当前位置：首页 > news >正文

学习导师：从工具模式到感知模式的整合

news 2026/6/18 9:47:38

📋 本文目录

一、前言
二、整体设计思路
三、学习导师工具链演示
四、学习导师Agent整合实战
五、学习导师系统的核心价值

一、前言

1.1 本节内容简介

想学习Python，但遇到了这些问题：

学完就忘，不知道自己掌握了多少
不知道下一步该学什么，很迷茫
没有人能一直陪着练，遇到问题没人问
想复习的时候，不知道从哪里开始

如果有一个懂你的学习伙伴该多好！

本文展示如何把1-5模块整合起来，构建一个真正懂你的学习导师：

记住你的学习进度
理解你的学习需求
给你个性化学习推荐
定期帮你总结和复习

看完你会明白，基础能力如何整合出一个有温度的智能应用！

1.2 为什么需要个人学习导师？

痛点	解决方案
学完就忘	长期记忆记住你的进度和薄弱环节
不知道学什么	上下文感知给你推荐下一步学习内容
练习不够	工具模式生成练习题和学习卡片
需要总结	总结模式帮你梳理知识点和学习进度
对话沟通	对话管理自然交流，理解你的困惑

二、整体设计思路

2.1 5种能力如何配合？

用户说"我想学Python编程" ↓ 02_对话管理 → 理解需求，建立对话，询问学习目标 ↓ 01_工具模式 → 调用学习规划工具、进度追踪工具 ↓ 04_长期记忆 → 记录学习目标、当前进度、已掌握内容 ↓ 05_上下文感知 → 感知学习阶段，推荐下一步学习内容 ↓ 03_总结模式 → 定期总结学习内容，生成知识点图谱

2.2 与单个模块的区别

维度	单个模块	整合后的学习导师
运作方式	孤立工具	完整闭环系统
响应方式	被动响应	主动引导学习
记忆能力	短期对话	长期学习记忆
目标用户	技术开发者	普通学习者

三、学习导师工具链演示

3.1 完整流程

用户输入 ↓ 01_工具模式 → 进度追踪、练习生成、知识卡片 02_对话管理 → 自然对话、意图识别 03_总结模式 → 学习总结、知识点图谱 04_长期记忆 → 学习进度、已掌握内容 05_上下文感知 → 感知阶段、推荐内容 ↓ 个性化输出

3.2 运行演示

cd personal_learning_tutor ../venv_py38/Scripts/python.exe learning_tutor_chain_demo.py

3.3 生成的输出文件

output_progress.md- 学习进度记录
output_summary.md- 学习总结
output_recommendations.md- 推荐内容
output_practice.json- 练习题

四、学习导师Agent整合实战

4.1 前置要求

安装并启动 Ollama
拉取模型：ollama pull qwen2.5:3b-instruct
准备好学习环境

4.2 完整Agent代码（简化版）

""" 交互式个人学习导师 - 简化可运行版 直接调用 Ollama API，不依赖复杂框架 """ import requests import json import sys import os # 添加当前目录到路径 sys.path.insert(0, os.path.dirname(os.path.abspath(__file__))) # 导入我们的学习工具 from tool_1_progress_tracker import progress_tracker from tool_2_knowledge_card import knowledge_card from tool_3_learning_summarizer import learning_summarizer from tool_4_practice_generator import practice_generator from tool_5_recommender import recommender OLLAMA_URL = "http://localhost:11434/api/generate" MODEL_NAME = "qwen2.5:3b-instruct" class LearningTutor: """学习导师 - 简化版""" def __init__(self): print("=" * 60) print("个人学习导师 - 初始化中...") print("=" * 60) # 对话历史存储 self.conversation_history = [] print("[OK] 个人学习导师初始化完成！") print() def call_ollama(self, prompt, max_tokens=300): """调用 Ollama API""" try: response = requests.post( OLLAMA_URL, json={ "model": MODEL_NAME, "prompt": prompt, "stream": False, "options": { "temperature": 0.7, "num_predict": max_tokens } }, timeout=60 ) if response.status_code == 200: return response.json().get("response", "") else: return f"调用出错: {response.status_code}" except Exception as e: return f"连接出错: {e}" def chat(self, user_input): """和用户对话""" print(f"\n用户: {user_input}") # 保存用户输入到历史 self.conversation_history.append({ "role": "user", "content": user_input }) # 构造提示词 prompt = self._build_prompt(user_input) # 调用模型生成回复 print("导师思考中...", end="", flush=True) try: assistant_reply = self.call_ollama(prompt, max_tokens=300) except Exception as e: assistant_reply = f"抱歉，我遇到了问题: {str(e)}" print("\r" + " " * 20 + "\r", end="") # 保存助手回复 self.conversation_history.append({ "role": "assistant", "content": assistant_reply }) print(f"导师: {assistant_reply}") return assistant_reply def _build_prompt(self, user_input): """构造提示词""" # 构建历史对话文本 history_text = "" for msg in self.conversation_history[:-1]: if msg["role"] == "user": history_text += f"学生: {msg['content']}\n" else: history_text += f"导师: {msg['content']}\n" prompt = f"""你是一个友好的个人学习导师。以下是对话历史： {history_text} 学生刚刚说: "{user_input}" 请友好地回应学生，保持对话自然。你可以帮助学生： 1. 规划学习路径 2. 解答学习问题 3. 生成练习题 4. 总结学习内容 5. 推荐下一步学习内容 记住，你是在指导和鼓励学生学习！ """ return prompt def get_progress(self): """查看学习进度""" return progress_tracker.invoke({}) def get_summary(self): """查看学习总结""" return learning_summarizer.invoke({}) def get_recommendations(self): """获取学习推荐""" return recommender.invoke({}) def generate_practice(self): """生成练习题""" return practice_generator.invoke({}) def main(): """主函数 - 交互式对话""" print() print("=" * 60) print("个人学习导师 - 交互式对话") print("=" * 60) print() print("指令:") print(" - 直接输入内容与导师对话") print(" - progress - 查看学习进度") print(" - summary - 查看学习总结") print(" - next - 获取下一步推荐") print(" - practice - 生成练习题") print(" - quit - 退出") print() print("=" * 60) # 初始化Agent try: tutor = LearningTutor() except Exception as e: print(f"初始化失败: {e}") print("\n提示: 请确保Ollama正在运行，并且已拉取qwen2.5:3b-instruct模型") print("运行命令: ollama pull qwen2.5:3b-instruct") return print() print("开始学习吧！") print() while True: try: user_input = input("> ").strip() if not user_input: continue # 处理特殊命令 if user_input.lower() in ["quit", "exit"]: print("\n再见！加油学习哦！") print("\n" + "=" * 60) print("学习总结:") print("=" * 60) print(tutor.get_summary()) break if user_input.lower() == "progress": print("\n" + "=" * 60) print("学习进度:") print("=" * 60) print(tutor.get_progress()) print() continue if user_input.lower() == "summary": print("\n" + "=" * 60) print("学习总结:") print("=" * 60) print(tutor.get_summary()) print() continue if user_input.lower() == "next": print("\n" + "=" * 60) print("下一步推荐:") print("=" * 60) print(tutor.get_recommendations()) print() continue if user_input.lower() == "practice": print("\n" + "=" * 60) print("练习题:") print("=" * 60) print(tutor.generate_practice()) print() continue # 正常对话 tutor.chat(user_input) except KeyboardInterrupt: print("\n\n再见！") break except Exception as e: print(f"\n发生错误: {e}") if __name__ == "__main__": main()

