把用户宠上天的金数据，，，，，，，，用AI Agent攻克企业培训考试难题-明略科技

首页干货文章把用户宠上天的金数据，，，，，，，，用AI Agent攻克企业培训考试难题

把用户宠上天的金数据，，，，，，，，用AI Agent攻克企业培训考试难题

2025-04-08

知识经济时代，，，，，，，，无论是“以考代学”的企业培训，，，，，，，，照旧运营运动的互下手段，，，，，，，，考试的需求始终兴旺。。。。。。。“古板考试保存许多灾点，，，，，，，，好比出题环节重大，，，，，，，，设置考试繁琐，，，，，，，，阅卷事情耗时耗力。。。。。。。AI的泛起，，，，，，，，让我们看到了优化考试的可能性。。。。。。。”明略科技旗下金数据产品工程师、快出题手艺认真人周艺说。。。。。。。

2024年3月，，，，，，，，金数据推出了聚焦考试场景的首款AI产品——“快出题”。。。。。。。用户上传不限内容、名堂的文件，，，，，，，，快出题能够快速出题，，，，，，，，并宣布考试。。。。。。。短短一年，，，，，，，，快出题已效劳数万名用户，，，，，，，，广受好评。。。。。。。随着产品能力的逐步提升，，，，，，，，金数据提出了“万物皆可考”的理念。。。。。。。这背后是基于市场需求的一连迭代，，，，，，，，用金数据自己的话说，，，，，，，，就是“主打一个宠粉”。。。。。。。

“快出题”怎样在手艺与需求间找到了最优解，，，，，，，，怎样通过AI Agent爆改古板考试？？？？？以下来自金数据“快出题”手艺认真人周艺的分享节选。。。。。。。

“快出题”官网界面

01 从0到1打造新产品，，，，，，，，客户需求是第一驱动力

快出题的能力，，，，，，，，首先是出题，，，，，，，，AI组件能够快速从已有的题库中抽取问题，，，，，，，，天生一份试卷，，，，，，，，并且支持AI阅卷；；；；；；其次是提供训练模式，，，，，，，，尤其适用于企业培训场景，，，，，，，，用户也可以导出试卷，，，，，，，，利便在线下组织考试；；；；；；最后还提供出题API，，，，，，，，若是企业有自己的考试系统，，，，，，，，可以通过快出题的API将出好的问题导入到自己的系统里。。。。。。。

在快出题的迭代历程中，，，，，，，，我们履历了“金数据考试——AI考试——快出题”三个阶段。。。。。。。着实快出题最初是为金数据表单中有考试场景需求的用户设计的，，，，，，，，但金数据表单主要用于数据网络，，，，，，，，在考试场景保存一些先天的缺乏，，，，，，，，好比难以支持大型题库，，，，，，，，也不支持训练模式。。。。。。。于是，，，，，，，，我们其时开发了一个无论在操作体验，，，，，，，，照旧流通度上都体现精彩的考试编辑器。。。。。。。然而，，，，，，，，我们发明险些没有人使用。。。。。。。为什么呢？？？？？由于导入题库这件事太难了。。。。。。。

我们最早宣布的内测版本中，，，，，，，，导入题库需要用户按指定的 Excel 模版上传题库，，，，，，，，操作繁琐且蜕化概率极高，，，，，，，，基本上用户都卡在了这一步。。。。。。。怎么办？？？？？虽然是宠粉！用户居然导入不进来，，，，，，，，我们就帮他解决这个问题，，，，，，，，于是我们推出了第一个AI功效—— 通过AI导入题库 。。。。。。。用户上传恣意名堂的题库文件，，，，，，，，我们都能用AI剖析其中的问题，，，，，，，，并名堂化成题库供用户使用。。。。。。。

但随后我们又发明了一个问题：许多用户基础没有题库，，，，，，，，而是直接将他们的资料文档看成题库上传。。。。。。。为了知足用户需求，，，，，，，，我们开发了 基于资料库天生题库 的功效，，，，，，，，只要用户有文档资料，，，，，，，，我们就能资助他们天生问题。。。。。。。

厥后一些用户告诉我们，，，，，，，，想用btt博天堂产品做企业培训，，，，，，，，但并没有成型的资料。。。。。。。怎么办？？？？？我们依然是主打一个宠粉！于是，，，，，，，，我们又推出了一个功效—— 基于一句话出题 。。。。。。。用户只需输入需求，，，，，，，，我们就能天生一套考试问题，，，，，，，，到了这一步，，，，，，，，基本上用户只要进来就能用起来。。。。。。。但有些用户最先反响说，，，，，，，，哎，，，，，，，，你们天生的效果似乎不太对。。。。。。。

问题出在那里呢？？？？？我们都知道大模子有一个“幻觉”问题。。。。。。。当资料缺乏时，，，，，，，，大模子就会编造一些虚伪事实。。。。。。。其时有一位用户反�。。。。。。。�，，，，，，，在btt博天堂一句话出题功效中出了关于网络热梗“成都迪士尼”的问题。。。。。。。出题时，，，，，，，，AI误以为成都真的要建迪士尼，，，，，，，，于是天生了许多关于成都迪士尼门票、项目相关的问题，，，，，，，，这显然不是用户想要的。。。。。。。

厥后我们通过联网搜索的方法，，，，，，，，确保了天生的问题准确无误。。。。。。。至此，，，，，，，，btt博天堂产品基本完成，，，，，，，，去年3月25日上线时，，，，，，，，我们将产品正式命名为金数据AI考试，，，，，，，，并基于AI出题开发了一系列功效。。。。。。。

在推广历程中，，，，，，，，我们发明，，，，，，，，用户在实验一句话天生问题时，，，，，，，，往往会想到天生数学题或语文题，，，，，，，，而提醒词工程在K12学科方面的出题体现并不睬想。。。。。。。厥后，，，，，，，，我们实验了COT，，，，，，，，即通过构建一个重大且包括大宗示例的提醒词，，，，，，，，一步步指导AI完成重大使命。。。。。。。简朴来说，，，，，，，，就是教会AI怎样“事情”。。。。。。。与此同时，，，，，，，，我们最先研究先生是怎样出题的。。。。。。。通过研究大宗文献，，，，，，，，形成专门的提醒词，，，，，，，，在大模子上举行重复实验，，，，，，，，最终找到了最优解。。。。。。。不但适用于K12出题，，，，，，，，还可以用于种种职业资格考试，，，，，，，，如司法考试、会计考试、制作师/修建师考试等，，，，，，，，从而真正实现了“万物皆可考”。。。。。。。

02 借力AI Agent升级，，，，，，，，聚焦大企业“出题”痛点

接下来，，，，，，，，我们面临了一个新的挑战：一些大型企业用户已经拥有自己的考试系统，，，，，，，，但很是认可金数据的出题能力，，，，，，，，问我们能否通过API将金数据的出题能力集成到他们自己的系统里。。。。。。。于是，，，，，，，，我们最先着手构建对外开放的API。。。。。。。

其时，，，，，，，，为了快速开发，，，，，，，，我们所有的提醒词工程都是在btt博天堂Ruby项目里完成的。。。。。。。选择Ruby的缘故原由主要有两个：一方面，，，，，，，，金数据自己就主张使用Ruby；；；；；；另一方面，，，，，，，，金数据在Ruby社区中处于顶尖水平，，，，，，，，我们对驾驭这个手艺栈很是有信心。。。。。。。

然而，，，，，，，，随着手艺功效的一直迭代，，，，，，，，我们逐渐发明Ruby生态的缺乏。。。。。。。由于缺乏富厚的生态支持，，，，，，，，在Ruby上很难举行快速调试和问题追踪，，，，，，，，代码编写也缺乏一定的规范性。。。。。。。若是要开发一个对外的API，，，，，，，，并知足用户的私有化定制需求，，，，，，，，难度极大。。。。。。。因此，，，，，，，，我们痛定思痛，，，，，，，，决议将所有的AI应用模子从Ruby中迁徙出来，，，，，，，，切换到LangChain，，，，，，，，拥抱Lang圈生态，，，，，，，，简化后续的维护和开发事情。。。。。。。

我们也比照了其他解决计划，，，，，，，，例如Defy、LlamIndex、Mastra等，，，，，，，，但它们都保存各自的问题。。。。。。。最终，，，，，，，，我们选择了LangChain作为手艺计划。。。。。。。完成迁徙后，，，，，，，，我们发明开发API变得非�？？？？？焖偾乙子谑迪�。。。。。。。

在开发对外API的历程中，，，，，，，，我们还进一步熟悉到，，，，，，，，许多用户已经有了自己的考试系统，，，，，，，，更需要我们资助他们完成出题环节。。。。。。。于是，，，，，，，，我们从市场需求出发，，，，，，，，对产品偏向举行了调解，，，，，，，，从“金数据AI考试”进化为“快出题”，，，，，，，，适当降低了考试功效的比重，，，，，，，，专注于提升出题能力。。。。。。。

手艺侧的立异实验为我们带来了显著的刷新：

首先，，，，，，，，我们引入了LangGraph，，，，，，，，它是LangChain生态中专门用于Agent编排和Workflow组织的工具。。。。。。。我们可以借此构建更为重大的AI应用。。。。。。。

以一句话出题功效为例，，，，，，，，此前它是通过简单的Prompt加上一些输入、输出检查实现的简单Agent。。。。。。。刷新后，，，，，，，，我们将出题历程拆分成多个部分，，，，，，，，每个部分由一个 Agent 单独完成，，，，，，，，以是出题就酿成了多个 Agents 的协同事情。。。。。。。Analyzer 先剖析用户意图，，，，，，，，Retriever 检索相关资料，，，，，，，，在取自得图和资料后交由 Generator 出题，，，，，，，，出题完成后 Validator 会检盘问题质量，，，，，，，，若是缺乏格会要求 Generator 刷新，，，，，，，，最后将效果泛起给用户。。。。。。。经由这一系列刷新，，，，，，，，一句话出题的效果显著增强，，，，，，，，包括问题的深度、难度、受众语气，，，，，，，，甚至还能增添意见意义性。。。。。。。好比，，，，，，，，模拟林黛玉的语言气概出一套春节贺年题，，，，，，，，在已往是无法实现的，，，，，，，，现在的问题则变得越发无邪、有新意，，，，，，，，进一步拓展了使用场景。。。。。。。

