代理式 AI 用途：管理互動式學習

Last reviewed 2025-12-09 UTC

本文說明應用程式的高階架構，這類應用程式會透過代理 AI 工作流程，生成及管理互動式學習測驗。代理程式會評估使用者對特定主題的瞭解程度，並運用持續性工作階段狀態和長期記憶，打造個人化體驗。代理程式會保留使用者的回答記錄，以便動態調整後續問題的難度和內容。

本文適用於建構及管理代理式 AI 應用程式的架構師、開發人員和管理員。這項架構適用於在各行各業中，建立互動式且具狀態的教育應用程式。本文假設您對 AI 代理程式系統有基本的瞭解。如要瞭解代理程式與非代理程式系統的差異，請參閱「AI 代理、AI 助理和機器人有何不同？」一文。

本文的「部署」部分提供程式碼範例的連結，協助您實驗部署可執行資料科學工作流程的代理式 AI 應用程式。

架構

下圖顯示互動式學習代理程式的高階架構。

互動式學習代理的架構。

架構顯示下列資料流程：

  1. 使用者在 Cloud Run 上託管的測驗應用程式中執行動作，例如開始測驗或提交答案。
  2. 應用程式會將使用者的輸入內容轉送給 AI 代理程式。

  3. AI 代理程式會使用 Gemini Enterprise Agent Platform 上的 Gemini 模型解讀使用者輸入內容，根據使用者的要求，代理程式會呼叫適當的工具，執行所要求的測驗動作。

    舉例來說，代理會選取工具來開始測驗、評估答案或生成下一個問題。

  4. 代理程式會將回應傳送至測驗應用程式。

  5. 測驗應用程式會將回覆轉送給使用者。

為維持測驗狀態並提供個人化體驗，代理程式會執行下列背景工作：

  • 代理程式會將最新的測驗進度和分數附加至儲存在 Gemini Enterprise Agent Platform Sessions 的已儲存工作階段記錄。
  • 代理程式會將測驗資料轉換為記憶，並儲存在 Memory Bank 中，以供長期回憶。代理會使用儲存在記憶體中的歷史資料，在日後的工作階段中生成符合脈絡的回覆。

使用的產品

這個範例架構使用下列 Google Cloud 產品：

部署作業

如要部署這個架構的範例實作，提供與程式碼相關的測驗，請使用 GitHub 上的 Python 導師程式碼範例。

後續步驟

貢獻者

作者：Samantha He | 技術文件撰稿者

其他貢獻者：