《扣子编程：从零开始搭建智能体卢欣欣清华大学出版社》【摘要书评试读】- 京东图书

11.3.1创建数据库

为实现错题的持久化归档，本案例需存储错题信息，以便后续通过错题分析为用户提供针对性的强化训练。具体创建步骤如下。

步骤1：创建数据库。在扣子编程主页，单击左侧导航栏的"资源库"进入资源管理页面；随后单击右上角的"+ 资源"按钮，在下拉菜单中选择"数据库"选项，如图11-3所示。

图11-3 创建数据库

步骤2：选择数据库类型。在弹出的"创建数据库"对话框中，选择"扣子数据库"，如图11-4所示。

图11-4 选择数据库创建方式

步骤3：配置基本信息。在"创建数据库"对话框中，输入数据表名称"error_question_list"及其描述信息，单击图标生成按钮自动生成专属图标。确认无误后，单击"确认"按钮，如图11-5所示。

图11-5 填写数据表基本信息

步骤4：配置字段结构。系统将自动进入"新建数据表"窗口，权限模式保持默认的"单用户模式"。本案例中，错题表（error_question_list）的结构设计如表11-1所示。

表11-1 错题表的结构

|------------------|----------|----------|--------|
| 字段名称 | 数据类型 | 是否必填 | 描述 |
| question_content | String | 是 | 题目描述 |
| student_answer | String | 是 | 学生作答 |
| standard_answer | String | 是 | 正确答案 |
| error_analysis | String | 是 | 错误分析 |
| knowledge_point | String | 是 | 对应知识点 |

单击"+ 添加存储字段"按钮新增一行，根据表11-1依次录入字段名称、描述、数据类型以及是否必填，完成后单击"保存"按钮即可，如图11-6所示。

图11-6 添加数据表字段

11.3.2工作流的实现

智能作业批改工作流的核心逻辑可概括为"一源输入、核心批改、双线并行"。首先，用户拍照上传的作业图片由"开始"节点接收，并提交至"作业批改"大模型节点。该节点作为核心引擎，负责精准识别手写作答内容，并逐一判定对错、给出批改结果与详细解析。然后，基于批改结果，工作流接下来进行分支处理，将信息分别传递给下游两个并行的大模型节点。

生成学情报告分支：负责学情分析的"大模型节点"接收到数据后，会从多维度深度剖析学习情况，包括分知识点统计答题正确率、精准定位优势与薄弱环节，并输出具有指导意义的诊断意见。分析结果最终推送到"生成文档"节点，渲染输出一份直观的PDF学情报告。
提取并录入错题分支：负责错题提取的"大模型节点"则聚焦于错题要素的结构化剥离。它从批改结果中精准抽取错题内容、学生作答、参考答案、错题解析及对应知识点等核心信息。为将多条错题逐条写入数据库，提取出的数据会流转至"循环"节点，在循环体内调用"添加数据"节点，依次将错题信息持久化存储至扣子数据库中。

最终，完成各自任务的双线分支汇合，统一连接至"结束"节点，形成完整的业务闭环。完整的智能批改工作流如图11-7所示。

图11-7 工作流整体预览

接下来，将按上面图示逻辑，详细介绍各节点的搭建与参数配置过程。

1.创建工作流

步骤1：新建工作流。在扣子编程页面中，单击左侧"资源库"，进入资源库管理页面。然后，单击右上角的"+ 资源"按钮，在弹出的菜单中选择"工作流"，如图11-8所示。

图11-8 新建工作流

步骤2：填写工作流信息。在创建工作流的窗口中，填写本案例的工作流名称"correct_papers"及其描述信息。最后，单击"确认"按钮完成工作流的创建，如图11-9所示。

图11-9 填写工作流信息

2.开始节点的配置

本案例中，用户只需发送拍照的作业图片即可。选中"开始"节点，在右侧参数配置面板中，修改默认输入参数名为"paper_img"，为变量选择"File"类型中的"Image"数据类型，并勾选"必填"选项，参数配置如图11-10所示。

图11-10 开始节点的配置

如果要支持用户批量上传作业图片，可为"开始"节点选择"Array>File>Image"类型。

3.作业批改

步骤1：添加大模型节点。从"开始"节点的输出端点拖拽出连接线，在弹出的节点类型菜单中选择"大模型"节点。

步骤2：配置视觉理解输入参数。选中该节点，在右侧参数配置面板中，单击默认的输入参数"input"后的"－"按钮删除该参数；然后，在视觉理解输入中单击右侧的"+"按钮，新增一个名为"paper_img"的参数，并将其与"开始"节点的"paper_img"变量绑定，如图11-11所示。

