智能体构建与应用开发（Python+LangChain） 练习题及答案汇 项目1-8

1．选择题（1）大语言模型的英文简称是（）。BA．LLA B．LLM C．LLP D．LLN（2）以下（）不是大语言模型的功能。AA．直接操作服务器 B．内容生成 C．智能客服 D．协作助手（3）Linux服务器不具备（）功能。CA．Web服务器 B．数据库服务器 C．语言翻译 D．虚拟化与云计算（4）智能运维的英文简称为（）。DA．AIlinux B．AIcode C．AInet D．AIOps（5）大语言模型本身并不直接执行任务，而是给（）提供语言处理能力。AA．智能体 B．运维系统 C．网站 D．服务器2．填空题（1）大语言模型是一种基于______技术的模型。深度学习（2）大语言模型的应用场景几乎涵盖了各行各业，它们通过理解和生成______。自然语言（3）智能体负责执行任务，大语言模型则负责______和提供决策支持。理解语言（4）智能运维系统通过对系统数据的分析，能够智能地进行______。资源调度（5）智能体的工作原理就是通过感知环境、处理信息和______来完成任务。执行动作3．简答题（1）简述大语言模型的应用场景。大语言模型（LargeLanguageModel，LLM）是一种基于深度学习技术的模型，它通过大量的文本数据进行训练，学习语言的结构、词汇、语法和语义，从而在处理自然语言任务时表现出强大的能力。大语言模型的训练过程非常庞大和复杂，通常需要大量的计算资源和时间。训练时，模型通过不断地优化参数，使其能够准确地理解和预测文本内容。大语言模型的应用场景几乎涵盖了各行各业，它们通过理解和生成自然语言，帮助提高效率、优化服务，从日常的聊天助手到专业领域的技术支持，语言模型的应用潜力巨大，正在不断改变我们与技术互动的方式，具体应用场景如下。（1）智能客服现在很多公司都使用大语言模型来提供自动化的客服服务。通过训练大语言模型，系统能够理解客户的问题并提供相关的回答，减少了人工客服的工作量，如用户在网上购物时遇到问题，通常会遇到自动回复的机器人，它能帮助用户查询订单、退换货或解答常见问题。（2）内容生成大语言模型能根据给定的主题或关键词，自动生成文章、新闻报道、博客、广告文案等内容，如用户写一篇关于科技的新文章，或者生成社交媒体上的帖子，甚至创作短篇小说，都可以借助大语言模型。（3）翻译和语言转换大语言模型能够进行高质量的自动翻译，不仅仅是将单词从一种语言翻译到另一种语言，还能理解语言中的语法、语境和文化差异。（4）写作助手大语言模型可以帮助用户写作，包括提供写作建议、修正语法错误、提出创意点子、改进文章的结构和流畅度。（5）编程助手大语言模型能够帮助程序员写代码，解决编程问题，或者根据描述自动生成代码。这大大提高了编程效率，尤其是对于编程初学者。（6）虚拟助手和对话系统智能助手利用大语言模型来进行语音识别和处理。这些虚拟助手能够理解用户的语音命令，并根据需要提供天气预报、定闹钟、播放音乐等服务。（7）个性化推荐系统大语言模型还被用于推荐系统中，根据用户的兴趣和历史记录，提供个性化的产品、电影、书籍等推荐。（8）医学和健康管理大语言模型能够帮助医生进行疾病诊断、分析医学文献，甚至在某些健康咨询方面提供建议，如用户在健康应用中询问某种症状时，模型能根据症状提供初步的判断，并建议就医或采取的措施。（9）法律和合同分析大语言模型能够帮助律师分析合同、法律文件，快速提取关键信息，甚至提供法律建议，如律师可以使用语言模型快速查找和分析复杂的法律文献。（10）教育和学习辅导大语言模型可以作为个性化的学习辅导工具，帮助学生理解复杂的概念，提供额外的学习资源，如学习数学时，大语言模型可以帮助学生解决某个难题。（2）简述Linux服务器的应用场景。Linux服务器作为一种开源操作系统，凭借其高稳定性、强大的安全性和灵活的可定制性，广泛应用于多个领域，应用场景如下。（1）Web服务器Linux是互联网中最常用的Web服务器操作系统，搭配Nginx、Apache等Web服务器软件，可以高效地处理大量的并发请求，许多大型网站和应用都运行在Linux平台上。其稳定性和高效性能保证了网站的持续在线运行。（2）数据库服务器Linux服务器在数据库管理领域也非常受欢迎。常见的数据库管理系统，如MySQL、PostgreSQL、MongoDB等，都可以在Linux上高效运行。Linux平台提供了丰富的工具和高效的资源管理机制，适合搭建大规模、高并发的数据库服务。