一、行业背景与大家的核心困扰

（一）学生和家长的烦恼

现在网上信息多，但好的教育资源散在各处，学生和家长找课外学习资料时，总能遇到一堆麻烦：

• 资源又杂又乱：网上的课外资料五花八门，有视频、文档、练习题等各种形式，质量有好有坏，想挑出优质的得花很多时间和精力；

• 资料不适合孩子：传统的推荐只看学科，不管孩子的年级、基础好不好、哪块知识薄弱，很难匹配孩子当前的学习水平；

• 课外和课内脱节：课外学的知识和课本要求、课堂内容、考试重点对不上，没法和课内学习互补，帮不上考试；

• 形式枯燥没兴趣：大多资料都是文字，没什么互动性，也不好玩，很难让孩子主动愿意学；

• 孩子看不懂、不会用：专业资料里的术语太复杂，逻辑绕，也没有分难度讲解，孩子自己理解起来很费劲；

• 内容不安全：有些网上资料有错误信息、不好的导向，还夹杂广告，家长想分辨清楚特别难。

（二）学校和教育行业的难题

• 老师找资料效率低：老师很难快速找到适合全班学生情况的课外资料，想给课堂内容做延伸都缺好素材；

• 学校图书馆资源浪费：学校的数字图书馆资料分类混乱，学生找不到自己要的，很多好资源都闲置了；

• 教育平台推荐太粗糙：传统教育平台只按学科推资料，不结合孩子的知识水平和学习目标，推荐的资料孩子用着没效果；

• 好资源推不到孩子手里：教育机构、出版社的优质课外资料，很难精准找到需要的学生，推广起来成本也高；

• 没法跟踪学习效果：不知道孩子学了多少、学懂了没，没法针对性地指导孩子学习。

二、技术基础：ModelEngine 帮我们搭建服务框架

我们靠 ModelEngine 的四层架构，搭建了一套从“读懂需求→匹配资料→指导学习→反馈效果”的完整课外学习服务体系，核心就是让推荐的资料“适合孩子、质量好、有趣味、对学习有帮助”。

1. 基础支撑层（相当于“地基”）

• 高速计算中心：能快速计算出适合孩子年级和基础的资料难度，匹配对应的知识点，精准读懂学习需求；

• 大型资料数据库：存了上百万份优质课外资料，包括视频、文档、练习题、互动课程等，每份都标好了适合的年级、难度、学科、对应知识点；

• 学习行为分析工具：实时记录孩子浏览过的资料、学习进度、做题情况、喜欢什么类型的资料；

• 多形式信息解析工具：能读懂孩子的学情报告、学习目标描述、测试错题等各种形式的需求。

2. 核心处理层（相当于“中台大脑”）

• 多来源资料整合：把教育部的教学要求、权威出版社的内容、一线老师推荐的素材、优质教育平台的资料，还有孩子的真实学习反馈都整合到一起；

• 三维匹配工具：按“年级认知水平+学科基础+学习目标”三个维度匹配资料，确保推荐的资料精准适配；

• 内容安全筛查工具：按照青少年适合的知识标准，自动过滤错误信息、不良导向的资料，保证孩子看的内容安全；

• 课内课外衔接工具：关联中小学各学科的知识点、课本要求、考试重点，筛选出“既能拓展知识，又能帮孩子提分”的资料。

3. 外部对接层（相当于“外联接口”）

• 教育平台对接：连入中小学教育云平台、学校教务系统，获取孩子的年级、考试成绩、学情分析等信息；

• 数字图书馆对接：连接学校数字图书馆、国家中小学智慧教育平台，同步里面的优质资料；

• 教育机构对接：获取优质的课外辅导资料、学科拓展内容、竞赛培训素材；

• 出版社对接：获取权威教材配套资料、科普读物电子版、互动学习工具。

4. 实际应用层（相当于“落地工具”）

• 预置优质资料库：涵盖学科拓展、科普知识、历史文化、编程入门、艺术素养等各种类型的好资料；

• 场景化推荐模板：针对不同需求准备好标准方案，比如分年级知识拓展、补薄弱学科、备考升学、兴趣探索、假期学习计划等；

• 学校教学配套流程：整合了老师筛选资料、给班级推资料、跟踪学习进度、统计教学效果的功能；

• 核心功能优化：通过专业框架实现多来源教育数据协同，靠智能引擎提供多维度的资料推荐能力。

三、智能体定义：KnowledgeHub Student（学生知识枢纽）

（一）产品定位

这是一个靠AI驱动的“课外资料推荐专家”，整合了优质教育资料、学情分析模型、学科知识图谱和场景适配算法，能为小学到高中的学生提供个性化的课外资料推荐服务。核心是兼顾“有用、适合、有趣、能帮到考试”，帮孩子高效拓展课外知识、补上学习短板。

