摘要：在教學中應用生成式人工智能，可以促進學生將理論知識向實際學習行動轉化。智能體的構建包括從準備本地知識庫、上傳數據、預覽與調試智能體，到發布智能體等步驟。本地化智能體的構建，不僅能夠解決學生的具體問題，提升學生的個性化學習體驗，還能引導其在具體學科學習中有效應用高效的學習方法，為學生的學習提供個性化學習指導。關鍵詞：智能體；生物學；個性化學習；知識庫；策略隨著人工智能技術的發展和教育理念的進步，個性化教學已成為全球教育改革的重要方向。雖然國內外在人工智能賦能個性化教學方面取得了一定的進展，但這些應用大多基于前一代人工智能技術，難以全面理解和適應每個學生的學習需求和認知風格，缺乏足夠的靈活性和適應性。這導致學生在個性化學習過程中面臨諸多困難，如何在“知”與“行”之間搭建橋梁，成為教育工作者亟待解決的問題。本文旨在探討生成式人工智能技術在個性化教學領域的應用，即通過構建本地化智能體，為學生提供定制化的學習路徑和實時反饋，助力學生將理論知識轉化為實際學習行動，從而實現個性化學習和全面發展。一、人工智能賦能個性化教學的研究進展國際社會在探索人工智能賦能教育方面起步較早，尤其在推動個性化學習方面取得了顯著進展。許多國家已經開展了廣泛的研究和實踐，如美國的自適應學習技術和智能輔導系統、歐洲的智能輔導系統等。這些研究主要集中在利用數據分析學習者的個人特征，并為之提供定制化的學習資源和教學策略上[1]。此外，國際研究正深入探討人工智能評估學習成果、輔助教學決策以及推動教育公平方面的巨大潛力。中國在人工智能賦能教育方面的研究和實踐近年來迅速增長。國內學者和教育機構積極探索將人工智能技術應用于教學管理、個性化學習路徑推薦、智能測評和教學輔助等方面。例如，中國的一些高校和中小學已經開始嘗試使用智能教學平臺，通過數據分析學生的學習行為，提供個性化的學習建議[2][3]。此外，中國的教育技術公司也在開發各種基于人工智能的教育軟件和應用，以支持教學和學習的創新[4][5]。盡管國內外在人工智能賦能個性化教學領域取得了一定進展，但上述努力仍舊基于前一代人工智能技術。早期的人工智能技術更多地被應用于特定的領域，如圖像識別、語音識別等，主要集中在機器學習、數據科學等領域的學術積累和小范圍應用，導致無法全面理解和適應每個學生的學習需求和認知風格，缺乏足夠的靈活性和適應性，從而無法提供真正個性化的學習體驗。同時，這些技術往往依賴于固定的算法和預設的參數，難以實現深層次的交互并提供有創造性的教學策略，限制了其在教育領域的深度應用[6]。自2023年起，基于Transformer架構的生成式大型語言模型迎來了爆發式增長，極大地提升了以ChatGPT為代表的生成式人工智能理解和生成語言的能力。這一變革性進步，使得生成式人工智能相較于前一代人工智能技術，在個性化教學領域的應用表現出前所未有的優勢[7]。例如，在即時反饋與交互方面，生成式人工智能可以實時分析學生的回答和學習進度，提供即時反饋，進行深度互動。典型代表是可汗學院創始人研發的Khanmingo。這種互動不局限于簡單的正確或錯誤判斷，還能深入解釋概念，一步步引導學生思考并提供學習建議。在個性化學習路徑方面，生成式人工智能通過對大量學習數據的分析，可以為每個學生量身定制學習路徑，推薦最適合他們當前水平和需求的學習資源與練習，從而提高學習效率和效果。二、學生個性化學習困境及對策分析作為長期在教育一線工作的教師，筆者認識到這一輪生成式人工智能技術將深刻改變所有領域，包括教育領域。個性化學習在教育領域的重要性日益凸顯，學生在個性化學習過程中一直面臨著諸多學習方法方面的問題，筆者也曾撰寫了不少指導學生學習方法的書籍，但長期觀察后發現，此前的努力收效甚微，學生在“知”與“行”之間依然存在鴻溝。