavaScript将用户操作封装为HTTP请求；Web服务层到业务逻辑层：从request对象提取参数，完成类型转换与校验；业务逻辑层到Web服务层：返回Python对象；Web服务层到前端：封装为HTTP响应，JavaScript解析JSON并动态更新DOM。7.2.3上传处理文档功能实现流程分为五阶段：界面呈现、前端触发、后端接收、业务处理、前端反馈。用户选择.txt文件，script.js封装为FormData发送POST请求，后端进行三层校验后保存文件，业务层切分文档，前端显示处理结果。前端交互层index.html提供文件上传按钮、选择控件及状态展示容器；script.js执行文件校验、数据封装、异步请求发送，根据后端响应动态更新uploadResult容器内容。Web服务层upload_document函数进行文件存在性、文件名空值、格式三层校验，通过后保存至data/uploads/目录，读取内容调用rag_system.add_document()，返回JSON格式处理统计信息。业务逻辑层与测试rag.py中add_document()使用RecursiveCharacterTextSplitter(chunk_size=500,chunk_overlap=50)切分文本，封装为Document对象存入内存列表。测试upload.txt文档，返回已添加文档，新增1个片段，总计1个片段。

7.2.4实现智能问答与持久化记忆功能实现流程分为六阶段：用户输入、历史记录获取、业务检索、模型调用、记忆存储与响应返回、前端渲染。用户输入问题后，系统获取最近10条历史记录，RAG模块关键词检索文档片段，调用大模型生成回答，持久化存储对话，前端动态渲染问答结果。RAG智能问答机制rag.py中ask()方法提取问题关键词（长度>2），遍历文档片段进行匹配，取前3个相关片段拼接为上下文，构造提示词调用self.llm.invoke(prompt)生成简洁回答。文档库为空时返回请先上传学习文档提示。持久化记忆模块memory.py中ConversationMemory类通过内存缓存和文件持久化结合实现对话保存。包含load_memory()从JSON恢复历史、save_memory()写入文件、add_message()实时保存、get_history()查询记录、clear_memory()清空历史等方法，支持跨会话上下文记忆。7.2.5开发学习计划功能实现流程分为五阶段：用户输入主题和天数、后端接收校验、业务生成计划、异常处理、响应渲染。用户点击生成计划按钮，前端发送POST请求，后端调用planner.generate_plan()，模型按固定格式返回结构化学习计划。前端交互层index.html提供主题输入框、天数选择控件（默认7天，范围1-30）、生成按钮及planResult展示容器；script.js执行数据获取、异步请求发送，使用<pre>标签保留计划文本换行格式。Web服务层create_plan()函数解析topic和days参数，主题非空校验，调用planner.generate_plan(topic,days)，将生成的计划文本封装为JSON响应返回前端，实现学习主题到结构化计划的转换。业务逻辑层与测试planner.py中StudyPlanner类构造结构化提示词，要求每天一个主题、包含学习和练习、适合初学者、输出格式为第X天：[主题]-[学习内容]-[练习任务]。测试输入python基础，7天，系统按预定格式成功返回学习计划。7.2.6开发智能计时器系统架构与交互流程用户输入定时指令如定一个25分钟倒计时，前端显示指令并发送POST请求，后端调用cess_request()，LangChain智能体识别意图自动调用start_timer工具，前端根据响应启动倒计时界面，实时更新MM:SS格式显示，计时结束显示完成状态。智能体工具实现agent.py中TimerToolAgent类维护timer_start、timer_duration、is_running三个状态变量，create_agent()创建智能体并注册start_timer工具，process_request()调用self.agent.invoke()处理指令，从消息列表提取AI回复。测试输入定30分钟，系统成功启动定时器并显示读秒倒计时。