3月25日16时，2026年赛博学术沙龙之“我与青年教师面对面”第三期活动在教学楼406教室举行。在智能技术快速迭代的背景下，为帮助学生理清大模型的底层逻辑，拓宽跨学科视野，赛博小栈辅导员工作室邀请优秀青年教师魏钰婷，带来“从Chat到Agent：基于Coze的大模型应用开发”的专题分享，与同学们一同探索人工智能技术的前沿应用。

活动开始，魏钰婷老师以微博热搜作为切入点，深入解读自然语言处理在信息整合中的实际应用。通过剖析热搜背后的核心矛盾梳理、信源追溯及大众情绪分析等功能，魏老师指出这些应用本质上对应着文本摘要、主题分析与情感分析等NLP核心任务。同时，她详细讲解了实现人机有效交互的理论方法，将其概括为自然语言理解与生成两大关键阶段。随后，魏老师引用上海人工智能实验室“司南”评测平台的数据，介绍了该平台对大模型的评测方案。并结合最新榜单，对比分析了国产模型通义千问与国际主流模型Gemini在文本及多模态处理上的实时竞争态势，让同学对大模型有了宏观的认知。

在同学们对大模型建立系统认知后，魏老师将焦点转入本次分享的核心：Chat模型与Agent的本质区别。魏老师谈到，Chat模型侧重于自然语言的交互，核心在于理解与生成；而Agent则以大模型为“大脑”，具备自主的目标设定、工具调用等综合能力。她拆解了Agent的技术架构，重点介绍了复杂任务处理与知识库融合的关键技巧，让大家理解了大模型应用从单点化工具向自动化工作流演进的核心内涵。

随后，魏老师讲解了如何通过结构化的提示词（Prompt）设计来精准引导模型执行任务。她总结了提示词设计的五个关键要素：角色设定、任务定义、约束说明、格式要求及输入数据，并强调规范的设计是构建高效智能体的基础。在实操环节，魏老师演示了利用Coze平台通过低代码模式搭建智能体工作流的过程。从单条数据的文本处理，到调用多个模型协同处理海量新闻数据，魏老师完整演示了技术实现路径。她还展示了如何引入外部知识库，通过自动采集并解析网页，使Agent能够生成具备专业深度的公文报告。

活动最后，魏老师展望AI辅助科研的前景，并分享了全自动化Agent的开发思路。她现场演示了仅凭自然语言指令，让AI自主构建一个集新闻抓取、分类、情感分析于一体的复杂智能体。结合网安专业的学科背景，魏老师建议同学们在利用低代码平台提升效率的同时，也要关注底层的代码逻辑。她鼓励学生尝试在本地环境部署工作流与轻量化大模型，以实现更安全、离线的数据处理，在确保信息安全的前提下驱动科研创新。

结语 此次学术沙龙在热烈的讨论中结束。同学们在交流中拓宽了新技术视野，也对大模型的应用落地形成了更深刻的思考。未来，“赛博学术沙龙之我与青年教师面对面”系列活动将持续聚焦前沿话题，搭建优质师生学术交流平台，为网安学子的专业成长与科研探索积蓄力量、指引方向！