（3）文件服务器Linux服务器在文件存储和共享方面也有广泛应用，尤其是在企业环境中，常用于管理文件的存储和权限控制。通过Samba、NFS等协议，Linux服务器能够与Windows等操作系统的设备进行文件共享和同步，适合用于内部文件管理和备份。（4）虚拟化与云计算Linux服务器支持多种虚拟化技术（如KVM、Xen等），并且与Docker等容器技术深度集成，因此成为云计算平台的理想选择。许多云服务商，如AmazonWebServices（AWS）和GoogleCloud，都在Linux上运行虚拟机和容器，提供弹性计算服务。（5）邮件服务器Linux在电子邮件系统中有着广泛的应用，常见的邮件服务软件都能在Linux服务器上运行，提供邮件的收发、存储、过滤等功能。企业邮件系统、互联网服务提供商ISP以及开源邮件平台大多依赖Linux服务器来托管。（6）开发与测试环境Linux服务器还广泛用于软件开发和测试环境。由于Linux支持多种编程语言和开发工具，开发人员可以利用它搭建便捷的开发环境，进行应用程序的开发、编译和部署。Linux的命令行工具和脚本语言（如Bash、Python）为开发者提供了强大的自动化能力。（7）网络安全与防火墙Linux服务器因其强大的安全性和灵活的配置能力，广泛应用于构建防火墙、VPN、IDS入侵检测等安全系统。Linux支持多种安全管理工具，管理员可以通过iptables等工具配置防火墙规则，增强网络安全性。1．选择题（1）在Coze平台上创建智能体时，不能够使用的是（）。DA．提示词 B．插件C．网络D．知识库（2）在设置智能体的提示词时，不包含（）。DA．角色 B．目标C．技能D．存储（3）变量的特点不包括（）。BA．有名字 B．不能变化C．可以修改D．存储不同类型数据（4）知识库的文本格式不包括（）。AA．CSV B．PDF C．MDD．在线网页（5）发布智能体为API接口的作用不包括（）。DA．集成扩展 B．跨平台访问 C．远程访问D．弹性伸缩2．填空题（1）Coze是由_______推出的新一代AI智能体开发平台。字节跳动（2）在创建智能体时，_______是构建有效对话系统和智能助手的关键步骤。提示词（3）智能体_______是扩展智能体功能的一种工具或模块，它通过与外部系统或服务的集成，提升智能体的能力和灵活性。插件（4）_______不仅仅是任务的简单串联，它支持通过可视化的方式，将插件、大语言模型、代码块等不同功能进行组合，完成一些更复杂的任务。工作流。（5）_______是经过人工审核和管理的信息源，通常包含经过验证、可靠和准确的资料。知识库3．简答题（1）简述Coze智能体平台的核心功能。Coze是由背景字节跳动科技有限公司推出的新一代AI智能体开发平台，旨在为用户提供高效、低门槛的对话型AI构建方案。该平台基于大语言模型（LLM）技术，结合低代码开发模式，使开发者、企业用户甚至非技术人员都能快速创建功能丰富的智能对话机器人。无论是个人兴趣项目还是企业级应用，Coze均能提供灵活的解决方案，核心功能如下。（1）角色定义用户可使用自然语言清晰设定AI的角色，如“一位经验丰富的IT工程师”或“热情活泼的客服专员”，从而赋予其特定的专业知识、性格特质和对话风格。这使智能体能以更贴切、一致的形象与用户进行沉浸式互动。（2）内置插件平台集成了多种即插即用的官方插件，如联网搜索、天气查询、计算器等，无需额外开发即可快速扩展功能。这些插件能实时获取外部信息或执行具体任务，极大地增强了智能体处理动态和复杂问题的能力。（3）知识库增强用户可将私有的PDF、Word等格式文档上传至平台，构建专属知识库。智能体通过深度学习这些材料，能够掌握特定领域的专业知识，从而在回答相关问题时提供更准确、更权威的信息，突破通用模型的知识局限。（4）多模态交互平台不仅支持文本对话，部分高级模型还具备图像识别与生成能力。这意味着用户可以直接上传图片进行分析，或根据文字描述生成视觉内容，极大地拓展了在内容创作、智能客服等场景的应用潜力。（5）自定义API开发者可将企业内部的私有API（如订单系统、CRM数据库接口）便捷接入平台。通过配置API参数，智能体便能调用这些服务，实现查询业务数据、触发内部流程等深度个性化的企业级功能。（6）社交平台发布构建完成的智能体可以一键发布至微信、飞书等主流社交与协作平台，大大简化了部署流程，使得AI服务能够零门槛地触达海量用户，无缝融入用户的日常沟通环境之中。（2）简述Skills技能和插件、工作流的区别。