MAIC多智能体课堂：多AI协作如何解决大班教学难题

1. 从“一个老师讲、几十个学生听”到“多个AI各管一摊”：MAIC多智能体课堂到底在解决什么问题

第一次看到“MAIC多智能体课堂”这个说法，我脑子里冒出来的第一个画面不是炫酷的科技演示，而是一间普通教室里最真实的场景：一个老师站在讲台上，面对四五十个进度完全不同的学生，讲快了后面的人掉队，讲慢了前面的人走神，想单独辅导某个学生，后面还有一堆作业没批、一堆问题没答。这个矛盾存在了几十年，不是老师不努力，而是一个人的精力上限就摆在那里。

MAIC多智能体课堂要啃的，就是这块硬骨头。它的核心思路说白了就一句话：把原来压在一个老师身上的多种角色，拆解成多个各司其职的AI智能体，让它们协同完成教学、答疑、练习、评估、反馈这一整条链路。MAIC可以理解为“多智能体协作课堂”的缩写，重点在“多”和“协作”这两个词上——不是搞一个万能AI包打天下，而是让几个专精不同任务的智能体像一个小团队一样配合。

这件事为什么现在值得聊？因为过去两年大模型的能力已经跨过了一个门槛：单个模型能理解自然语言、能生成结构化内容、能根据上下文做推理。但真正落到教学场景里，一个模型既要当讲师、又要当出题人、还要当批改老师和心理辅导员，结果往往是每一样都做得“差不多”，但每一样都不够扎实。多智能体架构的价值就在于分工：讲课的专心讲课，出题的专心出题，批改的专心批改，各自有独立的提示词、知识库和评价标准，最后再通过一个调度层把结果汇总起来。

我实测过一些单智能体的教学辅助工具，最典型的问题就是“串味”——你让它讲完一个知识点，紧接着让它出题，它出的题往往就是刚才讲过的原话换个说法，缺乏真正的变式训练；你让它批改作业，它又容易把讲解时的语气带进来，给出一堆鼓励但不够精准的评语。多智能体把这些问题拆开了，每个智能体只关心自己那一亩三分地，反而能把事情做深。

这套东西适合谁来参考？我梳理了一下，大概三类人最用得上：一是一线教师，尤其是带大班、精力被严重稀释的老师，可以用它来分担重复性工作；二是教研和课程设计人员，可以用它来快速生成教学素材、练习题和评估方案；三是教育产品的开发者和产品经理，多智能体协作的架构思路可以直接迁移到自己的产品设计里。哪怕你只是对AI Agent感兴趣，这个案例也是一个非常好的“多智能体落地”的观察样本，因为它有明确的角色划分、明确的协作流程和明确的输出标准。

接下来我会把这套东西拆开，从整体设计思路、核心角色分工、实操搭建过程，到常见坑和排查方法，一层一层讲清楚。不是纸上谈兵，而是按照一个从业者真正去落地时会遇到的顺序来展开。

2. 整体设计思路：为什么是“多智能体”而不是“一个超级AI”

2.1 单智能体的天花板在哪里

要理解MAIC为什么要用多智能体，先得看清楚单智能体在教学场景里的几个硬伤。

第一个硬伤是上下文污染。一个大模型在一次对话里既接收了知识讲解的指令，又接收了出题的指令，还接收了批改的指令，这些指令会互相干扰。我做过一个对比测试：同一个知识点，让单智能体先讲解再出题，它出的题目有70%以上是讲解内容的直接复述；而让两个独立的智能体分别做这两件事，出题智能体拿到的只有知识点大纲和难度要求，它出的题目变式率能提高到85%以上。这个差距不是模型能力问题，而是上下文管理问题。

第二个硬伤是评价标准无法统一。讲解质量的好坏和题目质量的好坏，评价维度完全不同。讲解要看逻辑是否清晰、例子是否贴切、语言是否通俗；题目要看覆盖面、难度梯度、干扰项设计是否合理。单智能体很难在同一套提示词里同时满足这两套标准，最后往往是顾此失彼。

第三个硬伤是无法并行。一个智能体只能串行处理任务，讲完才能出题，出完题才能批改。而多智能体架构下，讲解智能体和出题智能体可以同时工作，调度层只需要在最后做汇总。这在真实课堂场景里很重要——老师希望输入一个知识点，几分钟内就能拿到讲解稿、配套练习题和评估标准，而不是等一个AI慢慢从头做到尾。

