信息安全產品配置與應用（基於華為防火墻）（AI助學）

齊坤，深圳職業技術大學專任教師，高級技師，信息系統項目管理師，全國技術能手，深圳市五一勞動獎章獲得者、深圳工匠、華為授業名師。主參編教材7部，其中，主編國家“十四五”職業教育國家規劃教材2部、工信部“十四五”規劃教材1部。曾參加電子通信行業職業技能競賽獲得職工組一等獎，參加深圳技能大賽獲得一等獎。指導學生參加國際/國家級技能大賽獲一等獎2項、二等獎5項；指導學生參加省級技能大賽獲一等獎8項等。

目錄

第 1章　大模型與智能體開發　1

本章引言　2

1.1　對接雲端大模型接口　2

1.1.1　準備PyCharm開發環境　2

1.1.2　對接通義千問　4

1.1.3　對接DeepSeek　7

1.1.4　對接OpenRouter平臺　8

1.2　本地部署大模型　11

1.2.1　安裝與配置Ollama　11

1.2.2　拉取並測試大模型　12

1.2.3　CherryStudio對接Ollama　13

1.2.4　調用Ollama API　14

1.3　AI智能體開發技術　17

1.3.1　Function Calling技術　17

1.3.2　MCP技術　19

1.3.3　使用Python調用Function

Calling　22

1.3.4　使用Python開發MCP服務　24

第 2章　FastAPI開發框架　26

本章引言　27

2.1　FastAPI快速使用　27

2.1.1　快速入門　27

2.1.2　URL及參數　30

2.1.3　RESTful接口　30

2.1.4　JSON請求體　31

2.1.5　會話管理　33

2.1.6　文件上傳　34

2.1.7　數據驗證　36

2.1.8　異步編程　36

2.2　Jinja2模板引擎　38

2.2.1　模板引擎的作用　38

2.2.2　Jinja2快速使用　40

2.2.3　Jinja2核心語法　41

2.2.4　過濾器　42

2.2.5　應用示例　43

2.3　SQLModel數據處理　44

2.3.1　利用PyMySQL操作數據庫　44

2.3.2　SQLModel核心操作　45

2.3.3　SQLModel復雜查詢　47

2.4　FastAPI對接大模型　47

2.4.1　基於OpenAI庫對接　47

2.4.2　處理流式響應　48

2.4.3　前端JavaScript對接　49

第3章　AI問答　54

本章引言　55

3.1　功能與設計分析　55

3.1.1　核心功能列表　55

3.1.2　整體實現思路　55

3.2　前後端準備工作　58

3.2.1　前端界面實現　58

3.2.2　靜態目錄設置　60

3.2.3　FastAPI多模塊　60

3.3　文本問答功能　61

3.3.1　後端代碼實現　61

3.3.2　前端代碼實現　62

3.3.3　聯網搜索功能　64

3.3.4　開發MCP客戶端　66

3.3.5　函數調用增強　69

3.4　圖像識別與生成　71

3.4.1　圖像識別功能　71

3.4.2　圖像識別前端　72

3.4.3　圖像生成功能　75

第4章　每日新聞摘要　78

本章引言　79

4.1　功能與設計分析　79

4.1.1　核心功能列表　79

4.1.2　整體實現思路　80

4.2　基礎功能實現　81

4.2.1　前端界面布局　81

4.2.2　數據表結構　84

4.2.3　BeautifulSoup庫　84

4.2.4　爬取標題與超鏈接　86

4.2.5　獲取和摘要新聞　87

4.2.6　前端界面渲染　88

4.3　擴展功能實現　90

4.3.1　新聞分類瀏覽　90

4.3.2　按日期瀏覽新聞　91

4.3.3　定時更新新聞　92

第5章　智能語音記分　94

本章引言　95

5.1　語音識別與合成　95

5.1.1　本地錄音文件識別　95

5.1.2　本地實時語音識別　96

5.1.3　阿裏雲語音識別　97

5.1.4　WebSocket通信　99

5.1.5　JavaScript語音識別　102