（1）Skills技能与插件的区别插件是Coze平台中工具级的能力集合，主要提供与外部系统交互的接口能力，比如联网搜索、图像生成、数据库查询等，它像是一个个功能明确的工具，弥补大模型无法直接触达现实数据的缺陷。而Skills技能则是封装了完整工作方法和专业经验的专家系统，它不只是调用某个外部工具，而是把如何完成一项专业任务的整套方法论打包起来。典型的类比是：插件可以帮用户搜索新闻，而一个“新闻热点分析”技能则会自动完成“搜索新闻→按维度整理报告→深入分析”的完整流程。（2）Skills技能与工作流的区别工作流是通过可视化节点串联多步骤任务的流程引擎，允许用户将大模型、插件、代码块等组件组合起来，实现复杂业务流程的自动化编排，强调的是任务的执行路径和逻辑控制。Skills技能则是把某个领域的最佳实践、专业知识和工作流程打包成一个可复用的经验包，让通用AI变成领域专家。工作流是“怎么做”的具体执行蓝图，而Skills是“做什么”的专家知识包。工作流更关注执行效率与稳定性，Skills更关注经验复用与知识传承。典型的类比是：工作流就像一份菜谱，详细列出了“怎么做”，确保每个人按照步骤都能做出一道菜，关注的是执行的标准化和可重复性。而Skills则像一位经验丰富的私房菜师傅，他知道“为什么这么做”，他脑子里装的是对食材的理解、火候的把握和临场应变的经验。菜谱能让你能做出来，私房菜师傅让你能做更好。1．选择题（1）LangChain是一个大语言模型应用开发的开源框架，基于（）。DA．C语言 B．JAVA语言C．GO语言D．Python语言（2）LangChain是大语言模型（）的开发框架。CA．表现层 B．核心层C．应用层D．底层（3）LangChain核心的组件，不包括（）。BA．提示词 B．关系数据库C．链D．智能体（4）LangChain的ModelIO模块不包括（）。AA．记忆 B．模型接口 C．提示词模板D．输出解析器（5）提示词角色不包括（）。DA．系统提示词 B．用户提示词 C．助手提示词D．会话提示词2．填空题（1）基础问题链是LangChain中的一种核心构建模式，它以_______为核心。管道符(|）（2）_______是顺序链的智能化扩展与关键进化，它引入了决策节点。路由链提示词（3）LangChain的核心价值在于实现了AI智能应用的_______开发。工程化（4）大语言模型接口提供统一的_______，支持OpenAI、Anthropic等多种模型源。API层（5）当语言模型返回一个包含自然语言文本的复杂消息对象时，JsonOutputParser（JSON输出解析器）能够能识别并解析其中符合_______的内容。JSON格式3．简答题（1）简述LangChain架构的设计思想。LangChain1.0版本之后官方采用了新的标准架构，体现出模块化、标准化接口、链式编排、分层设计等思想，具体如下。（1）整体架构与包结构LangChain在1.0版本之后，采用了高度模块化架构，将框架拆分为三个核心包，包括langchain-core核心抽象层、langchain主集成包、langchain-community第三方集成包。这种设计确保了核心的稳定性与社区的扩展性。（2）核心抽象层（langchain-core）该层定义了所有基础接口，其中最核心的是Runnable接口，Runnable是一个核心协议（接口），任何实现了这个协议的类都遵循统一的设计规范：具备标准化的调用方法（.invoke()、.stream()、.batch()和.ainvoke()等），都可以通过管道符|与其他实现了相同协议的组件无缝连接组合。该层它还定义了BaseMessage（消息格式）和Document（文档容器）等基础类。（3）LCEL（LangChainExpressionLanguage）LCEL是LangChain1.0版本后引入的声明式组合语言。它允许开发者使用管道符

（|），

像搭积木一样连接各种AI组件（模型、提示、检索器等）。通过统一的

Runnable