也就是說，學生在閱讀書籍后，雖然高度認同所學方法，并對高效學習方法有了一定的了解與掌握，但在將方法實際應用到具體學科學習中時卻往往感到困惑和無從下手。為解決這一問題，筆者嘗試使用生成式人工智能來改善學生的個性化學習體驗。方法是構建一個基于生成式人工智能的智能體，幫助學生實現從方法到實踐的有效轉化，從而解決他們學習中的“最后一公里”問題。這個智能體將能夠根據學生的學習習慣、知識掌握情況和個人偏好，提供定制化的學習路徑和實時反饋，幫助學生將理論知識轉化為實際學習行動（如圖1）。通過這種方式，生成式人工智能技術不僅能夠有效地輔助教學，還能與其他技術融合，重塑教育體系，最終助力教育回歸本質，讓學生實現全面而有個性的發展。三、構建本地化智能體解決問題的路徑與步驟在本文中，筆者提出的是一種利用本地知識庫制作智能體（Agent）的解決方案。大致路徑為：第一步，將指導學生學習方法的書籍數字化，創建一個本地知識庫。這些書籍涵蓋了多種高效學習策略和方法，構成知識庫的核心內容。第二步，基于這一知識庫構建智能體。該智能體依托生成式人工智能技術，具備自然語言處理和深度學習能力，能夠根據學生提出的問題，提供精準的學習方法指導。同時，智能體能夠以對話形式與學生互動，實時解答他們在學習過程中遇到的具體問題，并能引導他們在學習中有效應用所學的高效學習方法。第三步，根據學生的學習行為數據，智能體分析他們的學習習慣、知識薄弱點和興趣點，推薦個性化的學習路徑和資源，確保學生能夠高效地個性化學習。這一解決方案不僅提高了學生的學習效率，也為教育智能化升級提供了新的思路和模式（如圖2）。具體步驟如下。（一）準備本地知識庫教師將指導學生學習方法的書籍進行數字化處理。數字化過程包括掃描文字、統一圖片格式、建立工作流等，確保這些內容能夠被智能體訪問和利用。隨后，教師將書籍內容按照章節、主題和關鍵詞分類和標記，便于后續檢索和調用。在準備本地知識庫的過程中，教師還可以使用自然語言處理技術對文本內容進行語義分析和關鍵詞提取，從而建立一個結構化的知識體系。（二）上傳本地知識庫本地知識庫建成后，教師還可根據需求選擇一個合適的知識庫管理平臺。這個平臺既可以是本地服務器，也可以是云端服務，具體選擇取決于數據量、訪問頻率、安全性和預算等因素。國內有許多優質的平臺可供選擇，如阿里云的Elasticsearch、騰訊云的云數據庫、華為云的圖數據庫和Coze（扣子）等。這些平臺提供了強大的數據存儲和檢索功能，適合構建和管理大規模知識庫。選擇好平臺后，教師要將整理好的書籍內容轉換為平臺所支持的格式。這一步驟需要保證數據的完整性和一致性，避免在上傳過程中出現數據丟失或格式錯誤，并可使用腳本自動化上傳，以提高效率和準確性。（三）預覽與調試智能體在完成知識庫的準備和上傳后，下一步是預覽與調試智能體，以確保它能夠準確、有效地解決學生在個性化學習過程中遇到的問題。以Coze平臺為例，調試過程主要包括以下三個方面：人設與回復邏輯設置、模型和聲音設置以及測試與反饋（如圖3）。1.人設與回復邏輯設置教師需要為智能體設定明確的角色和人設，如智能體應具備親和力、專業性和耐心，能夠以通俗易懂的語言向學生解釋復雜的學習方法。同時，教師要設置智能體的回復邏輯，包括常見問題的應答策略、知識點的講解方式和互動的基本流程。教師還應通過編寫和優化對話腳本，確保智能體的回答邏輯清晰、前后連貫，并能夠靈活應對學生的各種提問。2.模型和聲音設置教師可根據具體需求選擇合適的語言模型和算法，使用Coze平臺提供的預訓練模型對智能體進行微調，以適應特定的教育場景和內容需求，并對選定的模型進行參數調優，提升其在特定任務中的表現。