大学生云报讯（通讯员 王彦康、陈灵薇）为深入贯彻党的二十大关于 “加快实现高水平科技自立自强” 的重要部署，同时瞄准第十九届挑战杯 2025 年度中国青年科技创新 “揭榜挂帅” 擂台赛（学生赛道）中 CQ-02 基于深度推理大模型的自适应学习路径规划研究比赛方案赛题，湖北汽车工业学院智能家教科研攻关队自暑期起，开展了 AI 家教模型研发专项社会实践，破解 “受限于人工成本与经验差异，多数家庭难以获得‘量身定制’的家教服务” 的教育难题。这支由数字经济、大数据管理与应用、智能科学技术等跨专业学子组成的团队，以 “让个性化辅导走进普通家庭” 为目标，通过梳理教学数据、构建知识图谱、优化系统机制，在赛事导向与现实需求的双重驱动下，完成了一次从 “理论探索” 到 “实践落地” 的青春实践。

实践的初心，源于团队成员自身在中学时代对学习痛点的切身体会。“刷题刷到崩溃时，多希望有个工具能一眼看穿自己的卡壳点；问老师怕耽误时间，单独查又总被零碎信息绕晕。” 团队队长王同学坦言，正是这些学生时代的困惑，让大家萌生了研发 “懂学生” 的智能家教工具的想法。据教育部数据，超六成家长存在教育方法困惑，城乡教育资源不均问题突出，这更坚定了团队用技术弥合差距的决心。

▲图为实践团队线上研讨小组会议的系统纪要

暑期实践中，团队分三步推进研发：第一步聚焦 AI 模型调试，部署模型进行微调训练，搜集整理 7000 余份高中数理化生教学数据，以 JSON、CSV 格式整合后纳入模型，通过正则表达式校验确保数据准确性；第二步搭建知识图谱数据库，采用服务器版 Neo4j，将学科知识点按 “概念 - 公式 - 应用” 关联，形成可动态更新的知识网络，方便学生快速定位关联内容；第三步完善系统工作机制，通过提示词工程设计标准化指令，让 “知识检索 Agent”“答题分析 Agent” 等智能体协同工作，实现 “学生提问→查找知识点→分析问题→生成答案” 的全流程自动化。

▲图为团队微调的DeepSeek模型服务接口API配置（API接口敏感信息做打码处理）

“为让模型更贴近中学生思维，团队特意加入‘同龄人视角’—— 比如用‘学长式’语言拆解难题，记录学生常错的‘陷阱点’。” 团队成员杨舒涵同学展示着模型界面，“像生物里判断‘细胞呼吸方式’的题，系统会先关联‘有氧呼吸与无氧呼吸的反应式、条件差异’这些前置知识，再用‘运动员冲刺后喘气（有氧 + 无氧）、苹果储存久了会酒味（无氧）’这类生活化场景例子讲解，帮大家区分不同呼吸类型，这是从团队成员自己的学习经验中提炼的技巧。”

▲图为团队构建的Neo4j图数据库浏览器界面示例

在技术攻坚过程中，团队也面临不少挑战。知识图谱节点关联出错、模型输出答案风格不统一…… 大家通过反复测试数据、优化提示词模板逐一解决。“有次为了修正生物‘细胞结构’知识点的关联错误，团队成员对着教材逐字核对，快熬了个通宵才理清逻辑。” 成员杨成俊同学笑着说，这段经历让他深刻理解了 “细节决定成败”。

▲图为部分知识节点原始数据对照表

智能网联汽车学院指导老师李飞老师也评价道：“这项实践打破了学科壁垒，让学生将人工智能、教育学等知识融合应用，既提升了技术能力，更培养了‘解决实际问题’的担当。”

实践虽已初见成效，但团队的脚步并未停下。目前，模型已基本具备 “诊断 - 备课 - 反馈” 全流程功能，能通过分析学生答题数据动态调整辅导内容。接下来，团队计划邀请中学师生参与测试，进一步优化交互体验。

▲图为模型全工作流展示

“以前觉得‘科技服务社会’很宏大，现在发现，能让山区孩子通过团队研发的模型轻松弄懂一道题，就是最好的实践。” 湖北汽车工业学院智能家教科研攻关队队长王彦康如此感慨。此次实践不仅是一次技术探索，更让团队读懂了青年学子的时代责任 —— 用青春智慧回应社会需求，让技术的温度照亮更多成长之路！

声明：凡来源或标记以“大学生云报”之内容均为本网合法拥有版权或有权使用的作品，至发布之日起三日后方可原文转载，转载时请注明来源及有效联系方式。

审定：曾钰    责编：赵旭 + 投诉举报