Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd) - Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py) - Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks - Fix .gitignore to track tools/ and .githooks/ - Fix git remote URL (remove plaintext token) - New wiki pages: 504 pages, 34 raw sources
2026-07-01 08:05:43 +08:00
parent e544d6e04a
commit a6f05ab2d5
1067 changed files with 522992 additions and 819 deletions
@@ -0,0 +1,279 @@
+---
+categories:
+  - "[[LLM Wiki]]"
+tags:
+  - wiki
+  - tool
+  - company
+  - llm
+  - education
+  - research
+  - conference
+  - AIED
+created: 2026-2026-04-20
+source: "[[LLM教育应用深度研究报告-20260404]]"
+type: entity
+aliases:
+  - LLM Agents for Education
+  - 多智能体系统
+  - AI教育代理
+---
+
+# LLM Agents for Education
+
+> **一句话描述**: ACL Findings 2025最新综述提出的LLM多智能体教育系统框架,包含知识、决策、执行、学习四大模块
+
+## 基本信息
+
+| 属性 | 值 |
+|------|-----|
+| 论文标题 | LLM Agents for Education: Advances and Applications |
+| 会议 | ACL Findings 2025 |
+| 发表时间 | 2025年 |
+| 机构 | 多个机构合作 |
+| arXiv ID | 2503.11733 |
+| 类型 | 系统综述 |
+
+---
+
+## 技术架构
+
+### 四大模块框架
+
+```
+┌─────────────────────────────────────────────────────────┐
+│         LLM Agent 教育系统四大模块架构            │
+├─────────────────────────────────────────────────────────┤
+│                                                      │
+│  ┌─────────────────────────────────────────────┐  │
+│  │  知识模块                      │  │
+│  │  - 学习者模型                    │  │
+│  │  - 领域知识图谱                  │  │
+│  │  - 教学策略库                    │  │
+│  └───────────────────────────────────────┘  │
+│                      ↓                                  │
+│  ┌─────────────────────────────────────────────┐  │
+│  │  决策模块                      │  │
+│  │  - 目标规划                      │  │
+│  │  - 策略选择                      │  │
+│  │  - 时机判断                      │  │
+│  └───────────────────────────────────────┘  │
+│                      ↓                                  │
+│  ┌─────────────────────────────────────────────┐  │
+│  │  执行模块                      │  │
+│  │  - 教学任务自动化                │  │
+│  │  - 内容生成                      │  │
+│  │  - 反馈生成                      │  │
+│  └───────────────────────────────────────┘  │
+│                      ↓                                  │
+│  ┌─────────────────────────────────────────────┐  │
+│  │  学习模块                      │  │
+│  │  - 学习者建模更新              │  │
+│  │  - 学习策略优化                  │  │
+│  │  - 元认知能力培养                │  │
+│  └───────────────────────────────────────┘  │
+│                                                      │
+└─────────────────────────────────────────────────────────┘
+```
+
+---
+
+## 核心模块详解
+
+### 1. 知识模块
+
+| 子模块 | 功能 | 技术实现 |
+|--------|------|----------|
+| **学习者模型** | 上下文理解学习状态 | RAG+向量数据库 |
+| **领域知识图谱** | 结构化知识表示 | KG嵌入+图神经网络 |
