面向量子计算教育的个人化：基于演化 LLM 的方法

量子计算教育面临复杂性和当前工具局限性挑战；本文介绍一种新颖的量子计算教育智能教学助手并详述其演化设计过程。该系统将知识图谱增强架构与两个专用大语言模型（LLM）代理相结合：一个用于动态交互的教学代理，一个用于课程计划生成的课堂规划代理。该系统旨在适应个体学生需求，所有交互都被精细跟踪并存储在知识图谱中。该图表示学生行为、学习资源及其关系，旨在 enable 对有效学习路径的推理。我们描述了该系统的实现，突出了所遇到的挑战与所采取的解决方案，包括引入双代理架构进行任务分离，所有协调通过维护系统意识的中央知识图谱，以及旨在缓解 LLM 幻觉并提升用户控制的面向用户标签系统。初步结果表明，该系统能够捕获丰富的交互数据，能通过标签系统动态调整课程计划以响应学生反馈，能够通过集成知识图谱实现情境感知的教学，尽管需要系统性评估。