文档适用：技术博主专栏、B 站配套文稿、内部实训讲义
技术栈：Python + LangGraph 多智能体 + LangChain RAG + FastAPI + 简易 Web 前端
实现目标：学生学习画像识别、薄弱知识点诊断、自适应学习路线规划、AI 智能助教答疑

目录

1. 项目概述与核心能力

2. 系统架构设计

3. 开发环境准备

4. 项目代码实现（全模块源码）

5. 项目启动与测试流程

6. 运行效果演示

7. 功能拓展与私有化改造方案

8. 配套绘图提示词（教程配图专用）

1. 项目概述与核心能力

传统在线教育系统固定课件、统一习题，无法适配每个学生学习短板。
基于大模型 Agent+RAG 构建个性化学习系统，依靠智能体分工实现自适应教育。

系统核心功能

✅ 学生学习画像持久管理，记录知识点掌握程度、错题、学习历史
✅ 诊断 Agent：自动识别学生知识薄弱点
✅ RAG 知识库：教材、知识点本地向量检索，减少大模型幻觉
✅ 路径规划 Agent：生成专属个性化学习方案
✅ 导学答疑 Agent：知识点讲解、智能出题、错题解析
✅ HTTP 接口服务，支持 Web 前端对接
✅ 模块化架构，可拓展题库、多模态识图做题、学习报告

智能体分工

1. 诊断 Agent：分析学生提问 / 答题记录，定位薄弱知识点

2. 知识库检索模块：RAG 获取教学素材

3. 学习规划 Agent：制定阶梯式学习路线

4. 导学 Agent：对话答疑、习题生成

2. 系统架构设计

学生Web前端 ↔ FastAPI接口服务 ↔ LangGraph教育智能Agent集群 ↙️ ↘️ 学生学习画像数据库 教材习题RAG向量库

🎨 架构图生成提示词（直接复制 AI 绘图，手绘风格）

手绘简约线稿，Agent智能教育个性化学习系统架构图，白底黑色线条，思维导图布局，模块之间使用箭头连接。模块：Web前端、FastAPI网关、多子Agent集群、学生学习画像库、RAG向量知识库。无阴影、无多余装饰，适合技术教程配图

🎨 Agent 工作流程图提示词

横向手绘流程图，教育多Agent流转流程，节点依次：用户输入 → 诊断Agent → RAG知识库检索 → 学习路径规划Agent → AI导学答疑 → 返回结果，箭头串联，极简手绘白底

3. 开发环境准备

3.1 依赖安装

pipinstalllangchain langgraph langchain-openai chromadb fastapi uvicorn pydantic python-multipart

3.2 项目目录结构

edu-agent-system/ ├── config.py # 大模型全局配置 ├── student_profile.py # 学生画像管理模块 ├── edu_rag.py # RAG教学知识库 ├── edu_agent.py # LangGraph智能体核心 ├── main.py # FastAPI后端服务 └── index.html # 前端交互页面

4. 完整代码实现

4.1 配置文件config.py

# config.pyimportos# LLM配置，兼容OpenAI、通义千问、DeepSeek等接口LLM_API_KEY=os.getenv("LLM_API_KEY","填写你的密钥")LLM_BASE_URL="https://api.openai.com/v1"LLM_MODEL="gpt-4o-mini"# 向量数据库存储路径VECTOR_DB_PATH="./edu_chroma_db"

4.2 学生画像模块student_profile.py

维护学生知识点掌握度、错题、学习记录

# student_profile.pyfrompydanticimportBaseModelfromtypingimportDict,ListclassStudentProfile(BaseModel):student_id:strname:str# 知识点名称:掌握程度 0~1knowledge_mastery:Dict[str,float]wrong_questions:List[str]learning_history:List[str]classProfileManager:def__init__(self):self.profiles={}defcreate_profile(self,sid:str,name:str)->StudentProfile:profile=StudentProfile(student_id=sid,name=name,knowledge_mastery={},wrong_questions=[],learning_history=[])self.profiles[sid]=profilereturnprofiledefupdate_knowledge(self,sid:str,knowledge:str,score:float):"""更新知识点掌握程度，限制0~1区间"""profile=self.profiles[sid]profile.knowledge_mastery[knowledge]=max(0.0,min(1.0,score))defadd_wrong_question(self,sid:str,question:str):"""记录错题"""self.profiles[sid].wrong_questions.append(question)# 全局画像管理器profile_manager=ProfileManager()

