人工智能應用通識教程 課件 第九次課（自適應測評優化實驗）

第三章：

智能體應用——自適應測評優化實驗課程目標與內容回顧上次課回顧·快速問答Q:還記得我們是如何搭建“小學四年級數學自適應測評”的嗎？自適應測評的核心邏輯是什么？在Coze工作流中是如何實現的？自適應核心邏輯動態循環/動態迭代：重復“作答→判斷→難度調整”的閉環流程，直至滿足預設的測試終止條件。實現方式在Coze工作流中通過循環節點實現。??本課任務：給測評系統升級，增加知識、評分與趣味性！本次課學習目標01.專業知識集成讓AI“學習”你的專業知識，生成領域相關的題目，突破通用模型的限制。02.智能評分功能實現精確的分數計算和等級評定，提供量化的反饋結果。03.個性化建議設計根據用戶答題表現生成學習建議。Part1：參考升級一集成專業知識為什么需要集成專業知識？通用大模型的局限性通用大模型雖然知識淵博，但在特定領域的深度和準確性上可能不足，甚至會產生“幻覺”（編造知識）。這讓我們不禁思考：如何讓AI生成準確、專業的題目？解決方案給AI配備一個專業領域的“參考書”。它讓AI在回答問題或生成內容前，先從我們提供的私有知識中查找信息，確保內容的專業性和準確性。參考操作：在工作流中調用專業知識配置目的讓生成題目的“大模型”節點，在生成內容前，先從我們傳入的專業知識文檔中檢索內容，確保生成的題目內容專業、準確并符合預設的知識范圍。核心操作01.添加變量

在“出題大模型”節點中，添加一個“knowledge”輸入變量。02.優化Prompt

修改“出題大模型”節點的Prompt，明確指示它必須基于專業知識“knowledge”的內容來生成題目。Part2：參考升級二實現評分功能參考操作：使用代碼節點實現評分邏輯代碼編寫參考示例（簡易評分邏輯）#下面是在“難度提升”代碼節點中用python語言寫的參考代碼asyncdefmain(args:Args)->Output:params=args.paramslevel_num=float(params['input'])+0.5

#評分邏輯score_num=float(params['score'])+level_num*10#構建輸出對象ret:Output={"level":str(min(max(level_num,1),3)),"score":str(score_num)}returnret核心操作01.添加變量

在“難度提升”代碼節點中，添加一個“score”輸入變量，引用“循環節點”的中間變量（var_score）；添加一個輸出變量“score”02.修改代碼

制定評分邏輯并通過修改代碼去實現。Part3：參考升級三設計個性化建議功能參考操作：根據答題情況生成個性化學習建議參考操作：根據答題情況生成個性化學習建議Part4：趣味功能升級更多趣味功能拓展參考闖關功能引入關卡挑戰與智能分支對話，用戶完成答題，系統計算總分并輸出分數，根據預設的分數閾值，動態決定是“升級”還是“重練”。知識點標簽功能在生成題目的Prompt中，要求AI為每道題生成知識點標簽。反饋時附帶標簽提示，如“回答正確！本題考察了【數據結構】知識。”錯題回顧功能在判斷用戶回答錯誤的分支中，添加節點保存錯題、答案和知識點。設置“錯題回顧”觸發詞，即可快