【智能体认知与大模型原理】 有人认为“Agent就是更聪明、更会聊天的AI”。对Agent智能体最准确的理解是：
Agent只是更会聊天的AI，本质上还是文本问答
Agent是能感知环境、决策并执行行动以达成特定目标的智能软件实体，能动手做事
Agent不需要大模型也能工作
Agent只能回答固定问题，不能变通
【智能体认知与大模型原理】 关于大模型“训练”与“推理”的区别，下列理解最准确的是：
训练和推理都会根据用户每次输入实时改写模型参数，区别只是训练数据量更大
训练是使用数据确定或调整模型参数的过程，推理是在参数固定后使用模型处理新输入、产生输出的过程
推理是调整参数，训练是使用参数，两者顺序可以互换
大模型每回答一次问题就完成一次训练，所以用得越多模型越懂用户
【智能体认知与大模型原理】 关于DeepSeek深度思考模式在银行日常工作中的使用，下列判断最准确的是：
深度思考模式在所有任务上都优于基础模型，银行员工应默认使用
深度思考模式适合数学证明、策略分析等复杂推理，但处理简单任务时可能“想太多”，反而把问题复杂化。
深度思考模式的幻觉率低于基础模型，因此生成的制度条款和监管引用可以直接采用
深度思考模式开启后可以替代联网搜索，不需要再查最新外部信息
【智能体认知与大模型原理】 在Agent的ReAct架构中，Agent执行任务的核心循环是（ ）。
系统提示 → 最终答案 → 动作 → 观察 → 思考 → 停止
思考（Thought） → 行动（Action，调用工具） → 观察（Observation） → 回到思考，直到模型给出最终答案或达到迭代上限
观察 → 行动 → 系统提示 → 思考 → 最终答案 → 停止
思考 → 系统提示 → 观察 → 最终答案 → 动作 → 停止
【智能体认知与大模型原理】 AI生成营销文案时逐词输出。对大模型生成回答本质的理解，最准确的是：
模型在数据库中快速检索原文并拼接答案
模型根据上文预测下一个词的概率，并逐个Token生成
模型一次性输出完整答案
模型先对整句进行语义编码，再按固定模板填充内容输出
【智能体认知与大模型原理】 为使AI输出某银行的制度、合规话术时稳定严谨、避免随机发挥，按Temperature的作用，最合适的设置思路是：
把Temperature调到最高，让AI更有创造力
调低Temperature（如0.2），让输出更专注、更确定
Temperature只影响接口价格，对输出没影响
只要关闭搜索功能，输出就一定严谨
【智能体认知与大模型原理】 业务人员发现：同样问一句简短的问题，多轮长对话进行到后期时，单次调用费用明显高于刚开始时。按大模型Token计费原理，最准确的原因是：
对话越长，模型参数量自动增加，导致单价上升
每次回答都需要把系统提示、历史对话和本次提问重新作为输入Token处理，历史越长，输入Token越多
输出Token的单价随对话轮次递增，所以后期更贵
长对话会强制切换到更高价的模型，费用因此上升
【提示词工程】 关于提示词Prompt与提示词工程，下列表述最严谨的是：
Prompt只指首次提问，后续对话和系统消息不算Prompt
提示词工程主要是调高Temperature，让模型自由发挥
Prompt是模型接收的指令与上下文，提示词工程是对输入进行结构化设计、测试和迭代，以稳定获得目标输出
Prompt越长，模型输出一定越准确
【提示词工程】 在提示词中给大模型提供1—2个输入输出示例（Few-shot），主要作用是：
增加模型参数规模，提升模型基础能力
让模型模仿示例的格式与风格，提升输出一致性
替代人工复核，确保内容绝对准确
减少Token消耗，降低调用成本
