摘要：針對Web前端考證實(shí)訓(xùn)平臺中學(xué)習(xí)效率與個性化指導(dǎo)不足的問題，本文提出基于大模型的人工智能（AI）助學(xué)模塊開發(fā)方案，設(shè)計(jì)并實(shí)現(xiàn)集智能問答、知識推薦與學(xué)習(xí)路徑優(yōu)化于一體的功能模塊。研究聚集大模型技術(shù)選型、考證知識庫構(gòu)建、語義分析優(yōu)化及原子化知識單元等。實(shí)踐結(jié)果表明，AI助學(xué)模塊顯著提升了用戶交互體驗(yàn)與知識掌握效率，為教育智能化提供了可擴(kuò)展的實(shí)踐路徑。未來將進(jìn)一步探索知識圖譜與多模態(tài)技術(shù)的整合，以深化教育場景的智能化應(yīng)用。

關(guān)鍵詞：人工智能；大模型；AI助學(xué)模塊

引言

隨著人工智能（artificial intelligence，AI）技術(shù)的飛速發(fā)展，其在教育領(lǐng)域的應(yīng)用日益廣泛，正深刻改變傳統(tǒng)教學(xué)模式和學(xué)習(xí)方式。教育領(lǐng)域長期面臨資源分配不均、教學(xué)質(zhì)量參差、學(xué)生學(xué)習(xí)效率低等問題，而AI技術(shù)以其強(qiáng)大的數(shù)據(jù)處理能力、智能化決策支持和個性化學(xué)習(xí)體驗(yàn)，為解決這些問題提供了新思路。通過AI技術(shù)可實(shí)現(xiàn)教學(xué)資源的智能化配置，提供個性化學(xué)習(xí)路徑和資源推薦，提高教學(xué)針對性和有效性。大模型應(yīng)用程序編程接口（application programming interface，API）作為連接AI技術(shù)與實(shí)際應(yīng)用場景的橋梁，降低了智能化教育工具的研發(fā)門檻，助力開發(fā)者快速構(gòu)建各種智能化教育應(yīng)用。

1. 相關(guān)研究現(xiàn)狀

1.1 大模型在教育領(lǐng)域的應(yīng)用

大模型因其多模態(tài)處理能力、預(yù)訓(xùn)練與微調(diào)機(jī)制等特性，在教育領(lǐng)域展現(xiàn)出巨大應(yīng)用潛力[1]。這些模型利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)從數(shù)據(jù)中學(xué)習(xí)，具備類似人類的學(xué)習(xí)、預(yù)測能力。它們在教育領(lǐng)域的應(yīng)用，不僅可以提升教學(xué)效率和質(zhì)量，還能為學(xué)生提供更加個性化、智能化的學(xué)習(xí)體驗(yàn)[2]。例如，通過結(jié)合大語言模型與知識圖譜，可以準(zhǔn)確理解學(xué)生的問題，并從知識圖譜中抽取相關(guān)信息，實(shí)現(xiàn)專業(yè)領(lǐng)域的問答系統(tǒng)，為學(xué)生提供準(zhǔn)確且友好的交互服務(wù)[3]。生成式AI作為重要分支，正在重塑未來教育的形態(tài)，其強(qiáng)大的自然語言處理和生成能力，能夠?yàn)閷W(xué)生提供全方位、智能化的輔導(dǎo)服務(wù)，滿足多樣化的學(xué)習(xí)需求[4]。在實(shí)際應(yīng)用中，大模型API使開發(fā)者能夠在自己的應(yīng)用程序、服務(wù)或研究中輕松整合和使用大模型的功能，增加了教育應(yīng)用的靈活性[5]。

1.2 大模型技術(shù)的挑戰(zhàn)與發(fā)展趨勢

盡管大模型技術(shù)在教育領(lǐng)域的應(yīng)用取得了顯著成效，但其仍面臨著諸多挑戰(zhàn)，如模型服務(wù)的穩(wěn)定性和安全性、API的兼容性以及數(shù)據(jù)的安全性和隱私保護(hù)等[6]，同時標(biāo)注數(shù)據(jù)不足、人工標(biāo)注代價大等問題都需要妥善解決[7]。為了應(yīng)對這些挑戰(zhàn)，學(xué)術(shù)界正在積極探索優(yōu)化和創(chuàng)新的方法。一方面，通過優(yōu)化模型訓(xùn)練數(shù)據(jù)和算法設(shè)計(jì)，提高模型的準(zhǔn)確性和一致性，以提升其在教育應(yīng)用中的表現(xiàn)[8]；另一方面，通過引入新的技術(shù)范式，如提示學(xué)習(xí)等，縮小預(yù)訓(xùn)練與微調(diào)階段的數(shù)據(jù)形式差異，使模型能夠更高效地應(yīng)用于下游任務(wù)[9]。

