项目 17 — 个人 AI 导师（自适应、多模态、带记忆）

Phases exercised: P5 · P6 · P11 · P12 · P14 · P17 · P18

问题

自适应辅导过去只是教育科技的研究细分领域。到 2026 年，它已是消费级产品。Khanmigo 部署在美国大多数学区。Duolingo Max 达到数千万月活。Google 的 LearnLM / Gemini for Education 为 Google Classroom 中的辅导提供动力。Quizlet Q-Chat 与抽认卡并列。Synthesis Tutor 凭借面向好奇孩子的辅导功能走红。共同要素包括：多模态输入（打字、说话、拍摄方程）、苏格拉底式教学法（先提问，后解释）、在每次交互后更新的学习者模型，以及严格的适龄安全措施。

你将为一个特定群体构建其中一种。衡量标准是真实的效果研究：10 名学习者、为期两周的前测与后测分数。语音循环必须自然（项目 03 的子栈）。记忆必须尊重隐私。安全过滤器必须通过面向 K-12 的 COPPA 感知红队测试。

概念

共有四个组件。导师策略是一个苏格拉底式循环：学习者索要答案时，策略提出引导性问题；答对时，进入下一个概念；卡住时，给出支架式提示。学习者模型是贝叶斯知识追踪（或其简单变体），在每次交互后更新每个课程节点的掌握概率。课程图谱是一个 Neo4j 概念图，带先修边；策略在图上游走来选择下一个概念。记忆是情节式 + 语义式存储（agentmemory 风格），保存过往交互、错误与偏好。

交互是多模态的。文本输入用于键盘作答。语音输入通过 LiveKit + Whisper（复用项目 03）。数学题的拍照输入通过 dots.ocr 或 PaliGemma 2。语音输出通过 Cartesia Sonic-2。安全方面使用 Llama Guard 4 外加适龄过滤器（拦截成人内容、暴力、自残），以及 COPPA 感知的记忆保留策略。

效果研究本身就是交付物。10 名学习者，前测与后测，为期两周。报告学习增益变化量与置信区间。与非自适应基线（相同内容以线性方式呈现、不使用导师策略）对比。

架构

复制learner device
  |
  +-- text         -> web app
  +-- voice        -> LiveKit Agents (ASR + TTS)
  +-- photo math   -> dots.ocr / PaliGemma 2
       |
       v
  tutor policy (LangGraph)
       - Socratic decision head
       - next-concept chooser (curriculum graph walk)
       - hint scaffolder
       - mastery update
       |
       v
  learner model (BKT / item-response theory)
       - per-concept mastery probability
       - spaced-repetition scheduler (SM-2 or FSRS)
       |
       v
  memory (agentmemory-style)
       - episodic: every interaction
       - semantic: learned mistakes, preferences
       - retention policy: COPPA / GDPR aware
       |
       v
  curriculum graph (Neo4j)
       - prerequisite edges
       - OER content attached
       |
       v
  safety:
    Llama Guard 4 + age-appropriate filter
    memory access guarded by learner ID scope

技术栈

• 学科选择：K-12 代数或 Python 入门（选其一做深）
• 导师策略：基于 Claude Sonnet 4.7 的 LangGraph（使用 prompt 缓存）
• 学习者模型：贝叶斯知识追踪（经典）或用于排程的 FSRS
• 课程图谱：Neo4j 的概念图 + 先修边 + OER 内容
• 记忆：agentmemory 风格的持久化向量 + 情节式 + 语义式存储
• 语音：LiveKit Agents 1.0 + Cartesia Sonic-2（复用项目 03 的子栈）
• 拍照解题：dots.ocr 或 PaliGemma 2 用于方程识别
• 安全：Llama Guard 4 + 自定义适龄过滤器
• 评测：Bloom 层级题目生成、前测/后测 harness、效果研究工具

构建它

1. 课程图谱。 构建一个包含 50-150 个概念节点的 Neo4j 图（例如 K-12 代数从「数轴」到「二次公式」），带先修边。为每个节点附上 OER 内容（Open Textbook、OpenStax）。

2. 学习者模型。 用先验初始化贝叶斯知识追踪：猜测率、失误率、学习率。每次交互后更新每个概念的掌握度。按学习者持久化。

3. 导师策略。 使用带以下节点的 LangGraph：read_signal（学习者的回答是正确的 / 部分的 / 卡住的？）、select_concept（在课程图上游走，选出优先级最高的概念）、scaffold（苏格拉底式提示）、update_mastery。

4. 记忆。 每次交互都写入情节式存储。错误与偏好提升到语义记忆。COPPA 感知的保留策略：1 年后自动删除，家长可访问。

5. 语音路径。 挂在导师策略上的 LiveKit Agents worker。ASR 使用 Whisper-v3-turbo。TTS 使用 Cartesia Sonic-2。支持打断（barge-in，复用项目 03 的机制）。

6. 拍照解题路径。 上传或拍摄图片；运行 dots.ocr 或 PaliGemma 2 识别方程；作为结构化输入送入导师。

7. 安全。 每个模型输出都经过 Llama Guard 4 + 适龄过滤器（拦截自残、成人内容、暴力）。记忆访问按学习者 ID 限定作用域；提供家长删除入口。

8. 效果研究。 10 名学习者，前测（标准化 30 题基线），两周的导师交互（每周 3 次），后测。与同样内容下 10 名学习者的非自适应基线组对比。

9. 每周进度报告。 为每位学习者自动生成 PDF 摘要，包含探索过的主题、掌握度轨迹与推荐的后续步骤。

使用它

复制learner: "I don't understand why 3x + 6 = 12 means x = 2"
[signal]   stuck
[concept]  'isolating variables' (prerequisite: addition-subtraction-equality)
[scaffold] "what number would you subtract from both sides to start?"
learner: "6"
[signal]   correct
[mastery]  addition-subtraction-equality: 0.62 -> 0.77
[concept]  continue 'isolating variables'
[scaffold] "great. now what is 3x / 3 equal to?"

交付它

outputs/skill-ai-tutor.md 是交付物：一个特定学科的自适应导师，具备多模态输入、学习者模型、记忆、安全，以及经过测量的效果。

练习

1. 在有、无自适应学习者模型（随机概念顺序）的条件下分别开展效果研究。报告差异。预期自适应会取胜，但幅度才是有意思的数字。

2. 增加多模态探针：同一个概念问题分别以文本、语音、图片呈现。测量学习者是否用自己偏好的模态更快掌握。

3. 构建家长看板：练习过的主题、掌握度轨迹、即将学习的概念、安全事件（任何防护栏命中）。符合 COPPA。

4. 增加语言切换模式：导师接受西班牙语输入并用西班牙语教学。测量 X-Guard 的覆盖情况。

5. 对记忆隐私做压力测试：验证即使通过语音片段重新注入攻击，学习者 A 也无法看到学习者 B 的数据。记录尝试访问并告警。

关键术语

延伸阅读

• Khanmigo（Khan Academy） — 消费级 K-12 导师参考
• Duolingo Max — 语言学习导师参考
• Google LearnLM / Gemini for Education — 托管参考模型
• Quizlet Q-Chat — 另一参考
• Synthesis Tutor — 创业公司参考
• FSRS 算法 — 间隔重复排程器
• 贝叶斯知识追踪 — 学习者模型经典
• LiveKit Agents — 语音栈

示意图共 1 张