2026年江西省职业院校技能大赛人工智能大模型应用开发赛项样题文章目录2026年江西省职业院校技能大赛人工智能大模型应用开发赛项样题一模块 A 平台基础配置与模型验证A-1接入大语言模型并完成对话验证A-2创建并验证安全帽检测提示词A-3搭建基础测试工作流A-4验证运行环境二模块 B 工作流应用与视觉检测开发项目和任务描述B-1创建安全帽检测工作流应用B-2配置 HTTP 数据上传节点B-3发布应用并配置 API 访问授权B-4实现摄像头图像采集B-5实现图像预处理与安全帽检测B-6实现周期检测与异常处理三模块 C 应用接口接入与全流程联调项目和任务描述C-1完成图像编码与应用接口调用C-2解析工作流响应并处理调用异常C-3实现连续处理与资源管理C-4完成全流程集成测试人工智能大模型应用开发赛项样题参考答案可联系博主获取竞赛说明某车间现场拟建设安全帽智能检测应用用于持续采集现场摄像头画面识别人员是否佩戴安全帽并将图像、视觉检测结论和智能分析结果上传至管理平台。参赛选手需要使用智能体开发平台完成模型接入、提示词管理、工作流编排、应用创建、API 访问授权和运行验证同时自主开发 Python 视觉程序最终形成可连续运行、结果可追溯、异常可恢复的完整应用。预置环境说明1.竞 赛 计 算 机 已 安 装 Python 、 Ultralytics 、 OpenCV 、 requests 和赛项指定开发工具2.智能体开发平台、模型服务、数据上传接口和结果展示大屏已启动3.实验箱摄像头已连接视觉算法模型文件和开发手册存放在赛项指定目录4.平台登录账号、模型连接信息、应用接口说明和测试数据由赛项现场统一提供5.参赛选手根据任务要求自主创建工程并完成程序开发。一模块 A 平台基础配置与模型验证项目和任务描述施工现场安全帽检测应用需要同时使用大语言模型和视觉模型。项目实施前须先在智能体开发平台中建立可用的模型配置和提示词资产验证工作流的基本数据传递能力并确认本地视觉模型能够完成真实推理。该阶段的结果将作为后续工作流应用和视觉程序开发的基础。阶段目标完成模型、提示词、基础工作流和模型运行环境的可用性验证保证后续模块可以直接调用。A-1接入大语言模型并完成对话验证进入平台的模型管理页面根据赛项提供的信息新增系统推理模型。正确填写模型标识、模型 称、请求地址和 API Key按模型实际能力设置推理参数并启用该模型。随后创建一个对话应用选择该模型并通过应用实时调试功能验证模型调用。A-2创建并验证安全帽检测提示词进入平台的提示词管理页面创建安全帽检测提示词。提示词应明确模型角色、任务目标、输入信息、输出规则和限制条件要求模型仅依据视觉程序返回的检测类别和置信度生成结论。约定 yes 表示已佩戴安全帽no 表示未佩戴安全帽不得脱离检测结果自行猜测或改写状态。A-3搭建基础测试工作流在工作流列表中新建基础测试工作流在编辑器画布中依次配置开始节点、AI 通用对话节点和结束节点。开始节点接收测试消息AI 通用对话节点选择已启用的大语言模型和安全帽检测提示词结束节点将模型输出作为工作流最终结果返回。完成节点连线和参数映射后保存并测试。A-4验证运行环境检查所需依赖、模型文件路径和推理设备加载赛项指定模型并使用赛项提供的测试图像完成一次真实推理。程序应读取模型输出中的置信度等并能够处理模型文件不存在、加载失败和推理失败等情况。模块提交要求提交模型配置、应用调试、提示词管理、基础工作流调试和基础推理的有效运行证据。二模块 B 工作流应用与视觉检测开发项目和任务描述平台基础能力验证通过后需要将安全帽业务规则固化为可调用的工作流应用并开发摄像头采集与视觉检测程序。该阶段既要保证平台能够接收图像和检测结论、调用外部数据接口也要保证本地程序能够持续产生与当前画面对应的真实检测结果。阶段目标完成安全帽检测工作流应用、HTTP 数据上传、应用发布授权以及摄像头连续检测程序使平台端和设备端均具备独立可验收的运行结果。B-1创建安全帽检测工作流应用在应用中心使用进阶模式创建 称为“安全帽检测”的工作流应用并关联模块 A 中已验证的工作流。配置应用描述和需求场景定义调用应用所需的图像数据、检测结论等请求参数以及结果、状态信息等响应字段同时开启“允许 API 访问”和“允许页面发布访问”。B-2配置 HTTP 数据上传节点在安全帽检测工作流中加入 HTTP 请求节点填写赛项指定的数据上传接口。请求体应包含当前图像的 Base64 数据和与该图像对应的安全帽检测结论所需请求头、字段 称和参数格式以接口说明为准。将 HTTP 节点的输出继续传递至结束节点便于查看接口状态和响应内容。B-3发布应用并配置 API 访问授权将“安全帽检测”应用发布到团队应用并在密钥管理页面创建用于程序调用的 API Key。