RAG智能体实训怎么设计？

它是什么，不是什么

RAG智能体实训是一类工程化教学项目：学生在限定领域内，把经过授权的文档变成可检索知识，再让智能体基于检索结果回答问题，并证明每一句关键结论都能回到原文。它训练的不是“会向模型提问”，而是会准备语料、会设计切分、会评测检索、会标注引用、会在证据不足时拒答。

它首先是一门可验收的项目课，其次才是一套平台功能演示。教师发布的是有边界的任务书：给定语料范围、角色权限、必须回答的问题、必须拒答的问题和评分量规。学生提交的是可复现实验，而不是一次当场生成的流畅对话。

需要同时排除的三种误解

• 不是产品演示。把商业知识库打开、输入预设问题、展示引用卡片，只能说明平台具备能力，不能说明学生掌握了方法。
• 不是提示词竞赛。提示词会影响表达，但不能替代语料授权、切分策略、检索评测和拒答规则。
• 不是“接上向量库就算完成”。没有评测集和失败案例，向量库只是另一层黑盒。

为什么高校要把项目写成五步

很多学校已经开了人工智能通识课，也采购了模型调用接口。课结束后常见的情况是：学生会聊天，但不会说明答案依据；毕业设计里出现“知识库问答系统”，界面完整，却说不清语料来源、切分为何这样、哪些问题必须拒答。教师只能凭观感给分，后续课程也无法接力。

另一类真实问题出现在学校知识库建设中。业务部门把制度、通知、培养方案和过期文件一起导入，上线后把“检索到了相关段落”和“回答正确”混为一谈。一旦模型把旧文件写成现行规定，或把仅限教务人员查看的内容答给学生，责任会落到课程、平台和部门三方，却没有一份学生作业级别的评测记录可供复盘。

因此，RAG实训的设计目标不是多讲几个名词，而是让学生在受控语料上走完工程闭环，形成可移交的方法和证据。后面的智能体开发、业务问答和校本知识库建设，都依赖这套基本功。

学生必须走通的五步闭环

项目主线应固定为五步，每一步都有输入、动作、输出和教师检查点。任何一步被平台自动代劳后，学生都要补写说明：系统替自己做了什么、自己如何验证、失败时如何改。

1. 语料准备：选定限定领域文档，完成授权、密级、时间和适用对象登记，输出语料卡。
2. 切分索引：按标题、条款、表格和问答结构切分，补元数据，建立可复现的索引版本。
3. 检索评测：先评“有没有找回该回的片段”，再谈生成质量，输出评测集与命中分析。
4. 回答溯源：要求关键结论带来源，核对引用是否支持原句，统计引用正确率。
5. 拒答安全：对越权、过期、无证据和对抗提问执行拒答，并留下失败案例。

五步可以在两到四周的项目周里完成，也可以拆进若干实验。无论课时长短，顺序不应跳过：没有语料卡就做问答，等于在不明来源的材料上练习流畅表达。

聊天课和RAG实训项目有何不同

通识聊天课仍然有价值，它解决“敢用、会问、知道风险”。RAG实训解决的是另一件事：学生能否把知识变成可治理的检索对象，并让智能体在边界内工作。两者可以衔接，但不能互相替代。

如果学校只有聊天课，学生进入专业项目后仍会把“模型说得像”当成正确。把RAG写成独立项目，是为了把正确的判据前移到课堂里，而不是等到业务上线再补课。

语料准备：先登记，再导入

语料准备的教学重点不是“尽量多导入文件”，而是让学生学会拒绝不合格材料。一份不能说明来源、授权、时间和适用对象的文档，不应当进入索引，更不应当进入评测集。

语料卡建议字段

• 来源：文件名、发布部门或作者、获取渠道、是否转载。
• 授权：教学使用、内部使用还是仅限演示；是否允许切分和向量化；是否允许写入学生作业。
• 时间：成文日期、生效日期、采集日期；若为通知或制度，写明是否仍有效。
• 对象：面向学生、教师、教务管理员还是公众；哪些角色不该看到全文。
• 版本与失效：版本号、被哪份文件替代、过期后是拒答、提示更新还是隔离。
• 偏差说明：扫描件识别错误、表格缺失、附录未收录等已知缺陷。

