构建个性化学习规划智能体:用本地大模型与工具调用实现学情自适应
教育智能体正从「问答工具」走向「规划教练」。本文给出一套可复现的个性化学习规划智能体方案:以本地大模型为中枢,通过函数调用串联「知识点诊断、练习生成、掌握度评估」三类工具,依据学员作答动态更新学习路径。文章附 Ollama 函数调用的最小可运行示例,适合职业院校与培训机构私有化部署,数据不出校、可审计。
教育智能体正从「问答工具」走向「规划教练」。本文给出一套可复现的个性化学习规划智能体方案:以本地大模型为中枢,通过函数调用串联「知识点诊断、练习生成、掌握度评估」三类工具,依据学员作答动态更新学习路径。文章附 Ollama 函数调用的最小可运行示例,适合职业院校与培训机构私有化部署,数据不出校、可审计。
逆合成规划(retrosynthesis)是药物与精细化工研发的关键环节,AI 正将其从经验驱动转为数据驱动。本文梳理基于模板检索与深度学习的逆合成思路,给出 AiZynthFinder 的本地调用方式,并用 RDKit 演示反应模板应用与路线筛选,帮助研发团队低成本试用 AI 路线规划。
门店选址正从「凭经验拍板」转向「数据决策」。本文拆解 AI 选址的数据底座与建模逻辑,并给出一个基于候选点位特征、用梯度提升树预测营收与盈利概率的可复现示例。结合高德问店、腾讯盖亚、美团袋鼠参谋等平台实践,说明企业如何用轻量模型把选址从「赌运气」变成「算概率」,并强调人工经验在最终决策中的不可或缺。
药企 SOP 与体系文件动辄数千份,查得慢、版本答不准,直接拖累 GMP 培训、迎检与偏差处理。本文把私有化 AI 知识库的收益拆成新人上岗、迎检准备、偏差确认三笔账,给出参数化 Python 测算脚本与私有化路线的成本结构,附回收期估算,数据不出内网。
连锁门店的知识管理难在过期促销与新版 SOP 混用、店长靠微信群转发文件。本文给出门店知识库四步建设方案:按变更频率分层、openpyxl 解析促销表、五维元数据设计、Chroma 生效期过滤检索,附可运行代码示例与零结果率等三项验收指标。
大语言模型已能生成可编译的 PLC 程序单元,但直接部署风险高。本文梳理 SemaPLC、Agents4PLC、MPC-Coder 等验证门控框架的核心思路,并给出基于 OpenPLC 与 IEC 61131-3 结构化文本的本地可复现验证闭环,帮助企业安全试点「自然语言写控制逻辑」。
编程教学中,代码纠错、调试与运行验证是高频且耗时的环节,教师往往难以兼顾每位学生。本文基于本地大模型与自托管代码执行引擎,给出一套可复现的「诊断—自适应练习—自动评测—薄弱点定位」工作流,并附最小可运行示例,适合职业院校与企业内训落地,可显著降低助教重复劳动。
扩散模型与 REINVENT 等生成式方法可从靶点结构出发设计新分子,但落地关键在于多目标权衡与合成可及性。本文梳理口袋条件生成、多目标奖励与 ADMET 过滤的设计要点,并给出基于 RDKit 的本地性质评分与 REINVENT 调用示例。
线索响应慢、报价用错版本、新人上手周期长,是贸易销售团队最容易被低估的三项隐性成本。本文给出三项成本的量化口径与可运行的 Python 测算脚本,并对比私有化部署与公网 API 两条路线的成本结构,帮助中小贸易团队在立项前算清知识库的投入产出。