綜合而言，大模型技術(shù)在教育領(lǐng)域前景廣闊，將持續(xù)提升教學(xué)效率和質(zhì)量，為學(xué)生提供更個性化、智能化的學(xué)習(xí)體驗(yàn) [10]。

2. 研究內(nèi)容與技術(shù)路徑

2.1 研究內(nèi)容

本文在自主研發(fā)的Web前端考證實(shí)訓(xùn)平臺中，利用大模型技術(shù)開發(fā)AI助學(xué)模塊，以提升學(xué)生的學(xué)習(xí)效率和考證通過率。當(dāng)前實(shí)訓(xùn)平臺主要以題庫練習(xí)為主，缺乏對學(xué)生學(xué)習(xí)過程的即時指導(dǎo)和輔助。引入AI助學(xué)模塊可以滿足學(xué)生的個性化學(xué)習(xí)需求，為學(xué)生提供個性化學(xué)習(xí)路徑和資源推薦，減輕教師答疑負(fù)擔(dān)，從而提高教學(xué)針對性。AI助學(xué)模塊還將補(bǔ)充知識鏈接和擴(kuò)展閱讀材料，以拓寬學(xué)生知識面。為確保使用便捷，AI助學(xué)模塊將直接集成于平臺界面，設(shè)計(jì)友好用戶界面和交互方式，提升整體使用體驗(yàn)。

2.2 技術(shù)路徑

隨著大模型技術(shù)的持續(xù)演進(jìn)，市場上涌現(xiàn)了眾多成熟的大模型API提供商，其通過大模型強(qiáng)大的自然語言處理和生成能力，為AI助學(xué)模塊的開發(fā)提供了堅(jiān)實(shí)的基礎(chǔ)。為篩選出最適合本次研發(fā)需求的模型，我們對當(dāng)前市場上的國際和國內(nèi)主流大模型技術(shù)特點(diǎn)進(jìn)行了全面分析。在國際市場上，OpenAI的ChatGPT展現(xiàn)了強(qiáng)大的自然語言處理能力，Google的Gemini模型在多模態(tài)信息處理方面表現(xiàn)突出。國內(nèi)大模型如百度千帆、阿里通義千問、智譜GLM-4-Flash等也在技術(shù)實(shí)力和應(yīng)用廣泛性上取得了顯著成果。各大模型的技術(shù)特點(diǎn)對比分析，如表1所示。

綜合比較后，本文最終選用了智譜的GLM-4-Flash大模型，其支持長上下文處理、多語言支持等特性，特別適合以學(xué)生問題為導(dǎo)向的即時學(xué)習(xí)場景，能較好地滿足本研究的開發(fā)需求。

實(shí)訓(xùn)平臺采用了前后端分離的技術(shù)架構(gòu)，這一設(shè)計(jì)極大地方便了AI助學(xué)模塊的集成和調(diào)試。在開發(fā)過程中，只需在前端增加相應(yīng)的功能模塊，并與后端服務(wù)器進(jìn)行數(shù)據(jù)交互，即可實(shí)現(xiàn)AI助學(xué)模塊的快速部署和上線。

3. AI助學(xué)模塊的設(shè)計(jì)與實(shí)現(xiàn)

3.1 大模型技術(shù)的應(yīng)用

在Web前端考證實(shí)訓(xùn)平臺中，主要采用VUE和Node.js進(jìn)行前后端開發(fā)。鑒于平臺的技術(shù)選型，我們選擇了Javascript語言進(jìn)行API調(diào)用函數(shù)設(shè)計(jì)，以便與前端框架和后端服務(wù)無縫對接。

根據(jù)智譜提供的API文檔，通過智譜平臺注冊賬號并實(shí)名認(rèn)證后，獲取API Keys用于身份驗(yàn)證。按照GLM-4-Flash大模型的同步調(diào)用API請求方法進(jìn)行調(diào)用，前后端均可發(fā)起HTTP請求引用該接口，確保技術(shù)可行性與靈活性。

在答疑模塊的開發(fā)實(shí)踐中，選用Fetch API技術(shù)發(fā)送HTTP請求，基于Promise設(shè)計(jì)，實(shí)現(xiàn)簡潔且強(qiáng)大的網(wǎng)絡(luò)請求執(zhí)行能力。在構(gòu)建請求參數(shù)時，嚴(yán)格遵循API文檔的要求，確保請求參數(shù)的完整性和準(zhǔn)確性。對話消息列表作為請求參數(shù)的重要組成部分，包含了對話信息的詳細(xì)記錄。每一條對話信息對象均包括對話角色和對話內(nèi)容，對話角色分為system（系統(tǒng)信息）、user（用戶信息）和assistant（AI助手信息），對話內(nèi)容則為具體的對話信息字符串。通過構(gòu)建包含多條對話信息對象的對話列表數(shù)組，實(shí)現(xiàn)了上下文的關(guān)聯(lián)與追蹤，為AI答疑助學(xué)提供了充足的信息承載能力和上下文理解能力。GLM-4-Flash大模型API支持長達(dá)128K的長上下文處理，進(jìn)一步增強(qiáng)了其在復(fù)雜對話場景中的應(yīng)用潛力。