教师应提供一组“故意不完美”的材料：有一份过期通知、一份权限更高的内部纪要、一份只有目录没有正文的扫描件。学生的第一项成绩，就是把它们正确登记、隔离或拒绝入库，而不是全部切完再谈效果。

切分与索引：要能解释，不能只调参数

切分是RAG项目里最容易被平台隐藏、也最需要学生亲自动手的一步。按固定字数切开，可能把一条制度的前提和处罚拆到两个片段；按标题切开，可能丢掉表格里的关键数字。学生必须针对文档类型选择策略，并写下理由。

建议学生记录的切分决策

• 文档类型是章程、通知、教材章节、问答对还是表格，对应哪一种切分单位。
• 重叠窗口解决了什么问题，又带来了哪些重复检索。
• 标题、条款号、页码、生效日期等元数据写在片段里，还是写在索引字段里。
• 目录、页眉页脚、重复免责声明是否剔除，依据是什么。
• 同一文件更新后，旧索引如何下线，新旧版本如何并存评测。

索引版本要可复现：使用的切分脚本或配置、嵌入模型名称、停用规则和构建时间应写进实验日志。教师抽查时，应能要求学生用同一配置重建索引，并解释两次结果是否一致。如果平台提供一键切片，学生仍须提交“为何接受默认切分”或“如何改切分”的说明，否则这一步等于被跳过。

检索正确和回答正确必须分开评

检索评测回答的是：面对这个问题，系统有没有把能够支持答案的片段找回来。回答评测回答的是：模型有没有在这些片段上给出与原文一致、带引用且不越权的结论。把两者合成一个“感觉还行”，后续改进会找不到责任位置。

评测集不是临时编造的三五条闲聊。它应覆盖至少五类题目：原文可直接回答、需要跨片段综合、语料中不存在、存在但已过期、提问者无权查看。每条题目写清出题依据、标准片段、可接受的拒答话术，以及“检索正确但回答错误”的标注方法。

指标建议分开记录：检索命中、引用可回溯、关键事实一致、应拒答而未拒答、不应拒答却拒答。本文不给出统一分数线，也不使用未经验证的准确率数字。学校应按专业和语料难度自行设定及格条件，并在量规中写明抽检方法。

回答溯源：引用必须能回到原文

引用正确率分析是本项目的核心作品之一。学生不能只在界面上展示“来源1、来源2”，而要逐条核验：引用片段是否真的支持该句；页码或条款号是否对应；综合题是否把两个条件偷换成一个结论。

引用核对的最小动作

1. 把回答拆成可独立判断的命题，而不是整段给一个“基本正确”。
2. 每个命题对应到片段，复制原文句子，标明文件、版本和位置。
3. 标注支持、部分支持、不支持或无法判断；部分支持要写清缺了什么条件。
4. 对不支持的句子，说明是检索错误、模型补写，还是题目超出语料。
5. 汇总成引用正确率分析表，并挑出最能说明问题的失败案例。

教师评分时应抽查原文件，而不是只看学生自己贴的摘录。常见问题是：学生引用了摘要句，但结论来自模型常识；或者引用了正确文件的错误段落。这两类都应记入失败案例，而不是用“已经有来源卡片”轻轻带过。

拒答与安全：越权、过期文档、对抗提问

安全不是附加讲座，而是项目的最后一道必做工序。学生要设计拒答规则，并用测试题证明规则生效。至少三类场景必须进入评测集。

越权提问

同一知识库里，学生、辅导员、教务管理员看到的范围不同。实训应设置角色：普通学生只能问公开培养方案和课程须知；内部会议纪要、未发布成绩规则、他人材料必须拒答或提示转人工。学生要记录：系统是在检索前按权限过滤，还是检索后才拦截；两种做法各自会漏掉什么。

过期文档

过期通知、已被替代的旧培养方案、去年的评奖办法，是最容易造成“回答流畅但业务错误”的材料。正确行为不是假装不知道，而是识别时间字段，提示文件已失效，或只陈述历史事实并标明有效期。学生应准备成对题目：旧文件怎么说、新文件怎么说、用户没有声明年份时系统应如何处理。