（二）核心能力矩阵

plaintext

1. 智能需求分析
   ├─ 学生画像构建（年级、学科基础、知识短板、学习目标）
   ├─ 学习偏好解析（资源形态偏好：视频/文档/题库；兴趣方向：科普/编程/历史等）
   ├─ 场景要素提取（课堂延伸、假期学习、升学备考、兴趣探索等）
   └─ 隐性需求挖掘（知识拓展、能力提升、竞赛准备、作文素材积累等）

2. 知识库多维推荐
   ├─ 精准适配推荐（年级+基础+目标三维匹配，含资源详情、使用建议）
   ├─ 知识体系关联（推荐相关知识点资源，构建完整知识网络）
   ├─ 难度梯度适配（基础版/进阶版/挑战版分级推荐，逐步提升）
   └─ 形式灵活适配（根据偏好推荐视频讲解、图文文档、互动题库等多形态资源）

3. 学习支持服务
   ├─ 学习计划制定（每日/每周学习时长、资源使用进度规划）
   ├─ 学习方法指导（不同类型知识库的高效学习技巧）
   ├─ 知识点巩固测试（配套练习题、知识问答，强化理解）
   └─ 学习效果反馈（生成学习报告，标注掌握情况与提升方向）

4. 延伸服务能力
   ├─ 教师教学辅助（班级学情适配资源包、课堂延伸素材推荐）
   └─ 学校资源优化（数字图书馆资源分类、采购补充建议）
   └─ 家庭学习指导（家长监督技巧、亲子共学资源推荐）

（三）典型使用场景

• 小学4年级，数学基础弱（尤其是应用题），喜欢看视频，想通过课外学习补短板；

• 初中2年级，对生物学感兴趣，想多了解动植物科普知识，喜欢互动性强的资料；

• 高中1年级，准备物理竞赛，需要难度高一点的物理拓展资料，还要有真题解析和实验指导；

• 学校数字图书馆要给3-6年级买科普类资料，预算5万元，要求适合不同年级，互动性强。

四、分步实施指南

步骤 1：创建智能体应用

登录 ModelEngine 控制台，创建 “KnowledgeHub Student” 智能体，输入应用描述：

KnowledgeHub Student 是专业的学生课外知识库推荐专家，集成百万级优质教育资源库、学科知识图谱与学情分析模型。它能通过对话精准理解学生的年级、学科基础、知识短板、学习目标与资源偏好，提供个性化、合规安全、兼具知识性与趣味性的知识库推荐，包含详细的资源解析、学习计划与使用指导，支持学生自主学习、教师教学辅助与学校资源优化，让课外知识学习更高效、更有价值。

点击 “智能生成” 优化提示词，确定应用类型为 “智能体”，分类选择 “教育服务 - 课外知识”。

步骤2：写好智能体的“工作指南”

这份指南要明确告诉智能体该怎么做，核心要求包括：

1. 作为专业的课外资料推荐专家，要根据孩子的年级、基础、薄弱点、学习目标等，推荐适合、安全、有用又有趣的资料；

2. 先把用户需求拆清楚：年级（小学/初中/高中）、基础好坏、哪块知识弱、学习目标（补短板/拓兴趣/备竞赛等）、喜欢的资料形式、学习场景；

3. 推荐时要写清楚：资料名称、谁提供的、适合哪个年级、难度如何、核心知识点、资料形式、内容亮点、为什么适合、怎么用（学习时长/方法/重点）；

4. 如果用户有明确目标（比如补短板、备竞赛），要突出资料对学习的帮助和相关知识点；如果有喜欢的形式，优先推荐，同时兼顾多样性；

5. 语言要简单易懂，少用专业术语，必要时说明为什么推荐这份资料、学了能有什么收获；

6. 最后还要推荐相关资料、学习提升路径，或者给老师/家长提供指导建议，帮孩子持续学习。

步骤 3：构建专业知识库

3.1 学生课外知识核心知识库（使用百度千帆知识库）

• 优质知识库数据库：10 万 + 经过筛选的课外知识库资源，含资源名称、提供方、内容摘要、年级适配标签、知识难度（基础 / 中等 / 进阶）、学科分类、资源形态（视频 / 文档 / 题库 / 互动课程）、知识点关联、合规性标签
• 课标适配库：教育部课标知识点清单、中小学各学科课堂延伸资源要求、升学备考拓展资源清单
• 知识难度库：不同年级学生认知发展特点、知识接受能力标准、知识点难度分级参考
• 兴趣分类库：科普、编程、历史、生物、艺术、地理等全品类兴趣标签与对应知识库资源
• 合规安全库：青少年知识资源审核标准、错误信息筛查规则、不良内容黑名单
• 