图11-11 配置输入参数

大模型节点的默认输入参数主要接收文本与结构化数据，适用于文字生成与逻辑推理；而"视觉理解输入"参数专用于接收图片格式数据，负责图像识别与画面信息提取。本例需识别作业图片，故使用"视觉理解输入"。

步骤3：编写系统提示词。为批改作业"大模型"节点编写如下的系统提示词，明确其角色、技能、输出规范与约束条件。

## 角色定义

中小学手写作业专属批改员，识别图片作业内容，拆分题目、学生作答、标准答案，完成正误判定，输出规整清晰的批改明细。

## 技能

图像识别提取内容，拆分原题、学生作答、参考答案，内容完整无改动
判定作答状态：正确、错误、存疑；字迹模糊、内容残缺无法辨认时，只标记存疑，不主观臆断猜测答案
统计总题、正确、错误、存疑数量，开篇优先展示数据
排序优先级：错题优先→存疑题→正确题
错题附加思路解析，梳理对应考查知识点
配色规则：仅学生作答区域标色，错误红色、存疑橙色、正确无颜色，不破坏排版换行

## 输出格式

开头统计

本次一共**X**道题目，正确**X**道，错误**X**道，存疑**X**道。

逐题明细，每题独立换行，单题结束添加浅色分割线***

第X题
原题：xxx
学生作答：错误用<span style="color:red">内容</span>，存疑用<span style="color:orange">内容</span>，正确正常展示
参考答案：xxx
批改结果：正确/错误/存疑，存疑标注原因
错题解析：仅错题填写，简明说明考点与出错问题
对应知识点：xxx

***

## 语言规范

语气温和贴合中小学生，简洁直白，只输出批改内容，不生成总结评价、知识点分析。

## 约束

内容提取客观准确，不篡改题目与答案
判定严谨，模糊不清内容只标存疑，绝不自行猜测作答内容下定论
标色只作用于学生作答行，无错乱嵌套
严格排序，每题末尾加分隔线，排版整洁换行正常
仅输出批改明细模块，其余报告内容不输出
严格遵守配色高亮规则，错题红、存疑题橙、正确题无高亮，做到不漏标、不错标、不混标，保证批改页面清晰规整、层次分明

步骤4：编写用户提示词。为该节点编写用户提示词，将视觉理解输入的图片传入大模型，如图11-12所示。

图11-12 用户提示词

4.学情报告生成与导出

步骤1：添加大模型节点。在作业批改大模型节点的下游添加一个新的大模型节点，用于分析答题情况并生成学情报告。

步骤2：选择轻量模型。学情报告仅需基于批改数据进行归纳统计与文案排版，无需深度逻辑推演。选用轻量模型可在保证质量的同时降低运行耗时与调用成本。选中该节点，在右侧配置面板的模型下拉列表中选择"豆包·通用·Lite"，如图11-13所示。

图11-13 选择模型

步骤3：配置输入参数。选中该节点，在右侧参数配置面板中，将默认的输入参数"input"重命名为"correct_result"，并引用绑定上游作业批改大模型节点的输出变量output，如图11-14所示。

图11-14 配置输入参数

步骤4：编写系统提示词。为学情报告大模型节点编写如下的系统提示词，指定其分析维度与输出模板。

## 角色定义

作业数据分析员，依托批改数据规整生成学情报告，归纳提炼薄弱知识点，按固定模板排版输出，适配PDF查看。

## 技能

提取答题统计数据，汇总答题整体表现
统计各知识点作答情况，精准定位薄弱知识板块
表格可视化呈现考点数据，分层总结问题
规整文案评价与实操学习建议

## 输出格式

作业综合学习报告

1. 整体答题概况

概括本次作业完成情况、答题亮点与整体问题。

2. 核心知识点考查统计

掌握等级：优秀、良好、一般、薄弱

| ---- | ---- | ---- | ---- | ---- | ---- | ---- |

3. 答题情况分析

结合错题分布，分析失分题型、审题习惯、作答规范等问题。

4. 薄弱知识点专项分析

结合错题与正确率，明确列出掌握不足的知识点，说明易错原因与漏洞所在。

5. 综合评价

给予鼓励性评价，客观点明现存不足。

6. 学习小贴士

针对薄弱知识点给出对应的巩固练习、复盘方法。

## 约束

所有分析严格依据实际批改数据，不凭空杜撰内容
精准划分强弱知识点，分析贴合实际答题情况
模块间统一使用---分隔，排版整洁规范
仅做分析总结，不重复展示原题批改明细

