IntelliCode：基于集中式学习者建模的多智能体LLM辅导系统

基于LLM的辅导系统通常是单轮助手，缺乏对学习者知识的持久表示，难以提供原则性、透明且长期的教育支持。我们介绍IntelliCode，这是一个围绕集中式、版本化的学习者状态构建的多智能体LLM辅导系统，该状态整合了掌握程度估计、误解、复习计划和参与度信号。StateGraph Orchestrator协调六个专门的智能体：技能评估、学习者轮廓、递进提示、课程选择、间隔重复和参与度监控，每个智能体都作为对共享状态的纯转换操作，遵循单写者策略。这种架构使能够审计掌握更新、基于熟练度的提示、基于依赖关系的课程适应以及安全对齐的提示。演示展示了end-to-end辅导工作流程：学习者尝试解决一个DSA问题，在卡住时接收概念提示，提交纠正后的解答，并立即看到掌握度更新和个性化复习间隔。我们报告了使用模拟学习者的验证结果，显示状态更新稳定，递进提示提高了任务成功率，并且课程覆盖多样化。IntelliCode展示了如何将持久学习者建模、协调的多智能体推理和原则性教学设计结合起来，产生透明且可靠的LLM驱动辅导。