接口，LCEL让复杂的AI应用链变得简洁可读，并原生支持流式输出、并行处理、错误重试等高级功能，大幅提升了开发效率。（4）模型层组件模型层是LangChain的核心引擎，负责与各种AI模型进行交互。它封装了ChatModels（对话模型）、文本补全模型（LLMs）和嵌入模型（Embeddings）的标准调用接口，让开发者无需关注底层API差异，就能统一调用不同供应商的AI能力，ChatModels是新版推荐的主要交互方式。（5）提示与模板系统提示词模板是LangChain的标准文本构造器，它将变量占位符和指令封装成可复用的结构化模板，通过简单的变量替换就能动态生成精准的模型输入，显著提升了提示工程的可维护性和一致性，ChatPromptTemplate是核心提示模板，支持多个角色构建对话，所有提示模板都实现了Runnable，可直接通过LCEL与模型组合。（6）输出解析器输出解析器负责将模型原始输出转换为结构化数据，如StrOutputParser（字符串）、JsonOutputParser、PydanticOutputParser，实现安全的输出处理。（7）记忆模块记忆模块的核心是存储对话历史，BaseChatMessageHistory定义了标准接口，而InMemoryChatMessageHistory是其最简单的实现，它将对话记录存储在内存的列表中，适用于开发测试和短期会话场景。对于生产环境，LangChain还提供了基于数据库（如PostgresChatMessageHistory）、Redis（RedisChatMessageHistory）等持久化存储的实现。（8）工具与智能体框架工具通过@tool装饰器创建，智能体使用新的创建函数（如create_react_agent、create_tool_calling_agent）。传统字符串代理类型已简化，推荐使用支持函数调用的模型构建智能体。（9）检索器检索器是LangChain中专门负责从知识库中查找相关文档的智能搜索组件，它接收用户查询并返回最相关的文档列表。（2）简述ModelIO模块的功能与组件构成。LangChainModelIO模块是框架与语言模型交互的核心枢纽，它不仅承担着连接不同模型的技术桥梁作用，更是实现应用层业务逻辑与底层AI能力解耦的关键设计。该模块的核心价值在于建立了一套完整的"输入-处理-输出"标准化工作流，使开发者能够以统一的方式处理多样化的AI模型交互需求。（1）大语言模型接口大语言模型接口提供统一的API层，支持OpenAI、Anthropic、本地部署等多种模型源。该组件通过适配器模式封装了各模型的差异，实现了多模型的无缝切换。开发者无需关心底层通信协议，即可通过标准化方法调用文本生成、对话补全等功能，降低了集成复杂度。（2）提示词模板提示词模板实现动态指令构建机制，它采用变量插值、模板继承等技术，将业务逻辑与提示内容分离，该组件支持示例集成、多轮对话格式化、角色设定等高级功能，能根据上下文动态构建专业级交互指令，确保智能体响应的准确性和一致性。（3）输出解析器输出解析器通过预定义模式（如JSONSchema、Pydantic模型）对模型返回的非结构化文本进行解析、验证和格式化。该组件支持错误回退、多格式转换等特性，能够直接输出Python对象或数据库就绪数据，显著提升下游业务系统的集成效率。1．选择题（1）InMemoryChatMessageHistory作为基础记忆组件，其数据存储在（）。DA．本地文件中B．关系型数据库中C．远程服务器中D．程序运行内存中（2）以下关于Token的描述，错误的是（）。AA．所有模型对同一文本的Token划分方式完全相同B．Token是大语言模型处理文本的最小语义单元C．中文文本中一个汉字通常对应一个TokenD．Token数量直接影响API调用成本和响应速度（3）Message类在LangChain中的作用不包括（）。CA．区分消息来源角色（用户/AI/系统）B．存储会话的元数据和多模态内容C．直接执行模型推理计算D．支持工具调用和复杂交互（4）以下场景中，最适合使用InMemoryChatMessageHistory的是（）。CA．生产环境的多用户客服系统B．需要长期记忆的个性化教育应用C．开发测试阶段的会话原型验证D．跨设备同步的智能助手服务（5）使用RunnableWithMessageHistory构建带记忆的会话链时，用于在提示模板中插入历史会话的组件是（）。BA．ChatPromptTemplateB．MessagesPlaceholderC．FileChatMessageHistoryD．SQLChatMessageHistory2．填空题（1）_______是指在一个连续会话过程中，所有先前交换的信息集合。会话上下文（2）每个大语言模型都有固定的上下文_______大小。窗口（3）InMemoryChatMessageHistory是LangChain框架中最基础的_______会话历史存储器。