智能基础搭建应用

《AI智能体搭建与应用》期末考试试卷（一）题号一二三四总分复核人得分注意事项：1．本试卷为闭卷考试。

2．应根据授课内容展开描述，有独到见解可加分。

3．请在两小时时间以内完成。得分阅卷人一、单选题（每小题1分，共10分）1.智能体的核心工作原理是（）A.输入→输出B.感知→决策→行动C.训练→推理→生成D.识别→分类→标注答案：B2.下列哪项不属于智能体的五大核心特点？（）A.自主性B.反应性C.通用性D.社会性答案：C3.大模型在智能体中主要扮演的角色是（）A.执行器B.存储器C.大脑D.传感器答案：C4.在扣子开发平台中，用于存储动态变化信息的记忆组件是（）A.知识库B.数据库C.变量D.插件答案：C5.下列哪种技能是智能体中用于执行复杂、多步骤任务的自动化流程？（）A.插件B.工作流C.知识库D.提示词答案：B6.在智能体的需求分析中，明确智能体“能做什么”属于（）A.输入需求B.功能需求C.交互需求D.输出需求答案：B7.扣子平台中，“系统提示词”和“用户提示词”的关系是（）A.系统提示词由用户输入，用户提示词由系统生成B.系统提示词定义身份与规则，用户提示词传递具体请求C.两者功能完全相同，只是叫法不同D.系统提示词仅用于调试，用户提示词用于正式运行答案：B8.图文生成工作流中，文案生成和图片生成通常采用的结构是（）A.串行执行B.并行分支C.条件分支D.循环执行答案：B9.在电商客服智能体中，知识库的六大核心内容模块不包括（）A.商品信息模块B.订单与支付模块C.物流模块D.产品研发模块答案：D10.多智能体模式中，用于智能识别用户意图并自动分发任务的节点是（）A.开始节点B.结束节点C.父级节点D.图像生成节点答案：C二、多选题（每小题1.5分，共15分）1.智能体的核心功能包括（）A.环境感知B.决策规划C.任务执行D.工具调用E.记忆学习答案：ABCDE2.大模型在智能体中扮演的角色包括（）A.理解与感知中心B.知识与记忆中枢C.规划与推理引擎D.决策与生成单元E.数据存储单元答案：ABCD3.结构化提示词的核心要素包括（）A.指令B.上下文C.输入数据D.输出指示E.情感标注答案：ABCD4.扣子开发平台的记忆功能中，支持跨会话记忆的组件包括（）A.变量B.数据库C.长期记忆D.插件E.工作流答案：BC5.内容生成智能体的类型包括（）A.文案生成B.图文生成C.短视频生成D.音频生成E.3D模型生成答案：ABC（注：教材项目四仅涉及ABC三类）6.电商客服知识库的类型包括（）A.文字类B.表格类C.图片类D.音频类E.视频类答案：ABC7.视频生成智能体的主要优势包括（）A.提高内容创作效率B.降低创作门槛C.实现批量生产D.完全替代人工拍摄E.生成质量远超专业人工答案：ABC8.扣子开发平台中，对话体验配置的模块包括（）A.开场白B.用户问题建议C.快捷指令D.背景图片E.音视频答案：ABCDE9.多智能体模式相较于单智能体模式的优势包括（）A.更灵活的提示词配置B.更丰富的工具与技能C.更复杂的功能实现D.更强大的上下文能力E.更低的开发成本答案：ABCD10扣子开发平台的多Agents模式中，特殊功能包括（）A.插入子AgentB.插入工作空间智能体C.插入全局跳转条件D.自动生成PPTE.图像生成答案：ABC三、名词解释（每题3分，共15分）1.智能体答：智能体是指能够自主感知环境、做出决策并执行行动的人工智能系统。其核心引擎通常是AI大模型，能够在复杂多变的环境中独立运作，通过“感知—决策—行动”的闭环机制，实现从被动输出到主动任务执行的转变。2.提示词工程答：提示词工程是一门设计、构建和优化输入提示词（Prompt）的学科，旨在引导大模型产生期望的高质量输出。