对抗提问

对抗提问包括：要求忽略系统规则、把内部文件改写成“公开政策”、用角色扮演套取受限内容、把无证据问题说成紧急情况逼模型作答。教学目标不是训练攻击方法，而是让学生看到常见绕过话术，并验证拒答、审计日志和教师复核是否仍然有效。测试记录只保留必要的提问类型和系统反应，不展开可复制的攻击步骤。

必须提交的四类作品

没有提交物的闭环只是体验。下列四项应作为项目验收的最低集合，缺一不可。

第四项是失败案例。学生至少复盘检索未命中、引用不支持、过期文件误用、越权未拦截中的若干真实失败，写清当时配置、观察到的行为和改动后的结果。失败案例的价值高于再增加一轮顺利演示。

如果使用平台自动生成问答样例，学生仍须手工核对并声明哪些条目经过人工确认。自动生成但未核对的题目，不能计入评测集。

评价量规：过程日志和作品并重

智能体实训的评价应同时看过程与结果。只有最终网页或对话录像，无法判断学生是独立完成了五步，还是调用了别人的索引和现成提示。量规要写进任务书，开课第一天发给学生。

建议量规条目

• 语料治理：不合格文件被识别，授权与时间字段完整。
• 切分说明：策略与文档类型匹配，索引可复现。
• 检索评测：指标定义清楚，检索正确与回答正确分开统计。
• 引用质量：抽查命题能回到原文，错误类型有归类。
• 安全测试：越权、过期、对抗三类均有记录。
• 文档与复现：他人按说明能理解失败原因，而不是只能观看演示。

同伴互评可以用于引用核对和失败案例可读性，但不替代教师对安全项的签字。没有日志的作品不能进入优秀档。

算力和环境怎么配，才支撑上课

RAG实训的算力重点是教学推理能否稳定进行，而不是单独堆训练资源。规划时应按并发人数和模型共享推理来安排：同一门课的学生共用经过许可的推理服务，按账号配额排队，而不是每人独占一套环境。

通识提问、检索评测和教师示范应尽量走共享推理；需要对比不同嵌入或生成模型时，用小范围实验组和可重置环境，避免整班同时切换造成互相抢占。微调、大规模评测与课堂问答也应隔离，以免一个任务打断另一门课。

本文不写必须配置多少加速卡，也不把单一硬件数量当作建设完成的标志。学校应在方案中写清：同时在线人数、选用模型、上下文长度、响应目标和排队策略，再用实际课程任务做试运行。环境还要能重置学生工作区、回收过期索引、保留作业版本，否则下周的班次无法接着上课。

课程如何组合，而不是只上一节项目课

RAG项目可以嵌在人工智能通识、知识库实验、智能体开发或毕业设计中。若学校希望补齐前置知识，可以把提示词、文档解析、向量检索、评测和安全拆成若干微课，再汇入一次综合项目。芯明学堂实训平台提供可组合的数字课程资产，其中包含四十门微课和微专业目录，便于按专业、学时和岗位方向选型。

必须标明：四十门微课、微专业目录是课程资源与目录能力，用于教学设计和开课准备，不是已经发生的客户开课业绩，也不代表任何学校的学员规模、评分或就业结果。具体组合、课时、师资和平台范围，以学校确认的正式方案为准。

更稳妥的做法是先确定能力目标，再从目录中抽出“提示词与核验、RAG检索增强、智能体应用、数据伦理”等模块，配上本页要求的评测集和量规。目录不能代替项目任务书。

谁来做：输入、角色、动作和输出

建议实施顺序

1. 选定一个窄领域，例如某专业的培养方案加课程须知，而不是全校制度全集。
2. 准备合格与不合格语料，写好语料卡模板和评测题型。
3. 学生先登记和过滤，再切分建索引，先评检索再开放生成。
4. 强制引用与拒答，加入越权、过期和对抗三类安全题。
5. 教师按量规抽检日志与原文，归档作品版本，复盘共性问题。