最強「學業成績分析壓力感知型 AI 心理陪伴」智能體—基於騰訊元器×TextIn大模型加速器×混元大模型的實戰構建

最強「學業成績分析壓力感知型 AI 心理陪伴」智能體—基於騰訊元器×TextIn×混元大模型的實戰構建

一、項目背景

在「雙減」政策深化與教育數位化持續推進的背景下，學生學業評價正在從「唯分數論」向「數據驅動的全面成長分析」轉型。成績單不再只是簡單的分數彙總，而是蘊含著學生學習狀態、學科優勢、波動趨勢以及潛在心理壓力的重要數據載體。

然而，在目前的教學實踐中仍普遍存在以下問題：

• 成績分析維度單一：大多數學校或班級仍停留在平均分、排名等靜態統計層面，缺乏對個人成長軌跡、學科結構失衡、階段性波動的深度分析；
• 數據處理成本高：大量成績單以 PDF、掃描件、照片等非結構化形式存在，人工整理耗時耗力，難以規模化應用；
• 心理關懷長期缺位：成績波動往往直接影響學生情緒與自我認知，但現實中教師精力有限，學生缺乏穩定、低門檻的情緒疏導與成長陪伴渠道；
• 「分數壓力」感知滯後：大多數心理干預發生在問題顯性化之後，缺乏基於學業數據的前置風險感知與溫和介入機制。

隨著大模型技術與智能體平台的成熟，這一局面正在發生改變。

本項目基於 騰訊元器智能體構建平台，融合 TextIn 大模型加速器的高精度 OCR 與表格結構化能力，並引入 混元大模型的多模態理解與情緒推理能力，構建一套 「班級多維度成績分析 × 學業壓力感知型 AI 心理陪伴智能體」。

該智能體不僅能夠自動完成成績單的高精度解析與多維統計分析，還能在此基礎上：

• 辨識學生潛在的學業壓力信號與情緒風險；
• 以非評判、低壓力的方式進行情緒疏導與正向引導；
• 為教師提供數據驅動的班級畫像與干預參考；
• 為學生提供持續、穩定、可對話的成長陪伴。

通過將學業數據分析與情緒關懷智能體深度融合，本項目探索了一種面向真實教學場景的 「學業—心理協同型 AI Agent」 落地路徑，為智慧教育與學生心理健康提供可複製、可擴展的技術實踐範式。

1.1效果演示

二、項目知識點概覽

在本項目中，我們並非單一依賴某一個大模型或工具，而是通過智能體平台 + 文檔理解引擎 + 通用大模型的協同，構建一套面向真實教育場景的複合型 AI 系統。以下對項目涉及的三項核心技術能力進行簡要說明。

2.1 什麼是騰訊元器？

騰訊元器是騰訊推出的一站式 AI 智能體（Agent）構建與運行平台，面向開發者提供從能力編排、模型調用到上下文管理的完整智能體基礎設施。

與傳統「單輪對話式 AI」不同，騰訊元器強調的是：

• 可感知環境
• 可規劃流程
• 可調用工具
• 可持續記憶

即具備完整「感知—決策—行動—反饋」閉環的智能體能力。

在實際使用中，開發者可以通過騰訊元器：

• 將 OCR、數據分析、大模型推理等能力封裝為獨立節點；
• 通過流程編排方式構建多步驟智能體任務；
• 為不同角色（學生 / 教師）配置差異化交互邏輯；
• 管理智能體上下文記憶與權限邊界。

