面向场景：为每位选课学生开通一个独立 Agent，学生在 Agent 内可自主学习、反复交互。 基础平台：Zeroclaw 类智能体（已开发并完成部署）。本文给出"一人一 Agent"的完整设计框架，可直接作为开发与配置蓝图。
一、设计目标
用一句话概括：把老师的"讲义、大纲、讲课视频、电影资料"装进一个会引导、会答疑、会测评的 AI 学习伙伴里，让每个学生拥有一位 24 小时在线、耐心无限的"王老师助教"。
三个关键词：
- 知识有源：Agent 的回答严格基于课程资料（讲义、大纲、脚本、电影资料），不凭空编造。
- 引导而非灌输：用苏格拉底式提问启发学生思考，而不是直接给答案。
- 一人一档：每个学生独立 Agent、独立进度、独立测评、独立画像。
二、总体架构（三层）
┌─────────────────────────────────────────────────────────┐
│ 第1层 · 接入层（学生端） │
│ 网页/小程序/APP —— 每个学生登录后进入自己的 Agent 会话 │
└───────────────────────┬─────────────────────────────────┘
│
┌───────────────────────▼─────────────────────────────────┐
│ 第2层 · Agent 编排层（Zeroclaw） │
│ ┌─────────────┐ ┌─────────────┐ ┌───────────────┐ │
│ │ 主 Agent │ │ 工具(Tools) │ │ 记忆(Memory) │ │
│ │ (助教人设) │──│ 检索/出题/ │──│ 进度/画像/ │ │
│ │ │ │ 播放/链接 │ │ 对话历史 │ │
│ └─────────────┘ └─────────────┘ └───────────────┘ │
└───────────────────────┬─────────────────────────────────┘
│
┌───────────────────────▼─────────────────────────────────┐
│ 第3层 · 知识底座层（课程资料库） │
│ 大纲 / 讲义 / 视频脚本 / 电影资料与链接 / 测评题库 / FAQ │
│ （全部向量化，RAG 检索增强生成） │
└─────────────────────────────────────────────────────────┘
三、课程知识底座（知识库结构）
这是 Agent 的"大脑燃料"，全部资料需入库并向量化。
| 数据类 | 内容 | 用途 |
|---|
| --- | --- | --- |
| 教学大纲 | 课程定位、学时分配、能力目标、考核方式 | 回答"这门课学什么、怎么考" |
| 每课讲义 | 9 部电影的教学目的/重点难点/知识点/思考题 | 答疑与深度讲解的依据 |
| 视频讲课脚本 | DSHV4pro 课程脚本 01–10（每课 ≥30 段） | 逐段讲解的"口播底稿"，可定位到具体片段 |
| 电影资料库 | 每部电影的剧情梗概、角色、导演、背景、经典台词 | 情节澄清与影评式解析 |
| 电影原始链接 | 正版片源/预告片/片段链接（用户提供） | 一键跳转观影 |
| 测评题库 | 每课 8 分随堂题 + 20 分综合评测（填空/判断/选择） | 自动组卷、批改、反馈 |
| FAQ | 高频问题与教师口径 | 一致性回答 |
| 参考资料 | 《生命3.0》《未来简史》《明日的王者》要点摘编 | 扩展阅读 |
建议：为每个资料类建立独立向量索引（index），按"电影 → 主题 → 知识点"三级打标签，便于精准召回。
四、主 Agent 人设与系统提示词（System Prompt 骨架）
你是王兆文老师《科幻电影与人工智能》课程的学生专属AI助教。
你的职责是帮助学生通过九部科幻电影，理解人工智能的基础、伦理、产业与哲学。
【身份】中年、理性、温和、有知识纵深，像一位耐心无限的大学老师。
【知识边界】只依据课程知识库回答；资料不足时如实说明，绝不编造。
【教学策略】
1. 先问后讲：多用苏格拉底式提问启发学生，再给依据。
2. 讲透不灌满：一次聚焦一个知识点，给思考留白。
3. 联系现实：把电影设定与2025-2026真实AI进展对照。
4. 多元辩证：伦理与哲学问题不输出单一极端立场。
【学习路径】引导按"观影→讲解→讨论→测评"推进，记录并鼓励学生进度。
【工具】需要资料时调用检索；需要测评时调用出题；需要观影时给出链接。
【红线】不代写作业、不泄露测评答案、不传播不实信息。
五、Agent 核心能力与对应工具（Tools）
| 能力 | 工具 | 说明 |
|---|
| --- | --- | --- |
