一、理论教学

理论教学部分依托人工智能虚拟仿真教学子系统，将机器视觉、机器学习、深度学习基础、NLP - 循环神经网络、CV-NLP-Transformer、大模型工作流编排逻辑、知识库构建原理及智能对话综合项目场景（如对话意图识别、上下文理解）等抽象 AI 与 NLP 知识，通过具象化解析、可视化教学、交互式参数设置等方式具象呈现。学生可直观掌握 WordEmbedding 词嵌入原理、Transformer 注意力机制在对话中的应用、大模型 Agent 工具调用逻辑，搭配动态代码生成功能查看对话相关 Python 代码，实现从抽象概念到具象认知的高效学习。

二、实验教学

支持智能对话机器人专属实验，学生可自主操作、实时排错，无需依赖实体对话设备：

· 大模型工作流编排实验：拖拽 “开始、LLM、直接回复、条件分支” 等组件，零代码搭建聊天助手工作流，支持接入 Qwen2.5、chatglm 等 30 余种多模态模型，设置温度、top_k 等参数，实时测试对话效果，理解对话系统基础架构；

· RAG 知识检索实验：上传 TXT、Markdown、DOCX 等格式文档，通过 BGE 模型完成 Embedding 与 rerank 操作，搭建专属知识库；设计 “用户提问→知识检索→LLM 生成答案” 流程，验证知识增强对话的准确性，掌握 RAG 核心逻辑；

· 语音交互实验：开展基础语音应用实验，完成模拟声音与数字声音认知、声音时域与频域转换、mel 特征提取，将语音特征接入对话模型，实现 “语音输入→语义识别→语音输出” 的交互，理解语音对话技术链；

· NLP 基础实验：开展 NLP - 循环神经网络实验，通过组件搭建 LSTM 模型，完成文本生成（如对话回复续写）、意图分类，查看模型训练损失曲线，理解上下文语义建模原理；

· 工具调用实验：在工作流中添加 “天气工具、时间工具”，设置 “当用户询问天气时自动调用天气接口” 的条件逻辑，测试对话系统调用外部工具的能力，掌握 Agent 对话逻辑设计。

三、实训教学

覆盖 3 类智能对话典型场景，实现 “虚拟设计 - 虚实验证 - 综合开发” 的进阶培养：

· 基础场景实训：2D 模式下完成专属聊天助手搭建 —— 拖拽组件编排 “用户提问→意图识别→知识检索→LLM 回复” 工作流，配置知识库（如 “课程咨询” 专属文档）；切换至 3D 智能对话场景，模拟学生咨询课程的对话场景，查看参数调整对回复质量的影响，解析对话指令交互逻辑；

· 实融合实训：可搭配 “人工智能教学实验平台”，该平台与虚拟仿真系统实现虚实融合联动；将虚拟对话机器人的语音指令下发至真实语音模块（如播放对话回复），或读取真实麦克风采集的用户语音数据，用于虚拟场景的语义识别验证，兼顾安全训练与真实交互体验；

· 行业综合项目：开展 “智能客服对话系统” 全流程实训（含测评系统，具备完整评测标准，可用于课程设计或成绩评估）：

1.需求分析：根据电商客服场景，设定对话意图覆盖 “订单查询、售后退款、商品咨询”，回复准确率目标≥90%，响应时间≤2s；

2.系统设计：选型 Qwen3 大模型、BGE Embedding 模型，搭建 “商品知识库 + 订单数据接口”，设计 “意图识别→工具调用 / 知识检索→回复生成” 技术架构；

3.开发调试：通过工作流编排组件集成意图分类、RAG 检索、订单接口调用逻辑，编写 Python 代码微调对话参数，解决 “歧义提问”“多轮上下文衔接” 问题；

4.成果验证：在 3D 虚拟客服场景中模拟用户多轮对话（如 “查询上月订单→申请该订单退款→询问退款进度”），查看系统意图识别准确率与回复相关性，生成对话日志、准确率统计报表，符合行业项目交付标准。

1、支持实验项目管理

在实验项目管理界面，可以查看基础实验、综合项目实验，按顺序路线图由浅到深再到项目学习人工智能，让教学更简单。

2.软件自带人工智能教学环境，无需额外配置环境

软件自带的人工智能环境属于单独存在，不会影响和占用计算机已有的环境，同时也不会修改计算机的环境变量。

3.丰富的人工智能实验组件

实验中通过操作界面左侧的组件列表，将抽象化的虚拟仿真组件模块拖拽到画布上并进行连线。

4.组件高度自定义算法参数修改

组件的参数可自定义，调节不同的算法参数，体会不同的参数带来的区别。

5.智能验证及错误提示

组件连接后，系统会校验逻辑错误，提示出错原因，帮助用户快速定位并修改。

6.内置配套实验文档

软件内置实验文档，可实时查看，用户可随时点击打开当前实验文档，对照操作步骤进行实验。

7.动态代码生成

点击画布上的生成Python代码，查看实验代码与算法，解决教学中理论与代码割裂问题。

8.动态结果展示

优化迭代过程实时显示，让用户直观了解学习过程。

9.支持人工智能3D视觉场景项目实施

支持3D视觉场景的项目，具有多功能视觉采集台，实现颜色块、形状块、二维码、车牌、手势、数字块等内容的自由放置，用户可以通过算法以及逻辑对3D场景控制和功能实现。

3D场景留有相应的开放性接口，支持用户编写逻辑代码以及算法代码接入到3D场景中，以实现相应的开发。

10.支持人工智能3D语音场景项目实施

支持3D语音场景的项目，具有多功能语音播放台，实现鸟叫声、人声等内容的，用户可以通过算法以及逻辑对3D场景控制和功能实现。

3D场景留有相应的开放性接口，支持用户编写逻辑代码以及算法代码接入到3D场景中，以实现相应的开发。

11.支持人工智能3D项目场景项目实施

支持3D项目场景的项目，拥有分拣系统场景、垃圾分类场景等，提供类硬件支撑，用户可以通过算法以及逻辑对3D场景控制和功能实现，3D场景还支持数据集的采集和存储，方便用户通过场景采集原始数据。

3D场景留有相应的开放性接口，支持用户编写逻辑代码以及算法代码接入到3D场景中，以实现相应的开发。

12.Scratch逻辑学习通过拖拽积木的形式学习分拣系统场景的逻辑搭建以及代码生成。

13.大模型工作流编排

零代码工作流，可接入对话大模型、多模态大模型、embbeding模型、rerank模型等几十种，可自定义工作流，组件随意组合，完成大模型应用开发。

14.大模型知识库建设

支持多格式文档处理、高效检索、多场景应用。

15.支持数据标注/模型查看等工具

软件集成模型查看工具、数据标注工具等，可以直接使用软件进行AI开发的相关内容。支持支持多种深度学习模型文件格式。

一、基础实验

1.机器学习

2.深度学习

3.NLP-循环神经网络

4.CV-NLP-Transformer

5.机器视觉

6.CV-卷积神经网络

7.经典神经网络

二、高级应用

1.大模型工作流编排

2.基础视觉应用

3.基础语音应用

三、进阶实验

1.逻辑实验

2.算法实验

3.Python开发与应用

4.深度学习与神经网络-PyTorch2

5.深度学习与神经网络-TensorFlow

四、综合项目案例介绍

智能分拣系统综合项目

具身智能-机械臂项目

智能垃圾分类系统综合项目

智慧城市系统项目

智能对话系统项目