目录
第1章　大模型与智能体开发　1
本章引言　2
1.1　对接云端大模型接口　2
1.1.1　准备PyCharm开发环境　2
1.1.2　对接通义千问　4
1.1.3　对接DeepSeek　7
1.1.4　对接OpenRouter平台　8
1.2　本地部署大模型　11
1.2.1　安装与配置Ollama　11
1.2.2　拉取并测试大模型　12
1.2.3　CherryStudio对接Ollama　13
1.2.4　调用Ollama API　14
1.3　AI智能体开发技术　17
1.3.1　Function Calling技术　17
1.3.2　MCP技术　19
1.3.3　使用Python调用Function
Calling　22
1.3.4　使用Python开发MCP服务　24
第2章　FastAPI开发框架　26
本章引言　27
2.1　FastAPI快速使用　27
2.1.1　快速入门　27
2.1.2　URL及参数　30
2.1.3　RESTful接口　30
2.1.4　JSON请求体　31
2.1.5　会话管理　33
2.1.6　文件上传　34
2.1.7　数据验证　36
2.1.8　异步编程　36
2.2　Jinja2模板引擎　38
2.2.1　模板引擎的作用　38
2.2.2　Jinja2快速使用　40
2.2.3　Jinja2核心语法　41
2.2.4　过滤器　42
2.2.5　应用示例　43
2.3　SQLModel数据处理　44
2.3.1　利用PyMySQL操作数据库　44
2.3.2　SQLModel核心操作　45
2.3.3　SQLModel复杂查询　47
2.4　FastAPI对接大模型　47
2.4.1　基于OpenAI库对接　47
2.4.2　处理流式响应　48
2.4.3　前端JavaScript对接　49
第3章　AI问答　54
本章引言　55
3.1　功能与设计分析　55
3.1.1　核心功能列表　55
3.1.2　整体实现思路　55
3.2　前后端准备工作　58
3.2.1　前端界面实现　58
3.2.2　静态目录设置　60
3.2.3　FastAPI多模块　60
3.3　文本问答功能　61
3.3.1　后端代码实现　61
3.3.2　前端代码实现　62
3.3.3　联网搜索功能　64
3.3.4　开发MCP客户端　66
3.3.5　函数调用增强　69
3.4　图像识别与生成　71
3.4.1　图像识别功能　71
3.4.2　图像识别前端　72
3.4.3　图像生成功能　75
第4章　每日新闻摘要　78
本章引言　79
4.1　功能与设计分析　79
4.1.1　核心功能列表　79
4.1.2　整体实现思路　80
4.2　基础功能实现　81
4.2.1　前端界面布局　81
4.2.2　数据表结构　84
4.2.3　BeautifulSoup库　84
4.2.4　爬取标题与超链接　86
4.2.5　获取和摘要新闻　87
4.2.6　前端界面渲染　88
4.3　扩展功能实现　90
4.3.1　新闻分类浏览　90
4.3.2　按日期浏览新闻　91
4.3.3　定时更新新闻　92
第5章　智能语音记分　94
本章引言　95
5.1　语音识别与合成　95
5.1.1　本地录音文件识别　95
5.1.2　本地实时语音识别　96
5.1.3　阿里云语音识别　97
5.1.4　WebSocket通信　99
5.1.5　JavaScript语音识别　102
5.1.6　语音合成与播放　106
5.2　Web版语音记分　109
5.2.1　功能与实现思路　109
5.2.2　前端界面实现　110
5.2.3　前端JavaScript代码实现　112
5.2.4　后台代码实现　116
5.3　Python版语音记分　116
5.3.1　tkinter绘制界面　116
5.3.2　语音唤醒功能　118
5.3.3　完整功能代码　120
第6章　智能考勤　124
本章引言　125
6.1　需求与设计分析　125
6.1.1　核心功能列表　125
6.1.2　整体实现思路　125
6.1.3　face_recognition的用法　126
6.2　OpenCV版本实现　128
6.2.1　利用OpenCV采集摄像头
数据　128
6.2.2　人脸数据存储与对比　128
6.2.3　设计智能考勤系统数据表　130
6.2.4　实现新增人脸数据功能　131
6.2.5　实现人脸考勤功能　135
6.2.6　实现Web端考勤数据查询功能　137
6.3　Web端版本实现　140
6.3.1　前端采集摄像头数据　140
6.3.2　基于WebSocket进行实时检测　143
6.3.3　基于前端界面进行考勤　146
6.3.4　打卡成功并显示考勤记录　148
6.4　活体检测防作弊　149
6.4.1　活体检测概述　149
6.4.2　人脸68个关键特征点　150
6.4.3　指令动作检测原理　152
6.4.4　活体检测核心代码　154
6.4.5　前端连续截图测试　156
6.4.6　活体检测与考勤　157
第7章　AI智慧课堂　161
本章引言　162
7.1　功能与设计分析　162
7.1.1　核心功能列表　162
7.1.2　整体实现思路　163
7.1.3　数据库设计　164
7.2　主体功能开发　166
7.2.1　视频文件预处理　166
7.2.2　生成课堂笔记　171
7.2.3　生成思维导图　174
7.2.4　生成视频关键帧　176
7.2.5　拓展知识引用　178
7.3　出题和考试功能　179
7.3.1　生成考题　179
7.3.2　前端渲染考题　181
7.3.3　提交试卷并评分　184
7.4　登录与Token鉴权　187
7.4.1　Token处理机制　187
7.4.2　加密与解密处理　188
7.4.3　登录与Token认证　189
7.4.4　前后端校验处理　190
7.5　定时任务处理　191
第8章　智能在线客服　193
本章引言　194
8.1　功能与设计分析　194
8.1.1　RAG与向量数据库　194
8.1.2　核心功能列表　197
8.1.3　整体实现思路　198
8.2　LlamaIndex框架应用　199
8.2.1　LlamaIndex概述　199
8.2.2　LlamaIndex核心操作　199
8.2.3　文档分段与检索　201
8.2.4　定义提示词模板　203
8.2.5　处理流式响应　204
8.2.6　文档分段策略　205
8.2.7　检索结果重排序　209
8.3　向量数据库　210
8.3.1　Chroma的核心操作　210
8.3.2　自行分段实现RAG　213
8.3.3　Chroma的其他操作　214
8.3.4　LlamaIndex整合Chroma　215
8.3.5　Qdrant的核心操作　217
8.3.6　LlamaIndex整合Qdrant　218
8.4　项目功能实现　219
8.4.1　Web前端实现　219
8.4.2　用户端功能实现　221
8.4.3　文档上传并建立索引　222
8.4.4　文档信息处理　224
8.4.5　文档分段内容查看　226
8.5　扩展功能优化　227
8.5.1　联网搜索并回复　227
8.5.2　联系方式自动通知　228
8.5.3　保存对话记录　231
8.5.4　对接云端知识库　233
8.5.5　使用大模型进行分段　235