步骤5：编写用户提示词。为该节点编写用户提示词，将作业批改数据传入大模型节点。

作业批改数据：{{correct_result}}

步骤6：添加文档生成插件。在学情报告大模型节点的下游添加一个插件节点。在插件市场中搜索"文档"关键字，在搜索结果中展开官方提供的"Doc Maker"插件，单击"create_document"工具右侧的"添加"按钮完成挂载，如图11-15所示。

图11-15 添加插件

步骤7：配置插件输入参数。选中该节点，在右侧参数配置面板中进行如下设置：将"formatted_markdown"参数与上游学情报告大模型节点的输出变量output绑定；将"title"参数值设为"学情分析报告"；将"to_format"参数值设为"pdf"。配置详情如图11-16所示。

图11-16 插件节点的输入参数配置

步骤8：完成分支闭环。将"Doc Maker"插件节点连接至"结束"节点，完成"学情报告生成"分支的流程闭环。

5.错题整理

步骤1：添加大模型节点。从作业批改大模型节点的输出端点拖拽出一条新连线，在其下游再添加一个大模型节点，用于从批改结果中结构化提取错题内容、学生作答、解析等相关要素信息。

步骤2：选择轻量模型。错题提取仅涉及数据过滤与格式转换，无需深度推理，因此同样选择"豆包·通用·Lite"轻量模型。

步骤3：配置输入参数。选中该节点，将默认的输入参数"input"重命名为"correct_result"，并引用绑定上游作业批改"大模型"节点的输出变量output，如图11-17所示。

图11-17 配置输入参数

步骤4：编写系统提示词。为提取错题信息的大模型节点编写如下提示词，严格规范输出的JSON格式，以确保后续数据能顺利写入数据库。

## 角色定义

错题结构化提取专员，读取作业批改数据，仅筛选错误题目，规整内容生成标准JSON，用于写入扣子数据库。

## 技能

只筛选错误题目，自动过滤正确题、存疑题目
剔除颜色标签、表情、分割线等排版符号，只保留纯净文本
严格固定字段名称，不修改键名，去除题号相关字段
保证JSON语法合法无报错，字段内容与原文一致

## 固定输出结构（字段名称禁止改动）

{

"question_content": "原题内容",

"student_answer": "学生作答纯文本",

"standard_answer": "参考答案",

"error_analysis": "错题解析",

"knowledge_point": "对应知识点"

}

## 约束要求

输出仅保留JSON数据，不附加任何多余文字、解释说明
字段名称严格固定，绝对不修改、增减键名
清空所有样式符号，文本干净整洁
仅收录错题数据，不混入其他类型题目
括号、引号、逗号格式规范，可直接解析入库

步骤5：编写用户提示词。为该节点编写用户提示词，将作业批改数据传入大模型节点。

作业批改数据：{{correct_result}}

步骤6：设置输出变量。将默认输出变量名"output"修改为"error_question_list"，变量类型选择"Array<Object>"。然后，单击"新增子项"按钮添加5个子项，并依次填写子项变量名和数据类型。其中，子项的变量名称必须和系统提示词中JSON的键名完全一致。该节点的输出配置如图11-18所示。

图11-18 大模型节点的输出配置

6.数据入库

提取错题大模型节点的输出结果是一个对象数组（即便只有一道错题，也是一个包含单个对象的数组），数据结构示例如下。

{ "question_content": "37个0.01与23个0.1的和是( )", "standard_answer": "2.67", "student_answer": "2.61", "error_analysis": "计算失误，37个0.01是0.37，23个0.1是2.3，两者相加得0.37+2.3=2.67", "knowledge_point": "小数的计数单位、小数加法运算" }, { "question_content": "用3、5、8三个数字和小数点组成的两位小数中，最大的两位小数与最小的两位小数的和是( )", "standard_answer": "12.11", "student_answer": "16.888", "error_analysis": "对两位小数概念理解有误，最大的两位小数是8.53，最小的两位小数是3.58，两者相加得8.53+3.58=12.11", "knowledge_point": "小数的组成、小数加法运算" }, ......

根据以上示例数据可以看出，数组中的每个元素都是一个单独的对象，每个对象包含了题目内容、学生作答、参考答案、错误分析、对应知识点5项内容。要将此类数组数据批量写入扣子数据库，需要借助"循环"节点逐一处理。在每次循环中，系统从数组中提取一个对象赋值给系统默认的循环变量Item，随后将Item的属性与数据表字段建立映射，即可完成数据写入。具体实现步骤如下。

步骤1：添加循环节点。在提取错题大模型节点的下游添加一个"循环"节点。

步骤2：配置循环条件。选中该节点，在右侧参数配置面板中，循环类型选择"使用数组循环"，循环数组变量input引用上游提取错题"大模型"节点的输出变量error_question_list，配置如图11-19所示。

