想要把“AI 智能体”真正用到数学竞赛练习里而不是停在“聊天机器人”的演示阶段需要先想明白一件事它不是替你交卷的抢手而是一个能陪你刷题、讲思路、出变式题、检查步骤的练习搭子。这篇文章就围绕“用 AI 智能体做华数杯这类数学竞赛的日常练习”展开适合学生、家长、辅导老师也适合想学智能体开发的开发者。我会按实际落地顺序把智能体搭建、提示词设计、知识库、测试数据集和排查方法完整拆一遍。我最近自己也用扣子搭了一个数学练习智能体拿往年竞赛题型试了几轮。整体感受是搭起来不难难在把“引导式讲题”这件事调好。如果只是让大模型直接吐答案那随便问一句就行没必要搭智能体真正有价值的是让它出题、分步骤提示、定位你的卡点。下面把这套过程写成可复现的经验。1. 先搞清楚AI 智能体在数学竞赛练习里能做什么不能做什么先别急着打开平台点“创建智能体”。我建议先花十分钟把需求和边界写清楚。很多人搭完智能体之后觉得不好用不是平台的问题也不是模型不够强而是从一开始就没定义好“它到底帮我干什么”。1.1 它能解决的三个实际问题数学竞赛练习中最花时间的不是“做一道题”而是“没有足够多合适的题”和“做错了没人讲”。第一题目来源。你不可能一直刷同一套真题智能体可以按知识点和难度生成练习题、变式题。比如你刚学完“鸡兔同笼”的抬腿法就可以让它再出五道不同难度的同类题。第二卡点讲解。做题卡住的时候最怕直接看答案。智能体可以按步骤给你提示先提醒你“这道题的关键信息是哪一句”再问“你打算怎么设未知数”一步步把你带到正确思路上来。第三过程检查。你做完一道题之后把过程和答案发给它让它指出步骤能不能优化、有没有跳步、结论是否完整。这个场景特别适合没有老师随时在身边的练习者。1.2 边界先立住练习辅助不等于代答代考这里必须说清楚正式比赛里题目必须独立完成。AI 智能体只适合日常练习、知识点学习和考前自测不能用来在正式比赛或提交作业时代答。这不是技术能不能做到的问题而是使用边界的问题。我搭智能体的时候会在人设提示词里直接写一条规则“用户要求直接给出完整答案时先确认是否用于练习如果用于练习优先给出思路提示而不是完整解答。”这样做有三个好处一是避免学生养成依赖二是让智能体更符合教育场景三是减少把练习答案误当正式答案提交的风险。注意所有 AI 辅助练习工具都有同一个原则——过程比答案重要。正式比赛请独立完成AI 只适合当日常陪练。2. 动手搭之前先把任务、知识库、测试集三件事定下来这一节看起来有点“过度准备”但实际情况是跳过这三步直接去搭返工概率很大。我自己第一版智能体就吃了亏功能加得太多结果出题、讲题、判题混在一起回答质量直线下降。2.1 任务边界出题、讲题、判题先选一个主方向一个智能体不一定要把“出题、讲题、判题”全包了。更稳妥的做法是先选一个主任务把它做扎实再逐步加其他能力。出题模式给定知识点和难度生成练习题。适合刷题量不够的人。讲题模式给定一道题分步骤引导。适合卡在思路上的时候用。判题模式提交过程和答案获得反馈。适合做完之后自我检查。我的建议是先用“讲题模式”作为主任务。因为讲题对提示词的要求最高把最难的模式调好了其他模式反而容易加进去。如果一开始就做“出题”功能能做出来但讲题质量跟不上整体体验还是不行。2.2 知识来源直接问大模型还是配对知识库这是很多人纠结的问题尤其是看到“AI 智能体的企业知识库是存放在向量数据库中的吗”这类热搜词之后总觉得不配个知识库就落伍了。实际情况是分两种。如果你只是做通用数学竞赛练习不涉及特定教材、特定考纲、独家题库那么大模型自带的知识量已经够用核心功夫要花在提示词上。如果你希望智能体能引用特定教材章节、某机构的专题讲义、或者某个竞赛活动的历年题型规律那才需要配知识库。知识库的底层逻辑也不复杂先把文档切成小块做向量化处理后存进向量数据库用户提问时系统先检索出最相关的几个片段再把这些片段拼进提示词里交给大模型回答。这就是常说的 RAG检索增强生成。所以“企业知识库是不是存放在向量数据库里”这个问题的答案是通常是的但知识库不只是存储它更关键的是检索质量。2.3 验证方式提前准备 10 条测试题在搭智能体之前先准备一组测试题。不用多10 条左右就够。