【提示词工程】 某员工原始提示词为：“根据我上传的Excel，帮我写一份网点周报。”为提升提示词的可复用性和输出稳定性，按结构化提示词框架（如LangGPT）优化，最合理的做法是：
在句首加“请认真、仔细、专业地完成”，并重复三遍任务要求
把提示词改写成一段更长的自然语言，把所有要求连续写在一起
按角色、目标、输入说明、工作流程、约束规则、输出格式和示例等模块拆分组织提示词
调高Temperature并增加历史对话，让模型自行推断周报要求
【智能体辅助内容生成】 用AI起草一份“关于调整网点营业时间的通知”，下列做法最合理的是：
只输入“写一份调整营业时间的通知”，由AI自行确定调整范围、执行日期和对外口径
提供调整背景、涉及网点、新旧营业时间、执行日期、客户告知要求和公文格式，AI生成初稿后由人工核对关键要素并定稿
让AI直接生成终稿并对外发布，减少人工环节
先让AI生成多版华丽版本，再从中随机选一版使用
【智能体辅助内容生成】 需要将一份20页的经营分析报告浓缩为10页汇报PPT。用AI辅助时，最合理的生成思路是：
让AI逐页压缩文字，把每页报告对应成一页PPT
先让AI提炼“结论—论据—建议”的主线，再按主线重组为“封面—核心结论—分项分析—建议—附录”的PPT结构
让AI把报告全文粘贴进PPT，靠字号缩小来压缩页数
只保留报告目录，正文由AI自由发挥
【智能体辅助内容生成】 同一份业务材料，需要分别生成“向上级行的汇报稿”和“向客户的产品说明”。用AI辅助时，最合理的提示词设计思路是：
两版使用完全相同的提示词，保证内容一致
分别设定受众、目的和表达要求
先写客户版，再把所有专业术语替换成更华丽的词就是汇报版
只写一版，让读者自行理解
【智能体辅助内容生成】 用AI起草银行内部通知、请示、报告三类公文时，为提高生成质量，最有效的做法是：
三类公文使用同一句提示词“帮我写一份公文”，由AI自行判断文种差异
在提示词中明确文种，并给出该文种的结构要素（如通知：背景—事项—要求—联系人；请示：缘由—事项—请示意见；报告：情况—分析—下一步安排）
只写标题，让AI根据标题自动补全文种和结构
要求AI把所有文种要素都写进去，篇幅越长越正式
【智能体辅助数据分析】 拿到一份业务数据后，小张想直接让AI大模型输出分析结论。更合理的做法是：
直接让AI生成分析结论
先明确业务问题和分析目标，再设计分析流程
先删除所有异常值
先制作动态图表
【智能体辅助数据分析】 使用AI数据体检发现订单编号存在重复记录，但金额和日期并不完全一致。使用AI去重前最合理的做法是：
直接删除所有重复行，只保留第一条
先确认重复原因和业务主键，再确定去重规则
让AI随机保留一条记录
不处理，因为重复记录不影响分析
【智能体辅助数据分析】 用AI做“不良率异动归因”时，正确做法是：
直接问AI“不良率为什么上升”，并把它说的原因作为结论
给定固定维度（如新发放规模、平均额度、贷后覆盖率），让AI做结构化拆解提出假设，由人判断是否成立
让AI直接预测未来不良率，不需要数据
要求AI保证其归因绝对准确
【智能体辅助数据分析】 业务人员不会写Excel公式，想让DeepSeek帮忙计算“毛利率”。下列提问方式最有效的是：
只问DeepSeek“帮我写个公式”
说明表格结构、目标结果、计算口径，并给出示例数据，请DeepSeek生成公式并解释各参数
让DeepSeek直接修改自己的Excel文件，不需要说明表格结构
把DeepSeek生成的公式直接粘贴到所有行，不做任何检查
【自动化任务与 Skills 专家/专家团应用】 Skill文件夹中，哪项是必须存在的？