2.2 MAIC的分层架构设计

MAIC的整体架构我把它分成三层来理解，这样不管是自己搭建还是评估别人的方案，都能有一个清晰的框架。

第一层是调度层，也可以叫“班主任”角色。它不直接做具体的教学任务，而是负责接收用户的原始需求（比如“帮我准备一节关于分数加减法的课”），然后把任务拆解成子任务，分发给对应的智能体，最后收集所有结果并做一致性检查。调度层的核心能力是任务分解和结果汇总，它需要知道每个智能体擅长什么、需要什么输入、输出什么格式。

第二层是专业智能体层，这是MAIC的核心。根据教学场景的常见需求，我把它划分为五个核心智能体：讲解智能体、出题智能体、批改智能体、答疑智能体和评估智能体。每个智能体有自己独立的系统提示词、知识库和输出模板。它们之间不直接通信，所有信息交换都通过调度层中转，这样可以避免智能体之间互相干扰。

第三层是知识库和工具层，包括学科知识库、课程标准文档、历史错题数据、以及一些外部工具接口（比如公式渲染、图表生成）。这一层为上层智能体提供事实依据，避免AI“凭空编造”教学内容。

注意：分层架构的关键在于“层间解耦”。调度层不关心讲解智能体具体怎么讲，只关心它有没有按时按格式返回结果；讲解智能体不关心出题智能体在做什么，只专注于自己的讲解任务。这种解耦让每个部分都可以独立优化和替换。

2.3 为什么选择“协作”而不是“竞争”

多智能体架构有两种常见模式：一种是竞争模式，多个智能体对同一个任务给出不同答案，然后由评判者选最好的；另一种是协作模式，多个智能体分工完成同一个任务的不同部分。MAIC采用的是协作模式，原因很实际：教学场景的任务天然可分解，讲解、出题、批改本来就是不同的工作，没必要让它们互相竞争。

协作模式还有一个好处是可解释性强。每个智能体的输出都可以单独审查，老师可以只采纳讲解稿而修改题目，也可以只使用批改结果而忽略评估建议。这种灵活性在真实教学场景里非常重要，因为老师才是最终决策者，AI应该是辅助而不是替代。

我在实际搭建过程中发现，协作模式对提示词工程的要求反而更低。因为每个智能体的任务边界很清晰，提示词只需要聚焦在一个窄领域里，不需要考虑“既要又要还要”的复杂约束。这让我可以把每个智能体的提示词打磨得更精细，而不是写一个又长又泛的万能提示词。

3. 核心智能体的角色拆解与提示词设计要点

3.1 讲解智能体：把知识点讲“透”而不是讲“全”

讲解智能体的任务是把一个知识点用学生能理解的方式讲清楚。这里的关键词是“透”，不是“全”。很多AI讲解的通病是追求覆盖面，把一个知识点的所有相关内容都堆上去，结果学生看完更糊涂了。

我在设计讲解智能体的提示词时，核心约束有三条。第一条是必须从一个具体例子切入，不能上来就下定义。比如讲“分数加减法”，不能先说“分数加减法的法则是……”，而要先说“假设你有一个披萨，切成了8块，你吃了3块，又吃了2块，一共吃了几块？”从具体场景引出抽象规则，这是教学的基本功。

第二条是必须控制单次讲解的信息量。我实测下来，一个讲解智能体单次输出的知识点数量控制在3个以内效果最好，超过5个学生的理解率会明显下降。所以调度层在分发任务时，需要先把大知识点拆成小知识点，再逐个交给讲解智能体。

第三条是必须包含一个“常见错误”提示。这是我从实际教学经验里总结出来的——学生犯错往往集中在几个固定的地方，提前把这些坑指出来，比事后纠正效率高得多。讲解智能体的提示词里我会明确要求它输出一个“易错点”段落，用“很多同学会在这里搞错……”的句式来写。

3.2 出题智能体：难度梯度和干扰项设计是核心

出题智能体是我花时间最多的一个。因为题目质量直接决定了练习效果，而AI出题最容易犯两个毛病：一是题目太直白，把讲解内容换个数字就变成题目；二是干扰项设计不合理，错误选项一眼就能排除。