04项目小结项目小结任务7-1成果搭建前后端分离的项目基础框架，采用Flask构建后端服务，HTML/CSS/JavaScript实现前端界面，通过HTTP请求完成前后端数据交互，实现从本地脚本到Web服务化改造的工程实践。任务7-2成果整合RAG检索增强生成、对话记忆管理和多工具调用等核心技术，实现文档处理、上下文感知问答、个性化学习计划生成和智能计时器等四大核心功能，完成LangChain技术的综合应用。能力培养价值读者深入理解LangChain框架在实际应用开发中的综合运用方法，掌握Web服务化改造的工程实践，培养模块化设计和分层架构的系统工程思维，具备构建可交付智能应用的综合能力。05项目练习与思考项目练习与思考练习概述本项目提供完整的练习与思考环节，涵盖选择题、填空题和简答题三种题型，全面覆盖项目7的核心知识点和关键技能。通过完成这些练习，读者可以检验自己对LangChainWeb服务化改造、Flask框架路由机制、RAG检索增强生成、文档切分策略、对话记忆持久化、智能体工具调用等关键技术的理解程度，同时培养分析问题和解决问题的综合能力。选择题（1）题目内容将LangChain应用从本地脚本改造为Web服务的主要意义在于（）。选项A：提高代码运行速度；选项B：降低开发难度；选项C：减少代码编写量；选项D：突破单用户限制，实现服务化交付。答案解析正确答案为D。本题考察对Web服务化改造核心工程意义的理解，重点在于认识到从本地脚本到Web服务的转变不仅是技术形式的改变，更是能力交付方式和系统架构的质变，能够实现多用户并发访问和公共服务化交付，突破单用户限制是核心价值所在。选择题（2）（3）01题目二在前后端分离架构中，前端与后端进行数据交互时常用的HTTP请求方式是（）。选项A：TCP连接；选项B：WebSocket；选项C：FetchAPI；选项D：数据库直连。正确答案为C。02题目三关于文档切分时设置片段重叠（chunk_overlap）的作用，下列说法正确的是（）。选项A：减少存储空间；选项B：提高上传速度；选项C：保持上下文连贯性，避免关键信息断裂；选项D：增加片段多样性。正确答案为C。03考察要点题目二考察前后端数据交互的技术实现方式，FetchAPI是现代浏览器标准的异步请求接口。题目三考察文档切分策略的核心设计目标，chunk_overlap通过保留相邻片段重叠内容，确保关键信息不会在分割边界处断裂。选择题（4）（5）01题目四在RAG智能问答系统中，从用户问题中提取关键词后进行文档检索的主要目的是（）。正确答案为B：筛选出与问题相关的文档内容。02题目五对话记忆模块将对话历史持久化存储到JSON文件的主要目的是（）。正确答案为A：实现跨会话的上下文记忆。03RAG检索原理关键词检索是RAG系统的核心环节，通过筛选相关文档片段，将无关内容过滤，避免传递给模型导致幻觉回答，确保生成答案基于准确的知识来源。04记忆持久化价值JSON文件持久化使对话历史跨越单次会话生命周期，用户关闭浏览器后重新访问仍能恢复历史记录，实现真正的连续对话体验，是智能助手人性化的关键设计。填空题（1）（2）（3）题目内容（1）在Flask项目目录结构中，____目录通常用于存放前端静态页面文件。答案：static。（2）Flask框架通过____机制将URL路径与处理函数建立映射关系。答案：路由。（3）RAG系统中，将长文档切分为适当大小的文本片段，这一过程称为____。答案：文档分割。考察要点本题考察项目目录结构规范、Flask核心机制名称以及RAG技术流程中的专业术语。static目录是Flask约定存放CSS/JS/HTML的标准位置；路由机制是Flask框架的核心设计，通过装饰器实现URL到函数的映射；文档分割是RAG系统构建知识库的基础步骤，直接影响后续检索质量和问答效果。填空题（4）（5）题目四用户通过自然语言指令控制定时器，体现了____技术在人机交互中的应用。答案：智能体。该技术使系统能够理解用户意图并自动调用相应工具函数，实现自然语言到系统操作的智能转换。题目五学习计划生成模块根据用户输入的主题和天数，生成结构化的每日学习安排，这种动态适配的学习路径规划称为____。答案：个性化学习计划生成。该功能体现AI技术在教育领域的个性化应用价值。核心概念智能体（Agent）是LangChain框架的核心组件，具备理解指令、决策规划、工具调用的综合能力。