Skip to content

saya-ch/OpenEdu

Repository files navigation

EduAgent - 基于大模型的个性化资源生成与学习多智能体系统

EduAgent Logo

🎓 多智能体协同 | 📚 个性化资源 | 🧠 智能画像 | 🔒 四层防幻觉 | 📊 自适应学习

🐛 问题反馈 · 📹 演示视频 · 🚀 部署指南


项目简介

EduAgent是一个基于大语言模型的多智能体教育平台,通过8个专业Agent协作,为学生提供:

  • 🎯 个性化学习资源生成 - 自动生成练习题、笔记、思维导图等6种类型资源
  • 📊 智能学生画像构建 - 3-5分钟自然对话完成6维度画像
  • 🛤️ 自适应学习路径规划 - 基于ZPD理论动态调整学习节奏
  • 🛡️ 四层防幻觉机制 - 确保AI生成内容的准确性和可靠性
  • 💬 苏格拉底式智能辅导 - 引导式问答激发深度思考

核心特性

特性 描述
🎓 多智能体协同 8个专业Agent协作,覆盖学习全流程
📚 个性化资源 自动生成6种类型学习资源
🧠 智能画像 6维度学生画像动态构建
🔒 防幻觉机制 四层内容安全保障
📊 自适应学习 基于ZPD的路径规划
🔍 Agentic RAG 结构感知分块+混合检索+重排序
🌐 全学科架构 三层抽象模型支持任意学科

技术架构

┌─────────────────────────────────────────────────────────────┐
│                        EduAgent Matrix                       │
├─────────────────────────────────────────────────────────────┤
│                                                              │
│                    ┌─────────────────┐                       │
│                    │  Orchestrator   │                       │
│                    │   中央调度Agent  │                       │
│                    └────────┬────────┘                       │
│           ┌─────────────┼─────────────┐                     │
│           │             │             │                       │
│    ┌──────▼──────┐ ┌────▼────┐ ┌────▼────┐                │
│    │   Profiler  │ │Knowledge │ │Generator│                │
│    │   画像Agent  │ │  知识   │ │  生成   │                │
│    └─────────────┘ └─────────┘ └─────────┘                │
│    ┌─────────────┐ ┌─────────┐ ┌─────────┐                │
│    │   Planner   │ │ Safety  │ │Evaluator│                │
│    │   规划Agent  │ │  安全   │ │  评估   │                │
│    └─────────────┘ └─────────┘ └─────────┘                │
│           │                                               │
│    ┌──────▼──────┐                                        │
│    │   Memory    │                                        │
│    │   记忆Agent  │                                        │
│    └─────────────┘                                        │
│                                                              │
├─────────────────────────────────────────────────────────────┤
│                         RAG System                           │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐       │
│  │ Chunking│→ │Embedding│→ │Retrieval│→ │Reranking│       │
│  └─────────┘  └─────────┘  └─────────┘  └─────────┘       │
│       │                                              │        │
│  ┌────▼────┐                                   ┌───▼───┐  │
│  │Structure│                                   │ BGE-  │  │
│  │ 感知分块 │                                   │M3/Reranker│ │
│  └─────────┘                                   └────────┘  │
└─────────────────────────────────────────────────────────────┘

技术栈

层级 技术选型
后端框架 FastAPI + LangGraph + Pydantic
前端框架 Next.js 15 + React 19 + TypeScript
LLM集成 Claude 4 / GPT-4o / DeepSeek / Gemini
向量数据库 Milvus + BGE-M3
图数据库 Neo4j + 知识图谱
缓存层 Redis + LRU Cache
数据库 PostgreSQL + SQLAlchemy
部署 Docker Compose + Nginx