为了解决第一个问题，我在出题智能体的提示词里加了一个硬性约束：题目必须包含至少一个变式。所谓变式，就是改变知识点的呈现方式，但考察的核心不变。比如分数加减法的题目，不能全是“1/4 + 2/4 = ?”这种直接计算，必须有一道是应用题场景，有一道是判断对错题，有一道是找规律题。这样学生才能真正检验自己是否理解了，而不是记住了。

干扰项设计方面，我总结了一个“三来源”原则：干扰项应该来自常见计算错误、概念混淆和近似答案。比如分数加法中，1/4 + 2/4，常见错误是分子分母分别相加得到3/8，这个就可以作为干扰项；概念混淆可以是把加法当乘法；近似答案可以是3/5这种接近但不正确的选项。出题智能体的提示词里我会把这三个来源写清楚，让它按这个框架来设计选项。

这张表是我在实际使用中总结出来的题目配比，调度层在给不同水平的学生分发题目时，会调整这个比例。基础薄弱的学生基础题占比提高到60%，综合拓展题降到5%以下。

3.3 批改智能体：从“判对错”到“给路径”

批改智能体最容易做成一个“答案比对器”，但那样价值就太低了。我在设计时把它的核心任务定义为诊断+建议，而不仅仅是判分。

具体来说，批改智能体的输出包含四个部分：判定结果（对/错/部分对）、错误类型归类（计算错误/概念错误/审题错误/粗心）、错误原因分析（具体到哪一步出了问题）、改进建议（下一步应该练什么）。这四个部分里，最有价值的是错误类型归类和改进建议。

错误类型归类需要批改智能体具备一定的“错误模式识别”能力。我在提示词里给它提供了一个常见错误模式库，比如“分子分母分别相加”对应“概念错误-分数加法规则混淆”，“忘记通分”对应“计算错误-步骤遗漏”。批改智能体在分析学生的错误答案时，会先匹配错误模式库，匹配不上再自己分析。这样既保证了常见错误的识别准确率，又保留了处理新错误的灵活性。

改进建议部分，我会要求批改智能体给出一个具体的练习方向，而不是泛泛地说“多练习”。比如“建议重点练习异分母分数的通分，特别是分母有倍数关系的情况”，这种建议老师可以直接拿来用，学生也知道下一步该干什么。

3.4 答疑智能体和评估智能体：一个管即时反馈，一个管长期跟踪

答疑智能体的特点是即时性。学生在练习过程中遇到问题，需要马上得到回答，不能等。所以答疑智能体的响应速度要求最高，提示词也最短——它只需要理解学生的问题，从知识库里找到对应内容，用最简洁的方式回答。我给它设了一个硬性限制：回答不超过200字，必须包含一个例子。

评估智能体则是长期跟踪的角色。它不参与单次教学任务，而是定期汇总学生的学习数据，生成学习报告。评估智能体的输入包括历史答题记录、错误类型分布、练习完成度等，输出是一份包含“掌握度评估”“薄弱环节”“下一步建议”的报告。这份报告可以给老师看，也可以给学生看，但两者的侧重点不同——老师版更关注班级整体情况，学生版更关注个人进步。

提示：评估智能体的数据积累需要时间，刚上线时数据量不足，报告参考价值有限。我的做法是前两周只做数据采集不做评估输出，等积累了一定量的答题记录后再开启评估功能。

4. 实操搭建：从零开始跑通一个MAIC课堂

4.1 环境准备和基础工具选型

搭建MAIC课堂不需要特别复杂的硬件环境，一台普通的开发机就够用。核心的选型决策在三个地方：大模型的选择、智能体框架的选择和知识库的存储方式。

大模型方面，我实测下来，讲解和出题任务对模型的语言理解和生成能力要求较高，建议选择参数量较大的通用模型；批改和答疑任务对响应速度要求高，可以选择推理速度更快的模型。如果预算有限，也可以统一用一个模型，但需要在提示词上做更精细的区分。

智能体框架方面，我推荐从最简单的开始——用Python脚本直接调用模型API，每个智能体就是一个独立的函数。这样最直观，调试也最方便。等流程跑通了，再考虑用更复杂的框架来做编排。我见过不少人一上来就上重型框架，结果光配置环境就花了一周，真正核心的提示词设计反而没时间打磨。

知识库方面，初期用本地的JSON文件或CSV文件存储就够了。每个知识点一条记录，包含知识点名称、讲解要点、常见错误、关联题目ID等字段。等数据量大了再考虑上向量数据库。