SKILL.md
scripts/（代码脚本文件夹）
references/（参考资料文件夹）
assets/（模板素材文件夹）
【自动化任务与 Skills 专家/专家团应用】 创建“网点周报助手”Skill时，Description写“处理数据”。该写法的问题是：
太宽泛，会导致AI乱选技能，误触发率高
太短了，AI可以节约Token
没有写代码，AI看不懂
没有问题，越简单越好
【自动化任务与 Skills 专家/专家团应用】 某“网点业绩汇总”Skill要求输入Excel必须包含“网点名称、存款余额、AUM”三列。下列SKILL.md规则写法中，最符合“防呆设计”原则的是：
若缺少金额列，AI可估算合理数字，保证流程继续
处理前校验三列；缺少任一必需列即终止，输出缺失列清单并提示补充后重跑，不进入汇总和报告生成
遇异常由AI自行判断是否继续，灵活处理
忽略格式和字段错误，先强行生成报告，末尾统一说明异常
【自动化任务与 Skills 专家/专家团应用】 下列哪项工作最应优先封装成Skill？
每年仅做一次的年度战略规划
每周一都要手工汇总8个网点的业绩Excel并写通报
需要大量临场主观判断的复杂跨部门协调
毫无规律可言的突发事件处理
【智能体高效应用技巧总结】 单Agent处理复杂任务时常“泛泛而谈、细节出错”。其核心结构性原因是：
大模型本身的能力不足
上下文过载，导致上下文窗口被填满，模型难以聚焦
用户给的提示词字数太少
没有充值购买更高版本的AI大模型
【自动化任务与 Skills 专家/专家团应用】 希望AI以“资深金融分析师”身份和方法论执行任务。这属于WorkBuddy的哪种功能？
【自动化任务与 Skills 专家/专家团应用】 关于WorkBuddy“专家团”执行机制的描述，正确的是：
团长只负责分配任务，不负责整合交付
由团长自动拆解任务、分配、并行执行并整合交付完整结果
专家团的多个专家会互相共享所有记忆和权限
专家团等同于将多个单一技能简单叠加
【Vibe 编程】根据Vibe Coding氛围编程的思路，使用者对AI生成代码应持的正确态度是：
必须逐行review（审查）AI写的代码，找出所有语法错误
一旦发现错误，必须手动修改代码
不看代码，只看结果；如果不满意或有问题，直接通过对话让AI修复
AI写的代码绝对安全，不需要做任何测试
【Vibe 编程】 下列哪项完整描述了Vibe Coding氛围编程的核心循环？
描述需求 → 生成代码 → 测试 → 发现问题 → 描述问题 → AI修复（循环）
生成代码 → 运行 → 报错 → 放弃
描述需求 → 生成代码 → 直接上线交付
手动写代码 → 让AI检查语法 → 手动改错
【Vibe 编程】 业务人员用Vibe编程开发“网点业绩周报自动汇总”小工具时，下列做法最符合Vibe编程理念的是：
尽量少描述需求，让AI自行猜测业务口径和汇总规则
说清需求背景、输入样例、字段含义、计算口径、输出格式和异常处理要求，生成后测试，并根据结果问题通过对话让AI修复
只关注生成代码是否看起来复杂专业，不关心运行结果是否正确
代码生成后直接投入日常使用，不再测试、验收和迭代
【金融行业AI安全和合规】 客户经理需用公网大模型辅助整理客户投诉记录。按照银行数据脱敏与合规要求，下列做法最合适的是：
直接上传原始投诉记录，包含客户姓名、卡号和手机号，便于AI准确理解
删除或替换客户姓名、卡号、手机号等个人身份信息，仅保留业务问题和处理诉求后再输入
只删除客户姓名，卡号和手机号可以保留，因为AI不会泄露
将客户信息截图后上传，图片比文字更安全