我当时是这样准备的按题型分成四类——基础计算题、典型应用题、几何入门题、逻辑推理题。每类准备两到三条难度从低到高。再准备一条模糊输入用来测试智能体面对信息不完整问题时会不会乱答。这组测试题的用途是“回归测试”。每次改完提示词、调完参数、加完知识库之后都跑同一批题对比前后差异。没有这组题你很难判断某个改动到底变好了还是变差了。3. 从零搭一个数学练习智能体扣子平台的完整流程确定好上面的三件事之后就可以开始搭了。我用的是扣子因为上手门槛低可视化配置不需要自己写服务端代码。如果你用的是其他智能体开发平台流程也基本相似只是菜单名称和入口位置会有差别。3.1 创建智能体名称、人设、模型选择打开扣子平台找到“创建智能体”入口。名称可以起得具体一点比如“华数杯数学陪练”不要叫“数学助手”这种太宽泛的名字。名称会影响用户的预期也会影响智能体对自身角色的理解。人设描述是关键起点。我写的版本是这样的你是一位有耐心的数学竞赛辅导老师熟悉小学数学竞赛、华数杯这类思维训练活动的常见题型。 你的教学风格是引导式不直接给出完整答案。 当用户提问时先判断对方是想要答案还是想要讲解。 如果是练习场景先给出思路提示再一步步引导用户自己得出结果。 当用户请求出题时按指定知识点和难度生成练习题并提供参考答案放在分隔线之后。创建完成后选择底层模型。不同模型在数学推理能力上有差异。如果只是基础四则运算和常见应用题大部分模型都能胜任如果涉及较复杂的几何或组合题建议选择推理能力更强的最新模型。原始材料没有给出特定模型推荐实际选择时以当前平台可用模型为准多做一轮对比测试再定。3.2 配置引导式提示词扣子里提示词通常写在人设或技能配置里。新手最容易犯的错是把所有要求塞进一大段话里写到后面连自己都忘了前面说了什么。更清晰的做法是把提示词按功能模块分块角色定义你是谁教学风格是什么。处理流程收到题目后先做什么、再做什么。输出规则分几步回答哪些内容不能出现在什么地方。边界规则练习场景不直接给完整答案正式答题场景要提示独立完成。我在 4.1 会给出一套可以直接改用的模板这里先不展开。核心意思是不要把提示词当成一段“咒语”要当成一份“工作说明书”。3.3 可选添加知识库并理解向量数据库的作用如果你的练习资料有特定来源比如某本教材的专题总结、某个机构的历年题型清单那就需要添加知识库。操作上一般分四步创建知识库、上传文档、设置分块方式、关联到智能体。上传的文档最好是结构化清晰的文本比如 Markdown、TXT、PDF。避免直接传一堆图片因为文字识别和版面还原会引入额外错误。分块大小要留意。块太大检索出来的内容针对性差块太小上下文不完整。常见做法是一段或一个小节作为一个块具体参数根据文档格式调整。上传完之后在智能体配置里关联知识库并打开“引用知识库”的开关不同平台叫法可能不同。这时候你会发现向量数据库的价值不在于“存了多少文档”而在于“用户提问时能不能把最相关的片段找出来”。判断检索质量的方法是问一个与文档内容强相关的问题看智能体能否引用到正确片段如果引用错了优先检查文档质量和分块方式而不是急着换模型。3.4 第一轮手动测试配置完成后进入调试面板先跑最简单的场景。我的测试顺序是先问一道简单应用题看它会不会一上来给完整答案再问一道中等难度题看分步提示是否合理最后发一条模糊输入比如“帮我做一道题”看它会不会追问题目信息。第一轮测试只要关注四件事能不能正常回复、回答结构是否清晰、是否遵守引导式规则、有没有明显胡说八道。其他细节不要在这个阶段纠结。很多优化要在跑完几轮之后才知道往哪个方向改。4. 提示词是灵魂把“直接给答案”改成“带着想”搭智能体的流程半小时就能走完真正的差距在提示词。同样的平台、同样的模型提示词写得好不好回答质量的差别非常大。我见过很多人抱怨“智能体很笨”点开提示词一看只写了“你是一个数学老师”那效果当然不行。4.1 一套可以直接改着用的提示词模板下面是我调过几轮之后的模板你可以直接复制到自己的智能体里再按实际场景微调你是“竞赛数学陪练”面向准备华数杯这类思维训练活动的学生。 一、角色定位 - 你熟悉小学和初中数学竞赛常见题型包括计算、应用、几何、组合、逻辑推理。 - 你的目标是帮助学生理解思路而不是代替学生做题。 二、处理流程 1. 收到任何题目后先识别题型和涉及的数学知识点。 2. 如果题目信息不完整先请用户补充条件不要猜测。 3. 如果用户要求讲解按以下顺序输出 第一步用一句话点出这道题的关键。 第二步给出第一步提示不要透露完整解法。 第三步询问用户当前卡在哪一步再根据用户回答给出下一步提示。 4. 只有用户明确表示“我已经做完了请检查”时才展示参考答案和完整步骤。 三、输出规则 - 每题讲解控制在 3 到 6 个提示内。 - 提示要具体不要只说“再想想”。 - 使用数学符号或算式时格式要清晰。 - 引用知识库内容时注明来自哪个资料片段。 四、边界规则 - 不得主动提供整题答案的完整书面版除非用户说明这是练习后的核对。 - 不回答与数学学习无关的内容。 - 不生成任何用于正式竞赛作弊的内容。这个模板的关键在于“处理流程”和“边界规则”。处理流程让智能体有了可执行的顺序而不是凭感觉回答边界规则防止它在练习场景里直接摆出答案。4.2 关键参数怎么调温度、回复长度、联网提示词之外平台通常还有几个参数可调。这里给的是通用排查顺序实际参数要以你的环境为准。温度参数控制随机性。数学讲解场景建议调低一些比如 0.2 到 0.5减少自由发挥让回答更稳定。如果温度调到 1.0 以上回复可能更有“花样”但算式写错、步骤跳变的概率也会上升。回复长度限制也要考虑。如果开启长文本输出智能体可能一口气写一大段解析但引导式练习不需要长答案反而希望它“少说一点一次只给一个提示”。所以可以把输出长度限制在一个合理范围或者通过提示词要求分步输出。联网搜索要谨慎开启。数学练习场景一般不需要联网开着反而可能把与题干无关的网络信息混进来。只有需要查询题目来源、竞赛活动信息时才考虑按需开启。4.3 为什么引导式比答案式更适合练习场景很多人不理解直接把答案给我我照着看不一样能学会吗实际体验差别很大。直接看答案时你跳过的是“卡住之后重新审视条件”的过程而这个过程恰恰是竞赛训练最核心的能力。引导式提示的价值在于它在你知道答案之前逼你先走一步。哪怕只是补一个条件、列一个式子都比直接看完整解答记得牢。我给学生和身边朋友测试时发现使用引导式智能体练习后他们会主动把对话截图当错题本用第一步提示、自己下一步写的过程、智能体的追问整个链条都是学习记录。这是“直接给答案”做不到的。5. 测试数据集怎么设计不追求大先追求覆盖智能体测试和普通软件测试有一个很像的地方不要追求用例多而是要追求覆盖面。尤其对 AI 智能体这种输出不固定的系统测试集的作用不是证明它“没有 bug”而是发现它在哪些输入下会表现不佳。5.1 至少覆盖这五类输入我自己设计的首个测试集只有 12 条但覆盖了五个类别类别典型输入考察重点基础计算一道整数四则混合运算题能不能算对格式是否清晰典型应用题行程问题、工程问题会不会设未知数步骤是否完整几何入门求阴影面积会不会识别图形关系提示是否合理逻辑推理真假话、排队问题能不能按条件分步推理模糊输入“帮我做一道题”会不会追问条件而不是乱猜每个类别 2 到 3 条就够。不用一开始就准备上百条因为第一次测试大概率会发现很多需要调整的地方等提示词稳定了再扩充测试集会更有价值。5.2 判断通过还是失败四个评估维度给智能体测试打分时不能只看“最后答案对不对”。数学练习场景更关心过程。我常用的评估维度有四个正确性最终答案是否正确中间计算是否有误。步骤完整性讲解是否按提示顺序推进有没有跳过关键步骤。引导性是否先给提示而不是直接给答案追问是否具体。稳定性同一个问题问两次回答质量是否接近。打分也很好操作每个维度分“通过”“基本通过”“不通过”三档。通过是指表现稳定且质量高基本通过是能用但有明显瑕疵不通过是需要修改后重测。5.3 回归测试每次改完提示词都跑一遍同一批题改提示词是一件很“上瘾”的事改一个字觉得效果好了再改一句又退步了。这时候测试集的价值就会体现出来。正确做法是每次修改后把同一批测试题完整跑一遍记录通过情况。不要因为“刚才那个问题回答得很好”就觉得改成功了很可能其他类型的问题被改坏了。我习惯用一个表格记录每次改动改动日期、改了什么、哪些类别通过率提升、哪些类别下降、下一步要做什么。