AI智能体实训室怎么建设？

定义：智能体实训室到底在建什么

在高校语境里，AI智能体实训室不是一间放满加速卡的机房，也不是一个全校共用的聊天入口。它是一套可上课、可练习、可评价、可运维的实践教学系统：学生能在受控环境里完成从数据准备、知识库构建、模型调用、工具接入、工作流编排到评测部署的完整项目；教师能发布任务、查看过程并复核结果；管理人员能重置环境、分配配额、审计账号并更新课程版本。

因此，建设对象至少包括五类能力。能教，指有按专业和年级递进的课程、项目库、实验指导书和教师示范，而不是只发一套软件账号。能练，指学生拥有可登录、可重置、可提交的开发环境，能真实调用模型、检索和工具，而不是看演示录像。能评，指过程日志、代码或配置、评测集、引用核对和安全测试都能对照量规打分。能管，指账号、配额、镜像、队列、成本和故障有责任人。能更新，指模型、许可证、课程案例和评测集可以按学期替换，并保留历史版本。

它不是什么

• 它不是把公开网页聊天框嵌进校园网就完成实训。
• 它不是所有院系各自下载权重、各自开放端口、互不记账。
• 它不是只要学生能生成一段对话，就可以省略数据授权、引用核验和安全隔离。
• 它不是一次采购后永远不用更新模型、课程包、评测集和回退版本。
• 它不是用自动评分替代教师确认，也不是用界面演示替代可复现报告。

与“一间实训室”并列的常见误解还有两类。一类是把校级共享推理当成全部：通识课可以提问，但学生无法创建环境、无法提交评测、无法留下作品档案。另一类是把科研微调集群直接借给上课：训练任务长时间占卡，课程高峰互相拖垮，未审核语料还可能混入教学知识库。正确做法是同一底座、分类调度：通识推理、开发实训、评测和微调分开列表，而不是共用一个无法隔离的进程。

为什么不能只买卡再补课

学校推进智能体实践教学时，真正卡住开课的往往不是“有没有服务器”，而是五类同时出现的教学问题。

第一，能力目标被设备清单替代。招标书写了品牌、显存或固定加速卡数量，却写不清一年级、二年级和毕业设计分别要提交什么。没有可观察的学习成果，到货后只能验收通电和登录，无法验收“学生能独立完成完整项目”。

第二，环境不能按课重置。学生自带电脑、各自安装依赖，或多人挤在同一共享账号里。一次课结束后残留密钥、个人语料和下载权重，下一班无法干净开始。能练的前提是模板环境可发放、可回收、可重置，而不是“能连上就行”。

第三，课程与工具链脱节。教师拿到模型接口后，仍缺少限定领域语料、切分规则、检索评测和拒答练习。学生只会调用封装聊天框，不会解释数据从哪来、检索为何失败、引用能否回到原文。RAG 与智能体项目必须走完整链路，方法见 RAG智能体实训怎么设计。

第四，评价只看最终演示。没有过程日志，就无法判断是本人完成、组员代做还是直接粘贴外部结果；没有安全测试，就越权提问和过期文档也会被当成成功。评价应同时覆盖过程与成果，细则见 智能体实训如何评价学生成果。

第五，责任悬空。信息化可以管集群和账号，但不能代替开课院系审核项目难度，也不能代替教务确认成绩规则。没有教师培训和运维升级方案，第一学期勉强开课，第二学期模型过期、镜像损坏、助教流失，实训室重新变成机房。

因此，立项应先回答：这个专业和年级的学生下课要能独立完成什么；通识推理、开发环境和评测微调如何隔离；过程数据归谁看、作品档案留多久；模型、语料和账号的密级如何执行。四个问题清楚后，再决定本地、校级共享还是弹性算力，而不是先买卡再找课。算力测算方法见 大模型实训平台需要什么算力，不要用单一卡数代替课程条件。

实践中还常见三类偏差，值得在立项会上提前排除。一是把“智能体实训”写成政治正确，却把未分级的学生作业、教师未发表讲义和科研过程数据一并送进共享向量库。二是院系先开放未审计的模型端口，校级平台后补身份和日志，形成无法回收的影子服务。三是通识提问、毕业设计微调和评测脚本抢同一推理进程，学期答辩或评教周互相拖垮。纠正这些偏差不需要先扩容，需要先补能力目标、环境模板、评测量规和隔离策略。

五步路径：从能力目标到成果评价

第一步：按专业和年级设计实训能力目标

建议至少分成“会使用—会构建—会评测—会部署—会负责”五级，每一级对应可提交的代码或配置、数据说明、测试结果和反思记录。一年级通识侧重正确使用、信息披露和常见风险；二年级加入检索增强、知识核验和可视化编排；高年级按专业完成小型智能体或工作流，并解释安全边界。不要要求全体学生第一周就做微调。

