核心观点

　　教育智能体作为连接大模型与多元化教育场景的关键桥梁，融合了大模型的强大认知推理能力与智能体的精准任务执行能力，成为当前数字化教学模式转型的研发和应用热点，将助力构建人机间的“协同教学”“协同学习”和“协同决策”的应用场景

　　近年来，生成式人工智能技术的迅猛发展，尤其是大规模预训练语言模型（如ChatGPT、ChatGLM、DeepSeek等），掀起了新一波技术革命浪潮。DeepSeek R1的开源策略降低了技术门槛，推动全球开发者自由探索与创新，也加速了开放、共创与快速迭代的“人工智能+教育”生态建设。

　　面对生成式人工智能的快速迭代，人机协同将成为未来工作新常态，传统知识生成和传授模式已难以满足未来社会对高阶思维、创新能力与智能素养的需求，必将催生“人机共育”的教育新形态。DeepSeek R1引发的大模型高开放性效应将快速传递到教育领域，从关注教育大模型的开发转向教育智能体的落地应用。教育智能体作为连接大模型与多元化教育场景的关键桥梁，融合了大模型的强大认知推理能力与智能体的精准任务执行能力，将助力构建人机间的“协同教学”“协同学习”和“协同决策”的应用场景。

　　1 智能体是连接大模型和教学的关键桥梁

　　凭借语言理解、逻辑推理和对话能力，大模型能够在教师备课、课程设计、作业批改和辅导答疑等方面有效减轻教师负担，提高教学效率。通过文生图、文生音频、文生视频等技术，大模型能够自动生成多样化的教学资源，为师生提供更加沉浸式的学习体验。无论是通过微调已有大模型，还是开发专属的教育大模型，人工智能大模型为教育变革带来了无限的可能。

　　然而，大模型在教育应用中仍面临诸多挑战，如多学科适配性不足、缺乏系统性教育理论支撑和高质量训练数据的匮乏；大模型的“幻觉”现象、精准度、可解释性及实时个性化支持方面也亟须改进。此外，大模型还需要开发具象化的门户和工具、配备适用的载体和终端，才方便师生直接和便捷应用。

　　从落地应用的视角，教育智能体将成为连接大模型与教育场景的重要纽带和具象体现，成为当前数字化教学模式转型的研发和应用热点。

　　大模型擅长语言理解、内容生成和逻辑推理，其核心优势体现在自然语言交互与生成、多模态内容生成，以及大规模推理与快速迭代；而智能体则具备自主规划、实时反馈和任务执行能力，能够主动感知环境、调用外部工具并进行多轮交互。

　　通过自主决策与环境交互、个性化与本地化适配、持续迭代与多角色协作，智能体能够弥补大模型在个性化和实时反馈方面的不足，包括根据教学场景和学生反馈，动态调整教学策略、调度资源，精准辅导学生，并通过多智能体协作实现教学管理的优化，最终提升教育质量与效率。此外，相比于大模型的通用性，智能体能够针对特定学科、不同年级及教学大纲进行本地化适配，确保教学内容的精准度和有效性；智能体还可以在教学过程中持续学习和优化，通过累积学情数据，提升个性化辅导的精准度，并实现多角色协作。

　　在实际应用中，具象化的智能体作为大模型的“执行层”，承担从认知到行动的关键环节，打通大模型与实际教学场景的“最后一公里”。通过调用大模型增强推理能力，同时结合外部工具和知识库，智能体可以执行更复杂的任务，实现自主交互、持续学习和个性化优化，即大模型提供认知与推理能力，智能体负责执行与决策，二者协同构建“人工智能+教育”体系。

　　2 智能体支撑构建人机协同教育新范式

　　智能体不仅可以在通用大模型与本地化教学场景之间架起桥梁，还能实现个性化适配、持续交互学习、实时监测与精准反馈，重塑“人机协同”的教育新范式；智能体可以通过弥合“通用”与“本地”之间的差距，构建“发现问题—干预—反馈—追踪”的教学闭环，推动数字教育集成化、智能化和国际化发展。

　　当前，全球多个国家正在积极探索智能体在教育中的应用。如美国的Khan Academy（可汗学院）推出智能助手Khanmigo辅助教师规划课程并提供个性化辅导；慕课平台edX推出的edX Xpert学习助手为学习者提供实时、个性化的学术支持；智谱清言智能体让想象说“画”，AI助教系统应用于清华大学8门人工智能赋能教与学试点课程。这些探索都推动了智能体在教育场景中的深度应用。

　　随着生成式人工智能的快速发展，教育智能体不仅能够提供个性化学习支持，还能通过多智能体协作显著提升学习效果。未来，应结合大模型的推理能力与智能体的自主决策能力，使其适配不同国家的教育体系与文化背景，并深化智能体与教师的协同，不仅辅助内容生成，更能主动支持课堂互动、教学反馈和个性化干预。

　　同时，多模态智能体将兼容文本、音频、视频、VR/AR等多种媒介，为教育提供更精准的资源匹配与学习支持。例如，在跨学科教学中，智能体可融合多学科知识，实现协同教学与探究式学习；通过角色扮演、项目式学习等方式强化学生的自主学习与团队合作意识；在教学决策中，智能体可提供精准的数据分析与优化建议，帮助教师和教育管理者作出更科学的决策。

　　此外，智能体结合情感计算技术，还能提供情感支持并模拟真实学习环境，增强沉浸式互动体验；借助元宇宙、AR/VR、智能机器人等设备打造沉浸式科学实验环境，激发学习兴趣并提升动手能力；通过跨学科知识整合与个性化反馈，引导学生解决复杂开放性问题，促进批判性思维、创新思维和协作能力的全面发展。

　　3 智能体与开源体系共筑智慧教育新生态

　　DeepSeek的技术突破为教育生态提供了坚实基础，并将加速智能体的普及与应用。其系统优化涵盖从底层硬件到上层算法，在高效算力利用、适应性增强和协同优化方面实现了重要突破。同时，相比于闭源模式的大模型，DeepSeek的开源生态为开发者提供了更高的灵活性和创新空间，将推动智能体在助学、助教、助管和助研等场景的广泛落地。

　　在云—边—端协同架构下、大模型通用能力支撑下，智能体将推动构建多元跨域的人机“协同教学”，实现双向赋能的人机“协同学习”和形成安全可信的人机“协同决策”，共筑智慧教育新生态。人机协同的教育体系将加速传统“师—生”向“师—生—机”教学结构的转变，形成人机共存、多维交互的“人机共教”模式。对于学习者而言，学习方式也从单向知识吸收转变为人机协同探索，展现“人机共学”特征。

　　同时，在教育治理领域，推动教育向循证决策、数据驱动与人机协同的高水平发展。目前，北京师范大学发起建设的人工智能与教育规划国际联合实验室，推出教育政策与规划AI智能体（EduPX），实现政策精准检索、政策知识问答、跨国政策分析与评估、智能辅助政策撰写，以及基于数据的政策趋势预测等功能，为教育治理与决策提供智能支持，推动教育治理现代化。

　　面向未来，为保障大模型和智能体在教育中的安全、高效与可持续应用，需要持续提升智能时代师生的胜任力和管理者的数字领导力，优化智能产品的学校准入机制，有序开展人机协同的教育教学实践，制定生成式人工智能教育应用的技术、质量和服务标准，构建大模型和智能体的技术、算法和数据安全与伦理规范体系等。

　　（作者黄荣怀系北京师范大学教授、达婷系北京师范大学博士后）