4.3 RAG 教学知识库edu_rag.py

将教材文本向量化，实现知识点检索，为 Agent 提供参考资料

# edu_rag.pyfromlangchain_openaiimportOpenAIEmbeddingsfromlangchain_chromaimportChromafromlangchain.text_splitterimportRecursiveCharacterTextSplitterfromconfigimportVECTOR_DB_PATH,LLM_API_KEY,LLM_BASE_URL embedding=OpenAIEmbeddings(api_key=LLM_API_KEY,base_url=LLM_BASE_URL)text_splitter=RecursiveCharacterTextSplitter(chunk_size=400,chunk_overlap=60)# 初始化向量数据库vector_store=Chroma(persist_directory=VECTOR_DB_PATH,embedding_function=embedding)defload_edu_text(text:str):"""导入教材知识点文本进入向量库"""chunks=text_splitter.split_text(text)vector_store.add_texts(chunks)defsearch_knowledge(query:str,top_k=3):"""根据问题检索相关教学资料"""docs=vector_store.similarity_search(query,k=top_k)return"\n".join([doc.page_contentfordocindocs])if__name__=="__main__":# 示例教学素材，可替换为各科教材文本textbook=""" 一元一次方程：含有一个未知数，未知数次数为1的等式。 解题步骤：移项、合并同类项、系数化为1。 易错点：移项必须变号，很多学生容易忽略符号。 """load_edu_text(textbook)print("知识库初始化完成！")

4.4 LangGraph 教育智能体核心edu_agent.py

多智能体串行工作流，实现诊断、检索、规划、答疑完整链路

# edu_agent.pyfromlanggraph.graphimportStateGraph,START,ENDfromlangchain_openaiimportChatOpenAIfromtypingimportTypedDict,Annotatedimportoperatorfromconfigimport*fromedu_ragimportsearch_knowledgefromstudent_profileimportprofile_manager llm=ChatOpenAI(api_key=LLM_API_KEY,base_url=LLM_BASE_URL,model=LLM_MODEL)# Agent全局状态容器classAgentState(TypedDict):student_id:struser_input:strweak_knowledge:Annotated[list,operator.add]rag_context:strlearning_plan:stranswer:str# 节点1：薄弱知识点诊断Agentdefdiagnostic_agent(state:AgentState):prompt=f""" 你是教育诊断专家，根据学生输入内容，识别学生薄弱知识点。 只输出知识点名称，一行一个，不要多余描述。 学生输入：{state['user_input']}"""res=llm.invoke(prompt)weak_points=[x.strip()forxinres.content.split("\n")ifx.strip()]return{"weak_knowledge":weak_points}# 节点2：RAG知识点检索defretrieve_knowledge(state:AgentState):query=" ".join(state["weak_knowledge"])context=search_knowledge(query)return{"rag_context":context}# 节点3：个性化学习路径规划Agentdefplan_agent(state:AgentState):prompt=f""" 根据学生薄弱知识点：{state['weak_knowledge']}参考教学资料：{state['rag_context']}生成简短、可执行的个性化学习路线，分步骤描述。 """plan=llm.invoke(prompt).contentreturn{"learning_plan":plan}# 节点4：AI导学答疑Agentdeftutor_agent(state:AgentState):profile=profile_manager.profiles.get(state["student_id"])prompt=f""" 【学生学习档案】{profile.model_dump_json()}薄弱知识点：{state['weak_knowledge']}教学参考资料：{state['rag_context']}个性化学习方案：{state['learning_plan']}学生提问：{state['user_input']}你的身份：AI学科教师。语言通俗易懂，讲解知识点，适当布置练习题巩固。 """reply=llm.invoke(prompt).contentreturn{"answer":reply}# 构建智能体流程图defbuild_edu_agent():graph=StateGraph(AgentState)graph.add_node("diagnostic",diagnostic_agent)graph.add_node("retrieve",retrieve_knowledge)graph.add_node("plan",plan_agent)graph.add_node("tutor",tutor_agent)# 流转逻辑graph.add_edge(START,"diagnostic")graph.add_edge("diagnostic","retrieve")graph.add_edge("retrieve","plan")graph.add_edge("plan","tutor")graph.add_edge("tutor",END)returngraph.compile()edu_graph=build_edu_agent()

4.5 FastAPI 后端服务main.py

提供 HTTP 接口，连接前端与智能体系统

# main.pyfromfastapiimportFastAPIfrompydanticimportBaseModelfromedu_agentimportedu_graphfromstudent_profileimportprofile_manager app=FastAPI(title="Agent个性化学习系统接口")classChatRequest(BaseModel):student_id:strstudent_name:strmessage:str@app.post("/api/edu_chat")asyncdefedu_chat(req:ChatRequest):# 自动创建学生档案ifreq.student_idnotinprofile_manager.profiles:profile_manager.create_profile(req.student_id,req.student_name)init_state={"student_id":req.student_id,"user_input":req.message,"weak_knowledge":[],"rag_context":"","learning_plan":"","answer":""}result=edu_graph.invoke(init_state)return{"reply":result["answer"],"weak_knowledge":result["weak_knowledge"],"personal_plan":result["learning_plan"]}if__name__=="__main__":importuvicorn uvicorn.run("main:app",host="0.0.0.0",port=8000,reload=True)

