CyberJustice Tutor：基于思考-计划-行动推理与教育式脚手架的网络安全学习智能体框架
人机交互
2026-03-20 v1
摘要
大语言模型（LLM）在刑事司法专业人士的网络安全教育中面临着响应式聊天机器人“无状态性”以及高风险法律情境中幻觉问题。为此，我们提出CyberJustice Tutor——一个由Agentic AI框架驱动的教育对话系统。不同于响应式聊天机器人，本系统采用“思考-计划-行动”（Think-Plan-Act）认知循环，实现目标分解、纵向规划与动态上下文维护。我们整合基于Vygotsky可探究区（Zone of Proximal Development, ZPD）的教育式脚手架层，根据学习者实时进展动态调整教学支持。此外，系统还集成了自适应检索增强生成（Adaptive Retrieval Augmented Generation, RAG）核心，确保推理基于经验证的课程材料，以保证法律与技术准确性。进行一次覆盖123名参与者（包括学生、教育者及在职执法官员）的全面用户研究表明，系统具有良好的效用。量化结果显示，用户对响应速度（4.7/5）、易用性（4.4/5）及准确性（4.3/5）的接受程度高。定性反馈表明，该智能体架构被认为在引导学习者沿个性化路径前进方面效果显著，证明了Agentic AI在专业教育中的可行性与可用性。
引用
@article{arxiv.2603.18470,
title = {CyberJustice Tutor: An Agentic AI Framework for Cybersecurity Learning via Think-Plan-Act Reasoning and Pedagogical Scaffolding},
author = {Baiqiang Wang and Yan Bai and Juan Li},
journal= {arXiv preprint arXiv:2603.18470},
year = {2026}
}