4.3 运行Agent

cd personal_learning_tutor ../venv_py38/Scripts/python.exe interactive_learning_tutor.py

4.4 Agent特殊命令

progress- 查看学习进度
summary- 查看学习总结
next- 下一步推荐
practice- 生成练习题
quit或exit- 退出

4.5 真实交互演示

============================================================ 个人学习导师 - 交互式对话 ============================================================ 指令: - 直接输入内容与导师对话 - progress - 查看学习进度 - summary - 查看学习总结 - next - 获取下一步推荐 - practice - 生成练习题 - quit - 退出 ============================================================ [OK] 个人学习导师初始化完成！ 开始学习吧！ > 你好，我想学Python编程 学生: 你好，我想学Python编程 导师: 你好！欢迎开始你的Python学习之旅！Python是一门很有趣且实用的编程语言。 让我先了解一下你的情况：你之前有编程基础吗？你的学习目标是什么（比如想做网站、数据分析、还是人工智能）？ > 没有基础，我想做一些自动化脚本 学生: 没有基础，我想做一些自动化脚本 导师: 太好了！自动化是Python的强项，非常适合初学者！ 根据你的情况，我建议这样的学习路径： 1. 首先学习Python基础语法（变量、数据类型、条件语句） 2. 然后学习函数和模块 3. 最后学习文件操作和自动化库 你想先从哪里开始？ > 先学基础语法吧 学生: 先学基础语法吧 导师: 好的！那我们开始学习Python基础语法！ 首先，你需要了解： 1. 变量和数据类型（数字、字符串、列表） 2. 条件语句（if/elif/else） 3. 循环（for/while） 需要我帮你生成一些基础练习题吗？ > progress ============================================================ 学习进度: ============================================================ 当前学习阶段: Python入门 已掌握内容: 无（刚开始） 下一步建议: 学习变量和数据类型 > practice ============================================================ 练习题: ============================================================ Python基础练习题： 1. 声明一个变量name，赋值为你的名字 2. 计算1到10的和 3. 判断一个数是奇数还是偶数 4. 创建一个包含3种水果的列表 > quit 再见！加油学习哦！ ============================================================ 学习总结: ============================================================ 本次学习： - 学习目标: Python自动化脚本 - 当前阶段: Python入门 - 进度: 刚开始，需要学习基础语法

五、学习导师系统的核心价值

5.1 对比：传统学习 vs AI学习导师

维度	传统学习	AI学习导师
个性化	❌ 通用教材、视频	✅ 你的专属学习路径
长期记忆	❌ 靠自己记笔记	✅ 自动记住学习进度
进度追踪	❌ 手动记录、整理	✅ 自动追踪、可视化
复习提醒	❌ 靠自己规划	✅ 主动提醒复习
练习反馈	❌ 需要找老师批改	✅ 即时练习、即时反馈
学习动力	❌ 需要很强自律	✅ 有陪伴、有鼓励