【金融行业AI安全和合规】 员工需要分析一份包含客户账户信息的内部报表。下列使用AI工具的方式，最符合银行AI使用规范的是：
使用个人注册的公网大模型，上传完整报表快速分析
优先使用行内审核通过的AI工具；确需使用公网工具时，先脱敏并去除客户身份信息，且不输入账户密码等敏感数据
将报表通过个人邮箱发送到外部AI平台处理
只要不在Prompt中写客户姓名，就可以上传完整账号和交易明细
【智能体认知与大模型原理】 关于Agent四要素（LLM、Planning、Memory、Tool）及其协同关系，下列理解正确的有：
LLM是Agent的决策核心，但只有LLM、没有Planning、Memory和Tool，不能构成能执行任务的完整Agent
Planning负责把目标拆解为可执行步骤，并可根据工具返回的Observation调整后续步骤
Memory只保存用户最初的提问，不保存工具返回结果和任务中间状态
Tool是Agent与外部环境交互的执行通道，包括API、代码脚本、业务系统操作等
【智能体认知与大模型原理】 关于AI Agent（如WorkBuddy）的四大能力（感知、规划、执行、反馈），下列理解正确的有：
感知：接收指令、读取文件、获取环境信息
规划：拆解任务、确定步骤与执行顺序
执行：调用工具、操作软件、完成具体动作
反馈：根据执行结果调整后续行动，并可替代人完成签字审批
【金融行业AI安全和合规】 下列哪些属于智能体（如WorkBuddy）权限控制三原则？
细粒度控制，对权限进行细致划分
最小权限原则，默认拒绝、需显式授权
人类介入，敏感操作须用户确认
完全开放、免确认，以减少弹窗
【智能体认知与大模型原理】 关于大语言模型生成Token输出的过程，理解正确的有：
模型基于已有上下文，计算下一个Token的概率分布并选择输出
模型逐步生成Token，直到遇到结束标记或达到最大生成长度
模型是检索数据库中的原文片段并拼接成答案
输出文本由模型逐个Token生成并逐步累积形成
【提示词工程】 关于Prompt与提示词工程，表述正确的有：
Prompt就是你对AI说的话
对话过程中每一句话都会被视为提示词
提示词工程是编写特定文本引导大模型输出的方法论
只有第一次提问才算提示词
【提示词工程】 下列哪些属于提示词常见陷阱？
指令模糊，缺乏任务边界和输出要求
一个提示词中堆叠多个不相关任务
明确输出格式和验收标准
要求模型“必须绝对准确、不得出错”，但未提供依据或核验方式
【提示词工程】 结构化提示词框架（如LangGPT）通常包含哪些模块？
角色与目标
工作流程或执行步骤
约束条件与异常处理
输出格式与示例
【提示词工程】 优化提示词时，下列做法正确的有：
先明确任务目标和受众
提供1—2个输入输出示例
把多个不相关任务合并到一个提示词中，减少对话轮次
根据输出结果迭代调整指令、约束和示例
【提示词工程】 在提示词工程中，为降低无依据生成和越权风险，可采取的措施有：
用分隔符隔离系统指令与用户输入
限定知识边界，要求原文未提及时明确说明
要求关键结论给出来源或依据
调高Temperature，让模型自由发挥
【智能体辅助内容生成】 用AI辅助生成经营分析汇报PPT大纲时，合理做法有：
先明确受众、汇报目标和核心结论
按“结论先行—论据支撑—建议行动”组织逻辑
把所有原始数据和明细逐条搬进大纲
区分核心结论、分项分析和附录，控制主线信息量
【智能体辅助内容生成】 AI辅助生成银行公文时，高质量提示词通常应包含哪些要素？
文种与行文目的，如通知、请示、报告、公告等
受文对象与行文关系，如向上级行请示、对客户公告
关键事实、数据、时间、执行范围和责任部门
要求多写一些，使内容显得完整