密钥资源范围应选择“应用”并仅授权本任务创建的安全帽检测应用。妥善保存首次生成时显示的密钥随后分别使用有效密钥和无效密钥调用应用接口。提交材料不得展示完整 API Key验收时可现场调用但截图中的密钥必须遮蔽。B-4实现摄像头图像采集按照开发手册连接实验箱摄像头自主编写图像采集程序完成摄像头初始化、连续取帧和图像有效性检查。采集到的当前画面应能够提供给后续推理环节摄像头打开失败、画面为空或读取中断时应给出明确提示并支持重新操作。B-5实现图像预处理与安全帽检测对摄像头画面进行符合输入要求的预处理调用指定模型完成安全帽目标检测并解析置信度。根据赛项给定的类别定义与置信度阈值生成 yes 或 no 结论所有结论必须来自当前画面的真实推理结果。检测到目标时运行画面显示目标框和置信度等目标框位置与画面中的人员或安全帽目标基本一致。B-6实现周期检测与异常处理按照赛项规定的时间间隔循环读取当前画面并执行安全帽检测。每轮检测应显示本次必要的状态信息并处理异常。发生异常时必须清除本轮无效结果不得沿用上一轮结论。1.程序连续运行期间检测时间或帧序号按规定间隔持续更新画面与检测结论同步变化。2.从已佩戴场景切换至未佩戴场景后不继续显示上一轮的结果。模块提交要求提交工作流应用配置、HTTP 节点调试、团队发布、密钥授权、大屏记录以及摄像头采集和视觉检测程序的有效运行证据。三模块 C 应用接口接入与全流程联调项目和任务描述安全帽工作流应用和视觉检测程序均已能够独立运行现需把两部分连接起来。视觉程序应将当前图像和本轮检测结论提交给平台应用解析工作流响应并同步展示、保存和上传结果从而形成现场设备到平台应用再到结果大屏的完整业务闭环。阶段目标完成应用 API 调用、响应解析、连续处理、资源释放和全流程测试保证每张图像及其检测结果、工作流结果和大屏记录一一对应。C-1完成图像编码与应用接口调用把图像数据和本轮视觉检测结论作为请求参数传入已发布的安全帽检测应用。调用时使用正确的应用接口地址和有效 API Key设置合理的请求超时时间并为每轮请求生成可追踪的帧序号或时间信息。C-2解析工作流响应并处理调用异常按照应用接口说明检查 HTTP 状态、响应内容和数据格式解析工作流返回的分析结果与执行状态。正常响应到达后程序界面或控制台显示工作流返回的 yes 或 no、执行状态结果与平台实际响应一致。使用无效密钥时显示对应异常类型不输出正常 yes 或 no。C-3实现连续处理与资源管理整合摄像头采集、推理、应用接口调用、结果展示和结果保存实现多张图像的连续处理。处理过程中应为每轮数据保留一致的关联标识程序正常结束或异常退出时均须释放临时资源异常恢复后不得复用异常发生前的图像或结果。C-4完成全流程集成测试完成“图像采集—图像预处理—视觉推理—应用接口调用—工作流智能分析—结果展示与保存—大屏记录”的完整流程并执行以下测试。项目内容用例编号TC-01测试场景人员正确佩戴安全帽操作步骤启动完整程序进入摄像头画面等待视觉推理、应用接口调用和大屏更新预期结果画面显示安全帽目标框和置信度视觉结论为 yes工作流返回 yes保存记录和大屏图片均对应当前帧验收判定程序、本地记录、平台响应和大屏记录四处结果一致且均能通过帧序号、时间或图片内容对应到本次测试项目内容用例编号TC-02测试场景人员未佩戴安全帽操作步骤保持程序连续运行将画面切换为未佩戴安全帽场景等待下一次有效检测预期结果视觉结论和工作流结果均更新为 no程序不沿用上一张图像的 yes保存记录和大屏图片对应当前帧验收判定切换场景后的首个有效处理周期产生新的 no 记录历史 yes 记录保留但不作为当前结果显示项目内容用例编号TC-03测试场景摄像头连接失败或应用接口调用超时操作步骤运行期间触发异常观察提示恢复设备或服务后重新检测预期结果程序显示具体原因且不展示旧结果恢复后可继续处理新图像退出时正确释放资源验收判定异常周期无伪成功记录恢复后的新记录使用新的帧序号或时间并能在平台和大屏中正常查验模块提交要求提交可运行的完整工程、源代码、运行说明以及三类测试的程序画面、平台响应、大屏记录和异常恢复证据。竞赛提交存档要求1.平台类证据应清晰显示页面 称、关键配置、启用状态、节点执行状态和实际输出2.程序类证据应清晰显示当前图像、检测框、类别、置信度、帧序号或时间、视觉结论和工作流结果3.接口类证据应保留成功与失败两类调用结果但不得展示完整 API Key 或其他敏感凭据4.所有提交内容须能够在赛项环境中复现截图和运行记录须能够证明输入、处理过程、输出及其对应关系。人工智能大模型应用开发赛项样题参考答案可联系博主获取本套题目全模块答案及工程文件可联系博主获取联系方式在文章最下方