隨著生成式人工智能的快速演進，大模型日益彰顯其在內容理解和生成方面的優勢。為進一步釋放大模型的應用潛力，基于大模型的智能體在教育領域日益受到重視。如何理解教育智能體？它能起到什么作用？如何創建一個教育智能體？期待本期專刊專家思考能給您一些啟示。

　　——編者

　　當前，大模型技術不斷發展，加快了人工智能引領教學變革的速度，而大模型驅動的教育智能體作為教育領域人工智能應用的前沿探索，也在以前所未有的速度改變著我們的教育教學。教育智能體作為能夠自主感知環境、做出決策并執行以達成特定目標的軟件系統，不僅展現出提升教育質量和效率的巨大潛力，更加速了人工智能技術在教學、學習、管理、評價與科研中的落地實踐，這為中國教育數字化轉型提供了新的途徑。

　　1

　　什么是教育智能體

　　教育智能體最早以計算機生成的虛擬形象出現于教學場景中，其主要目的是促進學習者的認知發展。當前，借助通用大模型作為“大腦”，教育智能體能夠通過提示語設置角色、任務和技能，自主規劃和分解教育任務，靈活調用工具和學科知識庫，協助教師完成備課、批改作業，并支持學生實現個性化學習和跨學科主題探索，是大模型全面融入教育教學的一種智能系統。

　　相比傳統的智能導學系統，大模型驅動的教育智能體具備多項核心優勢：一是任務自主性提高。教育智能體能夠在沒有過多人工干預的情況下，獨立完成復雜的教育任務，并根據預設目標和實時反饋進行自我決策與調整。二是場景適應性增強。教育智能體能夠根據不同學生的學習風格、知識水平和學習進度，動態調整教學內容和方式，靈活應對課堂教學、在線學習和個性化輔導等多樣化的教育場景。三是知識擴展性提升。教育智能體基于大模型的強大知識整合能力，通過檢索增強生成技術快速擴展學科知識領域和功能。四是人機交互性增強。教育智能體能夠通過自然語言對話、虛擬形象等方式與學生和教師互動，還可以與其他智能體協作，共同完成復雜的教育任務。五是開發成本降低。師生可以利用豆包、智譜清言等現有平臺，通過一句話提示或簡單編排即可快速構建專屬教育智能體，大幅降低技術應用門檻。

　　2

　　教育智能體的核心技術邏輯

　　大模型驅動的教育智能體以多模態信息感知、智能推理決策和動態執行作為其核心技術，形成了“感知—決策—行動”的邏輯閉環。在智能推理決策層面，教育智能體以“任務分解—推演決策—動態優化”的循環架構，在面對復雜的教育任務時，依托大模型的認知推理框架，將教育任務拆解為可執行的子任務，生成最優任務解決路徑，并結合任務執行效果的反饋，持續改進優化決策路徑。動態執行層則是將決策轉化為實際的行動，通過構建開放工具生態，靈活調用學科知識庫、外部數據庫、虛擬實驗平臺接口甚至其他大模型等，完成如學術檢索、代碼執行、試卷生成、復雜計算等任務。

　　基于上述核心技術邏輯，教育智能體已在多個教育場景中催生創新實踐。如華東師范大學的“EduChat”融合了多樣化的教育垂直領域數據，能更好地感知和理解師生輸入的信息，采用蘇格拉底式教學法激發學生思考，還能根據教學目標和難度要求生成試題，提供個性化的學習建議和輔導等。瑞士洛桑聯邦理工學院的“ChemCrow”支持化學知識的學習與實驗模擬，它能夠調用專業化學工具和外部知識庫，基于思維鏈推理自主規劃和執行復雜化學任務，模擬化學實驗過程，幫助學生更好地理解化學知識和實驗原理。

　　3

　　教育智能體應用前景

　　教育智能體正以技術為支點創新“教”與“學”的方式，推動教學與科研工作提質增效，重塑基于數據驅動的教育評價范式。

　　在教學場域，教育智能體能夠創設沉浸式情境，增強課堂的趣味性和互動性。基于虛擬數字人技術，教育智能體可化身李白、愛因斯坦等跨時空認知中介，在語文課堂重構“對影成三人”的詩意空間。在科學課堂搭建相對論探究的思維實驗室，使知識習得突破二維平面的符號傳遞，升級為多維立體的具身認知。教育智能體還可通過認知外包機制重構教學分工體系，突破傳統教學系統“人機替代”的簡單邏輯，建立“人機能力互補”的教學關系。

　　在學習場域，教育智能體以群體智能協同形成“人機共生”學習共同體，推動學習方式向深度化、協作化演進。如探究式學習中，教育智能體不僅能整合跨學科知識，還通過多個智能體扮演的不同角色加入到小組協作中，引導學生在辯論中完善問題解決方案，使知識應用從紙面遷移到真實問題場域。這將有效促進跨學科知識素養、問題解決能力和團隊協作意識等核心素養的培養落地。

　　在教育管理場域，教育智能體可以實現構建“數據感知—智能決策—服務供給”的閉環系統，推動教育管理從經驗驅動向證據驅動轉型。基于多模態信息感知技術，教育智能體可構建動態更新的學習者認知圖譜，通過分析學生知識掌握度、學習行為模式、情感投入指數等三維指標，形成精準的學業預警與干預方案。

　　在教育評價場域，教育智能體通過認知計算可以實現從“知道學生錯了什么”到“理解學生為何出錯”再到“引導學生認知發展”的跨越。如在小組課題研討中，教育智能體扮演的“討論組織者”“邏輯檢察官”“情感激勵者”等多元角色，分別從參與度、思維深度、情感態度等維度進行實時評價。

　　在科研工作場域，教育智能體推動科研工作質變升級。它能夠快速篩選海量跨學科文獻資源，調用認知圖譜等工具構建學科知識演化模型，自動識別知識盲區與研究前沿，從而顯著提升科研效率。它以“文獻解讀者”“實驗設計師”“創新激發者”等多角色智能體集群的形式構建人機協同的科研認知共同體，全息記錄科研過程，生成個體科研思維認知發展軌跡，實現從經驗積累到思維認知遷移的范式轉變。

　　（作者劉明系西南大學教育學部教授，楊閩系滇西科技師范學院副教授；本文系國家自然科學基金面上項目［62477039］階段性成果）

《中國教育報》2025年03月12日 第04版