智慧教育平台多智能体课堂搭建实操指南

1. 为什么要在智慧教育平台上折腾多智能体课堂

先说结论：国家中小学智慧教育平台本身已经提供了海量的课程资源、课件、作业和互动工具，但如果你只是把它当成一个“在线播放器”或者“课件仓库”，那就太浪费了。真正让一线老师觉得“这东西能帮我省下大量重复劳动”的，是把平台里的资源、工具和AI能力串起来，做成一个能自动响应、能分工协作的多智能体课堂。

我最早接触这个思路，是因为身边不少老师抱怨：一节课下来，既要讲知识点，又要管纪律，还要给不同水平的学生推送不同难度的练习，根本忙不过来。后来大家开始尝试用平台上的AI功能做辅助，但单个AI助手往往只能干一件事——要么答疑，要么出题，要么批改。于是就有了“多智能体”的想法：让几个不同角色的AI代理同时在线，一个负责讲解，一个负责出题，一个负责巡视课堂并给薄弱学生单独提示，另一个负责收集全班答题数据并生成课后报告。

这个实操指南就是把我自己踩过的坑、试过的配置、以及最终跑通的那套流程完整拆出来。它适合中小学一线教师、教研组长、以及负责教育信息化的技术老师阅读。不需要你懂编程，但需要你对平台的基本操作有了解，比如怎么建班级、怎么发资源、怎么看数据面板。如果你连平台账号都还没登录过，建议先花半小时把平台首页的功能区点一遍，再回来看这篇。

注意：多智能体课堂不是让AI取代老师，而是把老师从重复性劳动里解放出来。凡是涉及价值判断、情感沟通、课堂突发情况处理的事情，仍然必须由真人教师完成。

2. 整体设计思路：把一节课拆成四个“AI岗位”

2.1 核心思路：角色分工而不是功能堆叠

很多人第一次听说“多智能体”，会下意识觉得要搞很复杂的技术架构。其实在智慧教育平台的场景下，你只需要把一节课的教学流程拆成几个可以并行处理的角色，然后给每个角色配一个AI代理就行。我自己的习惯是拆成四个：

• 主讲代理：负责按照教案顺序推送讲解内容、播放微课、展示课件。它不直接回答学生问题，只负责“按剧本走”。
• 答疑代理：挂在班级讨论区或者私聊窗口，学生随时可以问“这一步没听懂”“这个公式怎么来的”。它只回答与当前知识点相关的问题，超出范围就转给老师。
• 练习代理：根据主讲代理的进度，自动向不同学生推送分层练习。比如A层学生做基础题，B层学生做变式题，C层学生做拓展题。它还会实时统计正确率。
• 巡检代理：这个最容易被忽略但最有用。它每隔几分钟扫描一次全班学生的答题状态和在线时长，发现某个学生连续答错或者长时间没动作，就自动发一条鼓励或提示，同时把名单推给老师。

这四个代理不需要同时用上，你可以根据课型选择。新授课一般用主讲+答疑+练习；复习课用练习+巡检+答疑；自习课用巡检+答疑就够了。

2.2 为什么不用一个大模型全包

有人会问：现在大模型不是能同时干很多事吗，为什么还要拆成多个代理？我实测下来的原因是：单个代理如果任务太杂，响应会变慢，而且容易“串味”。比如你让一个代理既讲新课又批改作业，它可能在讲解时突然插入一句“你第三题错了”，把学生搞懵。拆成多个代理之后，每个代理的提示词可以写得很窄、很精确，响应速度反而更快，出错率也更低。

另外，从平台资源调用的角度看，主讲代理需要频繁调用课件和视频资源，练习代理需要调用题库和统计接口，答疑代理需要调用知识库和搜索接口。如果全塞在一个代理里，权限管理会变得很混乱。分开之后，每个代理只拿自己需要的那部分权限，安全性和稳定性都好很多。