内存（4）FileChatMessageHistory是一个专门用于将聊天会话历史存储到_______中的类。文件（5）SQLChatMessageHistory是一个专门用于将聊天会话历史存储到_______中的类。数据库3．简答题（1）简述记忆会话上下文的必要性。会话上下文是指在一个连续会话过程中，所有先前交换的信息集合。大语言模型本身不具备跨会话的上下文持久化记忆能力，当AI系统缺乏会话记忆时，会产生以下三大核心问题。（1）信息断层现象用户每次提问都需要重新提供背景信息，形成“失忆式会话”模式。在实际应用中，用户需要反复陈述相同信息，例如在客服场景中，用户每次联系都需要重新描述订单号、问题细节和沟通历史，导致沟通成本呈指数级增长。（2）指代理解失效自然语言中高达30%的内容依赖上下文指代（如代词“它”、“这个”、省略主语等）。没有记忆的AI无法解析“比之前说的那个便宜吗？”这类依赖上文的问题，必须要求用户完整重复所有相关信息，破坏会话流畅性。（3）交互体验割裂每次会话都像是与陌生人的初次交流，无法建立连续性关系。在教育、医疗、咨询等深度服务场景中，这种割裂感会严重降低用户信任度和服务有效性。因此，记忆会话上下文是实现智能对话系统的技术基石：在用户体验层面，记忆消除了重复沟通成本，使会话自然流畅；在功能层面，记忆支持复杂任务的分解与延续；在商业层面，记忆赋能个性化服务与长期关系维护，是构建差异化竞争力的核心。（2）简述LangChain常用的会话持久化存储方案。在LangChain中，常用的会话持久化方案包括以下4种，本任务重点介绍文件存储和关系型数据库存储。（1）文件系统存储文件系统存储是最简单直接的持久化方案，通常将会话记忆以JSON、TXT或YAML格式保存在本地文件中。这种方案实现简单，便于开发和调试，开发者可以直接查看和修改文件内容。但由于文件系统的读写效率有限，且难以支持多进程或多服务器的并发访问，因此主要适用于单机部署、用户量较小的应用场景或开发测试阶段，不适合高并发的生产环境。（2）关系型数据库存储关系型数据库存储采用MySQL、PostgreSQL或SQLite等数据库系统，将记忆数据以结构化的表形式存储。这种方案支持复杂的查询操作、事务管理和数据一致性保证，能够高效处理多用户并发访问。通过数据库索引可以快速检索特定用户的会话历史，适合用户量大、需要严格数据管理的生产环境，但需要额外的数据库维护和优化工作。（3）非关系型数据库存储非关系型数据库存储使用MongoDB、Redis等系统，以文档或键值对形式存储记忆数据。MongoDB适合存储结构灵活、嵌套层次深的会话数据；Redis作为内存数据库，提供极快的读写速度，适合作为短期记忆缓存。这种方案具有较好的扩展性和灵活性，特别适合会话结构多变、需要快速迭代的应用场景，但在数据一致性方面需要额外设计。（4）向量数据库存储向量数据库存储采用Pinecone、Chroma、Weaviate等系统，将会话内容转换为向量嵌入进行存储和检索。这种方案的最大优势是支持基于语义相似度的智能检索，能够从大量历史会话中精准找到与当前查询最相关的上下文片段。特别适合需要从长期记忆中进行语义搜索和关联回想的复杂应用，但需要额外的向量化处理和相似度计算资源。1．选择题（1）在智能体集成MCP客户端时，客户端需要完成的第一个核心任务是（）。CA.查询可用工具列表B.调用工具并处理结果C.建立连接并初始化协议D.封装工具函数2.MCP协议采用的核心工作模式是（）。BA.发布-订阅模式B.客户端-服务器模式C.对等网络模式D.主从复制模式3.使用@tool装饰器定义工具函数时，装饰器参数表示（）。BA.本地函数的调用名称B.服务器端注册的工具名称C.智能体内部使用的别名D.用户可见的工具描述4.使用@tool("maps_weather")装饰器创建工具函数时，该装饰器的作用不包括（）。BA.将普通函数标记为智能体可识别的工具B.自动实现与MCP服务器的网络连接C.为工具提供元数据（名称、描述等）D.将工具注册到LangChain框架中5.在MCP架构中，负责将原始API能力封装成标准化工具的组件是（）。CA.MCP主机B.MCP客户端C.MCP服务器D.远程资源2．填空题（1）MCP协议的全称是_______协议。模型上下文协议（2）智能体通过集成_______访问MCP服务器，调用服务器端提供的工具能力。MCP客户端（3）创建智能体时，通过_______参数将工具列表注入到智能体中。