第二步：规划算力、模型、开发环境和资源调度

把“同时在线人数”改写成可测条件：使用什么模型、输入输出长度、是否检索和工具调用、环境能否重置、单人配额用尽后如何排队。通识推理、开发实训、评测和微调分开列表。输出应是“课程—任务类型—测试方法—最小可上课配置—扩容触发条件”对照表，而不是预先锁死一种卡型。

第三步：配置数据处理、RAG、智能体开发和评测工具链

最小工具链应覆盖：语料授权与切分、向量或检索索引、提示词与工作流编排、工具调用、测试集管理、引用核对和拒答。学生结束一门 RAG 或智能体课，应能提交语料卡、评测集、带引用的样例和失败案例，而不是只交一张界面截图。

第四步：建设递进课程、项目任务和教师示范

先冻结一门可评价试点课，写清学时、前置、提交物和量规，再复制到下一门。教师必须先完成示范项目和评分校准，才能全面开课。课程包、项目库和实验指导书是交付物，网盘课件不是。

第五步：完成安全隔离、过程记录和成果评价

按课程或班级隔离工作区与语料；高密级原文不得进入通识库。过程日志记录模型版本、检索片段、工具调用和操作者。成果评价同时看功能完成、过程、引用、安全和文档。成绩可申诉，争议以原始日志和教师复核为准。

比较：只买卡，还是能教能练能评能管

下表用于立项讨论，不构成唯一合法或唯一经济方案。具体学校还需对照网络安全、教育数据分类分级、生成式人工智能管理和校内实验教学制度。

选择时不要把“本地有卡”理解成天然完成实训，也不要把“用了云调用”理解成必然不合格。教学效果取决于能力目标、工具链、过程证据和隔离，而不是机柜位置本身。一所学校可以通识课用共享推理、开发课用可重置容器、微调用隔离队列，但三类流量应汇入同一身份、配额和日志体系。

建设步骤：输入、角色、动作与输出

下列步骤按时间顺序排列。每一步都写出输入、责任角色、动作和输出，便于写入项目计划和验收清单。角色名称可按学校处室调整，但不能出现“只有厂商、没有校内主责”。

1. 立项与能力目标冻结

动作：从候选课程中选出一门可评价试点，写清用户角色、禁止事项、提交物和是否允许出域。输出：能力目标说明书、责任矩阵、“暂缓课程”清单和试点班范围。

2. 算力、模型与开发环境规划

动作：为通识推理、开发实训、评测和微调分别落一档资源，并指定默认可替换的推理后端。输出：课程—算力对照表、环境模板清单、配额策略和扩容触发条件。测算细节指向 大模型实训平台需要什么算力，采购文件不要只写固定卡数。

3. 工具链、语料与课程资产配置

动作：区分教学语料、学生个人工作和生产知识；成绩、学籍、未发表成果不得进入通识检索。输出：课程包、项目库、实验指导书、语料卡模板和评测集初稿。RAG 课的完整设计见 RAG智能体实训怎么设计。

4. 教师示范、试运行与评分校准

动作：用真实上课人数跑通发布、练习、提交、重置和失败恢复；教师对照量规试评若干份作品并校准分歧。输出：试运行记录、缺陷单、校准后的量规和是否扩大开课的决定。

5. 安全隔离、过程档案与成果评价落地

动作：固化过程日志规范、作品档案目录、安全否决条款和学期升级窗口。输出：可归档的过程数据与作品档案、运维值班说明、教师培训记录和下一学期更新清单。评价方法见 智能体实训如何评价学生成果。

如果某一步缺少输出物，不要进入下一步采购或扩大开课范围。尤其是没有能力目标就买卡、没有评测量规就宣布实训室建成、没有重置演练就安排整年级上课，都会在学期中途暴露。

五项能力：能教、能练、能评、能管、能更新

把建设方案写成这五项，比写成一张硬件清单更容易验收。每一项都应能指出系统功能、教学制度和责任人，而不是只指向机房位置。

能教：课程包、项目库和教师示范

能教的最小集合是：分层大纲、可发布的项目任务、实验指导书、样例输入输出和教师示范录像或可运行范例。示范不是表演一次聊天，而是教师当众走完授权说明、失败检索、拒答和复盘。没有示范课，助教无法带实验，评分也无法校准。课程资产应按学期版本管理，避免每人一份网盘拷贝。

能练：可重置环境与完整项目闭环

能练的关键变量是同时上课人数、环境能否重置、是否允许自定义依赖、单人配额用尽后如何排队。学生应能在约定时间内完成一个端到端项目：准备或选择语料、构建检索或工具、编排智能体、跑评测、写限制说明。验收应观察整班是否可完成，而不是只看空载时延。个人密钥、临时权重和课程语料要分目录存放，下课可回收。