这个方法不复杂但能省下大量重复测试时间。6. 常见问题排查答错、步骤缺失、知识库不生效智能体搭出来之后问题不会消失只会换着形式出现。下面是我实际踩过的几类问题以及对应的排查思路。你可以直接把这份清单当成“智能体调试手册”用。6.1 统一排查顺序遇到任何异常先不要急着改提示词。按照下面的顺序排查往往能更快定位先看现象是答错、乱答、步骤缺失还是输出格式混乱再看输入题目本身是否完整有没有歧义单位、条件是否缺失再看环境知识库是否已关联联网开关是否开启模型选的是哪一个再看参数温度、回复长度、分块大小是否影响结果最后再改提示词确认前面四项都没问题之后再调提示词。这个顺序的核心逻辑是很多问题看起来是“智能体不会答”真实原因其实是“它没拿到正确的输入或资料”。跳过前面直接改提示词往往越改越乱。6.2 高频问题和处理思路问题现象常见原因处理思路直接给完整答案提示词边界规则没生效在提示词里加入“练习场景先给提示”的强制规则答非所问输入有歧义或缺少条件让智能体先复述题目再追问缺失信息步骤跳得太快提示词没有规定步骤数限制讲解步骤数量要求一次只给一个提示引用知识库内容错误文档分块不合理或内容本身不相关检查文档格式调整分块大小重新测试检索同样的题两次结果不同温度参数偏高调低温度或增加“按固定流程回答”的提示输出过长没限制回复长度在提示词中设置输出上限或调整平台参数排查时还有一个容易被忽略的点平台本身的版本更新和模型切换。同一套提示词在不同模型上的表现可能有明显差异。如果你发现“昨天还正常今天突然变差”先看看模型是不是被平台自动切换了。注意知识库不生效时首先要做的是单测检索而不是反复改提示词。在知识库页面里直接搜索一个与文档内容强相关的问题看返回片段是否准确能快速区分问题是出在“存储/检索”还是“提示词引用”。7. 从单条对话到批量练习进阶用法和我的建议日常练习场景中单条对话已经够用。但如果你负责一个学习小组或者想给学生准备一周的练习题就绕不开批量任务。批量任务和单条对话完全是两套逻辑需要提前设计。7.1 批量生成练习题的落地要点批量生成练习题时最容易出的问题是输出格式不统一、题目重复、难度跑偏。我的建议是给智能体设定一个结构化输出模板要求每题都按照固定字段返回题目编号[编号] 知识点[知识点名称] 难度[入门 / 进阶 / 挑战] 题干[题目内容] 参考答案[放在最后] 讲解提示[按知识点给 2-3 个提示不给完整步骤]然后在提示词中要求每次只能输出一道题通过用户发送“继续”来生成下一道或者一次性指定生成题目数量和范围。这样做的原因是输出格式统一之后后续做人工检查、错误重试、整理成文档都会容易很多。如果任务量更大就要考虑失败重试和输出记录。不要假设一次请求就能成功。批量跑了 20 条总有几条可能格式不对或内容异常。要提前设计好“发现问题—单独重试—替换结果”的流程并且在跑之前先拿 3 条样例验证格式是否符合预期。7.2 长期维护的三个经验第一把提示词版本管理起来。不要只在平台里改要定期把当前版本复制到一个文档里记录每个版本的改动原因。这个习惯能帮你避免“上周还好好的这周不知道改了什么”的窘境。第二定期更新测试集。随着你练习的题型越来越复杂最初 12 条测试集的覆盖度会逐渐不够。每遇到一个让智能体“翻车”的新题型就把它加入测试集。测试集是你和智能体共同的成长记录。第三不要盲目追求大模型或复杂知识库。数学练习智能体的核心价值在提示词设计和流程设计。一个配置得当的中等模型配合一份清晰的提示词远比一个随意配置的大模型好用。知识库也一样没有独家资料时不配比硬配更可靠。最后说点实际感受。搭这个数学练习智能体的过程其实比用它做题更能帮助理解 AI 智能体。你会慢慢意识到智能体不是“一个能聊天的模型”而是一套包含角色设定、处理流程、知识引用、输出规则和测试验证的小系统。把这一套逻辑想清楚无论是做数学竞赛练习还是做其他垂直场景你都具备了最关键的能力把一个模糊需求拆成可设计、可测试、可优化的工程任务。我个人更建议先把“讲题”这一个场景做到稳定再考虑批量出题和知识库扩展。低配置的尝试不等于生产级使用先把一条主链路跑透比同时开十个功能有用得多。