EduResource Agent

README excerpt

# EduResource-Agent

> 第十五届“中国软件杯”A3 赛题 · 基于学习画像的多智能体个性化资源生成系统

面向高校计算机类课程，通过学习画像、专业探索、教师教学包生成、互动课堂验证与证据回写，构建一个 AI Native 的个性化学习资源生产系统。

## 它不是什么

不是教育聊天机器人，不是普通题库系统，也不是只给学生一个答案的问答工具。

系统的核心输出不是“答案”，而是 **在学生当前画像、学习阶段、教师目标和课堂反馈约束下，为此刻定制生产的学习资源与教学包**。

## 当前产品形态

系统已经形成学生端与老师端两条主链路：

### 学生端：个性化学习闭环

1. **画像与广度探索**：从专业、兴趣、年级和学习偏好出发，生成探索计划和 12 维能力画像。
2. **培养方案**：将方向拆成阶段化学习路径，明确基础、练习、进阶任务。
3. **课堂验证**：调用互动课堂生成链路，生成课堂资源、练习与验证任务。
4. **证据回写**：把课堂结果、测验反馈和路径状态回写到学生画像，修正下一阶段。

### 老师端：教学资源工作台

1. **班级洞察**：查看班级进度、风险学生、短板证据和掌握度趋势。
2. **教学包生成**：教师选择班级、学生、知识点和教学目标，触发多 Agent 生成教学包。
3. **资源审核**：对讲义、练习、代码、可视化资源进行溯源审核，查看画像匹配、短板对应、难度自适应和生产指纹。
4. **干预闭环**：将教师动作与学生后续画像更新连接起来，形成可解释的教学干预闭环。

## 双套多 Agent 系统

项目当前包含两套面向不同业务面的 Agent 系统：

### 学生端：专业探索 7-Agent

- MajorScopeAgent：专业范围与方向边界
- KnowledgeMapAgent：知识地图与能力结构
- Profile12Agent：12 维能力画像
- DirectionMatchAgent：方向匹配
- GapDiagnosisAgent：短板诊断
- SnailPathAgent：阶段化学习路径
- CoachReportAgent：成长报告与教练建议

### 老师端：资源生成 7-Agent

- ProfileAgent：读取学习画像与证据
- PlannerAgent：拆解生成任务并决定调用哪些资源 Agent
- DocumentAgent：生成讲解文档
- ExerciseAgent：生成自适应练习
- VisualAgent：生成图解与动画数据
- CodeAgent：生成 Python / Java 双语代码案例
- EvaluationAgent：汇总结果并输出画像更新建议

## 关键后端能力

| 能力 | 说明 |
|------|------|
| 固定流水线生成 | `POST /api/generate`，稳定演示用，由 GenerateFlow 编排 |
| Tool Calling 动态调度 | `POST /api/generate/tool-calling`，MainAgent Supervisor 动态决定工具调用；仅作为增强展示，不替代主演示链路 |
| SSE 事件流 | `GET /api/tasks/{task_id}/events`，前端实时展示 Agent 状态 |
| 生成结果持久化 | `GET /api/tasks/{task_id}/results`，SQLite 缓存与恢复 |
| 学生互动课堂 |