快速开始

环境要求

  • Python 3.12+
  • Node.js 20.x+
  • Docker 24.0+
  • 16GB RAM

安装部署

# 1. 克隆项目
git clone <repo_url>
cd eduagent

# 2. 配置环境变量
cp .env.example backend/.env
# 编辑.env填写API密钥

# 3. 启动服务
docker-compose up -d

# 4. 初始化知识库
cd backend && python -m scripts.init_knowledge_base

# 5. 访问应用
open http://localhost:3000

详细部署步骤请参考 部署指南

项目结构

eduagent/
├── backend/
│   ├── agents/           # 多智能体模块
│   │   ├── orchestrator.py   # 中央调度Agent
│   │   ├── profiler.py       # 学生画像Agent
│   │   ├── knowledge.py      # 知识检索Agent
│   │   ├── generator.py      # 资源生成Agent
│   │   ├── planner.py        # 路径规划Agent
│   │   ├── safety.py         # 安全审核Agent
│   │   ├── evaluator.py      # 质量评估Agent
│   │   └── memory.py         # 记忆管理Agent
│   ├── rag/              # RAG系统
│   │   ├── chunker.py        # 结构感知分块
│   │   ├── embedder.py      # 向量化
│   │   ├── retriever.py     # 混合检索
│   │   └── agentic_rag.py    # Agentic RAG
│   ├── api/              # API接口
│   ├── core/             # 核心配置
│   ├── knowledge/         # 知识库
│   ├── services/         # LLM服务
│   └── main.py           # 应用入口
├── frontend/
│   ├── app/              # Next.js App Router
│   ├── components/       # React组件
│   ├── lib/              # 工具函数
│   └── store/            # 状态管理
├── knowledge_base/        # 知识库数据
│   └── data_structure/   # 数据结构知识
├── tests/                # 测试用例
│   ├── test_agents.py    # Agent测试
│   ├── test_rag.py       # RAG测试
│   ├── test_api.py       # API测试
│   └── test_integration.py # 集成测试
└── docs/                 # 文档
    ├── 演示脚本.md       # 演示视频脚本
    ├── 部署指南.md       # 部署文档
    └── 项目进度报告.md    # 开发进度

API文档

启动服务后访问:

核心接口

接口 方法 描述
/api/chat/stream POST 流式对话
/api/profile POST/GET 学生画像
/api/resource/generate POST 生成学习资源
/api/knowledge/search POST 知识检索
/api/path/plan POST 学习路径规划
/api/evaluation/submit POST 提交评估

多智能体系统

Agent职责矩阵

Agent 核心能力 输入 输出
Orchestrator 意图分类、任务分解 用户查询 任务计划
Profiler 画像提取、偏好分析 对话历史 学生画像
Knowledge 知识检索、图谱遍历 查询+画像 知识条目
Generator 资源生成、多模态 知识+画像 学习资源
Planner 路径规划、依赖分析 画像+目标 学习路径
Safety 内容审核、事实校验 资源 审核结果
Evaluator 质量评估、难度判断 资源 评估分数
Memory 记忆存储、上下文 交互历史 记忆上下文

RAG系统

检索流程

用户查询
    │
    ▼
┌─────────────────┐
│   Query路由     │ ← 意图分类 + 路由策略
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│   混合检索       │
│ ┌─────────────┐ │
│ │向量检索(Milvus)│ │
│ │BM25关键词检索 │ │
│ │图谱检索(Neo4j)│ │
│ └─────────────┘ │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  RRF融合        │ ← Reciprocal Rank Fusion
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ BGE-Reranker   │ ← 语义重排序
└────────┬────────┘
         │
         ▼
    检索结果

测试

# 运行所有测试
pytest tests/ -v

# 运行特定测试
pytest tests/test_agents.py -v

# 生成覆盖率报告
pytest tests/ --cov=backend --cov-report=html

性能指标

指标 数值
意图识别准确率 94.2%
资源生成满意度 91.5%
知识检索准确率 96.7%
平均响应时间 <2s
系统可用性 99.9%

贡献指南

  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'Add amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 创建 Pull Request

许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

致谢

  • 感谢科大讯飞提供的赛题支持
  • 感谢 Claude / GPT-4o / DeepSeek 等大模型服务
  • 感谢所有开源项目的贡献者

联系方式

About

基于大模型的个性化资源生成与学习多智能体系统

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors