基于Python的人工智能应用实践实训
基于 Python 的人工智能应用实践实训方案
一、实训背景与意义
实训是高等学校实践教学体系中的重要组成部分，是培养学生工程实践能力、创新能力和综合应用能力的关键环节。随着人工智能技术的快速发展，大模型与智能体技术已在教育、医疗、金融、政务等多个领域得到广泛应用，社会对具备人工智能应用开发能力的人才需求日益增长。
信息科学技术专业学生具备良好的程序设计和数据结构基础，但尚未系统学习数据挖掘、机器学习与人工智能相关课程。通过集中式人工智能应用实训，引导学生在已有编程基础上，快速掌握 Python 在数据分析、文本分析以及大模型与智能体应用中的基本方法，具有重要的教学价值和现实意义。
本次实训以“基于 Python 的人工智能应用实践”为主题，突出“应用导向、项目驱动、能力提升”，帮助学生理解人工智能技术的基本思想，掌握大模型与智能体的实际调用与设计方法，为学生就业与继续深造打下良好基础。
二、实训目标
通过本次实训，学生应达到以下目标：
能力目标
巩固 Python 编程基础，提升代码阅读与调试能力；
掌握 Python 在数据分析和文本分析中的基本方法；
理解大模型与智能体的基本概念与应用模式；
具备基于 Python 调用大模型 API、构建简单智能体的能力。
技术目标
掌握常用 Python 数据分析库与文本处理工具；
掌握大模型基本调用流程与提示词设计方法；
能够完成面向具体应用场景的人工智能应用原型设计。
综合目标
培养学生工程实践意识与团队协作能力；
提升学生分析问题、设计方案和表达汇报的能力；
为学生未来从事人工智能相关工作或继续深造奠定实践基础。
三、实验项目
项目名称：基于python的人工智能应用实践
使用技术：
（1）编程语言
- Python 3.x
（2）Python 基础与工具
Python 基础语法与函数
Jupyter Notebook / PyCharm
（3）数据分析技术
NumPy
Pandas
Matplotlib / Seaborn（可选）
（4）文本分析技术
正则表达式
中文分词与文本处理工具（如 jieba）
简单文本统计与分析方法
（5）大模型与智能体技术
大模型基本原理与应用场景介绍
Python 调用大模型 API
提示词（Prompt）设计
简单智能体架构设计与实现
四、实训开发环境
- 操作系统：
Windows 10 / Windows 11（推荐）
macOS（可选）
Linux（Ubuntu 20.04 及以上，可选）
- 开发工具：
PyCharm/Jupyter Notebook
大模型：千问，deepseek, 豆包
智能体：Coze
五、实训周期及地点
10天时间，9天需要在机房完成实训，第10天答辩
六、实训项目实施计划
| 天数 | 实训主题 | 上午主要内容 | 下午主要内容 | 产出/任务 |
|---|---|---|---|---|
| 第1天 | Python基础巩固与开发环境搭建 | - Python语法回顾（函数、类、异常、文件操作） - 安装基础开发环境（Python、pip、virtualenv） | - 安装必要库（pandas, numpy, requests, langchain等） - 配置大模型API密钥（如OpenAI或国产模型） - 熟悉Jupyter/VS Code开发环境 | 完成环境配置；运行一个“Hello LLM”测试程序，完成布置的Python训练任务 |
| 第2天 | Python数据分析实战 | - 使用pandas读取CSV/Excel数据- 数据清洗与初步探索（缺失值、重复值处理） | - 数据筛选、分组、聚合操作- 可视化基础（matplotlib/seaborn） - 案例：学生成绩分析 | 提交一份数据分析报告（含代码+图表） |
| 第3天 | Python文本分析基础 | - 文本读取与清洗（去噪、标准化） - 中文分词（jieba库使用） | - 词频统计、关键词提取- TF-IDF简单实现 - 情感倾向初探（可选，使用SnowNLP等） | 完成一段文本的词云图 + 关键词分析 |
| 第4天 | 大模型原理与Python调用 | - 大模型基本概念讲解（prompt engineering, token, temperature, top-p等） - API调用流程与安全规范 | - 实践：调用API实现问答、文本摘要、翻译- 构建“通用问答接口”函数" - 讨论成本控制与限流策略 | 编写可调用大模型的Python函数，实现输入问题→输出答案 |
| 第5天 | 智能体（Agent）概念与设计 | - 智能体（Agent）概念讲解：感知→推理→行动 - 核心组件介绍（LLM、Tool、AgentExecutor） | - 使用LangChain构建带工具调用的简单Agent - 案例实战：天气查询Agent（调用API）、计算器Agent | 实现一个带1-2个工具的简单Agent |
| 第6天 | 项目选题与需求分析 | - 教师讲解参考题目（如：医疗问答助手、古诗词创作助手、教育知识问答、校园客服等） - 学生分组（2-3人/组）- 头脑风暴与选题讨论 | - 确定项目主题与核心功能- 制定技术路线（是否用Agent？是否需本地数据？） - 初步分工 | 提交项目计划书（含题目、功能列表、分工、技术栈） |
| 第7天 | 项目开发（上） | - 数据准备（如需）：收集、清洗、结构化- 搭建项目基础框架（模块划分、API设计） | - 开发核心问答/生成逻辑- 集成大模型调用 - 初步Prompt调试 | 项目核心功能初版可运行 |
| 第8天 | 项目开发（下）与迭代 | - 实现Agent工作流（如适用） - 增加工具调用或外部数据接入 | - 优化Prompt效果- 添加简单UI（如命令行交互、Streamlit界面，可选） - 调试与修复问题 | 完成项目核心功能，可运行演示 |
| 第9天 | 项目测试、文档撰写与答辩准备 | - 功能测试与边界案例验证- 编写项目说明文档（含使用说明、技术亮点、设计思路） | - 制作答辩PPT（5-8页） - 录制演示视频 或 排练现场演示 | 提交完整项目包（代码+数据+文档+PPT） |
| 第10天 | 项目答辩与总结 | - 各小组依次进行5-8分钟项目演示与讲解 - 教师与同学提问互动 | - 教师集中点评与评分- 全体实训总结与经验分享 - 学生提交个人实训总结报告 | 完成答辩；提交实训总结报告（个人） |
参考项目选题（供学生选择或启发）
医疗健康问答助手：基于常见疾病症状，提供初步建议（非诊疗）
古诗词智能创作与赏析系统：输入主题，生成诗词并解析意象
校园生活智能客服：回答课表、考试、图书馆等常见问题
教育知识点问答系统：针对高中/大学某门课程（如高数、物理）答疑
招聘信息智能筛选助手：解析岗位描述，匹配学生简历关键词
本地知识库问答Agent：上传PDF/文档，实现“问文档”功能（使用RAG）