教師還要為智能體錄制真人聲音，使其回答更具親和力和真實感，并通過實驗和測試，調試出最佳的模型參數配置，確保智能體在回答準確性和響應速度方面的優異表現。3.測試與反饋教師可以模擬學生的提問和互動，檢查智能體的回答是否符合預期。教師還可邀請學生試用，并根據他們的反饋建議，進一步優化智能體的回復邏輯、模型設置和聲音輸出，確保它在實際應用中能夠準確、高效地解決學生在個性化學習過程中遇到的問題。經過以上步驟，智能體的預覽與調試工作方告完成。（四）發布智能體到相關平臺完成智能體的預覽與調試后，最后一步是將智能體發布到相關平臺，以便學生和教師能夠方便地訪問與使用。本文仍以Coze為例，教師選擇最常見的應用平臺，如豆包和微信公眾號進行發布（如圖4）。在智能體發布后，教師還要提供持續的用戶支持，解答用戶在使用過程中遇到的問題，并建立反饋收集機制，通過豆包平臺和微信公眾號收集用戶的意見和建議，了解智能體的使用效果和用戶需求。四、實踐特色與成效利用此智能體，學生可以提問相關學科問題，且能利用書中提到的高效學習方法學會如何學習。以2022年全國卷生物高考題為例。學生語音輸入圖5（左）所示的題目后，讓智能體解答并解釋原因。智能體很快就給出了答案，而且思路清晰、條理清楚且邏輯縝密。要注意的是，這個功能并非類似于“作業幫”等查詢答案的題庫。“作業幫”的答案是提前被輸入一個“庫”里的，學生從“庫”里搜索即可，但如果“庫”里沒有，學生就永遠不會得到答案。智能體卻不一樣，它不僅能實時生成答案，還能針對學生的任何追問，隨時進行深入解答，確保每個問題都能得到令人滿意的回應。在此案例中，學生可以繼續追問促甲狀腺激素與促甲狀腺激素釋放激素的區別，如圖5（中）所示。更重要的是，智能體還能提示學生，如果相關內容學得不夠好，可以采用怎樣的方法進行學習，如圖5（右）所示。學生可以提問：如果相關內容沒有學好，能否采用書中提到的學習方法進行學習呢？智能體首先告訴學生可以用知識梳理的方式來規整知識，還把知識列表進行了總結，之后還給出了重復、測試、費曼學習法（嘗試給別人講解）等學習方法。這種提示學生的方法更像是蘇格拉底的產婆誘導術，它不僅提供知識，更重要的是引導學生進行深入的思考和學習，是一種非常有效的個性化學習方法。由此可見，智能體能夠幫助學生將理論知識轉化為實際學習行動，解決學習中的“最后一公里”問題，即從方法到實踐的有效轉化，從而實現真正的個性化學習和全面發展。五、反思與展望在探索利用生成式人工智能技術提升個性化學習效果的過程中，筆者取得了一些小小的進展，但也遇到了諸多挑戰。例如，知識庫的構建和數據上傳雖然順利完成，但在數據整理和分類過程中，發現存在一些冗余信息和數據不一致的問題，部分內容在轉換為結構化格式時出現了信息丟失或誤差，影響了智能體回答的準確性。又如，在智能體的預覽與調試階段，雖然人設和回復邏輯基本達到了預期效果，但在多智能體模式下，智能體之間的協作和信息共享還不夠流暢，導致一些復雜問題的解答不夠完善。再如，語音合成和模擬真人聲音的效果仍需優化，以提升用戶體驗。另外，在發布智能體到相關平臺后，筆者雖然收到了積極反饋，但也發現學生對智能體的理解和使用習慣存在差異，部分學生在初次使用時感到困惑，需要更多的指導和培訓。同時，智能體在處理一些特定學科問題時表現出局限性，需要進一步提升其專業性和精確性。針對上述問題，筆者制訂了改進計劃：一是數據優化。對知識庫中的數據進一步清理和優化，去除冗余信息，確保數據的準確性和一致性。同時，增加對多媒體內容的支持，豐富知識庫的表現形式。二是智能體協作優化。在多智能體模式下，應增強智能體之間的協作和信息共享機制，確保各智能體能夠無縫銜接，提供更全面和準確的解答。三是語音合成改進。要引入更先進的語音合成技術，