《基于AI大模型的Agent技术应用开发实践》课前调研问卷

各位学员：为帮助讲师了解大家在AI Agent原理、开发框架、RAG、上下文工程、记忆系统、工具调用/MCP/Skills、Harness工程、评测与可观测性等方面的基础与实践情况，特开展本次课前调研。问卷结果仅用于课程内容定制、案例选择和实操安排，请大家结合真实情况填写，预计用时6—8分钟。您的反馈将帮助讲师聚焦重点、调整讲解深度，更好满足大家的学习与项目需求。感谢支持与配合！

Q1:您目前对AI Agent（智能体）的了解程度是？

A. 完全不了解

B. 听说过，但未系统学习

C. 了解基本概念和典型架构

D. 做过简单Demo或示例

E. 有较深入理解，能结合业务设计

Q2:您目前参与Agent智能体开发的情况是？

A. 未参与过

B. 仅学习过教程/示例

C. 参与过Demo或原型开发

D. 独立开发过Agent应用

E. 主导过生产级Agent应用开发

Q3:您对“智能体上下文工程（Context Engineering）”的熟悉程度是？

A. 不了解

B. 知道概念

C. 了解上下文类型、管理策略和设计原则

D. 在项目中实践过上下文组织与优化

E. 有较系统的上下文工程实践经验

Q4:您对“智能体记忆系统（短期记忆/长期记忆/记忆检索）”的熟悉程度是？

A. 不了解

B. 知道短期记忆、长期记忆等概念

C. 使用过框架自带记忆能力

D. 做过自定义记忆存储或检索优化

E. 在生产系统中做过记忆系统设计与优化

Q5:您熟悉或使用过哪些RAG/Agent智能体开发相关框架/平台？

A. 未接触过

B. LangChain/Langgraph

C. LlamaIndex

D. Dify

E. Coze/扣子

F. 智谱/阿里相关平台

G. 自研RAG/Agent系统

H. 其他：______

Q6:您对“Harness工程（Agent = LLM + Harness，围绕约束、告知、验证、纠正、人在环、可观测性与补偿面构建可靠生产级Agent）”的熟悉程度是？

A. 完全不了解

B. 听说过概念，但不清楚具体内容

C. 了解基本理念，如5个设计原则、6层参考架构等

D. 在项目中实践过部分Harness机制，如工具权限、参数校验、重试恢复、人在环确认、全链路追踪等

E. 有较系统的Harness工程设计与生产级Agent落地经验

Q7:您当前或计划中的Agent应用类型主要是？

A. 企业知识问答/RAG问答

B. ChatBI/智能问数/数据可视化

C. 智能客服

D. 代码助手/研发辅助

E. 数据库运维/诊断/巡检

F. 流程自动化/办公助手

G. 多智能体协作应用

H. 其他：______

Q8:您所在团队Agent系统的落地阶段是？

A. 尚无明确项目

B. 调研与技术选型阶段

C. 原型/Demo阶段

D. 内部测试或试点阶段

E. 小规模真实业务落地

F. 已规模化生产落地

Q9:您对Function Calling、Tool Use、MCP、Agent Skills等工具调用与协议能力的熟悉程度是？

A. 不了解

B. 了解基本概念

C. 使用过Function Calling/Tool Use

D. 使用过MCP或Agent Skills

E. 做过工具治理、权限、审计和生产化实践

Q10:您对“多智能体、Agent评测与可观测性”的熟悉程度是？

A. 不熟悉

B. 了解概念

C. 使用过LangGraph等多智能体编排

D. 做过Agent评测或LLM-as-Judge

E. 做过全链路追踪、可观测性或生产优化

Q11:请简要描述您当前项目或团队的RAG与Agent架构情况。可包括：数据源、文档解析与分块、向量数据库、检索方式、生成模型、编排框架、工具/MCP、部署方式等；如尚无架构，请说明规划。

填空1

Q12:目前您在RAG或Agent开发落地中遇到的主要问题是什么？可结合效果、幻觉、上下文管理、记忆、工具调用、权限安全、成本、延迟、评测、工程化等举例说明。

填空1

Q13:您对本次培训的期待和形式偏好是什么？可说明理论、源码、实操比例，希望重点讲解的模块，案例行业场景，是否需要动手环境、分组演练、现场答疑等。

填空1

《基于AI大模型的Agent技术应用开发实践》课前调研问卷

关于

1天内

更新

频次

题目数

有问题？问问AI帮你修改改主题：如咖啡问卷改为奶茶问卷