ARTICLE · 1155487

从零到上线|AI智能体项目搭建公益课堂

发布时间：2026-10-11 10:45:16 最近访问：2026-10-11 10:45:17

从零到上线|AI智能体项目搭建公益课堂

当前人工智能产业高速发展，AI人才需求持续暴增，就业市场迎来了新机遇。为落实高校毕业生及社会各类求职群体高质量充分就业相关工作要求，助力广大学习者拓宽AI就业视野、找准职业赛道、夯实AI实战技能，西安人才集团AI就业实训基地面向在校大学生、在职从业人员及未就业人群，开展AI系列公益课堂。

如何抓住2026年AI黄金窗口期，成为企业争抢的AI人才，10月17日免费AI公益项目课堂(第九期），带你进入新行业、寻找新机遇、手把手用AI编程从零搭建AI智能项目（Text-to-SQL实战）。

一

项目概说

本项目是一个真正连库、能改数的 AI Agent，而非仅输出文字的 Demo。它把“问数”变成了日常对话：你说“今天可乐卖出去几瓶”，系统自动推断出对应的 SQL 并查库作答；你说“再进 20 瓶”，系统推断出 UPDATE inventory 与 INSERT sales，经你确认后在一个 MySQL 事务中原子执行，任一失败全部回滚。整个项目以 AI 编程方式从零开发，AI 出代码，你定架构。

所用技术栈：AI 编程（Trae / Cursor + 通义灵码，全程 AI 辅助编码）+ Agent 搭建（目标拆解 / 工具定义 / 提示词编排 / JSON 约束）+ Text-to-SQL（自然语言问数）+ RAG 检索增强 + Function Calling 工具调用 + MySQL + Python FastAPI + Vue 3 + ECharts + DashScope qwen-flash。开发全程由 AI 驱动，开发者负责架构决策与代码审查。

二

项目基本信息

基本信息	具体内容
计划时间	10月17日（周六）
项目总时	7小时（9:00—12:00；14:00—18:00）
讲座地址	西安人才集团AI就业实训基地
设备要求	需要自带电脑（一台Windows（Windows建议Win10以上））
讲座形式	项目课（线下实操面授）
培训对象	在校大三、大四及应届毕业生（计算机、理工科、数学等相关专业）：系统掌握大模型应用与AI智能体开发，补齐项目经历，提升校招竞争力。往届毕业生、职场转行人员（传统程序员、产品、运营、测试等）：快速切入AI赛道，积累可落地项目经验，突破职业瓶颈。待业人员：学习AI智能体搭建与项目开发流程，快速形成作品集，增强求职竞争力。 AI爱好者：零基础系统学习大模型开发，具备独立开发能力，可用于副业接单或创业探索。

三

项目内容提纲

模块一：

AI编程实操 × Text-to-SQL 基座：从零跑通一个能查库的AI店长

搭建本地开发环境（Python + Node.js + MySQL），用 Trae 等 AI IDE 写代码、用 Navicat 管理数据库，前后端分离运行。
配置阿里云DashScope大模型API（qwen-flash），搭建 Text-to-SQL 服务，让AI能生成SQL。
设计数据库表结构。
跑通 Text-to-SQL 核心链路：输入“今天卖了多少钱”→ AI生成SELECT → 查库 → AI用人话解读结果。

亮点：你会亲手实现自己的第一个 Text-to-SQL——Prompt 模板设计 → 模型输出结构化解析 → 参数化查询防注入，全链路自己写，不靠现成框架。

模块二：

数据看板 × 可视化分析：把经营数据画成一目了然的图表

设计KPI统计卡片：今日营收、本月营收、库存预警数、商品总数。
用ECharts搭建三大图表：每日营收走势折线图、品类销量柱状图、品类营收占比饼图。
实现库存预警机制：当stock < alert_threshold时自动标红高亮并汇总到预警列表。
用openpyxl生成销售月报Excel，支持一键下载（中文文件名URL编码）。
前端可视化Tab与后端4个API联调。

