搭建智能助手-智能助手

1.理解智能助手的核心系统架构与功能模块（对话交互层、核心引擎层、工具集成层），掌握 “用户输入 - 意图识别 - 响应生成” 的完整工作流程。
2.学会两种智能助手搭建方案的实现：一是调用公开大模型 API（如 OpenAI API）实现云端交互，二是本地部署 Ollama 大模型（如 Llama 3）结合 Streamlit 构建私有化对话界面。
3.掌握 Streamlit 库的使用方法，实现可视化对话界面（含历史消息展示、输入框、模型切换功能），理解前端界面与后端逻辑的数据流转机制。
4.掌握智能助手核心功能（基础问答、任务处理）的集成方法，能通过测试案例验证交互效果，优化响应速度（如设置超时控制）与准确率（如添加意图纠错）。
培养系统设计与问题排查能力，能分析不同搭建方案的优缺点（如云端 API 的便捷性 vs 本地部署的隐私性），并根据需求选择合适方案。

1.实验前需掌握 Python 基础语法、HTTP 请求原理（调用 API）、虚拟环境配置，预习 Streamlit 界面开发、Ollama 部署流程及大模型 API 调用规范（如 API 密钥配置、请求参数设置）。
2.基础方案（云端 API）要求：
(1)选择任一公开大模型 API（如 OpenAI GPT-3.5/4、字节跳动 Doubao API），完成 API 密钥申请与配置；
(2)实现 “用户输入→API 请求→响应解析→界面展示” 的端到端流程，支持历史对话上下文管理（如存储最近 10 条消息）。
3.高阶方案（本地部署）要求：
(1)在本地计算机部署 Ollama，下载至少一个开源大模型（如 Llama 3 8B、Qwen 7B）；
(2)通过 Ollama Python SDK 调用本地模型，实现与 Streamlit 界面的集成，支持模型切换（如 Llama 3/Phi-2）。
4.功能与交互要求：
(1)界面需包含 “对话历史区”（区分用户 / 助手消息，如用户消息右对齐、助手消息左对齐）、“输入区”（支持多行输入）、“控制区”（模型选择、清空对话按钮）；
(2)核心功能需覆盖 “基础问答”（如 “解释牛顿第二定律”）、“简单任务处理”（如 “生成明日工作计划”），支持响应超时处理（如 10 秒无响应提示 “请求超时”）。
5.测试与报告要求：
(1)完成至少 5 组测试案例（含正常问答、长文本生成、上下文关联、超时场景、模型切换），记录响应时间与准确率；
(2)报告需包含两种方案的代码实现、界面截图、测试对比，分析方案优缺点，回答思考题。