+| **教学策略库** | 教学方法模板 | Prompt Engineering+微调 |
+
+### 2. 决策模块
+
+| 子模块 | 功能 | 技术实现 |
+|--------|------|----------|
+| **目标规划** | 学习目标分解 | 规划算法 |
+| **策略选择** | 教学方法选择 | 强化学习 |
+| **时机判断** | 干预时机确定 | 元学习 |
+
+### 3.执行模块
+
+| 子模块 | 功能 | 技术实现 |
+|--------|------|----------|
+| **教学任务自动化** | 出题、批改、反馈 | 自动化流程 |
+| **内容生成** | 学习材料生成 | LLM生成 |
+| **反馈生成** | 个性化反馈生成 | 反馈模型 |
+
+### 4. 学习模块
+
+| 子模块 | 功能 | 技术实现 |
+|--------|------|----------|
+| **学习者建模更新** | 实时更新学习状态 | 在线学习算法 |
+| **学习策略优化** | 学习路径优化 | 强化学习 |
+| **元认知能力培养** | 学习策略指导 | 元认知指导 |
+
+---
+
+## 教育应用场景
+
+### 自动化教学任务
+
+| 任务 | 实现方式 | 价值 |
+|------|----------|------|
+| **自动出题** | 根据学习状态生成题目 | 扩展题库,个性化 |
+| **自动批改** | LLM评分+人工复核 | 提升批改效率 |
+| **自动反馈** | 实时学习反馈 | 及时纠正错误 |
+| **学习分析** | 学习行为数据分析 | 学习效果评估 |
+
+### 个性化学习路径
+
+| 功能 | 描述 | 技术 |
+|------|------|------|
+| **动态路径规划** | 根据学习状态调整 | 强化学习 |
+| **个性化推荐** | 推荐学习内容 | 协同过滤 |
+| **难度自适应** | 根据能力调整难度 | IRT模型 |
+
+---
+
+## 与其他LLM教育框架对比
+
+| 框架 | 核心特点 | 优势 | 局限 |
+|------|----------|------|------|
+| **LLM Agents** | 四大模块完整框架 | 系统性强,模块化 | 复杂度高 |
+| **Khanmigo** | 单一AI导师 | 实现简单,易用 | 功能单一 |
+| **Askademia** | 实时问答+检索 | 响应速度快 | 功能局限于问答 |
+
+---
+
+## 技术发展趋势
+
+### 当前趋势(2025年)
+
+1. **模块化设计**
+   - 从单一LLM到多模块协作
+   - 专业化分工
+
+2. **多智能体协作**
+   - 多Agent并行工作
+   - 提升任务处理效率
+
+3. **强化学习优化**
+   - RLHF优化决策模块
+   - 提升策略选择能力
+
+4. **实时学习**
+   - 在线学习算法
+   - 实时更新学习者模型
+
+---
+
+## 未来发展方向
+
+### 短期方向(1-2年)
+
+1. **模块标准化**
+   - 建立统一模块接口标准
+   - 促进模块可替换性
+
+2. **性能优化**
+   - 降低推理延迟
+   - 提升响应速度
+
+3. **可靠性提升**
+   - 增强稳定性
+   - 提升容错能力
+
+### 中期方向(3-5年)
+
+1. **跨平台兼容**
+   - 支持多平台部署
+   - 便于学校采用
+
+2. **教师集成**
+   - 教师友好界面
+   - 降低使用门槛
+
+3. **评估体系**
+   - 建立效果评估标准
+   - 持续改进系统
+
+---
+
+## 实践案例
+
+### 理论应用案例
+
+1. **自动化教学任务**
+   - GPT-4 Quiz Generator
+   - 自动出题系统
+   - 即时批改系统
+
+2. **个性化学习导航**
+   - Khan Academy Khanmigo
+   - 个性化学习路径
+   - 苏格拉底式引导
+
+3. **学习分析反馈**
+   - Carnegie Learning平台
+   - 学习行为数据分析
+   - 学习效果评估
+
+---
+
+## 挑战与局限
+
+### 技术挑战
+
+1. **模块协调复杂性**
+   - 多模块协作通信成本高
+   - 模块接口标准化困难
+
+2. **实时性要求**
+   - 教育场景需要实时响应
+   - 计算资源消耗大
+
+3. **可靠性要求**
+   - 教育场景容错率要求高
+   - 错误影响大
+
+### 教育挑战
+
+1. **教师接受度**
+   - 教师对AI信任度有限
+   - 需要渐进式引入
+
+2. **学生适应性**
+   - 学生适应过程差异大
+   - 需要个性化调整
+
+3. **评估标准**
+   - AI教育效果评估标准未统一
+   - 需要建立标准体系
+
+---
+
+## 与LLM教育应用分类的关联
+
+### 在六大分类中的位置
+
+根据[[LLM教育应用文献地图-Shi-2026]]:
+- **类型1: 智能辅导系统(ITS)** - LLM Agents属于ITS的下一代
+- **占比**: ITS是最大应用领域(22篇,25%)
+- **演进**: 从单一ITS到多Agent系统
+
+### 核心演进
+
+| 演进阶段 | 特点 | 代表系统 |
+|----------|------|----------|
+| **第一代** | 单一LLM导师 | GPT-3.5,早期Khanmigo |
+| **第二代** | LLM+知识库检索 | Askademia,RAG系统 |
+| **第三代** | 模块化多Agent | LLM Agents for Education |
+| **第四代** | 完全自主Agent | 未来方向 |
+
+---
+
+## 来源
+
+- [[LLM教育应用深度研究报告-20260404]] — LLM教育应用深度研究报告
+- ACL Findings 2025论文 — LLM Agents for Education
+- arXiv: 2503.11733 — 预印本