3.2 学校 / 机构服务知识库

• 教学辅助库：各学科课堂延伸素材、班级学情适配资源包、教学案例与知识库结合方案
• 数字图书馆库：学校数字资源分类标准、批量采购资源模板、预算优化方案、资源管理指南
• 学习指导库：不同形态知识库的高效学习方法、错题整理技巧、知识体系构建指南
• 学情评估库：学生知识水平测试题库、知识库学习效果评估标准、学习报告模板

在百度千帆平台完成数据导入和向量化处理后，返回 ModelEngine 配置知识库连接（输入百度千帆 API Key）。

步骤 4：集成工具链

工具类别	具体工具	功能说明	使用场景
适配匹配工具	年级 - 难度匹配插件	基于年级与知识基础，筛选适配难度的知识库	避免资源过难或过易
合规筛查工具	内容安全过滤插件	筛查错误信息、不良导向、广告干扰的资源	保障推荐资源安全性
学业关联工具	知识点匹配插件	关联课本知识点与升学考点，推荐补强资源	满足学业提升需求
资源服务工具	资源可用性查询插件	实时查询知识库访问权限、加载速度、更新状态	确保资源可正常使用
学校采购工具	批量资源生成插件	按学段、预算、学科生成数字资源采购清单	学校数字图书馆采购适配
学情测试工具	知识水平评估插件	通过问卷测试学生知识短板，精准匹配资源	提升推荐适配性
兴趣挖掘工具	兴趣标签识别插件	基于用户描述提取兴趣关键词，拓展推荐	满足个性化兴趣需求

步骤 5：模型配置

• 主推理模型：Qwen/Qwen2.5-72B-Instruct（擅长理解多维度复杂需求，如年级 + 基础 + 目标的综合适配）
• 

步骤 6：优化使用体验

• 开场白：“你好！我是学生知识枢纽 KnowledgeHub Student，告诉我你的年级、学科基础、知识短板或兴趣方向，也可以说说你的学习目标（比如补强数学应用题、拓展生物科普），我会为你推荐有趣又有用的课外知识库，还能提供专属学习计划哦！”
• 默认问题：“推荐小学 4 年级适合的数学拓展知识库”
• 交互优化：启用 20 轮多轮对话上下文
• 

五、拓展功能与多场景对接

（一）对接各种教育场景

• 学校数字图书馆：对接学校数字图书馆系统，推荐馆内可使用的资料，生成采购补充清单，统计孩子使用资料的数据；

• 教育平台集成：嵌入国家中小学智慧教育平台、学习通等平台，给孩子推送个性化资料，跟踪学习进度；

• 教师教学系统：对接教师备课平台，提供适合班级情况的资料包，支持一键推送资料、统计学习效果；

• 出版机构合作：和教育出版社一起建优质资料库，优先推荐教材配套的拓展资料，提供数字化学习方案；

• 家长端工具：集成到家长微信小程序，推送学习提醒、学习报告，提供亲子共学指导，方便家长监督。

（二）增值服务功能

• 个性化学习报告：给每个孩子生成专属报告，包含知识水平评估、学习进度统计、薄弱点分析和提升建议；

• 学习打卡功能：支持孩子每天学习打卡，记录学习时长和感悟，生成学习成长曲线；

• 知识竞赛活动：定期举办线上知识竞赛，题目围绕推荐的资料设置，激发学习动力；

• 教师资源定制：为老师提供班级专属资料包定制服务，支持按教学进度、班级学情精准筛选。

六、测试发布

测试案例：输入需求

“初中 2 年级，对生物学感兴趣，希望拓展动植物科普知识，偏好互动性强的知识库，不需要太晦涩”

智能体输出结果

发布流程

七、总结

基于ModelEngine搭建的KnowledgeHub Student，聚焦孩子课外学习的核心烦恼，通过AI技术结合优质教育资源和教育规律，实现了这些价值：

• 让学习更适配：精准匹配孩子的年级、基础和兴趣，让孩子“学得懂、感兴趣、有收获”；

• 内容优质又安全：严格筛选权威资料，避开错误信息和不良导向，让家长放心、学校安心；

• 帮孩子提升成绩：对接课本要求和考试重点，让课外资料成为课堂学习的“好帮手”，助力升学；

• 创造教育服务价值：给学校、教育平台、出版社提供精准的服务工具，提高资源利用率和用户粘性；

• 培养自主学习能力：通过有趣的互动资料和一步步提升的学习路径，帮孩子养成终身受益的自主学习习惯。

未来，随着技术升级，这个智能体还能实现更精准的个性化适配（比如根据孩子的学习轨迹定制专属资料包）、更智能的学习互动（比如AI实时解答疑问、推送个性化错题）、更全面的资源整合（比如多种形式资料联动推荐），让课外学习真正成为孩子成长的“加油站”，助力全面提升综合素养。