創設教育智能體要遵循教育規律

　　基于人工智能大模型構建的教育智能體是人機協同執行教學工作任務的程序，在因材施教、素養培育、思維發展及教育評價等教育場景中有巨大的應用潛力。教育智能體的構建要求技術功能與教學規律和學習者認知特征高度契合，通過精細化角色定位和智能工作流的有機集成，從而確保其發揮應有的教育效能。
　　
　　設計原則 遵循“微場景、深耦合”
　　
　　教育智能體專注于執行教學中更為具體、定向的任務，設計需遵循“微場景、深耦合”原則。“微場景”設計應以“精而準”為原則，聚焦細粒度的問題場景，以具體的教學任務或項目主題為核心單元展開。“深耦合”是指智能體角色和功能的一致性。根據應用場景可將智能體劃分為批改助手、學科答疑、思維導師、教學助理等角色，涉及的功能模塊包括環境感知（如識別作業圖像）、意圖理解（如分析學生提問）、動作執行（如進行支架式引導）、教學決策（如進行路徑規劃）等。對于開放、單一功能的教學需求，可通過提示詞快速構建輕量化智能體，涉及多模態交互的復雜教育流程，則需借助大語言模型編排工具實現。
　　
　　智能體的交互方式應根據目標群體來設計，以人機協同的方式與個體展開對話，激發其思考，提升其高階思維能力。面向兒童的智能體在交互設計上應更加簡單易懂，面向高年級學生或者教師可以提供更復雜的功能和選項。為避免認知超載，可以要求智能體分步引導或者根據學生的回應生成相應內容。此外，教育智能體可通過角色扮演、問題提升鏈、啟發式教學等形態，推動學習方式變革與高階思維發展。如通過角色扮演生成情境故事，讓學生體會成語的內涵；利用啟發式教學，將經典歷史事件轉化為圖片并通過語音講述，激發學生的學習興趣和情感共鳴等。
　　
　　角色設定 利用提示詞打造數字人設
　　
　　提示詞是智能體的驅動基石，結構化且清晰的提示詞能指導智能體生成特定的教學內容。目前，多款人工智能模型支持通過“一段話創建人設”，即描述智能體所扮演的角色、目標任務以及對它生成結果的預期等，由系統自動生成智能體，通過個性化配置可以做進一步完善。
　　
　　在設計教育智能體提示詞時，需基于“角色定位—技能體系—任務解構”框架系統化構建數字身份。首先，對于智能體角色的定位，應依據學科素養要求，精準確定教學目標并設定服務場景，如知識點查漏補缺、學習策略優化等。其次，圍繞教學目標確定“人物”技能。“技能一”是單獨的技能點，如蘇格拉底式對話法引導學生自主思考。“技能二”是根據分層教學目標，明確從輸入處理、核心功能到關聯服務的流程規劃，如識別學生提問中的語法錯誤、通過電影臺詞等素材生成記憶口訣，之后關聯同類易錯題生成闖關游戲等。“技能三”是根據認知推理路徑，以專家視角給出智能體解決問題的過程。如遵循“情境分析—知識匹配—趣味轉化—總結提升”的處理路徑，推薦個性化策略，在這一過程中，需要給出明確的示例，以增強智能體對隱性問題的理解，提升輸出質量。
　　
　　此外，規范輸出形式，規定反饋輸出中的正誤、鞏固和建議信息，明確特定環節的約束條件，并設定人文關懷閾值。如單次訓練題量小于10道，每4次交互給出一次鼓勵性話語，以確保內容生成嚴謹、教育過程“有溫度”。
　　
　　應用部署 基于認知規律設定工作流
　　
　　教育智能體的設計本質上是模擬專家信息處理與認知建模的過程，這一過程需要通過編排工具創建工作流實現人機協同工作。所謂工作流是由預設的節點鏈路構成的，節點之間的連接不僅是物理上的排列，更體現了認知邏輯上的先后順序。
　　
　　教育智能體的架構應基于教學認知規律，圍繞“目標導向—知識建構—認知遷移”的遞進過程展開。首先，精準分析學生認知起點與教學目標之間的“最近發展區”，以此配置工作流的開始節點。其次，根據不同教學場景靈活選擇合適的模型或通過整合多個模型及教學插件，實現多模態交互、學科專用工具集成等。如豆包適合圖文答疑互動，能夠以生動的圖文形式解答疑問；DeepSeek長于思維邏輯訓練，助力學生培養嚴謹的思維能力；文心一言則在多任務學習與自然語言領域表現出色。為了進一步提升智能體在特定領域的知識儲備，可以通過導入多媒體資料或外部鏈接的方式建立知識庫，從而增強回答的專業性和準確性。
　　
　　以作業批改場景為例，當學生上傳手寫作業圖片后，系統自動調用圖像識別和公式識別插件完成文字提取與公式轉換，生成結構化作業數據。智能批改中樞隨即啟動，精準定位錯題對應的知識缺口，同步調用教學資源，通過代碼解釋器生成分步驟動畫解題演示。在此過程中，系統智能標注知識點薄弱項并同步至教師管理端，結合彈性參數設置，對基礎薄弱學生側重反饋強化與變式訓練，對學有余力者推送拓展探究任務，從而開展分層教學。
　　
　　教育智能體部署前需進行預覽與調試，確保流程順暢運行。同時，應開展角色一致性校驗，通過設計模擬場景，關注智能體的回答質量以及與學科的匹配程度，還應定期監測智能體的表現，及時糾正偏差并提供反饋。
　　
　　（作者系淮北師范大學教授、數字學習與教育公共服務教育部工程研究中心特聘研究員，本文系國家社科基金后期資助項目“智能時代的學習投入研究”［23FJKB014］研究成果）