从场景定义、角色与知识库搭建、工具编排到效果评测，梳理DeepSeek智能体的完整创建流程与教学场景中的使用方法。 不少团队把智能体理解为“写一段更长的提示词”，上线后却发现回答漂移、任务中断、工具调用失败。智能体不是提示词的简单堆叠，而是一套包含角色设定、知识供给、工具编排和效果观测的小型系统工程。DeepSeek模型在中文语义理解、长文本处理和函数调用方面具备较好的基础能力，但能否稳定完成教学答疑、备课辅助、练习生成等任务，取决于创建阶段是否把边界、知识和流程定义清楚。下面按照场景拆解、知识搭建、工具编排、评测调优四个环节展开，给出一套可落地的操作路径。
1. 场景拆解与智能体能力边界界定
创建智能体的第一步不是写提示词，而是把使用场景拆到可验证的程度。教学场景中常见的需求包括知识点讲解、错题分析、教案生成、练习组卷和学情反馈，这些任务的输入输出差异很大。知识点讲解偏问答，要求解释准确、举例贴切；错题分析需要识别学生步骤中的具体错误；教案生成则涉及结构化长文本输出。若把“全科教学助手”直接作为目标，智能体往往会在不同任务间摇摆，回答风格和深度难以稳定。更可行的做法是先把场景收缩到一个明确边界，例如“初中数学错题讲解”，再定义输入格式、输出结构、成功标准和失败兜底。
能力边界同样需要提前写清楚。DeepSeek模型的知识存在截止时间，对最新教材修订、地方考试政策未必覆盖，涉及此类问题时应引导用户提供资料或转人工确认。模型可能生成看似合理但计算错误的步骤，数学、物理等学科需要借助计算工具或人工复核。工具权限也要限定，例如智能体只能读取指定知识库、只能调用题库查询接口，不能访问学生隐私数据。某机构曾把“全科答疑”收缩为“初中数学错题讲解”，要求智能体先复述题目、再定位错误步骤、最后给出同类练习，上线后回答相关性和教师可用率明显提升。边界越具体，后续调试越有依据。
2. 角色设定与知识库的结构化搭建
角色设定通常体现在系统提示词中，需要包含身份、目标、约束、输出格式和示例五个部分。身份描述要具体，例如“面向初中生的数学错题讲解老师”，而不是“智能教学助手”；目标要可检验，例如“指出错误步骤并给出正确解法”；约束要写明不能直接给答案、不能超纲、遇到不确定内容要说明；输出格式可以规定为“题目复述—错误定位—正确解法—同类练习”四段；示例则用一两个真实案例固定语气和详略程度。提示词不宜堆砌形容词，而应把可执行规则写清楚，例如“每步计算单独成行”“引用知识点时注明教材章节”。
知识库搭建决定智能体能否给出有依据的回答。教材、课标、题库和优秀教案在入库前需要清洗，去除页眉页脚、重复题目和失效链接，再按标题层级切片，单片控制在三百到五百字，并保留章节、知识点、适用年级等元数据。DeepSeek支持较长上下文，但把整本教材直接塞进提示词既浪费成本，也会稀释关键信息，检索增强仍是更稳妥的做法。检索环节要测试召回效果，例如输入“一元一次方程去分母易错点”，检查返回的切片是否包含去分母法则和典型错例。知识库不是一次建完就结束，后续要根据badcase补充文档、调整切片粒度和召回数量。
3. 工具调用与任务编排的工程化设计
当智能体需要查询题库、执行计算、生成文档或读取课表时，工具调用就成为核心能力。每个工具都要有清晰的名称、功能描述、参数定义和返回格式，描述中要说明适用场景和不适用场景，避免模型在无关问题上误调用。例如“题库检索”工具需要定义学科、年级、知识点、题型和数量参数，返回题目ID、题干、答案和解析；参数要做类型校验和范围限制，接口要设置超时与降级策略。DeepSeek的函数调用能力可以支撑这类流程，但工具描述含糊时，模型容易传错参数或重复调用。
任务编排要把多个工具组织成可预测的流程。教学场景中常见的链路是“识别知识点—检索题库—筛选难度—生成练习—输出答案与解析”，其中筛选难度可以设置条件分支，检索失败则触发重试或改用知识库问答。编排时要区分串行和并行，例如知识点识别与学情读取可以并行，出题与解析生成则存在依赖关系。某备课智能体在生成练习前先调用知识点检索工具，再按知识点出题，有效减少了超纲题和重复题。工具调用日志要完整记录入参、返回和耗时，便于定位是模型决策错误还是接口异常。编排的目标不是让智能体“什么都能做”，而是让关键任务在可控步骤内完成。
4. 效果评测与教学场景中的持续调优
智能体上线前需要建立评测集，样本应覆盖真实问题、边界问题和对抗问题。真实问题来自教师日常提问和学生常见疑问；边界问题包括超纲题、信息不足的题目和涉及隐私的请求；对抗问题则测试智能体是否会被诱导直接给答案或编造知识点。评测指标可以分为回答准确性、内容完整性、格式合规率、工具调用成功率和教师可用率，其中教师可用率由一线教师按“可直接使用、修改后使用、不可使用”三档打分，比单纯的模型评分更贴近教学实际。
上线后的调优依赖日志和badcase归因。每次回答应记录召回的文档切片、调用的工具、模型输出和用户反馈，按错误类型归类：是知识库缺文档，是切片召回不准，是提示词约束不清，还是工具参数错误。针对不同原因分别处理，知识缺失补文档，召回不准调切片和检索策略，格式漂移则强化输出示例和校验规则。提示词、知识库和工具配置都应版本化管理，每次修改后用小评测集回归，避免修好一个问题又破坏另一个场景。教学场景中还要明确教师审核环节，智能体输出作为草稿或辅助材料，学生端使用需限定范围并做好数据脱敏。持续调优不是追求一次完美，而是让智能体在明确边界内稳定迭代。