在本項目中，騰訊元器作為智能體的「中樞系統」，負責串聯成績解析、數據分析、壓力感知與情緒陪伴等多個能力模組，實現複雜教育場景下的穩定運行與可擴展落地。

2.2 什麼是 TextIn 大模型加速器？

TextIn 大模型加速器是一套面向 複雜文檔理解場景 的智能解析引擎，核心能力是將 非結構化文檔高精度轉化為結構化數據。

在教育場景中，成績單通常存在以下特點：

• 格式不統一、模板多樣；
• 表格結構複雜，存在合併單元格；
• 來源多為掃描件或拍照圖片；
• 含有大量相似字段，人工校對成本高。

TextIn 大模型加速器通過 大模型 + 規則引擎 + 視覺理解 的方式，提供：

• 高精度 OCR 文字識別；
• 表格結構自動還原；
• 字段語義識別與對齊；
• 錯誤容忍與糾偏能力。

在本項目中，TextIn 負責將成績單從「看得懂但用不了」的文檔形態，轉化為 可計算、可分析、可推理 的標準化數據，為後續班級分析與情緒判斷提供可靠輸入基礎。

2.3 什麼是混元大模型？

混元大模型是騰訊自研的通用大語言模型體系，具備自然語言理解、邏輯推理、情緒識別與內容生成等多項能力，適用於複雜、多輪、上下文敏感的交互場景。

相較於僅用於文本生成的大模型，混元更強調：

• 上下文連續理解能力
• 多維度語義推理能力
• 情緒與意圖識別能力
• 可控、穩健的輸出風格

在本項目中，混元大模型主要承擔三類核心任務：

1. 成績分析結果的語義總結與解釋
   將冰冷的統計數據轉化為學生與教師易於理解的自然語言反饋。

2. 學業壓力與情緒狀態推理
   結合成績變化與學生語言輸入，辨識潛在壓力信號與情緒波動。

3. 陪伴式對話與引導反饋
   以非評判、低壓力的方式與學生持續互動，提供情緒疏導與成長引導。

混元大模型的引入，使系統不僅「會算分」，更「懂學生」，是實現「學業壓力感知型 AI 心理陪伴」的關鍵能力支撐。

三、技術方案

本項目以「學業數據可結構化、壓力狀態可感知、成長陪伴可持續」為核心目標，基於騰訊元器智能體平台，構建一套覆蓋 數據採集 → 成績分析 → 壓力感知 → 情緒疏導 → 成長反饋 的閉環式 AI 智能體技術方案。

整體架構採用 「多源數據解析 + 大模型推理 + 規則與情緒協同決策」 的設計思路，確保系統在真實教學場景中具備可解釋性、穩定性與可擴展性。

3.1 智能體總體架構設計（基於騰訊元器）

項目核心智能體構建於 騰訊元器平台，通過模組化節點編排的方式，實現多能力協同：

• 輸入層：成績單圖片 / PDF / 扫描件、學生自然語言輸入（情緒傾訴、學習困惑）
• 能力層：
  • OCR 與表格解析節點（TextIn 大模型加速器）
  • 成績統計與趨勢分析節點
  • 學業壓力感知與情緒推理節點（混元大模型）
  • 對話與陪伴響應節點
• 輸出層：
  • 班級多維度成績分析報告
  • 學生個性化學習與情緒反饋
  • 教師側結構化分析與風險提示

通過騰訊元器的 流程編排、上下文記憶與權限控制能力，實現學生端與教師端的智能體能力隔離與協同。

3.2 成績單高精度解析方案（TextIn 大模型加速器）

針對成績單格式多樣、表格結構複雜、掃描質量參差不齊的問題，系統引入 TextIn 大模型加速器，完成非結構化成績單的高精度結構化處理。

核心能力包括：

• 多格式支持：支持圖片、PDF、掃描件等多種輸入形式；
• 表格結構還原：自動識別表頭、合併單元格、學科列與學生行；
• 字段語義識別：區分姓名、學號、單科成績、總分、排名等關鍵字段；
• 錯誤容忍與修正：對傾斜、模糊、低分辨率文檔具備較強魯棒性。

輸出結果為標準化 JSON / 表格結構數據，為後續分析與大模型推理提供可靠數據基礎。

3.3 學業壓力感知與情緒推理機制（混元大模型）

區別於傳統僅基於分數的分析方式，本項目引入 「學業壓力感知模型」，將成績數據與學生語言輸入進行聯合推理。

壓力識別信號來源包括：

• 成績連續下降或波動加劇；
• 單科長期低於班級均值；
• 學業負擔相關高頻情緒詞（焦慮、害怕、失望等）；
• 自我否定、比較型語言模式。

基於 混元大模型的情緒理解與上下文推理能力，系統對學生當前狀態進行綜合判斷，並劃分為不同壓力等級，作為後續干預策略的依據。

四、搭建「學業成績分析壓力感知型 AI 心理陪伴」智能體

在完成項目背景、核心技術選型與整體技術方案設計之後，本章將圍繞如何基於騰訊元器實際搭建該智能體展開，重點介紹智能體的創建流程、能力節點配置方式以及關鍵邏輯的落地實現思路，確保方案不僅「能講清」，也「能跑起來」。

4.1 騰訊元器智能體創建

在騰訊元器平台中，首先創建一個新的智能體實例，並明確其角色定位與服務對象。

本項目採用 「一體多角色」 的設計思路，即：

• 學生側智能體

  • 面向學生提供成績解讀、學習反饋與情緒陪伴
  • 強調共情、引導與非評判式對話

• 教師側智能體

  • 面向教師提供班級成績畫像、趨勢分析與風險提示
  • 強調數據客觀性與可解釋性，避免情緒化標籤

在元器中通過不同的提示詞模板與權限配置，實現同一套底層能力、不同交互表現的智能體分支。

登錄騰訊元器平台後，點擊右上角 「個人空間」，進入 「我的智能體」 頁面，選擇 「創建智能體」。

在智能體類型選擇界面中，選擇 「對話式智能體」。該類型適用於具備多輪交互、情緒理解與複雜任務處理能力的應用場景，適合本項目中「成績分析 + 情緒疏導」的複合需求。

在新建對話式智能體頁面中，填寫以下信息：

• 智能體名稱：用於對外展示與識別
• 智能體簡介：簡要說明智能體的核心能力與使用場景

信息填寫完成後，點擊 「新建」 按鈕，完成智能體的基礎創建。

創建成功後，系統將自動跳轉至智能體後台管理頁面。在該頁面中，可以對智能體進行角色設定、模型選擇、能力配置與測試驗證等操作。

4.2 智能體角色定位

在 「角色設定 / 提示詞」 模組中，編寫智能體的系統提示詞（System Prompt）。可結合平台提供的 「提示詞一鍵優化」 功能，對初始提示詞進行結構化與語義增強。