4.6 前端页面index.html

浏览器直接打开，无需额外部署

<!DOCTYPEhtml><htmllang="zh-CN"><head><metacharset="UTF-8"><title>Agent个性化学习助教</title><style>.box{width:700px;margin:30px auto;}textarea{width:100%;height:100px;padding:8px;margin:8px 0;}input{width:100%;padding:8px;margin:8px 0;box-sizing:border-box;}button{padding:8px 20px;background:#2563eb;color:#fff;border:none;border-radius:6px;font-size:15px}#result{margin-top:20px;padding:16px;border:1px solid #ddd;border-radius:8px;white-space:pre-wrap;line-height:1.6;}</style></head><body><divclass="box"><h2>Agent智能个性化学习系统</h2><inputplaceholder="学生ID"id="sid"value="stu001"><inputplaceholder="学生姓名"id="sname"value="小明"><textareaid="msg"placeholder="输入你的学习问题，例如：一元一次方程移项总是符号出错"></textarea><buttononclick="sendChat()">发起学习咨询</button><divid="result"></div></div><script>asyncfunctionsendChat(){constsid=document.getElementById("sid").value;constsname=document.getElementById("sname").value;constmsg=document.getElementById("msg").value;constresDiv=document.getElementById("result");resDiv.innerText="AI智能体思考中，请稍候...";constresp=awaitfetch("http://127.0.0.1:8000/api/edu_chat",{method:"POST",headers:{"Content-Type":"application/json"},body:JSON.stringify({student_id:sid,student_name:sname,message:msg})})constdata=awaitresp.json();resDiv.innerText=`【薄弱知识点】${data.weak_knowledge.join("、")}\n【个性化学习方案】\n${data.personal_plan}\n\n【AI助教回答】\n${data.reply}`}</script></body></html>

5. 项目启动与测试流程

1. 配置密钥
   修改config.py中的LLM_API_KEY，如使用国内大模型同步修改LLM_BASE_URL

2. 初始化知识库

python edu_rag.py

执行后自动创建向量数据库文件夹

3. 启动后端服务

python main.py

服务地址：http://127.0.0.1:8000

4. 打开前端
   直接双击index.html文件在浏览器打开

5. 测试输入示例

一元一次方程移项经常符号搞错，做题正确率很低

6. 运行效果说明

1. 诊断 Agent 自动识别薄弱知识点：一元一次方程移项规则

2. RAG 检索教材知识点原文

3. 规划 Agent 输出分阶段学习计划

4. 导学 Agent 进行知识点讲解，并生成练习题

5. 学生信息自动存入内存画像管理器

⚠️ 当前学生画像保存在内存，重启服务数据清空；生产环境建议接入 SQLite/MySQL 持久化。

7. 功能拓展与私有化改造方案

7.1 短期优化

• 使用 SQLite 持久化学生学习画像

• 批量导入整本教材、题库文档到 RAG 知识库

• 增加对话历史记录，实现上下文长记忆

• 增加知识点掌握度雷达图前端可视化

7.2 私有化部署改造

将 OpenAI 接口替换为开源模型：Qwen、Llama3、DeepSeek
修改edu_agent.py内 LLM 初始化代码，适配 Ollama /vLLM 本地推理

7.3 高阶拓展方向

1. 多模态 Agent：拍照识别题目、图文讲解

2. 自动错题本、周期性学习周报

3. 难度自适应题库，根据掌握度动态出题

4. 增加家长管理端、教师后台

8. 全套教程配图提示词汇总

1. 系统整体架构图

手绘简约线稿，Agent智能教育个性化学习系统架构图，白底黑色线条，思维导图布局，模块之间使用箭头连接。模块：Web前端、FastAPI网关、多子Agent集群、学生学习画像库、RAG向量知识库。无阴影、无多余装饰，适合技术教程配图

2. LangGraph 智能体工作流图

横向手绘流程图，教育多Agent流转流程，节点依次：用户输入 → 诊断Agent → RAG知识库检索 → 学习路径规划Agent → AI导学答疑 → 返回结果，箭头串联，极简手绘白底

3. 系统界面效果图

手绘UI草图，AI个性化学习网页界面，聊天对话框，左侧知识点掌握情况面板，右侧AI助教对话窗口，简约黑白线稿，技术教程展示图

我把全部代码打包成可直接下载的完整项目目录结构，封装为一键初始化脚手架压缩文本，包含完整项目初始配置，新建项目直接粘贴即可完成初始化，适配前文代码与部署逻辑。需要的兄弟微信扫码添加，我挨个发~