成功發(fā)送API請求后即可等待模型完成執(zhí)行并返回最終結(jié)果。響應(yīng)參數(shù)主要包括模型名稱、當(dāng)前對話的模型輸出內(nèi)容、模型token使用統(tǒng)計(jì)等關(guān)鍵信息。其中，模型輸出內(nèi)容中的message.content作為模型返回的文本消息字符串，是實(shí)現(xiàn)答疑反饋的核心依據(jù)。

3.2 知識庫的構(gòu)建與應(yīng)用

為更緊密貼合考證需求，在智譜AI大模型開放平臺創(chuàng)建專屬知識庫，導(dǎo)入與考試緊密相關(guān)的知識體系文檔、考題解決要點(diǎn)等資料。控制臺自動啟動知識處理學(xué)習(xí)流程，對知識進(jìn)行深度解析、切片處理及向量化轉(zhuǎn)換。修改接口調(diào)用函數(shù)參數(shù)，將Web前端考證實(shí)訓(xùn)平臺內(nèi)容知識庫融入其中。具體實(shí)現(xiàn)時在API請求體中新增工具參數(shù)tools，類型為retrieval，輸入所創(chuàng)建知識庫ID。引入自建知識庫后，用戶提問時系統(tǒng)優(yōu)先從知識庫檢索提取相關(guān)內(nèi)容答疑，確保服務(wù)精準(zhǔn)性與針對性。AI助學(xué)模塊效果如圖1所示。

隨著Web前端考證實(shí)訓(xùn)平臺的使用深入，考試內(nèi)容的調(diào)整、題庫的更新、教師對知識的補(bǔ)充以及學(xué)生常見問題的總結(jié)等情況時有發(fā)生。為保障知識庫的時效性與準(zhǔn)確性，開發(fā)知識更新功能，深度融合智譜大模型所提供的上傳文檔，以構(gòu)建知識、編輯知識內(nèi)容、管理知識列表、查看知識詳情、刪除知識條目，以及通過上傳URL構(gòu)建知識、重新進(jìn)行向量化等一系列相關(guān)API，為教師提供了高效的知識庫知識增量更新途徑、錯題解答實(shí)例的追加方式、常見提問標(biāo)準(zhǔn)答案的入庫手段，有效保障知識庫內(nèi)容與考證需求同步。

4. 功能的優(yōu)化探索

目前，Web前端考證實(shí)訓(xùn)平臺已通過大模型實(shí)現(xiàn)了高效的人機(jī)交互，顯著提升了答疑效率和用戶體驗(yàn)。接下來，我們將繼續(xù)探索更多應(yīng)用場景，以進(jìn)一步優(yōu)化和拓展系統(tǒng)功能。

4.1 問題精煉及歸檔

通過Web前端考證實(shí)訓(xùn)平臺收集并整理學(xué)生提問，存儲于后端數(shù)據(jù)庫。傳統(tǒng)關(guān)鍵字對比歸類方法存在語序或語法差異導(dǎo)致的錯誤歸類問題。為改善此狀況，引入智譜大模型進(jìn)行語義分析。通過語義分析精準(zhǔn)比對和甄別新問題與數(shù)據(jù)庫中已有問題，實(shí)現(xiàn)同類問題的合并、加權(quán)及去重，確保新問題準(zhǔn)確入庫。同時，根據(jù)問題權(quán)重，展示最多疑惑的知識點(diǎn)提問，提高答疑效率。為提高效率，嘗試了批量比對方法，但當(dāng)前AI大模型在分析問題集合時仍存在一定偏差。未來將繼續(xù)探索更高效的提問模式，以優(yōu)化比對過程。

4.2 知識架構(gòu)的智能化整理

Web前端考證實(shí)訓(xùn)平臺題庫內(nèi)容與結(jié)構(gòu)須隨行業(yè)標(biāo)準(zhǔn)、技術(shù)發(fā)展和學(xué)科知識體系更新而迭代。為應(yīng)對這一挑戰(zhàn)，計(jì)劃通過大模型，實(shí)現(xiàn)知識的智能歸納與架構(gòu)整理。通過調(diào)用大模型，利用其自然語言理解與語義分析能力，對題庫題目進(jìn)行深度解析，提取核心信息。結(jié)合知識圖譜技術(shù)，對解析后的知識點(diǎn)進(jìn)行結(jié)構(gòu)化組織與關(guān)聯(lián)分析，直觀展示知識點(diǎn)內(nèi)在聯(lián)系與層次結(jié)構(gòu)，幫助學(xué)生形成完整、系統(tǒng)的知識體系。