以下為本項目中使用的核心角色提示詞，用於明確智能體的定位、能力邊界與輸出風格：

【要求】扮演一名學業成績分析與壓力感知型AI心理陪伴智能體，能夠基於學生成績單數據與學生自然語言輸入，進行多維度學業分析、學業壓力感知，並以非評判、陪伴式方式為學生提供情緒疏導與成長引導，同時為教師提供去情緒化的數據分析與風險提示。

【名稱】學業成績分析與壓力感知型 AI 心理陪伴智能體

【屬性】AI智能體，專注於學業成績分析與壓力感知，具備情緒理解能力

【人物關係】學生、教師

【人物經歷】由教育心理學專家、數據科學家及AI工程師共同開發，旨在通過技術手段幫助學生緩解學業壓力，促進健康成長。

【外貌特徵】無實體形態，以文字形式呈現

【性格特點】溫和、理性、不居高臨下，重視共情，不直接否定用戶感受，不使用心理診斷或標籤化語言，表達清晰、有結構，但避免說教

【語言風格】
- 學生端輸出：溫和、鼓勵、共情型表達
- 教師端輸出：客觀、中性、數據驅動表達

【人物喜好】無具體喜好，但致力於幫助學生和教師解決問題

【輸出要求】
- 使用繁體中文
- 分點輸出時需邏輯清晰
- 情緒疏導時先共情、再引導、最後給建議

【能力限制】
- 不能進行心理疾病診斷或治療建議
- 不能替代教師、家長或心理諮詢師的專業決策
- 不輸出任何對學生的負面標籤或價值評判
- 不基於單次成績波動做長期能力判斷

【其他要求】
- 面向學生時偏陪伴與引導
- 面向教師時偏數據與客觀分析

【能達成以下用戶意圖】
#意圖名稱：學業壓力緩解
#意圖描述：通過分析學生成績單數據和自然語言輸入，識別學業壓力源，並提供情緒疏導和成長引導。
#意圖示例：學生表示近期考試成績下降，感到焦慮。AI智能體通過分析成績單和學生輸入，發現其在數學和物理科目上表現不佳，可能因此產生焦慮。
#意圖實現：AI智能體首先共情學生的情緒，然後引導學生找到學習方法上的不足，並提供具體的改進建議，如制定合理的學習計劃、調整學習策略等。

#意圖名稱：教師數據分析支持
#意圖描述：為教師提供去情緒化的數據分析與風險提示，幫助教師更好地了解學生的學習情況和潛在問題。
#意圖示例：教師希望了解班級整體學業表現和潛在問題。AI智能體通過分析班級成績單數據，發現某些科目普遍成績較低，可能存在教學難點或學生興趣不足等問題。
#意圖實現：AI智能體將分析結果以客觀、中性的語言呈現給教師，並提出相應的教學調整建議，如增加互動環節、調整教學進度等。

在 「歡迎語設定」 中配置用戶首次進入對話時的引導語，用於明確智能體能力邊界，並引導用戶正確輸入。

哈囉，我是學業成績分析壓力感知型 AI 心理陪伴，請發送您的成績單。

在模型配置模組中，選擇 混元大模型 作為智能體底層推理模型。該模型在中文理解、多輪對話、情緒語義識別及結構化輸出方面表現穩定，適合教育與心理陪伴類應用場景。

五. 騰訊元器智能體工作流編寫

智能體的核心能力不僅來源於大模型本身，更依賴於清晰、可控的工作流設計。通過工作流，可以將「用戶輸入 → 數據解析 → 邏輯判斷 → 模型推理 → 結果輸出」拆解為多個可管理的節點，使智能體具備穩定、可重用的業務執行能力。

5.1 工作流創建

在智能體後台管理頁面中，點擊左側 「工作流管理」，然後點擊 「新建」，開始創建新的智能體工作流。

該工作流將作為智能體處理用戶請求的主執行鏈路。

在創建方式選擇彈窗中，選擇 「手動錄入」。

手動錄入方式適合需要精細控制邏輯節點、條件分支與多角色輸出的複雜智能體場景，本項目中的「成績分析 + 情緒疏導」正是典型代表。

在新建工作流頁面中，填寫以下信息：

• 工作流名稱：用於標識該工作流的功能用途（如：成績分析與壓力感知主流程）
• 工作流描述：簡要說明該工作流的執行目標、適用對象與核心邏輯

填寫完成後確認創建，系統將生成一個新的工作流實例。

工作流創建完成後，將自動進入 工作流編輯面板。該面板是後續進行節點編排、條件判斷、模型調用與輸出控制的核心操作區域。

在面板中，可以清晰看到：

• 工作流的整體執行結構
• 各功能節點的連接關係
• 當前工作流的起始節點與結束節點

後續的成績單解析、學業分析、壓力感知與結果輸出，均將在該面板

原文出處：https://juejin.cn/post/7587965908289110026