亮点：数据驱动决策！一张看板看清店铺经营全貌，库存不足自动提醒，月报一键导出，直接能写进简历的“项目经验”。

模块三：

Text-to-SQL 读写 × 多轮对话 × 二次确认：让AI帮你改数据但不失控

识别用户写操作意图：卖出商品、进货补货、改价、删除商品、新增商品。
AI生成结构化修改计划（JSON格式）：摘要 + 每条操作的表名/动作/描述/SQL。
前端展示“修改计划”确认卡片，列出每条要改的SQL，用户点「同意执行」后才真正改库。
后端事务式批量执行（execute_write_batch）：多条SQL在一个事务里原子执行，任一失败全部回滚。
安全校验三层防护：① SQL必须以INSERT/UPDATE/DELETE开头；② 严禁DROP/TRUNCATE/ALTER等危险关键字；③ 商品名匹配一律用LIKE模糊匹配。
多轮上下文追问：用户说“现在呢”这类上下文依赖的问题，自动结合上一轮提问重新生成 SQL。
数据准确性三层防护：提示词强化 + 注入真实商品名清单 + 空结果兜底重查，杜绝 AI 编造数据。

亮点：三道防线全由你写——① 动词白名单校验（只放行 INSERT/UPDATE/DELETE）；② DROP/TRUNCATE/ALTER 等危险关键字拦截；③ 批量语句事务执行，任一失败整体回滚。

模块四：

Agent 搭建流程 × 提示词工程 × RAG × 工具与技能：把 AI 店长升级成可扩展的智能体

Agent 搭建四步法：明确目标 → 定义工具 → 编写提示词 → 循环执行（思考－行动－观察），亲手把一个大模型“跑”成一个能自己干活的智能体。
提示词工程（Prompt Engineering）：角色设定 + 任务约束 + JSON 输出格式的三段式模板，配合 Few-shot 示例稳定模型输出，并做 Prompt 版本管理与效果对比。
RAG 检索增强生成：把商品资料、店铺规则、历史问答切片入库，检索相关片段后拼进提示词，让回答“有据可依”、显著降低幻觉。
工具调用（Function Calling / MCP）：把“查营收”“改库存”“导报表”分别封装成工具，由模型自主决定调用哪一个、传什么参数。
技能（Skill）沉淀与编排：把跑通的多步流程固化成可复用技能包，一句话触发一串动作，逐步搭出属于你自己的“AI 店长工具箱”。

亮点：从“写死的 Demo”升级为“可扩展的 Agent"——掌握 Agent 搭建的标准流程，用提示词、RAG、工具与技能四件套，给智能体持续加能力。

四

项目学习收获

掌握 Text-to-SQL 工程化：提示词约束、Schema 注入、商品名检索（RAG）、空结果重查与 LIKE 改写。
掌握 AI 编程工作流：用 Trae / Cursor 完成约 80% 样板代码，自己负责架构与数据流设计。
掌握数据可视化与经营分析：用 ECharts 搭建数据看板，实现 KPI 指标、库存预警与报表导出。
掌握 AI 写操作的安全控制：理解“AI生成→用户确认→事务执行”架构，掌握防注入、关键字拦截与事务回滚。
掌握多轮对话与上下文处理：设计对话历史管理、模糊追问与商品名匹配，让 AI 更“懂你”。
获得一个可展示的 AI 项目经历：完整的项目代码、可运行 Demo 与简历项目描述，可直接写入简历。
学习资料加持：免费领取《AI就业宝典》电子资料，助力高薪就业。

五

面试可讲点

为什么写操作必须二次确认？大模型输出存在不确定性，而数据库写操作不可逆，因此引入“AI生成→用户确认→事务执行”的人机协同机制。
事务边界怎么划？多条 SQL 在同一事务内原子执行，任一失败整体回滚，保证库存与销售记录的一致性。
如何防 SQL 注入？参数化查询 + 动词白名单（只放行 INSERT/UPDATE/DELETE）+ DROP/TRUNCATE/ALTER 等危险关键字拦截，三层防护。
模型输出不稳定怎么办？用 JSON 结构约束生成结果，校验失败自动重试；查询空结果时兜底重查，杜绝编造数据。
为什么要注入真实商品名清单？这是 RAG 思想的轻量落地——把真实商品名检索后拼进提示词，显著降低模型幻觉。

六

讲师简介

◆

孔老师：