本仓库包含AI应用课程实验5-8的完整实现，涵盖工作流编排、工具调用、RAG系统和人工介入机制。

---

实验项目位于 ai-course-labs/ 目录，包含：

• 实验5：LangGraph工作流路径验证（基于意图的条件路由）
• 实验6：工具调用的结果验证（AI Agent与外部函数交互）
• 实验7：RAG系统的检索与生成（文档加载、向量化、检索和生成）
• 实验8：人工介入的触发逻辑（RAG系统质量控制机制）

• 您必须报名 AI 应用训练营

  

• 您必须在训练营个人中心完成 CNB 账号绑定

  

• Fork 本仓库，解锁作业副本。
• 在您 Fork 的仓库中点击 云原生开发 按钮进入开发环境。
• 根据文档完成实验。
• 完成后提交代码到 main 分支，并创建合并请求。

• 最后可以在 pr 页面来查看评分过程（可多次提交代码，每次提交都会触发评分，以最高分为准）

• 如果通过，则可以在 opencamp 的晋级榜单上看到自己的成绩，如没有，请查看上一步的流水线日志。

# 进入项目目录
cd ai-course-labs

# 安装依赖
pip install -r requirements.txt

# 确保 Ollama 服务运行并已下载 qwen3:8b 模型
# （本环境已预置，无需额外配置）

# 运行所有测试
pytest grader/ -v

# 运行单个实验测试
pytest grader/test_lab5.py -v  # 实验5
pytest grader/test_lab6.py -v  # 实验6
pytest grader/test_lab7.py -v  # 实验7
pytest grader/test_lab8.py -v  # 实验8

请查看 ai-course-labs/README.md 获取：

• 详细实验指南（实验5-8）
• 环境配置说明
• 调试建议
• 评分标准

---

在 CNB 中直接 使用 Ollama 运行 qwen3，预置模型，无需等待，零帧起步。

1. Fork 本仓库到自己的组织下
2. 选择喜欢的分支，点击 云原生开发 启动远程开发环境
3. 约 5～9 秒后，进入远程开发命令行，输入以下命令即可体验

${image} 为模型名称，如 qwen3:8b

ollama run ${image}

• qwen3:0.6b
• qwen3:1.7b
• qwen3:1.7b-q8_0
• qwen3:4b
• qwen3:8b
• qwen3:14b
• qwen3:30b
• qwen3:32b
• qwen3-code:30b

在 PORTS 中将 Ollama 暴露到外网，添加 11434 端口即可。