它不仅是简单的文字输入，而是一门系统性的方法论，涉及如何构建有效的指令、提供必要的上下文信息、设计合适的输出格式等多个方面。3.知识库（在智能体场景中）答：在智能体场景中，知识库是用户为智能体提供的一组专属的、结构化或非结构化的文档集合。其背后的技术原理是检索增强生成（RAG），当用户提问时，智能体优先在知识库中检索相关信息，并结合检索结果生成回答，从而降低“幻觉”，提供精准可靠的答案。4.对话流答：对话流是扣子开发平台中专用于对话场景的工作流形式，支持读取对话历史，能够根据用户的回复动态调整执行路径。与普通工作流相比，对话流擅长处理需要多轮交互的复杂需求，特别适用于客服、咨询等强上下文管理场景。5.多智能体模式答：多智能体模式是指由两个及以上的子Agent组成的系统形态，各子Agent通过预设协议或动态协商实现信息共享、角色分工与行动协调，共同完成单一智能体难以胜任的复杂目标。每个子Agent都配置了相对应的提示词与工具，具备独立的感知、决策与执行能力。四、简答题（每题10分，共40分）1.简述智能体的“感知—决策—行动”工作原理，并说明它与传统AI大模型的本质区别。答：智能体的工作原理可概括为三个基本步骤：（1）感知：通过感知单元获取环境信息，包括文本、图像、音频、视频等多种形式的数据。（2）决策：通过决策单元分析信息并制定行动计划，运用逻辑推理、概率统计等方法选择最优解。（3）行动：通过执行单元实施具体操作，将决策转化为具体的行动，调用各种工具和服务来完成任务。与传统AI大模型的本质区别在于：传统大模型只能按照预设程序或指令进行“被动输出”，缺乏灵活性和适应性；而智能体能够根据环境变化自主调整策略，完成复杂的工作流程，实现“主动思考并行动”。简单来说，大模型是“被动输出”，智能体是“主动思考并行动”。2.简述扣子开发平台中智能体搭建的完整流程，并说明每个阶段的关键任务。答：扣子开发平台中智能体搭建的完整流程包括以下五个阶段：（1）确认搭建需求：明确输入需求（用户提供什么）、功能需求（智能体能做什么）、交互需求（用户如何互动）、输出需求（结果如何呈现）。（2）搭建智能体：在扣子平台中设计系统提示词（人设与回复逻辑）、配置能力（模型选择、插件、工作流、知识库、记忆等）、完成预览与调试。（3）搭建智能应用（可选）：创建业务逻辑（工作流）、搭建用户界面（UI组件）、绑定业务逻辑与用户界面、预览与测试、发布。（4）预览与调试：在预览面板中模拟真实对话，通过调试详情页的调用树和火焰图查看各节点运行状态，排查问题。（5）发布与使用：将智能体发布到扣子商店、豆包、飞书、微信、抖音小程序等渠道，复制链接分享给他人使用。3.什么是RAG（检索增强生成）技术？它在智能体中的作用是什么？请简要说明其工作原理。答：RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种将外部领域知识与大语言模型的生成能力深度融合的技术。在智能体中的作用：（1）降低“知识幻觉”：将智能体的回答“锚定”在知识库提供的真实语料上，而非依赖模型内部可能模糊或过时的记忆。（2）实现知识的实时更新：更新知识库文档即可让智能体掌握最新知识，无需重新训练大模型。（3）打造领域专家：让通用智能体转变为能够精准回答专业问题的特型智能体。工作原理：当用户向智能体提问时，系统首先将问题转化为向量表示，在知识库中检索与问题语义最相关的知识片段，然后将检索到的专业素材与用户问题一同输入大语言模型，生成兼具逻辑性与专业性的回答。这个过程可以概括为“检索→增强→生成”三步。4.简述多智能体模式相较于单智能体模式的四大优势，并分别说明其含义。