教育Agent诊断与分层提示流程

教学目标和学生状态分别定义

教育Agent应先明确课程、年级、概念目标、教师规则和学生数据授权。课程知识是可版本化内容，学生认知状态是带证据和不确定性的观察，二者不能混为一份通用知识库。一次答错、输入语气或作答速度不足以形成长期能力标签。先规定这一轮要诊断什么、允许怎样帮助，以及什么结果需要教师介入。

用少量有区分度的题诊断

从当前作答识别候选误解，再用针对性问题区分概念问题、计算失误、语言障碍和题意歧义。保存学生原作答、提示条件、模型解释和置信边界，允许教师覆盖候选判断。标准答案也可能错，遇到冲突应先核题目和答案，不让Agent坚持一个错误金标。诊断是提出可验证假设，不是自动医疗或心理标签。

递进干预而非固定答题脚本

先给目标相关的小提示，观察学生独立推进，再增加帮助或示例。数学、代码等可调用确定性工具检查，语言解释用适龄rubric。直接答案策略由作业、复习、无障碍等教学场景决定，不能所有情况固定拒绝。记录提示量和学生下一步行为，避免模型自己完成全部解题后仍将其记成学生掌握。

用新任务检查掌握

当题正确只是第一层；增加无提示同类题、结构变化的迁移题和延迟复习，观察学生能否解释和独立作答。练习题与测验不应只是换数字，同一题库答案不得通过RAG或memory泄漏给测试。完成这一轮可以是明确某个误解、取得后续作答证据和安排复习，而不一定宣布概念已全面掌握。

记忆保存可纠正观察

保存概念、尝试、提示量、证据、时间、教师修订和下次复习建议；允许查看、纠正和按策略撤回。学生私有对话不直接进入团队skill，通用教学方法经过审查和去标识才复用。跨设备与不同学生登录时重新核主体，不能让相似题或共享设备把另一人的状态带入当前学生。

何时升级与怎样证明价值

学生替他人作答、附件缺失、课程版本变化、语言障碍、明显题目歧义或高风险问题，应按产品合同请教师处理并保留缺口。评估既看Agent答案、教学策略和安全，也看学生迁移、延迟保持及教师负担。Tutor CoPilot的研究对象是教师获得AI辅助，其结果不能直接证明全自动Tutor有效；具体产品要用适当的学习效果研究验证。