个性化学习计划生成体现动态适配特征，根据用户输入参数实时调整输出内容，满足不同学习者的差异化需求。简答题（1）能力交付方式升级本地脚本模式下LangChain能力仅限开发者本机使用，每次运行需手动执行命令行，无法对外提供服务。Web服务化改造将AI能力封装为标准HTTP接口，使智能应用从个人工具演变为公共服务，显著提升能力的可触达性。并发处理能力突破本地脚本顺序执行，同一时刻仅能服务单一用户。Web架构基于多线程/异步机制，支持海量请求并发处理，使LangChain应用具备承载多用户同时访问的工业级能力，满足真实生产环境的核心诉求。系统架构质变Web服务化改造不仅是接口形式的转变，更是系统架构的全面升级：从单次运行的临时进程，演进为持续运行的守护服务；从内存级临时数据，升级为持久化存储；从无状态单次调用，扩展为带会话管理的连续交互。简答题（2）Web服务层职责核心职责是接收请求、转发参数、返回响应。面向外部请求，关注如何与浏览器、客户端进行通信，负责理解HTTP协议、解析路由、提取用户输入、处理跨域问题，将清洗后的参数传递给业务逻辑层。业务逻辑层职责核心职责是封装算法、实现功能、维护状态。面向内部能力，关注做什么和怎么做，负责文档如何切分、检索如何执行、记忆如何存储、计划如何生成、工具如何调用，只关心能力如何构建。分层本质价值将易变的部分与稳定的部分分离。Web框架可能更换、API风格可能调整、前端技术可能迭代，这些变化被隔离在Web服务层；检索算法可能升级、模型版本可能更新、记忆策略可能优化，这些变化被限定在业务逻辑层。可复用性优势当业务逻辑从Web框架中剥离后，便获得脱离HTTP环境独立运行的能力。开发者可在命令行中直接调用业务模块验证功能，无需启动Web服务；其他项目需要类似能力时，可直接复用utils/目录下的业务逻辑文件，无需重复开发。项目7综合项目：设计开发个人智能学习助手-小结项目7系统介绍了智能学习助手平台的完整构建过程与功能实现路径。任务7-1中搭建了前后端分离的项目基础框架，采用Flask构建后端服务，HTML/CSS/JavaScript实现前端界面，通过HTTP请求完成前后端数据交互。任务7-2中整合了RAG检索增强生成、对话记忆管理和多工具调用等核心技术，实现文档处理、上下文感知问答、个性化学习计划生成和智能计时器等四大核心功能。感谢您的观看THANK

YOU

FOR

WATCHING汇报人:时间:2026/05/01项目8部署和发布智能体汇报人:时间:2026/05/01目录CONTENTS01项目8部署和发布智能体02任务8-1部署智能体到Linux服务器03任务8-2容器化部署智能体04任务8-3部署使用OpenClaw智能体05项目小结01项目8部署和发布智能体项目8部署和发布智能体项目背景与目标本项目基于项目7开发的个人智能学习助手，将其部署到真实的Linux服务器环境，实现从本地开发到生产部署的完整工程化实践，构建可稳定运行的智能化学习服务平台。核心技术整合系统整合Linux服务器配置、Python生产环境搭建、systemd服务管理、防火墙配置、Docker容器化部署等关键技术，深入掌握Web应用从开发到部署的全流程工程实践能力。02任务8-1部署智能体到Linux服务器学习目标知识目标了解开发环境与生产环境的本质区别，掌握生产环境常用操作系统的特点与选型依据，理解服务器部署的核心概念。技能目标能够使用Xshell工具登录远程服务器，在Linux系统上配置Python运行环境，将应用部署为系统服务实现后台运行。素养目标通过规范化部署流程养成工程化运维习惯，通过完整实践培养环境解耦的系统工程思维，提升专业运维能力。8.1.1任务描述部署任务要求技术主管要求将个人智能学习助手部署到公司Linux服务器，实现7×24小时稳定运行，提供生产级别服务能力。具体完成服务器环境配置、项目文件上传、Python依赖安装、应用后台运行配置以及防火墙端口开放等全流程实践任务。8.1.2必备知识运行模式不同开发环境以调试模式运行，支持热重载，错误信息详细显示；生产环境关闭调试模式，错误信息仅记录在日志中，防止敏感信息泄露。访问范围不同开发环境监听或localhost仅供本地访问；生产环境监听并开放防火墙端口，支持外部用户访问。可用性要求不同开发环境可随时手动重启调试；生产环境要求7×24小时持续运行，服务器重启或程序崩溃必须自动恢复。