| 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
- 快速路径:interaction_count == 0 且无 student_response → 直接返回 not_started,置信度 1.0
- LLM 评估:构建含历史错误的 prompt,要求返回 JSON(level / confidence / evidence / misconceptions)
- 关键原则:计算粗心不降级;概念混淆(如 sin/cos 混淆)必须降级
- 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