多Agent协同赋能下的智能诗词学习平台

最新推荐文章于 2026-06-17 22:13:19 发布

原创最新推荐文章于 2026-06-17 22:13:19 发布 · 152 阅读

7 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#学习 #大模型 #智能体 #诗词大会 #人工智能

人工智能大数据专栏收录该内容

37 篇文章

订阅专栏

作者简介：Java领域优质创作者、CSDN博客专家、CSDN内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、多年校企合作经验，被多个学校常年聘为校外企业导师，指导学生毕业设计并参与学生毕业答辩指导，有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作

主要内容：Java项目、Python项目、前端项目、PHP、ASP.NET、人工智能与大数据、单片机开发、物联网设计与开发设计、简历模板、学习资料、面试题库、技术互助、就业指导等

业务范围：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文降重、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路等。

收藏点赞不迷路关注作者有好处

文末获取源码

编码：BS-AI-013

一，环境介绍

语言环境：Java: jdk1.8

数据库：Mysql: mysql5.7

应用服务器：Tomcat: tomcat8.5.31

开发工具：IDEA或eclipse

技术：springboot+mysql+html+java

二，项目简介

中华古诗词承载着深厚的文化底蕴，是语文教育与传统文化传承的重要组成部分，但其在实际教学与学习过程中，仍长期面临诸多痛点，难以适配新时代教育发展需求：

一是学习方式单一。多数诗歌学习平台仍以“检索+阅读”为主，缺乏针对不同学习者的个性化推荐与学习路径设计，学习过程被动、碎片化严重；

二是教学与学习场景割裂。教师备课、学生学习、练习、评价之间缺乏系统联动，优质教学资源难以高效复用；

三是学习反馈不足。诗歌背诵、朗诵等核心学习环节长期依赖人工判断，缺乏客观、即时、量化的智能反馈；

四是趣味性与参与感不足。诗歌学习多停留在静态阅读与记忆层面，难以激发学生持续学习兴趣。

随着大模型、自然语言处理、推荐算法与Web前端技术的成熟，AI+Web为诗歌学习提供了新的可能性：通过智能推荐实现“因人而异”的内容分发，通过多Agent协作重构教学流程，通过智能分析为学习者提供即时反馈，通过游戏化交互提升学习参与度。

基于此，本项目提出并实现了“AI驱动的智能诗歌推荐与学习平台”，以Web为核心载体，融合大模型、多算法与前端技术，构建集学习、练习、创作、互动、评价于一体的智能诗歌学习新范式。

本平台是一套面向学生、教师及诗歌爱好者的综合型AI+Web学习系统，整体采用前后端分离架构，围绕“个性化推荐+智能教学+趣味互动”三条主线展开。

系统从用户进入平台开始，即通过行为数据持续构建兴趣画像，并在学习全过程中不断动态调整推荐策略。

平台核心由以下子系统构成：

智能诗歌推荐系统
AI教学与学习辅助系统
在线诗词竞技与互动系统
智能背诵与朗诵反馈系统
诗歌创作与社区共创系统
用户中心与数据管理系统

平台创新性融合聚类算法与协同过滤推荐机制，构建双层智能推荐体系，彻底突破传统诗歌平台“只能靠搜索”的局限，实现真正意义上的个性化内容分发。

诗歌特征聚类：对诗歌文本从意境、题材、流派、格律等多维语义特征进行深度分析与聚类，形成具有内在审美一致性的诗歌簇，突破传统人工分类的局限性；

用户偏好建模：基于用户阅读、收藏、评论、背诵、游戏参与等全行为数据，构建用户兴趣画像并聚类划分用户偏好簇，精准刻画用户的诗歌审美与学习阶段特征；

簇内协同过滤：在相似诗歌簇与用户兴趣簇内执行协同过滤推荐，实现诗歌内容与用户需求的精准匹配；同时针对新用户结合诗歌热度与聚类结果进行推荐补偿，有效解决冷启动问题，让用户进入平台即可获得高度契合自身审美与学习阶段的诗歌推荐。

通过Web端与小程序端协同运行，实现学习场景的无缝衔接，既满足课堂教学辅助需求，也支持个人自主学习与文化传播。

本项目围绕“AI如何真正重构诗歌学习方式”这一核心问题，避免简单叠加AI功能，从核心技术、平台架构、交互模式、功能体验四个层面进行系统性创新，实现技术与诗歌教学生态的深度融合，解决传统诗歌学习的四大核心痛点，构建了全新的诗歌智能学习范式。

6.1创新点一：聚类-协同过滤双驱融合的诗歌个性化推荐机制，突破传统诗词平台的单一查询局限

传统问题：现有诗歌平台多采用关键词/分类查询的被动模式或热度排序的统一推荐模式，推荐同质化严重，无法匹配用户的审美偏好与学习阶段，且新用户冷启动问题突出，学习过程被动、碎片化。