数据安全要求不同开发环境使用临时测试数据；生产环境数据必须持久化保存并定期备份，API密钥等敏感信息通过环境变量配置。8.1.3登录服务器并上传项目使用Xshell登录服务器通过VMware运行Linux服务器，使用Xshell新建会话，输入主机地址28，以root用户和密码abc@123.com登录openEuler服务器。配置Xshell工具调整配色方案为ANSIColorsonWhite，设置字体大小为16号，优化终端显示效果，提升远程操作的可读性和舒适度。上传解压缩项目修改script.js中API_BASE为/api，压缩项目为project.zip，使用rz命令上传，unzip解压缩，ls-a查看完整目录结构。8.1.4部署并测试智能应用安装依赖与运行项目检查Python3.11.6版本，使用pip3install-rrequirements.txt安装依赖，通过nohuppython3project7/app.py&命令实现后台持久运行。防火墙配置与访问测试使用firewall-cmd--permanent--add-port=5000/tcp永久放行端口，reload重启防火墙，浏览器访问28:5000测试上传文档和智能问答功能。03任务8-2容器化部署智能体学习目标01知识目标掌握Docker容器技术的三要素，了解Dockerfile的基础语法结构，理解容器化部署的核心原理与优势。02技能目标能够熟练运维Docker镜像和容器，使用Dockerfile制作项目镜像，完成容器化部署的全流程操作。03素养目标通过运维Docker镜像和容器培养学习能力与独立思考精神，通过制作项目镜像培养刻苦钻研并解决问题的品质。8.2.1任务描述容器化部署任务技术主管介绍更现代化的容器化部署方式，容器技术将应用及其依赖环境打包成标准化镜像，实现一次构建、随处运行。本任务学习使用Docker容器引擎，通过编写Dockerfile将智能学习助手打包成镜像，基于镜像运行容器并测试项目。8.2.2必备知识Docker三要素镜像Image是容器的只读模板，包含应用及其依赖；容器Container是镜像的实例，拥有独立的文件系统、网络和进程空间；仓库Repository用于存储和管理镜像，包括公共和私有仓库。Dockerfile基础语法FROM定义基础镜像，RUN执行构建命令，COPY复制本地文件，WORKDIR设置工作目录，CMD设置默认启动命令，ENTRYPOINT指定必须执行的命令，EXPOSE声明监听端口。8.2.3安装Docker容器引擎并练习基础操作01安装Docker引擎使用dnfinstalldocker-y安装，systemctlstartdocker启动，systemctlenabledocker配置开机自启，确保容器引擎持续可用。02运维镜像操作dockerpull从阿里云仓库拉取nginx:alpine镜像，dockerimages查看镜像信息，dockerrmi通过名称或ID删除镜像。03运维容器操作dockerrun-d-p28:81:80--name=nginx后台运行容器，dockerps-a查看容器状态，浏览器访问81端口测试nginx服务。8.2.4制作项目镜像编写Dockerfile进入project7目录创建Dockerfile，指定Python3.12-slim基础镜像，设置/app工作目录，复制依赖文件并安装，暴露5000端口，设置CMD启动命令。构建项目镜像使用dockerbuild-tlearning-assistant:v1.构建镜像，-t指定名称标签，.表示当前目录，构建成功后dockerimages查询learning-assistant:v1镜像。8.2.5运行容器并测试效果运行容器并测试基于learning-assistant:v1镜像，使用dockerrun-d-p28:82:5000--name=study运行容器，将宿主机82端口映射到容器5000端口。Windows浏览器访问28:82，点击学习工具链接输入定20分钟倒计时，测试智能计时功能正常运行。04任务8-3部署使用OpenClaw智能体学习目标01知识目标掌握OpenClaw智能体的核心功能，了解在Linux服务器上部署OpenClaw的技术优势与适用场景。02技能目标能够在Linux服务器上完整安装部署OpenClaw智能体，在Windows客户端上成功访问并使用Op