2.3 平台现有能力与多智能体的对接方式

国家中小学智慧教育平台目前开放了班级管理、资源推送、在线答题、数据统计这几个核心模块。多智能体课堂的对接方式主要有三种：

• 通过平台内置的AI助手接口：部分区域已经上线了AI助教功能，可以直接在班级里添加“AI助手”角色，然后通过配置不同的提示词来模拟不同代理。这是最省事的方式，但灵活性有限。
• 通过平台开放API：如果你所在区域的技术支持到位，可以申请API权限，用外部脚本调用平台的班级数据和资源接口。这种方式最灵活，但需要一定的技术基础。
• 通过半自动方式：老师手动在平台上创建多个“虚拟学生”账号，每个账号对应一个代理角色，然后用浏览器多开或者脚本控制。这种方式最土，但不需要任何额外权限，适合技术条件有限的学校。

我自己的建议是：先从半自动方式开始试，跑通流程之后再考虑API对接。因为多智能体课堂的核心难点不在技术，而在教学流程的拆解和提示词的打磨。技术对接只是最后一步。

3. 核心细节解析：每个代理到底怎么配

3.1 主讲代理的配置要点

主讲代理的任务最单纯，但要求也最严格：它必须严格按照你设定的教学顺序走，不能自由发挥。配置的时候，你需要给它一份结构化教案，格式大概是这样的：

{ "lesson_id": "MATH-5-2-1", "steps": [ {"type": "video", "resource_id": "V001", "duration": 180}, {"type": "slide", "resource_id": "S003", "duration": 120}, {"type": "question", "question_id": "Q007", "wait_time": 60}, {"type": "discussion", "topic": "为什么分母不能为零", "duration": 180} ] }

这份教案不需要你手写JSON，平台上的“课堂活动”功能可以可视化拖拽生成，然后导出成结构化数据。主讲代理读取这份数据后，就会按顺序执行。这里的关键参数是duration和wait_time，它们决定了每个环节停留多久。我一般会把视频时长设为实际时长的1.2倍，留出缓冲；提问等待时间设为60到90秒，太短学生来不及想，太长课堂节奏会拖。

实操心得：主讲代理的提示词里一定要加一句“如果学生连续三次没有响应，自动跳过当前环节并通知老师”。否则一旦某个环节卡住，整节课就停在那里了。

3.2 答疑代理的知识边界控制

答疑代理最容易出的问题是“答非所问”或者“超纲回答”。比如小学五年级的学生问“负数怎么算”，如果答疑代理直接讲初中的有理数运算，学生根本听不懂。所以你必须给它划一个知识边界。

我的做法是：在配置答疑代理时，上传一份当前单元的知识点清单和常见问题库。知识点清单告诉它“只能回答这些内容”，常见问题库告诉它“学生问类似问题时，优先用这些标准答案”。如果学生问的问题不在清单里，代理就回复“这个问题我们下节课会讲，你先记下来”，同时把问题推给老师。

另外，答疑代理的回复长度也要控制。我试过让它自由发挥，结果它经常写一大段，学生看两行就关了。后来我把回复限制在三句话以内，第一句直接给答案，第二句解释原因，第三句给一个例子。这样学生的阅读完成率明显提高。

3.3 练习代理的分层逻辑与参数

练习代理的核心是分层推送。平台上的题库通常已经标注了难度等级，你只需要设置好分层规则就行。我常用的规则是：

这个规则不是固定的，你可以根据班级实际情况调整。关键是每道题都要有即时反馈，学生答完立刻知道对错，并且能看到解析。练习代理还要记录每个学生的答题时长和修改次数，这些数据对后续的巡检代理很有用。

注意：分层推送不要公开标注“A层B层C层”，否则容易伤害学生自尊。我一般用颜色代替，比如“红色任务”“蓝色任务”“绿色任务”，学生只知道任务不同，不知道层级不同。