知識圖譜的構(gòu)建使散落于題庫中的知識點(diǎn)有機(jī)串聯(lián)，形成清晰的知識網(wǎng)絡(luò)，提高知識歸納效率，確保知識架構(gòu)的時效性與精確性。隨著題庫更新迭代，能及時調(diào)整與優(yōu)化知識架構(gòu)，為學(xué)生提供科學(xué)、系統(tǒng)的知識導(dǎo)航，提高學(xué)習(xí)效率與效果。

4.3 原子化知識單元的構(gòu)建

學(xué)生練習(xí)過程中產(chǎn)生的提問記錄揭示了知識掌握薄弱環(huán)節(jié)，是寶貴的教學(xué)反饋資源。為充分利用這一資源，可以借助大模型構(gòu)建原子化知識題庫。通過調(diào)用大模型，對學(xué)生提問進(jìn)行語義解析，識別并提取核心知識點(diǎn)，拆解為原子化知識單元?；谶@些單元，設(shè)計(jì)一系列最簡單的練習(xí)題庫，通過反復(fù)訓(xùn)練幫助學(xué)生牢固掌握基礎(chǔ)知識。

此過程實(shí)現(xiàn)了知識點(diǎn)的精準(zhǔn)定位與練習(xí)題的個性化設(shè)計(jì)，為學(xué)生提供高效、系統(tǒng)的復(fù)習(xí)平臺，針對性彌補(bǔ)知識短板，全面提升考證成績。

結(jié)語

在設(shè)計(jì)與實(shí)現(xiàn)Web前端考證平臺的AI助學(xué)模塊過程中，深切體會到AI技術(shù)在教育助學(xué)領(lǐng)域所展現(xiàn)的便利性與互動性優(yōu)勢，并通過實(shí)踐驗(yàn)證了大模型在教育場景的實(shí)用價值，但數(shù)據(jù)隱私、技術(shù)依賴性、內(nèi)容準(zhǔn)確性及普及成本等挑戰(zhàn)仍須關(guān)注。未來，須平衡技術(shù)創(chuàng)新與倫理約束，通過政策、技術(shù)與多方協(xié)作，最大限度釋放大模型教育潛力，推動教育現(xiàn)代化持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]楊坡.AI大模型在職業(yè)教育領(lǐng)域中的應(yīng)用[J].天津職業(yè)院校聯(lián)合學(xué)報(bào)，2024， 26（12）：38-42，49.

[2]楊瑞.學(xué)校教育中人工智能應(yīng)用的現(xiàn)實(shí)困境與突破[J].教學(xué)與管理，2021（9）： 92-94.

[3]張鶴譯，王鑫，韓立帆，等.大語言模型融合知識圖譜的問答系統(tǒng)研究[J].計(jì)算機(jī)科學(xué)與探索，2023，17（10）：2377-2388.

[4]劉邦奇，聶小林，王士進(jìn)，等.生成式人工智能與未來教育形態(tài)重塑：技術(shù)框架、能力特征及應(yīng)用趨勢[J].電化教育研究，2024，45（1）：13-20.

[5]賈鵬.基于大語言模型的農(nóng)業(yè)知識問答系統(tǒng)的研究與設(shè)計(jì)[D].秦皇島：河北科技師范學(xué)院.2024.

[6]周文斌.現(xiàn)在討論AI安全，為時尚早嗎？[J].大數(shù)據(jù)時代，2023（7）：58-80.

[7]孫彥幫.基于大型預(yù)訓(xùn)練語言模型的API知識提取與推理方法研究[D].南昌：江西師范大學(xué).2024.

[8]向巴卓瑪，王珍珍，暢洪昇，等.基于大型語言模型的藥理學(xué)考試主觀題智能評分研究[J].中國醫(yī)學(xué)教育技術(shù)，2024，38（5）：572-579.

[9]柯沛，雷文強(qiáng)，黃民烈.以ChatGPT為代表的大型語言模型研究進(jìn)展[J].中國科學(xué)基金，2023，37（5）：714-723.

[10]肖君，白慶春，陳沫，等.生成式人工智能賦能在線學(xué)習(xí)場景與實(shí)施路徑[J].電化教育研究，2023，44（9）：57-63，99.

作者簡介：羅經(jīng)輝，本科，副教授，lodyfly@163.com，研究方向：軟件開發(fā)；杜敏成，碩士研究生，副教授，研究方向：Web前端開發(fā)、人工智能。

基金項(xiàng)目：中國職業(yè)技術(shù)教育學(xué)會－華為技術(shù)有限公司2024年度產(chǎn)教融合專項(xiàng)課題——大模型典型應(yīng)用場景研究-助學(xué)（編號：XHHWCJRH2024-02-04-01）。