Tools（4）在智能体构建阶段，通过_______参数定义智能体的专业领域和行为约束。系统提示词（5）MCP协议旨在为大语言模型提供统一的_______，使其能够动态调用工具和获取实时数据。外部资源访问接口3．简答题（1）简述广义智能体和狭义智能体的概念区别。（1）广义智能体广义智能体是一个完整的端到端AI代理系统，它包含三个核心组成部分：作为“大脑”的大语言模型（提供理解、规划和生成能力）、作为“神经系统”的智能体框架（提供协调和流程控制）以及作为“手脚”的专业工具集（提供具体功能执行）。与只能进行基础对话的AI不同，广义智能体将这三者深度融合，形成能独立理解复杂意图、规划多步任务并驱动工具完成实际工作的自主系统。从用户视角看，它是一个能像专家一样主动解决问题的“智能代理”。（2）狭义智能体狭义智能体特指AI架构中的协调与执行框架层，它不包含大语言模型的认知能力，也不包含具体工具的实现，而是一个纯粹的“工作流引擎”。其核心组成包含状态管理机制、循环控制逻辑、工具调度接口和消息路由模块。狭义智能体本身不具备理解、规划或生成能力，它如同一个精密的“调度系统”，负责将外部大模型的智能决策转化为具体的工具调用序列，是实现AI自主行动的关键中间件。（2）简述MCP架构的核心组件。MCP采用“客户端-服务器”模式进行工作，包括以下5个部分组成。（1）MCP主机（MCPHost)可以将MCP主机理解成智能应用程序，它是整个MCP生态的运行基地，负责启动和管理MCP客户端，但不直接参与协议通信，常见的智能应用如Cursor、自定义的AI应用程序。（2）MCP客户端（MCPClients）MCP客户端是MCP协议通信的标准化模块，核心职责包括与MCP服务器建立标准化连接、向智能应用转述服务器提供的工具列表、转发调用请求并返回标准化结果。（3）MCP服务器（MCPServers）MCP服务器是封装特定功能的服务进程，可以运行在本地或远程，功能是将原始API能力封装成AI可安全、方便、可靠使用的标准化工具，实现AI与真实世界能力之间的智能适配。每个服务器将自己的一项或多项能力（如文件操作、数据库查询、API调用）包装成标准化工具，提供给MCP客户端。（4）本地资源（LocalResources）服务器可直接访问的本地数据，指MCP服务器所在机器上的可操作对象，如文件系统中的目录和文件、本地运行的数据库等。（5）远程资源（RemoteResources）通过网络访问的外部数据，指MCP服务器通过API或网络协议访问的远程服务，如第三方WebAPI（天气、股票、地图）、云端数据库等。各个组件之间的调用关系如图5-8所示。1．选择题（1）以下哪种文档切分策略会在相邻文本块之间保留部分重叠内容（）DA.固定长度切分B.按句子切分C.按结构切分D.重叠切分（2）文档向量化的核心作用是将非结构化文本转换为以下哪种形式（）BA.字符串数组B.数学向量C.XML格式D.JSON对象（3）在持久化存储向量数据时，FAISS向量数据库通常采用以下哪种文件架构（）BA.单文件存储所有数据B.索引与元数据分离的双文件架构C.每个向量独立存储为单独文件D.数据库目录结构（4）在RAG系统中，当用户查询“怎么配置yum源”时，系统通过什么技术找到相关文档（）CA.精确关键词匹配B.正则表达式搜索C.向量相似度计算D.数据库SQL查询（5）FAISS向量数据库加载时需要传递什么关键参数（）AA.数据库路径和嵌入模型实例B.数据库密码和用户名C.服务器地址和端口号D.API密钥和数据库名称2．填空题（1）按句子切分文档时，通常以________等标点符号作为分割边界。（句号、问号、感叹号）（2）BAAI/bge-large-zh-v1.5模型专门针对________文本进行了训练优化（中文）（3）在文档预处理阶段，需要使用LangChain的________类来封装文本内容。Document（4）FAISS的save_local()方法将向量数据库________到本地文件系统中。持久化（5）向量数据持久化最常用的方法是________。文件系统存储3．简答题（1）简述文档切分的不同策略及其适用场景。（1）固定长度切分固定长度切分是最简单直接的文档分割策略，它将文档按照预设的字符数或token数进行等长切割。这种方法不考虑语义边界，只关注文本长度，如同将一条长绳按固定尺寸裁剪成段。其最大优势在于实现简单、处理速度快，且能精确控制每个文本块的大小，便于后续的统一处理。