3.4 巡检代理的触发条件与干预策略

巡检代理是四个代理里最“聪明”的一个，因为它需要根据实时数据做判断。我给它设了三个触发条件：

• 连续答错触发：同一个学生连续答错3题，立即发送一条提示，比如“别着急，先看看例题再试试”。
• 长时间无操作触发：学生超过5分钟没有任何答题或点击动作，发送“你还在吗？需要帮助请点这里”。
• 正确率骤降触发：某个学生前10题正确率80%，后5题突然降到40%，说明可能遇到困难或者注意力分散，发送“要不要先休息一下，或者看看讲解视频”。

这三个条件不是同时生效的，你可以根据课堂阶段选择。新授课阶段我一般只开“长时间无操作”和“连续答错”；复习课阶段三个全开。

巡检代理还有一个隐藏功能：生成课堂注意力曲线。它会把每个学生的操作时间点记录下来，课后生成一张图，显示哪个时间段全班注意力最集中、哪个时间段最容易走神。这张图对老师调整教学节奏非常有帮助。

4. 实操过程：从零搭建一节多智能体课堂

4.1 课前准备：资源上传与代理初始化

第一步，登录国家中小学智慧教育平台，进入你所要授课的班级。在“课程资源”里把本节课要用的微课、课件、习题全部上传。注意，资源命名要规范，比如“5年级数学-分数除法-微课1”，这样后续代理调用的时候不容易搞混。

第二步，创建四个代理角色。如果你用的是平台内置AI助手，直接在“班级助手”里添加四个，分别命名为“主讲”“答疑”“练习”“巡检”。如果你用的是外部脚本，就在本地建四个配置文件，每个文件里写清楚代理的名称、职责、提示词和权限范围。

第三步，把资源ID和代理绑定。主讲代理绑定微课和课件，练习代理绑定题库，答疑代理绑定知识点清单，巡检代理绑定学生名单和答题数据接口。这一步最容易出错的地方是权限绑定太宽，比如让练习代理也能访问课件资源，结果它可能在推送练习时突然插入一段视频。所以每个代理的权限一定要最小化。

4.2 课中运行：四个代理的协同节奏

上课铃响之后，你先手动启动主讲代理，让它开始推送第一个环节。同时，答疑代理和巡检代理进入待命状态，练习代理暂时休眠。

当主讲代理完成一个知识点的讲解后，它会发一个信号给练习代理，练习代理随即激活，向全班推送第一组分层练习。这时候答疑代理开始工作，学生在做题过程中遇到问题可以随时问。巡检代理则每隔2分钟扫描一次答题数据。

这里有一个关键细节：练习代理推送题目之后，主讲代理要暂停，不能继续往下讲。否则学生一边做题一边听新课，效果很差。我一般会让主讲代理在练习环节停留5到8分钟，具体时长根据题目数量调整。

当练习代理统计到80%的学生已经完成当前组题目，它会通知主讲代理继续。如果超过预定时间还有学生没完成，巡检代理会介入，给未完成的学生发送提示，同时把名单推给老师。老师可以根据名单决定是等一等还是进入下一环节。

4.3 课后收尾：数据汇总与代理休眠

下课之后，练习代理会生成一份全班答题报告，包括平均正确率、各题正确率、每个学生的用时和修改次数。巡检代理会生成一份注意力曲线和异常名单。答疑代理会整理出本节课被问得最多的五个问题。主讲代理则记录实际教学进度和原计划的偏差。

这四份数据汇总到老师这里，你花10分钟就能看完。我一般会重点看三个东西：正确率低于60%的题目（说明这个知识点没讲透）、注意力曲线低谷出现的时间点（说明那个环节需要调整）、被问得最多的问题（说明学生普遍卡在哪里）。

看完之后，把所有代理设为休眠状态，释放资源。如果你用的是外部脚本，记得关闭后台进程，否则第二天上课可能会冲突。

4.4 一个完整的课堂时间线示例

为了让你更直观地理解，我把一节40分钟的数学课时间线列出来：

这个时间线不是死的，你可以根据实际课堂情况随时调整。比如某个知识点学生普遍反映难，你可以让主讲代理多停留5分钟，练习代理相应减少一组题目。

5. 常见问题与排查技巧实录

5.1 代理不响应或者响应延迟

这是最常见的问题，通常有三个原因：网络波动、提示词太长、资源ID错误。排查顺序是：先看平台状态页有没有公告，再看代理的提示词是不是超过500字（超过就精简），最后检查资源ID有没有拼错。