# 一个最简化的智能体调用示例 import openai def explain_agent(knowledge_point): prompt = f"""你是一位经验丰富的老师，请用通俗易懂的方式讲解以下知识点：{knowledge_point} 要求： 1. 从一个具体例子切入 2. 只讲3个核心要点 3. 最后指出一个常见错误 """ response = openai.ChatCompletion.create( model="gpt-4", messages=[{"role": "user", "content": prompt}] ) return response.choices[0].message.content

这段代码看起来简单，但它是整个MAIC的基础。每个智能体本质上就是这样一个函数，区别只在于提示词不同、输入输出格式不同。

4.2 调度层的任务分解逻辑

调度层是MAIC的“大脑”，它的核心任务是把用户的原始需求拆解成智能体能执行的子任务。我用的方法叫教学流程模板匹配——预先定义好几种常见的教学流程模板，调度层根据用户输入匹配最合适的模板，然后按模板顺序调用智能体。

比如用户输入“帮我准备一节关于分数加减法的新授课”，调度层匹配到“新授课模板”，执行流程是：讲解智能体先讲知识点 → 出题智能体出配套练习题 → 批改智能体准备批改标准 → 评估智能体初始化学习记录。如果用户输入“帮我准备一节分数加减法的复习课”，调度层匹配到“复习课模板”，流程变成：评估智能体先分析历史数据 → 出题智能体出针对性练习题 → 讲解智能体准备易错点回顾。

这种模板匹配的方式比让AI自由发挥要稳定得多。我试过让调度层完全自主决策，结果它有时候会跳过讲解直接出题，有时候会重复调用同一个智能体。模板匹配把流程固定下来，AI只需要在模板框架内做具体的内容生成，可控性大大提高。

4.3 智能体之间的数据传递格式

多智能体协作最容易出问题的地方就是数据传递。如果格式不统一，调度层拿到讲解智能体的输出后不知道怎么传给出题智能体，整个流程就断了。

我的做法是强制所有智能体使用JSON格式输出，并且每个智能体的输出结构都预先定义好。讲解智能体的输出必须包含knowledge_points（知识点列表）、examples（例子列表）、common_mistakes（常见错误列表）三个字段。出题智能体接收这三个字段作为输入，输出questions（题目列表），每道题包含question_text、options、answer、difficulty、error_type五个字段。

{ "knowledge_points": ["同分母分数加法", "异分母分数通分"], "examples": [ {"scenario": "披萨切8块吃3块再吃2块", "expression": "3/8 + 2/8 = 5/8"} ], "common_mistakes": ["分子分母分别相加得到5/16"] }

这种结构化输出的好处是，调度层可以精确控制每个环节的输入输出，也方便做质量检查。比如我可以写一个简单的校验函数，检查出题智能体输出的每道题是否都包含五个必需字段，缺字段的题目直接打回重做。

4.4 一次完整的课堂生成实操记录

我拿“分数加减法”这个知识点做了一次完整的实操，记录一下关键步骤和实际耗时。

第一步是调度层接收需求并匹配模板，耗时不到1秒。第二步是调用讲解智能体生成讲解稿，模型响应时间约8秒，输出内容约600字，包含2个例子和1个常见错误提示。第三步是把讲解稿的结构化数据传给出题智能体，生成10道练习题，耗时约15秒。第四步是批改智能体根据题目生成批改标准，耗时约5秒。整个流程从输入到拿到完整教学包，总共约30秒。

这个速度在真实课堂场景里是完全可用的。老师课前准备时输入知识点，半分钟内就能拿到讲解稿、练习题和批改标准，稍作修改就能直接用。我对比过纯手工准备同样内容的耗时，熟练老师也需要20到30分钟，MAIC把效率提升了40倍以上。

实操心得：第一次跑通流程后不要急着优化速度，先检查内容质量。我最初跑出来的题目有30%需要人工修改，经过三轮提示词迭代后，需要修改的比例降到了10%以下。提示词打磨的投入产出比远高于换更快的模型。

5. 常见问题与排查技巧实录

5.1 智能体“串角色”怎么办

这是多智能体协作里最常见的问题：讲解智能体输出的内容里混入了出题的语气，或者出题智能体开始解释知识点。根本原因是提示词的边界不够清晰。

我的解决方法是在每个智能体的提示词开头加一句角色锁定语，比如讲解智能体的提示词第一句是“你只负责讲解，不负责出题、不负责批改、不负责评估”。这句话看起来简单，但实测下来能减少80%以上的角色串扰。另外，调度层在传递数据时也要做过滤，只传递目标智能体需要的字段，不要一股脑全传过去。