创新设计：摒弃传统模式，构建诗歌特征聚类+用户偏好聚类+簇内协同过滤的双层智能推荐体系，先通过诗歌意境、流派、格律等多维特征聚类划分诗歌簇，结合用户全行为数据聚类划分用户偏好簇，再在簇内实现精准协同过滤推荐；同时针对新用户结合诗歌热度与聚类结果做推荐补偿，还基于名家风格聚类结果搭建名家专属推荐板块，实现“千人千面”的内容分发。

创新价值：让诗歌推荐从“用户被动查询”升级为“平台主动适配”，有效解决推荐同质化与冷启动问题，为用户打造自然流畅的个性化学习路径，实现技术理性与文学审美的有机融合，丰富了中文古典文本垂直领域的推荐算法体系。

6.2创新点二：基于工作流引擎的多Agent协作体系，重构诗歌教学生态全流程

传统问题：诗歌教学中教师备课、学生学习、练习、创作分散在不同工具与平台，场景割裂、链路断裂、数据无法贯通，优质教学资源复用率低，且微课等教学资源制作成本高、周期长，个性化教学难以规模化实现。

创新设计：基于工作流引擎搭建多角色专属智能Agent协作体系，打破教与学的场景壁垒，覆盖“教-学-练-创-评”全环节；教师端Agent实现课件、朗诵视频、试卷、微课等教学素材的一键智能生成，打造端到端的AI微课自动生成系统（PDF解析→脚本生成→音频合成→字幕对齐→视频合成）；学生端Agent提供诗歌解析、智能答疑、意境生成等学习服务；评估Agent实现学习数据的量化分析与反馈，各Agent按角色分工、协同响应。

创新价值：首次将工作流引擎与多Agent协作体系深度应用于诗歌教学生态，实现教学资源的规模化、低成本生成，让优质资源高效复用；同时实现教学数据与学习行为的闭环管理，大幅降低教师备课负担，提升学生学习效率，为智慧教育场景提供可复用的技术范式。

6.3创新点三：在线实时交互的诗词竞技对战模式，打造趣味化诗歌学习新形式

传统问题：诗歌学习多停留在静态阅读与记忆层面，以单向接收为主，趣味性与参与感不足，用户持续学习兴趣低、粘性差，诗词平台缺乏专业的实时互动与游戏化学习功能。

创新设计：突破传统单向学习模式，设计在线实时多玩法诗词竞技对战体系，利用WebSocket实现实时数据同步，融合诗词填空、飞花令接龙、看题猜诗等经典竞技玩法，支持房间创建、好友邀约、在线匹配等轻量化社交交互，将诗词知识考察与实时竞技、社交深度融合。

创新价值：填补了诗词平台在实时互动、游戏化学习领域的功能空白，让用户在竞技乐趣中沉浸式体验诗词之美，实现“趣味竞技+知识巩固”的双重目标，有效提升诗歌学习的趣味性与用户粘性，让传统文化传播更具活力。

6.4创新点四：多维度量化分析的智能背诵反馈系统，实现诗歌背诵的精准化指导

传统问题：诗歌背诵、朗诵长期依赖学生自我判断或教师人工检查，存在反馈滞后、主观性强的问题，学习效果难以量化，属于“无监督背诵”，无法为用户提供针对性的改进建议。

创新设计：在诗歌详情场景中深度嵌入智能背诵功能模块，依托高精度语音识别（如Paraformer-large）+时间戳（强制对齐）+韵律分析技术，实现背诵过程的多维度量化分析与即时反馈；系统先通过语音转写获取背诵文本（结合文本对齐与编辑距离计算识别错字、漏字），再从内容准确率（错漏字、关键词掌握）、表达流畅度（语速、停顿，如语速=字数/(总时长-停顿时长)）、朗诵表现力（节奏把控、情感表达）三个维度进行评估；其中节奏分析通过识别≥200ms静音片段并匹配诗歌格律结构（如五言诗2/3停顿、七言诗2/2/3停顿），情感表达结合基频（F0）、能量（RMS）等声学特征进行辅助判断，最终生成可视化背诵报告（如评分或雷达图），并给出个性化的优化建议。

创新价值：将“背诵结果”转化为“可分析的数据指标”，把传统“无监督背诵”升级为“智能监督+精准指导”，提升学习过程的即时反馈与成就感，增强平台在学习评估层面的专业性，让诗歌背诵更高效、更具针对性。

6.5创新点整体总结

本项目从核心技术、平台架构、交互模式、功能体验四大维度实现协同创新，首次将聚类-协同过滤融合推荐、工作流引擎多Agent协作、实时诗词竞技对战、多维度智能背诵反馈与诗歌教学生态深度结合，彻底打破传统诗词平台“单一查询、场景割裂、形式枯燥、无个性化反馈”的局限。

通过四大创新点的落地，本平台构建了“个性化推荐+高效教学生态+趣味竞技+智能背诵”的全链路诗歌学习体系，实现了从“被动检索”到“智能推荐”、从“人工制作”到“自动化内容生成”、从“碎片学习”到“一体化教学流程”、从“无反馈背诵”到“智能评估指导”的四大转变，在技术可行性、教育价值与实际应用场景上均具备较强的创新性与推广潜力。