（1）专业与年级要求：本实验面向人工智能专业三年级学生，安排于第6学期《智能体开发与应用》课程。

（2）基本知识和能力要求：学生应掌握Python函数、条件判断、异常处理及表格数据筛选，能够按字段处理数据并阅读调用日志；了解大模型调用、知识库检索和智能体工具调用的基本流程，能够理解统计结果与图表。开课前通过原理阅读和预习诊断补充权限、隔离执行及评价指标知识。

（3）过程要求：按24个交互步骤完成实验，先作独立判断再按需使用分级提示，保留首次判断与人工修改过程；提交权限矩阵、策略配置与校验代码、调用与消息日志、对照测试报告，并接受教师抽查与追问。

随着大模型、知识库与多智能体技术在科研活动中的应用，科研智能体能够通过资料检索、数据分析、工具调用和角色协作完成科研任务。但外部资料中的异常指令可能随检索、摘要和委派进入后续环节，工具调用中的越权操作以及协作过程中的风险传播，可能引发数据泄露、资源误用和结果失真等安全问题。

身份泄露、文件覆盖和未授权执行具有难以撤回的后果，不宜在真实共享环境中反复触发；异常又可能跨多个环节传播，难以仅凭最终回答定位。

人工智能专业学生在掌握模型调用和智能体开发的基础上，还应能够辨别资料与指令、判断工具越权、追踪协作消息并审核结果。本实验利用虚拟仿真突破真实环境难以反复试错的制约，将数据保护、可追溯和责任审核贯穿智能体的使用与开发全过程，培养兼具应用能力和安全意识的专业人才。

1. 以学生为中心：采取任务驱动式、交互体验式、容错探究式教学方法，以学生自主探究为主、教师在线指导与AI辅助引导相结合。

2. 递进式训练：按照“任务认知与基线建立—安全防护设计与验证—综合处置与迁移评价”三个环节组织24步实验，前期形成的权限、基线和策略用于后续实验，逐步实现从局部判断到整体控制。

3. 安全可控：采用模拟身份、隔离副本与快照恢复，全部越权操作限定于模拟资源，支持风险观察、状态恢复和重复验证。

4. 过程评价：过程记录、实验结果与独立解释相结合，保留首次错误和修订过程，使重复训练支持有依据的改进。

5. 产教融合：结合企业工程要求设置迁移任务，将数据保护和工程责任落实到可检查的操作与产物。

1. 掌握科研智能体的基本工作流程，理解数据、知识库、角色与工具之间的关系，掌握数据分级、信任边界与最小必要原则；

2. 掌握提示词注入的基本原理与风险识别方法，理解异常资料影响模型建议的过程，掌握知识库来源核验、访问控制与引用检查方法；

3. 掌握工具调用的最小权限配置与参数校验方法，能够运用Python实现字段、路径和操作检查，理解模型建议与实际执行之间的授权关系；

4. 理解多智能体协作中的异常消息传播机制，掌握消息溯源、角色独立授权和操作审计方法，能够分析安全约束对协作任务的影响；

5. 掌握异常停止、隔离、恢复与回归验证方法，理解越权执行率、敏感标记泄露率、正常任务成功率和误拦截率的内涵及评价方法，能够通过对照实验分析防护效果；

6. 培养知识应用能力、综合实践能力、判断与分析能力、跨学科思维能力和对新技术的学习能力；培养协作意识、创新精神和科学严谨的工作态度，树立数据保护、科研诚信与人工智能安全应用的责任意识。

实验按24个交互步骤计100分：操作90分、实验报告5分、教师评价5分，按步骤量规核验配置、代码、日志和产物。

四项安全与任务指标——越权执行率、敏感标记泄露率、正常任务成功率、误拦截率，共同解释防护效果；五维能力反馈（风险识别、防护设计、规范操作、应急处置、反思迭代）对应具体步骤和证据。

首次错误和修订过程予以保留，用于针对性反馈；报告审核检验统计、引用、权限及AI使用情况，避免仅凭最终总分或单次未触发异常判断学习成效。