5.1.6　語音合成與播放　106

5.2　Web版語音記分　109

5.2.1　功能與實現思路　109

5.2.2　前端界面實現　110

5.2.3　前端JavaScript代碼實現　112

5.2.4　後臺代碼實現　116

5.3　Python版語音記分　116

5.3.1　tkinter繪制界面　116

5.3.2　語音喚醒功能　118

5.3.3　完整功能代碼　120

第6章　智能考勤　124

本章引言　125

6.1　需求與設計分析　125

6.1.1　核心功能列表　125

6.1.2　整體實現思路　125

6.1.3　face_recognition的用法　126

6.2　OpenCV版本實現　128

6.2.1　利用OpenCV采集攝像頭

數據　128

6.2.2　人臉數據存儲與對比　128

6.2.3　設計智能考勤系統數據表　130

6.2.4　實現新增人臉數據功能　131

6.2.5　實現人臉考勤功能　135

6.2.6　實現Web端考勤數據查詢功能　137

6.3　Web端版本實現　140

6.3.1　前端采集攝像頭數據　140

6.3.2　基於WebSocket進行實時檢測　143

6.3.3　基於前端界面進行考勤　146

6.3.4　打卡成功並顯示考勤記錄　148

6.4　活體檢測防作弊　149

6.4.1　活體檢測概述　149

6.4.2　人臉68個關鍵特征點　150

6.4.3　指令動作檢測原理　152

6.4.4　活體檢測核心代碼　154

6.4.5　前端連續截圖測試　156

6.4.6　活體檢測與考勤　157

第7章　AI智慧課堂　161

本章引言　162

7.1　功能與設計分析　162

7.1.1　核心功能列表　162

7.1.2　整體實現思路　163

7.1.3　數據庫設計　164

7.2　主體功能開發　166

7.2.1　視頻文件預處理　166

7.2.2　生成課堂筆記　171

7.2.3　生成思維導圖　174

7.2.4　生成視頻關鍵幀　176

7.2.5　拓展知識引用　178

7.3　出題和考試功能　179

7.3.1　生成考題　179

7.3.2　前端渲染考題　181

7.3.3　提交試卷並評分　184

7.4　登錄與Token鑒權　187

7.4.1　Token處理機制　187

7.4.2　加密與解密處理　188

7.4.3　登錄與Token認證　189

7.4.4　前後端校驗處理　190

7.5　定時任務處理　191

第8章　智能在線客服　193

本章引言　194

8.1　功能與設計分析　194

8.1.1　RAG與向量數據庫　194

8.1.2　核心功能列表　197

8.1.3　整體實現思路　198

8.2　LlamaIndex框架應用　199

8.2.1　LlamaIndex概述　199

8.2.2　LlamaIndex核心操作　199

8.2.3　文檔分段與檢索　201

8.2.4　定義提示詞模板　203

8.2.5　處理流式響應　204

8.2.6　文檔分段策略　205

8.2.7　檢索結果重排序　209

8.3　向量數據庫　210

8.3.1　Chroma的核心操作　210

8.3.2　自行分段實現RAG　213

8.3.3　Chroma的其他操作　214

8.3.4　LlamaIndex整合Chroma　215

8.3.5　Qdrant的核心操作　217

8.3.6　LlamaIndex整合Qdrant　218

8.4　項目功能實現　219

8.4.1　Web前端實現　219

8.4.2　用戶端功能實現　221

8.4.3　文檔上傳並建立索引　222

8.4.4　文檔信息處理　224

8.4.5　文檔分段內容查看　226

8.5　擴展功能優化　227

8.5.1　聯網搜索並回復　227

8.5.2　聯系方式自動通知　228

8.5.3　保存對話記錄　231

8.5.4　對接雲端知識庫　233

8.5.5　使用大模型進行分段　235