在知识库出题方面，，，，，，，，我们也举行了优化，，，，，，，，将之前的线性天生改为并行处置惩罚。。。。。。。我们增添了一个Planner，，，，，，，，它可以将一个使命拆分成多个小使命，，，，，，，，每个小使命分派一个 Generator 执行，，，，，，，，天生完成后，，，，，，，，由一个专门的 Picker Agent 从效果中挑选出优质内容，，，，，，，，最终形成一个题库泛起给用户。。。。。。。这一提升首先体现在速率上，，，，，，，，天生100道题，，，，，，，，仅需30秒；；；；；；其次是稳固性，，，，，，，，不会由于输出过长，，，，，，，，导致大模子降智。。。。。。。无论出几多题，，，，，，，，质量都能获得包管。。。。。。。

其次，，，，，，，，我们引入了一个大模子监测平台LangFuse，，，，，，，，它带来了两个显著优势：一方面，，，，，，，，我们可以对所有使命举行Trace，，，，，，，，便于跟踪和调试，，，，，，，，从而提升研发效率；；；；；；另一方面，，，，，，，，金数据旗下尚有一款名为“浩客”的产品。。。。。。。在快出题天生一套问题后，，，，，，，，浩客会弹出一个小窗口，，，，，，，，询问用户对效果是否知足。。。。。。。这正是大模子能力测评中很是主要的一部分——用户反响。。。。。。。我们可以通过浩克网络到的数据，，，，，，，，将天生的使命和用户对使命的评价关联起来，，，，，，，，我们便能更好地相识刷新效果怎样，，，，，，，，在哪些方面还需要提升。。。。。。。

在AI应用领域，，，，，，，，选择往往比起劲更主要。。。。。。。若是我们一最先继续在Ruby上举行迭代，，，，，，，，可能很难实现后面这些能力的提升。。。。。。。

03 履历总结

回首整个迭代的历程，，，，，，，，我们以为做对了三件事：坚持交互体验。。。。。。。确保用户在使用金数据时，，，，，，，，不会遇到凌驾五秒的loading，，，，，，，，所有地方都是实时返回效果，，，，，，，，迅速给用户反�。。。。。。。�，，，，，，，这样用户才更有动力坚持操作，，，，，，，，直至看到最终天生的问题；；；；；；坚持产品驱动。。。。。。。一直深挖产品使用中的痛点和缺乏，，，，，，，，快速迭代和上线，，，，，，，，一连为用户创立价值；；；；；；拥抱手艺刷新。。。。。。。我们不会由于自己在Ruby社区中的职位而恪守原有的手艺。。。。。。。

与此同时，，，，，，，，我们也收获了三个名贵的履历：阻止太过优化。。。。。。。在AI调优的历程中，，，，，，，，我们曾破费大宗精神举行调解，，，，，，，，但随着大模子的升级，，，，，，，，之前的优化往往变得不再适用。。。。。。。以是，，，，，，，，当我们在大模子或AI应用中遇到棘手问题时，，，，，，，，也许等一等是一个更好的选择；；；；；；多实验、多探索。。。。。。。选对计划往往比起劲更主要；；；；；；辨识用户的真实需求。。。。。。。我们最初开发考试功效，，，，，，，，是由于用户体现他们需要题库和组织考试的能力。。。。。。。随着产品的迭代，，，，，，，，最后我们发明，，，，，，，，用户最大的需求着实是出题。。。。。。。

展望未来，，，，，，，，我们今年会更多的深耕详细的考试场景，，，，，，，，提供更有针对性的优化，，，，，，，，以及更专业的效劳。。。。。。。在对外开放的API上加大投入，，，，，，，，提供越发便捷的接入方法，，，，，，，，让更多用户接入btt博天堂AI Agent能力。。。。。。。

最近，，，，，，，，我们关注到Anthropic提出的MCP（一个框架协议），，，，，，，，它可以将产品封装成一个工具，，，，，，，，供其他AI产品挪用。。。。。。。这可能是未来AI产品生长的主流趋势，，，，，，，，我们也在起劲探索提供快出题的MCP server，，，，，，，，以便更好地融入未来的AI生态。。。。。。。

点击此处最先体验～

btt博天堂

01

从0到1打造新产品， ，，，，，， ，客户需求是第一驱动力

02

借力AI Agent升级， ，，，，，， ，聚焦大企业“出题”痛点

03

履历总结

从0到1打造新产品，，，，，，，，客户需求是第一驱动力

借力AI Agent升级，，，，，，，，聚焦大企业“出题”痛点