2026年火鸟黑客松｜科技创新 “学溪”入围火鸟黑客松开放赛道决赛十强 四智能体协同探索个性化学习新路径

从动态学习画像到评测反馈闭环，FIRE EAGER团队探索人工智能助学新方式

近日，FIRE EAGER团队凭借作品《“学溪”个性化学习系统设计与实现》成功入选2026年火鸟黑客松开放赛道决赛十强。团队由彭俊哲、魏焕诚、苑鼎祥、俞悦、彭馨可五位青年成员组成。本届火鸟黑客松由香港科技大学内地生校友会主办，是香港科技大学成立35周年系列重要庆祝活动之一，赛事聚焦AI创新落地，鼓励青年开发者立足真实社会需求打造实用技术原型。本次决赛暨AI Demo Day活动于2026年8月8日在香港科技大学举办，汇聚众多优秀青年科创团队，集中展示各类人工智能创新项目成果。

FIRE EAGER团队凭“学溪”项目入围2026年火鸟黑客松开放赛道决赛十强（项目团队供图）

当下AI学习工具层出不穷，但多数产品依旧将人工智能塑造成一个无所不能的“万能老师”。学习者输入问题就直接获取答案，缺少完整的学情诊断、循序渐进的路径规划与闭环式学习评估，常常出现“千人一路”的学习困境：学习者基础各不相同，却接收同质化的学习内容；测验做题与课程学习相互割裂，做完题目无法反哺后续学习安排；网上学习资料海量分散，学习者难以筛选适配自身水平的学习材料。针对这些现实痛点，FIRE EAGER团队打造的“学溪”个性化学习系统另辟蹊径，项目取意“学如溪流，循序渐行”，寓意学习应当如同溪水流动一般，贴合个体节奏、循序渐进向前推进。项目没有采用单一AI模型承担全部教学工作，而是构建一套分工明确的多智能体“虚拟教学团队”，将完整自主学习流程拆解，实现学情分析、路径规划、教学辅导、评估反馈全链条打通，让学习方案能够跟随学习者知识基础、学习目标、答题反馈持续动态调整，真正落地个性化自主学习。

整套系统面向自学人群，致力于解决传统AI助学工具普遍存在的静态学习画像、固化学习路线、问答评测脱节、学习资源零散四大核心痛点。系统包含四大功能智能体，分别为“知微见著”“引蹊寻径”“解颐启明”“鉴衡知秋”。四个智能体各司其职，又依托统一共享的学习状态实现高效协同，形成连贯完整的学习工作流。

“学溪”系统主界面呈现四个分工协作的学习智能体（项目团队供图）

项目围绕知识水平、学习风格、认知能力、学习目标、薄弱环节和学习偏好构建六维学习画像。画像不是由一次性问卷固定下来，而是随着多轮对话、教学互动和测验表现增量更新。系统通过共享工作记忆记录判断的来源、置信度和交互回合，并让答题表现等实证信息在冲突判断中拥有更高参考权重，便于不同智能体在同一事实基础上协作。

“知微见著”通过自然对话分析学情，其他智能体按照流程协同接续（项目团队供图）

完成初步画像后，路径规划智能体会依据学习基础和目标生成模块化学习方案；辅导智能体再结合知识图谱中的前置知识、相关概念与难度信息开展讲解。评估环节的结果会写回学习记录，当测验暴露薄弱点时，系统可重新调整后续路径，推动“分析—规划—辅导—评估—再规划”形成反馈闭环。

“引蹊寻径”依据学习画像生成模块化个性学习路径（项目团队供图）

为了让学习过程可视、可回溯，“学溪”将知识点前置关系、学习状态和知识点档案融合为“学习树”。树中不同节点对应知识点，状态标记用于呈现掌握、学习中、待巩固或未开始等进度；点击节点还可查看讲解片段、测验记录、薄弱点和生成过的资源，让一次次对话沉淀为能够继续使用的学习记录。

学习树以知识点关系为骨架，并呈现不同节点的学习状态（项目团队供图）

除对话与路径规划外，系统还可围绕当前主题、学习层级和薄弱环节生成PPT课件、思维导图、题库、实操案例和视频脚本五类学习资源，并将相关成果归入知识点档案。其目标不是增加零散材料，而是让资源与当前学习任务、评测结果及后续复习相互衔接。

系统提供PPT课件、思维导图、题库、实操案例和视频脚本五类资源生成入口（项目团队供图）

从技术设计看，项目采用自研EduGraph进行单步状态推进，通过共享工作记忆连接四个智能体，并以知识图谱和持久化学习档案支撑跨环节协作。项目同时保留协作轨迹和信息来源，尝试增强智能体决策的可追溯性。现阶段，“学溪”仍是参赛系统原型，后续还需在画像校验、多用户支持、知识图谱质量和真实教学场景验证等方面持续完善。

从一问一答到一条能够不断修正的学习路径，“学溪”把个性化学习理解为持续流动的过程。此次入围开放赛道决赛十强，为团队进一步打磨人机协同学习机制提供了新的起点，也呈现了青年团队以多智能体技术回应个性化教育需求的一次实践探索。

（彭俊哲、苑鼎祥、皮俊翔）