这种策略特别适用于需要标准化输入的场景，如批量文档处理、长文本摘要生成等，其中文本格式相对统一且对处理效率有较高要求。它的局限性也很明显——可能将完整的句子或语义单元从中切断，破坏内容的连贯性，因此不适合对语义完整性要求较高的应用，如复杂的问答系统或深度的文档理解。（2）按句子切分按句子切分是基于语法规则的文档分割策略，它将文档按照句子结束标志（如句号、问号、感叹号等）进行分割。这种方法充分尊重语言的自然边界，如同按逗号和句点朗读文章时的自然停顿。其核心优势在于保持每个文本块在语法和语义上的完整性，确保切分后的内容仍然是通顺、可理解的完整句子。（3）按结构切分按结构切分依据文档的固有组织形式进行分割，例如按章节、按段落、按列表项或按特定的格式标记（如标题、子标题）。这种方法尊重文档的原始布局，将每个结构单元视为一个独立的知识模块。它假设文档的作者已通过格式传达了内容的组织逻辑。该策略在处理高度结构化的文档时效果最佳，如法律合同（按条款）、产品说明书（按功能模块）、书籍（按章节）或API文档（按函数说明）。它简单有效，能最大程度保留文档的逻辑层次。然而，其效果高度依赖于源文档的质量和格式一致性，对于非结构化或格式混乱的文本，可能需要先进行清洗和规范化处理。（4）重叠切分重叠切分是在固定长度切分基础上的重要改进。它在分割时让相邻的文本块保留一部分重叠内容，通常重叠比例在10%到20%之间。这种方法如同制作瓦片屋顶，每一片瓦都与相邻瓦片部分重叠，确保没有缝隙。重叠区域的存在，为后续处理提供了关键的上下文信息。这一策略尤其适用于对上下文依赖性强的场景，例如问答系统、对话历史分析和长文档阅读理解。当一个问题或概念恰好出现在两个文本块的边界时，重叠部分能确保相关信息不被完全割裂。在处理技术文档、学术论文等边界模糊、内容连贯性要求高的材料时，重叠切分能显著提升检索和理解效果。设计时需要仔细调整重叠比例，以在信息冗余和语义完整之间取得平衡。（5）按语义/主题切分按语义或主题切分是更为智能的分割方式，它通过分析文本的内容结构，在主题转换或语义变化的边界处进行分割。这种方法不是基于简单的标点符号，而是理解文本的内在逻辑，如段落主旨的转变、讨论话题的切换或论证层次的递进。其核心目标是确保每个文本块在语义上相对完整和独立。这种策略非常适合处理结构清晰、逻辑分明的文档，如技术报告、学术论文、产品手册等。它能够保持每个文本块的语义连贯性，使生成的向量表示更加准确，从而提升语义检索的精度。实现该策略通常需要借助更先进的自然语言处理技术，如主题模型、文本分割算法或预训练的语言模型，来识别文档中的语义边界。（2）简述FAISS向量数据库的存储机制。FAISS是开源的向量数据库，专注于高维向量的高效相似性搜索和聚类。它提供了GPU加速支持，能够处理十亿级别的向量数据，广泛应用于推荐系统、图像检索和自然语言处理等领域，适合大多数中小项目。（1）双文件架构设计FAISS采用索引与元数据分离的双文件架构，通过物理隔离实现逻辑协同。索引文件（通常为.faiss或.index扩展名）存储经量化和编码的向量数据及检索结构。元数据文件（通常为.pkl扩展名）以Python序列化格式存储向量ID到原始文档的映射关系和上下文信息。这种架构将计算密集的向量检索与灵活的元数据管理解耦，保证了检索性能。（2）序列化与持久化机制FAISS的持久化基于对象序列化接口实现，核心是faiss.write_index()和faiss.read_index()函数对。序列化过程将内存中的索引对象（包括向量数据、聚类中心、量化器参数、索引结构等）转换为平台无关的字节流。FAISS仅序列化索引结构本身，原始训练数据不直接保存，而是通过量化编码后的表示实现数据重建。这种设计显著减少了存储空间占用，但要求加载时必须使用与训练时相同的嵌入维度配置。（3）高效加载与内存映射FAISS支持内存映射加载模式，这种机制具有三重优势：一是减少初始内存占用，仅在实际访问数据页时才触发物理内存分配；二是支持多进程共享同一索引文件，避免数据重复加载；三是允许处理超过物理内存容量的大型索引文件，通过分块映射实现超大规模数据检索。（4）增量更新策略虽然FAISS原生不支持在线更新，但可通过索引合并技术实现增量存储管理，典型策略包括定期全量重建、基于新旧索引的合并操作。生产环境中常采用时间分区策略，按时间窗口维护多个子索引，通过查询聚合层合并结果，平衡了存储效率与更新灵活性。1．选择题（1）将LangChain应用从本地脚本改造为Web服务的主要意义在于（）DA.