13.4 教育：个性化助教系统

13.4.1 场景背景

为每个学生提供 24/7 的 AI 辅导老师，不仅能解答错题，还能根据学生的掌握程度推荐练习，制定学习计划。

13.4.2 上下文设计挑战

1. 长期记忆：需要记住学生整个学期的学习轨迹。

2. 个性化适应：对基础差的学生解释得更详细，对优等生则点到为止。

3. 知识追踪：需要维护一个动态的“知识状态模型”。

13.4.3 解决方案

动态用户画像

在 Context 头部始终维持一个压缩的画像：

[Student Profile]
- Grade: 5
- Strong Subjects: Math (Geometry)
- Weak Subjects: Math (Algebra), English
- Current Learning Style: Visual learner (prefers diagrams)

知识点掌握度矩阵

后台维护一个 JSON 结构的掌握度矩阵：

{
  "linear_equation": 0.3, // 掌握度低
  "triangle_area": 0.9    // 掌握度高
}

当学生提问 “一元一次方程” 时，系统读取到 mastery=0.3，自动在 Context 中注入更基础的引导性提示（Scaffolding），分步解释；而针对三角形面积问题，则直接给出进阶挑战。

错题本

专门维护一个“错题本” Context。在复习模式下，优先检索之前的错题作为上下文，要求学生举一反三。

13.4.4 效果

实现了更接近“因材施教”的交互体验。学生参与度与薄弱知识点的练习效率通常会得到改善；具体效果取决于课程设计、题库质量与评测口径。