> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/context_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/context_engineering_guide/di-si-bu-fen-gong-cheng-shi-zhan-yu-wei-lai-yan-jin/13_cases/13.4_education.md).

# 13.4 教育：个性化学习助手

## 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：

```markdown
[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：

```jsonc
{
  "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。