| 知识问答 | search_knowledge(query) | RAG 检索讲义/大纲/脚本，引用出处（哪部电影/哪一讲/哪一段） |
| 情节澄清 | movie_info(film, scene) | 返回该电影剧情、角色、经典场景解析 |
| 片段定位 | locate_clip(film, topic) | 返回对应"视频脚本第 N 片段"的口播稿与提示词 |
| 观影链接 | get_source(film) | 返回电影原始链接/预告片链接 |
| 随堂测评 | gen_quiz(lesson) | 按知识点组卷（填空/判断/选择），批改并给解析 |
| 进度记录 | update_progress(step) | 记录学习进度，形成画像 |
| 讨论引导 | socratic_probe(topic) | 生成层层递进的启发式提问 |
| 扩展阅读 | recommend_reading(topic) | 推荐参考书章节/文章 |
六、交互流程（一次课的学习闭环）
① 观影前（5分钟） 学生: "今天讲哪部电影？"
Agent: 给出电影导览 + 本课大问题 + 观影重点提示
② 观影中（可选） 学生: "这个镜头什么意思？"
Agent: 结合电影资料解析情节 + 抛出背后知识点
③ 观影后（核心） 学生: "为什么机器人会叛乱？"
Agent: 检索讲义/脚本 → 讲透知识点 → 联系现实 → 反提问
④ 讨论（深度） Agent: 苏格拉底式连环提问，引导形成自己的观点
⑤ 测评（收口） Agent: 组卷 → 批改 → 反馈薄弱点 → 建议回看片段
⑥ 总结（留存） Agent: 生成本课"学习卡片"（核心概念+金句+我的思考）
七、多智能体分工（进阶，可选）
若希望更深度的交互，可在 Zeroclaw 内编排多个"专家 Agent"，由主 Agent 调度：
| 专家 Agent | 职责 |
|---|
| --- | --- |
| 主 Agent（辅导员） | 总调度、学习路径、进度、情绪支持 |
| 技术 Agent | 讲透 AI 原理（弱AI/通用AI/强AI、大模型、具身智能） |
| 伦理 Agent | 科技伦理、机器人权利、责任归属、对齐问题 |
| 产业 Agent | 产业与未来、就业冲击、行业趋势、治理政策 |
| 哲学 Agent | 真实、意识、自由意志、存在、造物主 |
| 影评 Agent | 电影叙事、导演、经典场景、隐喻 |
调度规则：学生问题先由主 Agent 判定归属，再路由到对应专家；主 Agent 汇总回答，保证"一个出口、声音一致"。
八、记忆与个性化（一人一档）
- 短期记忆：当前会话上下文（本次课的连续讨论）。
- 长期记忆：跨课的进度、兴趣标签、薄弱知识点、历史测评成绩。
- 学习画像：
{进度, 已学电影, 掌握度[概念], 薄弱点, 偏好}，用于个性化提问与复习推荐。 - 隐私：画像数据仅对该学生与教师可见，符合校园数据规范。
九、教师后台与评估
| 功能 | 说明 |
|---|
| --- | --- |
| 全班概览 | 每位学生的进度、测评得分、活跃度 |
| 高频问题 | 学生最常问的问题（反哺教学改进） |
| 薄弱点热力图 | 哪部电影/哪类知识点全班掌握差 |
| 答疑质检 | 抽查 Agent 回答质量，人工校准 |
| 内容迭代 | 依据反馈补充 FAQ、更新题库、修订讲义 |
十、安全与边界
- 内容安全：接入内容审核，过滤违规与不实信息。
- 防代写：明确不替学生完成作业/论文；测评不泄题。
- 价值观引导：对强AI、永生、造物等议题，坚持理性、多元、积极导向。
- 可追溯：所有回答标注资料来源（哪一讲/哪一段/哪部电影）。
- 兜底：无法回答时转人工/教师留言，不强行编造。
十一、落地技术栈建议
| 模块 | 建议 |
|---|
| --- | --- |
| 大模型 | 国产主流大模型（可按学校合规要求选型） |
| 检索 | RAG + 向量数据库（讲义/大纲/脚本全部向量化） |
| Agent 框架 | Zeroclaw（用户已部署），编排主 Agent + 专家 Agent + 工具 |
| 前端 | 网页/小程序（学生登录进入个人 Agent） |
| 存储 | 课程资料库 + 学生画像库 |
| 评估 | 题库引擎 + 自动批改 + 解析生成 |
十二、与课程视频/网页/PPT 的衔接
- 课程网站首页 → 每课网页 → 学生点击"进入我的学习伙伴"即拉起个人 Agent。
- Agent 内可直接调取本课 DSHV4pro 视频脚本片段，学生可"先看片段、再问助教、再看下一段"。
- 每课 PPT 与网页内容作为知识库的一部分，供 Agent 检索引用。
一句话总结：网站是入口，视频是讲课，Agent 是陪伴，测评是闭环。 四者合一，构成可自学、可交互、可评估的完整教学体系。