我遇到过一次，主讲代理死活不推送视频，查了半小时才发现是资源ID里多了一个空格。所以建议你在绑定资源的时候，直接从平台复制ID，不要手动输入。

5.2 答疑代理回答超纲或者答错

超纲的原因一般是知识边界没设好。解决办法是在提示词里加一句“如果问题涉及的知识点不在清单内，回复‘这个问题我们以后会学到’”。答错的原因通常是常见问题库不够全，你需要把学生问过的问题定期整理，补充到问题库里。

实操心得：我每周会花15分钟把答疑代理这一周的回答记录翻一遍，把答得不好的问题挑出来，手动修正标准答案，然后更新到问题库。坚持一个月之后，答疑代理的准确率能到90%以上。

5.3 练习代理推送的题目难度不合适

难度不合适通常是因为前测数据不准。前测只有5道题，偶然性很大。我的做法是：前测成绩只作为初始分层依据，上课过程中练习代理会根据学生的实时正确率动态调整。比如一个C层学生连续答对3道基础题，练习代理会自动给他推送一道变式题试试。这样分层就不是固定的，而是流动的。

5.4 巡检代理误报或者漏报

误报一般是因为触发条件太敏感。比如“连续答错3题”在难题环节很容易触发，但其实学生只是需要更多时间。解决办法是给触发条件加一个时间窗口，比如“5分钟内连续答错3题”才触发。漏报一般是因为扫描频率太低，我一般设为2分钟一次，太频繁会消耗资源，太慢又来不及干预。

5.5 四个代理之间互相干扰

这种情况通常是因为权限没分清楚。比如练习代理在推送题目时，答疑代理突然发了一条全班公告，把学生的注意力拉走了。解决办法是给每个代理设置发言时段：主讲代理说话时，其他代理只能私聊不能发公告；练习代理推送题目时，答疑代理只能回答私聊问题，不能主动发起对话。

5.6 常见问题速查表

6. 我踩过的坑和最后分享几个小技巧

第一个坑是代理数量贪多。我一开始设了六个代理，结果课堂节奏完全乱掉，学生不知道该听谁的。后来砍到四个，才稳定下来。所以我的建议是：新手先从两个代理开始（主讲+答疑），跑顺了再加练习，最后加巡检。

第二个坑是提示词写得太“聪明”。我一开始给答疑代理写了一大段“你要耐心、要鼓励、要引导”，结果它每回答一个问题都要先夸学生三句，浪费了大量时间。后来我把提示词改成“直接给答案，三句话以内”，效率立刻上来了。

第三个坑是忽略离线场景。多智能体课堂依赖网络和平台，一旦断网就全瘫了。所以我现在每节课都会准备一份纸质备用练习，万一平台出问题，直接发纸质版，不影响课堂进度。

最后分享一个小技巧：给每个代理设一个“紧急停止”口令。比如你在课堂上发现某个代理开始胡说八道，直接在班级公告里发“停止代理”，所有代理立刻休眠。这个口令要提前告诉学生，让他们也知道怎么应急。

还有一个技巧是定期导出代理的对话记录。我每个月会把四个代理的对话记录导出来，用文本分析工具看看高频词和异常回答。这个习惯帮我发现了很多提示词的漏洞，也让我对学生的真实困惑有了更深的了解。

这个内容后续还可以这样扩展：把多智能体课堂的模式从数学推广到语文和英语，比如语文的“阅读代理”和“写作代理”，英语的“听力代理”和“口语代理”。不同学科的代理配置逻辑不太一样，但核心思路是一样的——拆角色、划边界、控节奏。