Anwendungsfall für Agentic AI: Interaktives Lernen verwalten

Last reviewed 2025-12-09 UTC

In diesem Dokument wird eine allgemeine Architektur für eine Anwendung beschrieben, die ein interaktives Lernquiz mit einem agentischen KI-Workflow generiert und verwaltet. Der Agent bewertet das Wissen eines Nutzers zu einem bestimmten Thema und verwendet einen persistenten Sitzungsstatus und ein Langzeitgedächtnis, um eine personalisierte Erfahrung zu schaffen. Der Agent speichert einen Verlauf der Antworten des Nutzers, sodass er den Schwierigkeitsgrad und den Inhalt nachfolgender Fragen dynamisch anpassen kann.

Die Zielgruppe für dieses Dokument umfasst Architekten, Entwickler und Administratoren, die agentenbasierte KI-Anwendungen erstellen und verwalten. Diese Architektur kann für die Erstellung interaktiver und zustandsorientierter Bildungsanwendungen in verschiedenen Branchen angepasst werden. Das Dokument setzt ein grundlegendes Verständnis von KI-Agentsystemen voraus. Informationen dazu, wie sich Agenten von nicht agentenbasierten Systemen unterscheiden, finden Sie unter Was ist der Unterschied zwischen KI-Agenten, KI-Assistenten und Bots?

Im Bereitstellungsabschnitt dieses Dokuments finden Sie Links zu Codebeispielen, mit denen Sie die Bereitstellung einer agentischen KI-Anwendung testen können, die einen Data-Science-Workflow ausführt.

Architektur

Das folgende Diagramm zeigt eine allgemeine Architektur für einen interaktiven Lernagenten.

Architektur für einen interaktiven Lernagenten.

Die Architektur zeigt den folgenden Datenfluss:

  1. Ein Nutzer führt in der Quizanwendung, die in Cloud Run gehostet wird, eine Aktion aus, z. B. ein Quiz starten oder eine Antwort senden.
  2. Die Anwendung leitet die Eingabe des Nutzers an den KI-Agenten weiter.

  3. Der KI-Agent verwendet das Gemini-Modell in Vertex AI, um die Eingabe des Nutzers zu interpretieren. Basierend auf der Anfrage des Nutzers ruft der Agent die entsprechenden Tools auf, um die angeforderte Quizaktion auszuführen.

    Der Agent wählt beispielsweise ein Tool aus, um eine Quizsitzung zu starten, eine Antwort zu bewerten oder die nächste Frage zu generieren.

  4. Der Agent sendet die Antwort an die Quizanwendung.

  5. Die Quizanwendung leitet die Antwort an den Nutzer weiter.

Um den Status des Quiz beizubehalten und die Erfahrung zu personalisieren, führt der Agent die folgenden Hintergrundaufgaben aus:

  • Der Agent fügt den neuesten Quizfortschritt und die aktuelle Punktzahl dem Verlauf der gespeicherten Sitzung hinzu, die in Vertex AI Agent Engine Sessions gespeichert ist.
  • Der Agent wandelt Quizdaten in Erinnerungen um und speichert sie in der Memory Bank, um sie langfristig abrufen zu können. Der Agent verwendet die im Speicher gespeicherten Verlaufsdaten, um in zukünftigen Sitzungen kontextbezogene Antworten zu generieren.

Verwendete Produkte

In dieser Beispielarchitektur werden die folgenden Google Cloud Produkte verwendet:

  • Cloud Run: Eine serverlose Computing-Plattform, mit der Sie Container direkt auf der skalierbaren Infrastruktur von Google ausführen können.
  • Agent Development Kit (ADK): Eine Reihe von Tools und Bibliotheken zum Entwickeln, Testen und Bereitstellen von KI-Agenten.
  • Vertex AI: Eine ML-Plattform, mit der Sie ML-Modelle und KI-Anwendungen trainieren und bereitstellen und LLMs für die Verwendung in KI-basierten Anwendungen anpassen können.
  • Vertex AI Agent Engine Sessions: Ein nichtflüchtiger Speicherdienst, der den Verlauf der Interaktionen zwischen einem Nutzer und Agenten speichert und abruft.
  • Memory Bank: Ein nichtflüchtiger Speicherdienst, der auf der Grundlage von Nutzerunterhaltungen mit einem Agenten langfristige Erinnerungen generiert, verfeinert, verwaltet und abruft.

Bereitstellung

Wenn Sie eine Beispielimplementierung dieser Architektur bereitstellen möchten, die Quizfragen zum Programmieren enthält, verwenden Sie das Python-Tutor-Codebeispiel das in GitHub verfügbar ist.

Nächste Schritte

Beitragende

Autor: Samantha He | Technischer Autor

Weitere Beitragende: