assess-level

name	assess-level
description	评估学生对特定知识点的掌握水平（未开始/刚接触/练习中/已掌握/熟练）。使用场景：需要判断学生当前水平以决定教学节奏时。

assess-level

用 LLM 分析学生真实回答质量，区分概念混淆与计算粗心，返回掌握度等级、置信度和误解清单。LLM 不可用时自动降级为规则引擎兜底。

输入参数

参数	类型	必填	默认值	说明
knowledge_point	string	是	—	知识点名称，如 "正弦定理"
student_response	string	否	""	学生最近一次回答或表现描述
error_history	array	否	null	历史错误记录：[{"error_type": "...", "question_snippet": "...", "timestamp": "..."}]
interaction_count	integer	否	0	该知识点的历史互动次数
student_id	string	否	""	学生 ID，用于加载画像上下文

掌握度等级

等级值	含义
not_started	完全没有接触过
introduced	能复述定义，无法独立应用到新题目
practicing	能解标准题型，变式或综合题会出错
proficient	能独立解大部分题目，偶尔有小错
mastered	能灵活运用、举一反三，能向他人讲解

返回字段

字段	类型	说明
success	bool	是否执行成功
mastery_level	string	掌握度等级（见上表）
confidence	float	评估置信度（0~1）
evidence	string	评估依据说明
misconceptions	array	识别到的具体误解列表
assessment_method	string	llm 或 rule_fallback
summary	string	人类可读一句话总结

内部逻辑

1. 快速路径：interaction_count == 0 且无 student_response → 直接返回 not_started，置信度 1.0
2. LLM 评估：构建含历史错误的 prompt，要求返回 JSON（level / confidence / evidence / misconceptions）
3. 关键原则：计算粗心不降级；概念混淆（如 sin/cos 混淆）必须降级
4. 规则引擎兜底：LLM 失败时按 interaction_count 和 error_count 查分段规则表

使用方

• AssessAgent：核心工具，评估知识点掌握度并触发画像更新