【智能体辅助数据分析】 用AI处理业务数据并生成汇报PPT时，下列做法正确的有：
明确图表规则：趋势用折线、结构用堆积柱、对比用条形、占比用饼图
数据表里有空值时，让AI进行“合理估算”填补空值
核心数据必须人工手动核对，严禁直接信任AI生成的图表
不用3D图，每张图必须有标题说明“这张图说明什么”
【智能体辅助数据分析】 AI辅助经营数据分析时，“数据体检”阶段的核心输出应包括：
数据规模与结构：行数、列数、时间范围、粒度、主键唯一性等
字段语义与口径：字段含义、单位、枚举值、统计口径及业务定义
数据质量与可用性：缺失、重复、异常、格式、时效等问题清单及处理建议
业务决策结论：直接给出异动原因、责任认定及对外发布口径
【智能体辅助数据分析】 人工检查AI生成的数据图表时，应重点检查哪些方面？
柱状图坐标轴是否从0开始，折线图截断是否标注
单位是否标注（元/万元/亿元），口径是否一致
颜色是否有误导（如红色代表下降还是风险），标题是否说清“谁、什么指标、什么时间”
是否使用了3D动画效果
【智能体辅助数据分析】 关于AI辅助数据清洗中的“异常值”处理，下列做法正确的有：
异常值类型可能包括录入错误、真实极端值、口径变化或特殊业务
发现异常值后，应该立即直接删除，以免影响结果
应“先标记、再判断、后决定”，输出异常清单和可能原因
在未查明原因前，保留异常值作为真实数据参考
【自动化任务与 Skills 专家/专家团应用】 一个完整的Skill文件夹可能包含哪些目录或文件？
SKILL.md（操作手册，必须）
scripts/（工具或代码脚本）
references/（参考资料、行内制度等知识库）
完整的系统源代码备份
【自动化任务与 Skills 专家/专家团应用】 下列哪些维度能体现Skill相对Prompt的优势？
异常处理：Skill有明确“如果……就……”的兜底规则，Prompt常靠AI自由发挥
知识来源：Skill可挂载行内制度和对照表，Prompt靠模型自带常识
质量下限：Skill有底线（最差也是合格），Prompt不稳定看运气
表达方式：Prompt写的是具体代码，Skill写的是形容词
【自动化任务与 Skills 专家/专家团应用】 关于使用AI工具（如SkillCreator）创建Skill的流程，理解正确的有：
业务人员需要精通代码和Markdown语法才能创建
准备三样东西：一份真实的输入样例、一份你认可的成品、五句话能说清的规则
完整流程包括：说清业务→追问细节→生成结构→试跑→验收
技能的名称、触发条件和指令可以在对话中清晰描述，AI就会自动生成技能文件
【自动化任务与 Skills 专家/专家团应用】 选择Workbuddy 的“Skill、专家、专家团”时，下列思路正确的有：
需要AI具备某种具体的操作能力（如格式化表格），装Skill
有一个明确的单点专业问题（如获取一份营销优化建议），找单个专家
任务复杂、需要多角色配合（如从关键词调研到转化报告），召唤专家团
只要觉得任务困难，一律使用专家团，越复杂越好
【智能体高效应用技巧总结】 下列哪些银行高频任务适合借助“知识库+AI”提效？
写周报时，按上周模板和口径，把本周数据填进去
写授信报告时，检索历史报告中“应收账款风险”的写法
客户询问为什么不能保证收益时，快速查找合规话术
决定分行全年的信贷投放战略目标和风险偏好
【Vibe 编程】 非技术人员使用Vibe编程开发业务小工具时，为降低返工和误用风险，应做到：
明确工具边界：输入什么、输出什么、不处理什么异常情况
对涉及金额、客户信息等敏感数据，遵守行内数据安全要求，不在公网工具输入未脱敏数据
保留关键计算口径和验收样例，便于后续维护和他人接手
让AI一次性生成全部功能，不做分步验证，以减少对话轮次
【Vibe 编程】 下列哪些场景适合业务人员用Vibe编程快速实现？
格式固定的周报数据汇总与初步校验
批量整理多个Excel文件并生成统一格式的清单
需要长期维护、强一致性的银行系统
一次性数据分析脚本或原型验证小工具
【AI幻觉治理】 普通用户减缓AI幻觉的有效方式包括：
联网搜索，让AI去查找真实信息
双AI验证，用不同大模型互相监督审查
提示词工程，使用知识边界限定或对抗性提示
把温度调高，增加随机性
【AI幻觉治理】 为应对AI编造数据的幻觉，下列做法正确的有：
要求AI在给出数据时，必须附带可靠的数据来源
对AI生成的统计图表和关键数字，人工回查原始报表进行核对
既然AI算得快，就不需要核对，直接放到对外PPT中
多源验证，与其他可信来源的数据进行交叉比对
【AI幻觉治理】 下列哪些属于AI大模型幻觉的典型表现或特征？
表达自信、流畅，逻辑看似合理，不显示犹豫
编造统计数字、不存在的文献或监管文件
主动标注“不确定”，并对所有问题拒绝回答
内容看似专业，但经不起事实核验和来源追溯
【AI幻觉治理】 在银行制度问答、数据分析等场景中，治理AI幻觉的有效手段包括：
接入RAG权威知识库，要求答案引用可溯源、可校验
设置刚性规则和人工兜底，高风险内容必须人工复核
用提示词限定知识边界，要求原文未提及时明确说明，并对不确定内容标注
调高Temperature，增加输出随机性，让模型自由发挥
【金融行业AI安全和合规】 中信银行内部使用第三方Skill时，为保障安全应遵守哪些注意事项？
优先使用行内官方审核过的Skill
谨慎外装，绝对不要随意安装来源不明、带代码脚本的Skill
用公网技能处理数据时必须脱敏（去姓名、账号、金额）
为了测试效果，可以使用真实客户数据在公网工具上跑一遍
【智能体高效应用技巧总结】 上下文出现“溢出”时，通常有哪些信号？
AI突然“失忆”，忘记了之前约定的规则或格式
AI开始“自相矛盾”，前后回答不一致
AI重复问你之前已经回答过的问题
AI回答速度突然变快了十倍
【智能体高效应用技巧总结】 关于WorkBuddy上下文管理与Token费用，下列理解正确的有：
每次回答都需要重新处理此前的对话上下文，历史越长，输入Token越多、费用越高
及时总结旧对话或新开对话，可减少无关历史占用上下文
把所有历史对话一直保留在同一长对话中，通常能提升回答质量并降低费用
只保留当前任务必要背景、清理无关信息，有助于降低费用并提升聚焦度
【智能体高效应用技巧总结】 关于WorkBuddy模型选择，下列做法正确的有：
日常简单问答优先使用免费或轻量模型，避免用旗舰模型处理低复杂度任务
模型选错可能造成费用相差几十倍，是较大的浪费来源
根据任务复杂度、时效要求和成本综合选择模型
所有任务一律使用最高价旗舰模型，才能保证质量
【智能体高效应用技巧总结】 关于“一个对话只做一件事”和及时创建新任务，下列理解正确的有：
一个对话混杂多个不相关任务，会导致上下文累积、费用上升
完成一个任务后新开对话，可减少旧任务上下文对新任务的干扰
把所有任务放在一个超长对话中，AI能自动区分任务边界，效率更高
新对话只保留当前任务必要背景，有助于模型聚焦和降低消耗
【智能体高效应用技巧总结】 面对“整理数据、分析异动、生成汇报PPT”这类复杂任务，下列做法正确的有：
拆分为数据整理、异动分析、PPT生成等子任务，分别处理
需求一次说清背景、任务、输出格式和约束，减少来回追问
各子任务分别验收后，再整合结果
每个子任务只保留必要上下文，避免单个对话上下文过载