图11-19 循环节点的配置

步骤3：添加数据库操作节点。在循环体内部添加一个数据库分类下的"新增数据"节点，并将该节点的左右输出端点与循环体的左右端点相连，形成循环体内闭环。

步骤4：绑定目标数据表。选中"新增数据"节点，在右侧参数配置面板中，单击"数据表"右侧的"+"按钮。在弹出的"选择数据库"窗口中，单击11.3.1节创建的错题记录数据表"error_question_list"右侧的"添加"按钮，完成数据表的绑定，如图11-20所示。

图11-20 绑定数据表

步骤5：映射数据字段。单击"选择并设置字段"右侧的"+"按钮，将error_question_list数据表中的5个字段全部添加进来。然后，将每个字段分别绑定至"循环"节点下循环变量Item中对应的属性值，完成数据映射，如图11-21所示。

图11-21 选择并设置字段

步骤6：完成分支闭环。将"循环"节点连接至"结束"节点，完成"错题入库"分支的流程闭环。

7.结束节点的配置

本工作流需输出"作业批改结果"与"学情报告"两个结果，在"结束"节点中进行汇聚与格式化配置，具体操作如下。

步骤1：切换输出模式。选中"结束"节点，在右侧配置面板中单击"返回文本"，将输出模式切换为文本模式，以便支持多变量的拼接与自定义排版输出。

步骤2：添加并绑定输出变量。新增"correct_result"和"report"两个输出变量。将correct_result绑定至作业批改"大模型"节点的输出变量output；将"report"绑定至生成文档"插件"节点的输出变量data。

步骤3：配置回答内容。在"回答内容"文本框中，通过引用上述变量（如 {{correct_result}}与{{report}}）将两项内容组合输出。该节点的完整配置如图11-22所示。

图11-22 结束节点配置

8.测试、发布工作流

步骤1：试运行。单击画布底部工具栏中的"试运行"按钮，在右侧弹出的试运行面板中，上传一幅学生手写作答照片。然后，单击面板底部的"试运行"按钮启动测试，如图11-23所示。

图11-23 试运行

步骤2：验证整体批改情况。观察工作流的执行路径与各节点运行状态，验证大模型能否正常识别并批改作业。测试结果如图11-24所示。

图11-24 工作流执行结果

步骤3：验证学情报告：单击学情报告下载链接下载报告文件，检查报告内容是否完整，排版是否规范。测试结果如图11-25所示。

图11-25 生成的学情报告

步骤4：验证错题数据入库。进入扣子资源库管理页面，打开对应的数据库，核实错题是否已成功写入数据表。测试结果如图11-26所示。

图11-26 数据入库结果

步骤5：发布上线。确认各项测试无误后（建议使用不同作业进行多次运行验证），单击界面右上角的"发布"按钮将工作流发布上线，方便后续在智能体中正式调用。

11.3.3创建智能体

步骤1：进入智能体创建入口。返回扣子编程首页，单击页面右侧"低代码模式"下方的"智能体开发"，进入智能体创建页面，如图11-27所示。

图11-27 创建智能体

步骤2：填写智能体信息。在弹出的窗口中，输入智能体名称（"小睿智评"）及其功能介绍，单击默认图标旁的"生成"按钮自动生成一个图标。最后，单击"确认"按钮，完成智能体的创建，如图11-28所示。

图11-28 创建智能体

11.3.4添加工作流

步骤1：进入添加工作流入口。在智能体编排页面中，单击"技能"区域下"工作流"右侧的"+"按钮，如图11-29所示。

图11-29 添加工作流

步骤2：选择工作流。在弹出的添加工作流窗口中，单击11.3.2节发布的工作流"correct_papers"右侧的"添加"按钮，将其挂载到智能体中。如图11-30所示。

图11-30 选择工作流

11.3.5设置人设和回复逻辑

"小睿智评"智能体在系统架构设计上采用智能体主导交互调度，工作流承载核心逻辑的协同模式。作为一款作业批改助手，其核心的复杂业务逻辑，如：正误判定、学情分析及错题自动入库，均交由底层工作流高效且稳定地执行。而智能体本体则专注于前端的用户体验，它利用大模型强大的自然语言理解能力，与用户进行拟人化沟通，对用户上传的图片和文本进行前置校验（如判断图片是否清晰、是否为作业内容），并主动引导用户按规范输入，从而为下游工作流筛选出高质量的数据源。为确保智能体能精准扮演好这一"引导者"的角色，为其设定如下的人设与回复逻辑提示词。

## 角色

作业批改智能体，但不参与批改、分析、内容创作具体业务，仅负责调用{correct_papers}工作流并反馈结果，同时校验用户输入合法性。

## 核心规则