国际学院口语智能体教学系统产品系统Vibe Coding

近几年，学校与培训机构对“过程性教学数据”与“个性化学习支持”的需求明显提升。传统 LMS 更擅长内容发布与作业收集，但在口语练习、写作反馈、阶段化引导和能力诊断上仍依赖大量人工，反馈速度慢、教师负担重、评价口径不稳定，难以支撑高频互动型教学场景。

在语言教学尤其是英语口语、写作和考试训练领域，行业痛点更加集中：
- 练习频次高，但老师逐条批改的时间成本高，学生难以及时获得反馈
- 口语训练依赖实时互动，普通作业系统难以支撑语音对话、转写、回放与过程记录
- 人工评分容易受主观经验影响，不同教师、不同批次之间的评价标准不一致
- 通用 AI 聊天能力虽强，但若脱离课程材料、教学目标和评分规则，往往难以直接用于正式教学
- 学校/机构对数据隔离、过程留痕、结果可审计有明确要求，不能接受黑盒式的教学辅助工具

与此同时，大模型、多模态语音能力与检索增强生成（RAG）逐步成熟，使“可配置智能体 + 教学工作流 + 结构化评价”成为可落地方案。行业正在从“把 AI 当聊天窗口”转向“把 AI 作为教学流程中的可控执行单元”，要求 AI 能接入课程知识、遵守 Rubric、输出结构化结果，并服务于教师复盘、学生成长记录与管理侧分析。

因此，这类系统的核心价值不只是提升交互体验，而是帮助教育机构建立一套可运营、可追踪、可复用的智能教学基础设施：前端承接学生练习与教师配置，后端完成模型编排、知识检索、过程记录和分析产出，最终把 AI 能力嵌入“教、学、练、评、管”的完整闭环。

结合本项目现有设计，可以看出其行业落点非常明确：它面向有课程结构、班级组织、教学评价和考试训练需求的学校/培训机构，尤其适合口语与写作这类反馈密集、标准化评价要求高、又需要保留教学过程证据的场景，例如英语课程、口语考试训练以及类似 BEC 双人协作口语的专项教学活动。

本项目是一套面向教师与学生的智能体教学平台，主要功能模块包括班级管理、课程与章节管理、任务配置、智能体配置、课程知识库、学生学习端、教学分析与管理报表。教师可按课程创建口语、写作、问答等任务，并为任务配置模型参数、知识库资料和评分规则；学生可通过文本、语音等方式完成学习任务，获得实时互动反馈与过程引导。系统支持基于课程资料的 RAG 检索、Rubric 结构化评分、即时分析与到期自动分析，帮助教师高效掌握学生学习情况。平台同时具备过程留痕、数据统计、模型调用审计等能力，适用于英语教学、口语训练、写作练习及考试模拟等场景。

1.面向国际学院教学场景，独立推进从需求分析、系统设计、编码联调到服务器部署的全流程。
2.后端采用多模块 Spring Boot 架构，围绕班级、课程、章节、任务、智能体、Rubric、会话与分析结果建模，支持多租户隔离和
教师端配置化管理。
3.对接阿里云百炼 DashScope Omni 多模态模型，封装实时/非实时调用链路；语音任务通过 WebSocket 上传音频流，完成 ASR
转写、模型反馈和会话记录落库。
4.实现课程知识库 RAG：教师上传文档后完成对象存储、解析切片和 Elasticsearch 索引，按“共享文档 + 任务选文档”边界进行
向量/关键词召回与上下文注入。
5.设计动态提示词拼接机制，将智能体模板、实例覆盖配置、任务配置、TaskFlow 阶段信息与 Rubric 约束合并，使同一智能体可
根据不同任务生成不同系统提示词。
6.实现任务到期后的自动批处理分析，按会话历史和 Rubric 调用模型输出结构化总结、问题、建议和评分，供学生学习报告与教师
端 Analytics 看板查看。
7.建设管理员大模型调用报表，按 Token、Run、Event、会话成本等维度统计并支持下钻，提升模型调用过程的可观测性和排障
效率。