答：多智能体模式相较于单智能体模式的四大优势如下：（1）更灵活的提示词配置：单智能体需将全流程逻辑整合为单一提示词，修改某一环节可能引发连锁问题；多智能体为每个子Agent匹配专属提示词，仅聚焦其核心职责，修改某一环节不影响其他环节，调试耦合度低。（2）更丰富的工具与技能：单智能体配置复杂工具逻辑容易出错；多智能体模式下每个节点可独立配置工具体系，通过“职责隔离”实现工具效能最大化，问题排查精准。（3）更复杂的功能实现：通过“任务拆解→专业分工→协同联动”的逻辑，多智能体可覆盖全流程，扩展单智能体的功能边界，解决“多环节专业性冲突”与“流程衔接复杂度”的问题。（4）更强大的上下文能力：一个智能体的输出结果可灵活地作为另一个智能体的输入内容，形成信息传递链条，确保整个系统的上下文一致性和连贯性。五、材料分析题（20分）阅读以下关于某教育科技公司利用AI智能体搭建智能辅导系统的案例材料：某教育科技公司计划推出一款面向大学生的“智能学习助手”产品。在产品设计阶段，团队首先分析了学生的核心需求：课程知识问答、学习计划制定、错题分析与讲解、学习进度跟踪。为了高效实现这些功能，团队决定采用扣子开发平台搭建一个多智能体系统。在系统架构中，团队设计了五个子Agent：知识问答Agent负责基于课程知识库回答学生问题；计划制定Agent负责根据学生的学习目标生成个性化学习计划；错题分析Agent负责分析学生上传的错题图片，生成解题思路和知识点讲解；进度跟踪Agent负责记录学生的学习数据并生成可视化报告；协调Agent负责识别学生的输入意图，将任务分发给最合适的子Agent。在知识库构建方面，团队上传了各学科的教材PDF、历年考试真题和常见问题解答，通过RAG技术让知识问答Agent能够基于这些专属资料生成精准回答。在交互体验方面，团队配置了开场白、快捷指令和语音输入功能，使学生可以通过多种方式与智能体互动。经过测试，该智能辅导系统能够覆盖学生80%以上的日常学习需求，显著提升了学习效率。请分析：（1）该智能辅导系统中，知识库的构建对知识问答Agent的性能起到了什么作用？（2）协调Agent在多智能体系统中扮演了什么角色？其配置的关键是什么？（3）如果你是该项目的产品经理，你还会为该智能辅导系统增加什么功能？请说明理由。答：（1）知识库对知识问答Agent的作用：知识库是知识问答Agent能够提供精准回答的基础。在本案例中，团队上传了各学科的教材PDF、历年考试真题和常见问题解答，通过RAG技术，使知识问答Agent能够基于这些专属资料而非大模型的通用知识生成回答。这样做的好处是：①降低“幻觉”风险——回答被“锚定”在真实的教材和真题资料上，避免模型编造错误信息；②实现知识的针对性——教材和真题都是学生实际学习中使用的内容，回答更贴合学生的真实需求；③知识可更新——当教材改版或新增内容时，只需更新知识库即可，无需重新训练模型。（2）协调Agent的角色与配置关键：协调Agent在多智能体系统中扮演“父级节点”或“调度员”的角色，负责识别学生的输入意图，判断用户的需求属于哪一类（知识问答、计划制定、错题分析还是进度跟踪），然后将任务分发给最合适的子Agent。其配置的关键是“适用场景”描述——必须为每个子Agent撰写清晰、具体、互斥的适用场景说明，让协调Agent能够准确判断用户意图并正确分发。同时，协调Agent本身应遵循“只判断，不执行”的原则，不配置具体的技能，只负责逻辑判断与任务分发。（3）建议增加的功能及理由：我会为该系统增加以下功能：①学习报告自动生成功能：基于进度跟踪Agent积累的数据，定期（每周/每月）自动生成学习报告，包含学习时长、知识点掌握