能评：过程与成果同时打分

量规建议至少包含功能完成、过程日志、引用正确、安全边界和文档复现。自动评分可以标出缺日志、缺引用或明显越权，但不能直接决定成绩。没有日志的作品不能得满分；安全违规可单独否决。同类项目可做交叉评审或教师抽检，成绩允许申诉。详细规则应单独写成评价方案，避免只在口头强调“过程很重要”。

能管：配额、隔离、账号和值班

能管意味着：师生按课程入组，过期账号能回收；配额用尽进入排队而不是整班中断；镜像和模型版本可回看；监控能区分上课任务和长时训练。微调、持续评测或长时任务必须与生产上课隔离，可以是独立队列、独立节点池或独立时段，但必须能防止训练把通识课打满。

能更新：模型、课程和评测集可替换

上线前固定评测集和回退版本。更新时记录许可证、权重来源、量化方式和评测对比，先在隔离环境验证，再切到上课流量。生产课必须写下模型名和版本，不能只写“最新大模型”。课程案例按学期替换时，旧版本应仍能打开，便于复查往届成绩争议。

算力与环境：先拆任务，再谈加速卡

算力估算的目的是回答“约定课程能否稳定上完”，不是预先锁死一种卡型和卡数。任何把“必须固定卡数”写进招标文件的做法，都会在模型、量化和上下文变化后失去意义。正确顺序是：任务分类、负载参数、隔离策略、最小可上课配置、高峰扩容路径。专项测算见 大模型实训平台需要什么算力。

四类任务分开估算

通识推理。面向公共课或校级助手的共享推理。关键变量是同时会话、输入输出长度、是否检索、是否流式返回，以及可接受的排队策略。此类任务适合集中部署和统一内容护栏，不适合每人独占一张加速卡。

开发实训。学生要创建环境、调试提示词、连接知识库和工具、提交作业。这里更常遇到的瓶颈是镜像、存储和编排，而不仅是推理吞吐。没有可重置模板，卡再多也会在第一节课被依赖冲突消耗掉。

评测任务。批量跑测试集、统计引用正确率和拒答率，会在短时间产生大量请求。应使用独立队列或错峰，避免评测把正在上课的班级打满。

微调与长时试验。必须与上课推理隔离。训练会长时间占用加速器、读写大量中间文件，并可能引入未审核语料。教学微调语料不得混入办事或通识生产库。

估算时应同时写下的条件

• 模型名称、量化方式和上下文窗口，而不是只写参数量。
• 并发定义：同时请求、同时会话还是同时在线账号。
• 输入输出长度、检索条数、工具调用轮次和环境重置时间。
• 响应目标：首字时延、整段完成时间、失败率，以及是否允许排队。
• 存储与网络：权重、向量库、课程镜像、日志和作品档案的容量假设。
• 电力、散热、值班和模型更新窗口，避免只计算设备到货。

交付物与验收

核心交付物

• 实验环境与资源管理：账号体系、环境模板、配额队列、监控和重置说明。
• 课程包、项目库和实验指导书：含示范项目、量规和学期版本号。
• 学生过程数据与作品档案：日志字段、提交物目录、抽检和申诉入口。
• 教师培训、运维和升级方案：培训对象、值班、模型回退和内容更新窗口。

验收应覆盖的条目

• 学生能独立完成完整项目，提交物可运行或可复现，并能解释数据、模型和安全选择。
• 环境可重置、配额可管理：下课回收、下节课干净开始；配额用尽进入排队而不是整班中断。
• 评价覆盖过程与最终成果：无日志不得满分，安全违规可否决，教师能覆盖自动初评。
• 模型、数据与账号安全可控：越权读语料、提示注入、未授权出域均应失败并留痕。
• 约定班级和模型条件下，一节课或一次项目评测可复测；故障回退可演练。
• 文档随系统移交：拓扑、许可证、评测集、值班表、退出迁移和课程版本说明。

验收必须使用双方签字确认的试点课程和测试数据，而不是厂商演示账号。未通过项应列出缺陷、责任方和复测时间；演示成功不能覆盖条目失败。

采购参数建议写成可测试语句

技术参数建议按“对象—条件—期望—证据”书写，例如：在指定试点课和约定人数下，学生能在可重置环境中完成规定项目；教师能按量规调取过程日志并改分；学生账号无法检索其他班级工作区；学校可导出作品、日志和课程配置。不要写唯一品牌、唯一模型或无法验证的“智能程度”。

商务和技术附件还应包含：模型与中间件的等价替代说明、试运行周期、培训对象、驻场或远程支持边界、数据退出和课程移交。成本只要求供应商按学校给出的并发和模型假设测算，并分列设备、授权、电费或云计量、运维和课程更新，不在本文给出价格。