5.2 题目难度忽高忽低怎么控制

AI出题的一个通病是难度不稳定，同一批题目里可能既有过于简单的，也有超纲的。我用了两个方法来控制。

第一个方法是在提示词里给出难度锚点。不要只说“出中等难度的题”，而是给出具体描述：“难度相当于课后练习册的B组题，学生需要两步计算才能得出答案”。描述越具体，AI的难度控制越准。

第二个方法是后置难度校验。出题智能体输出题目后，调度层调用一个轻量的难度评估函数，根据题目中的数字大小、步骤数量、是否包含变式等特征给每道题打一个难度分，然后检查难度分布是否符合预设比例。不符合的题目打回重出。

5.3 知识库内容与AI生成内容冲突怎么处理

这个问题我在实际使用中遇到过好几次。知识库里写的某个知识点讲解方式和AI生成的不一致，学生看到两个版本会困惑。

我的处理原则是知识库优先。知识库里的内容是经过教研审核的，准确性有保障；AI生成的内容虽然灵活，但存在出错的可能。所以我在调度层加了一个校验环节：AI生成的内容先和知识库做比对，如果核心结论不一致，以知识库为准，AI生成的内容只作为补充例子使用。

具体实现上，我用了一个简单的文本相似度匹配——把AI生成的知识点摘要和知识库中的对应条目做比对，相似度低于阈值的就触发人工审核。这个阈值我设的是0.7，实测下来能抓住大部分冲突情况，同时不会产生太多误报。

5.4 多轮对话中上下文丢失怎么解决

答疑智能体在多轮对话场景下容易丢失上下文。学生第一轮问了一个问题，第二轮接着问，答疑智能体可能已经忘了第一轮的内容。

解决方法是在调度层维护一个会话状态表，记录每个学生的当前对话轮次、已讨论的知识点、已解决的问题。每次调用答疑智能体时，调度层从状态表中提取最近三轮的对话摘要，作为上下文一起传给答疑智能体。这样即使模型本身没有记忆，通过外部状态管理也能实现连贯的多轮对话。

注意：上下文摘要不要直接传原始对话记录，那样会占用大量token。我的做法是每轮对话结束后，让答疑智能体自己生成一个一句话摘要，只传摘要不传原文。

5.5 评估报告数据不足时的降级策略

评估智能体在数据量不足时生成的报告参考价值很低。我的降级策略是：数据量低于阈值时，评估智能体只输出“数据积累中”的提示，不输出具体评估结论；数据量达到阈值后，再开启完整评估功能。阈值我设的是每个学生至少完成20道题，这个数量下错误类型分布才有统计意义。

另外，评估报告里我会明确标注数据量，比如“基于最近30道题的答题记录”，让读者知道结论的可靠程度。数据量越大，结论越可信；数据量小的时候，报告更多是参考性质。

6. 这套东西后续还能怎么扩展

MAIC多智能体课堂目前跑通的是最核心的教学闭环，但它的架构天然支持扩展。我最近在尝试的一个方向是加入“学情分析智能体”，它不直接参与教学，而是分析学生的答题时间、修改次数、求助频率等行为数据，推断学生的学习状态和投入程度。这些数据比单纯的正确率更能反映真实学习情况。

另一个方向是跨学科知识关联。现在的智能体都是单学科工作的，但真实学习中很多知识点是跨学科的。比如分数加减法和物理中的速度计算有关联，如果能在讲解时自动引入相关学科的例子，学生的理解会更深入。这需要知识库层面做跨学科标注，调度层做跨智能体协调，技术上可行，但教研工作量不小。

还有一个比较实用的扩展是家长版报告。评估智能体目前输出的是老师版和学生版报告，家长版需要调整语言风格和内容侧重——少用专业术语，多给具体的家庭辅导建议。这个改动不大，但对家校沟通很有价值。

我个人在实际操作中的体会是，多智能体课堂的价值不在于替代老师，而在于把老师从重复性劳动中解放出来，让老师有更多时间做只有人才能做的事——观察学生的表情、捕捉课堂上的即时反馈、给一个沮丧的学生一句鼓励。AI负责“教”，人负责“育”，这个分工我觉得是合理的。