提高代码运行速度B.降低开发难度C.减少代码编写量D.突破单用户限制，实现服务化交付（2）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（）CA.TCP连接B.WebSocketC.FetchAPID.数据库直连（3）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（）CA.减少文档占用的存储空间B.提高文档上传速度C.保持上下文连贯性，避免关键信息断裂D.增加文档片段的多样性（4）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（）BA.提高问题显示速度B.筛选出与问题相关的文档内容C.减少用户输入的字数D.美化问答界面（5）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（）AA.实现跨会话的上下文记忆B.提高模型回答速度C.减少内存占用D.便于前端显示2．填空题（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。static（2）Flask框架通过______机制将URL路径与处理函数建立映射关系，实现请求的分发与处理。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______。文档分割（4）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。智能体（5）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________。个性化学习计划生成3．简答题（1）简述将LangChain应用从本地脚本到Web项目服务化改造的工程意义。将LangChain从本地单机脚本升级为Web服务，可以突破单用户限制，推动系统从临时进程向持久化、有状态的产品化形态转化。（1）能力交付方式的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。（2）并发处理能力的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。（3）系统架构的质变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。（2）简述Web服务层与业务逻辑层的关系。Web服务层与业务逻辑层是Web应用开发中两种基本的职责单元。Web服务层面向外部请求，关注如何与浏览器、客户端进行通信；业务逻辑层面向内部能力，关注做什么和怎么做。两层之间通过函数调用建立连接，各自独立演进又协同工作。（1）Web服务层核心职责Web服务层的核心职责是接收请求、转发参数、返回响应。它负责理解HTTP协议、解析路由、提取用户输入、处理跨域问题，并将清洗后的参数传递给业务逻辑层。它只关心用户想要什么，而不关心这个需求如何实现。在本项目中，app.py中的所有路由函数均属于此层。（2）业务逻辑层核心职责业务逻辑层的核心职责是封装算法、实现功能、维护状态。它负责文档如何切分、检索如何执行、记忆如何存储、计划如何生成、工具如何调用。它只关心能力如何构建，而不关心请求从何处来。在本项目中，utils/目录下的所有模块均属于此层。（3）分层的本质两层架构的根本价值在于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。一方变化，另一方不受牵连，系统整体保持稳定。（4）可复用性当业务逻辑从Web框架中剥离后，便获得了脱离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；当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，显著提升代码复用率和研发效率。（1）关于开发环境与生产环境的区别，下列说法正确的是（）BA.开发环境需要7×24小时持续运行B.生产环境必须关闭调试模式，防止敏感信息泄露C.生产环境可以监听仅供本地访问D.开发环境对数据安全要求比生产环境更高（2）在生产环境中，为了让应用能够接受外部访问，必须让应用监听以下哪个IP地址（）CA.B.localhostC.D.（3）关于Linux服务器操作系统的描述，下列说法错误