课前 · 预演
创建班级与教案，让学生智能体提前“走进”课堂，发现偏题、盲区与互动僵局。
- 学生画像配置
- 多分支讨论模拟
- 干预策略探索
让每一次讨论
都有迹可循
基于多智能体模拟，连接课前预演、课中引导与课后复盘。把教师的隐性促学经验，转化为可观察、可比较、可迭代的教学决策。
3阶段全流程覆盖
2教师 / 学生双端
∞讨论路径预演
认知路径演化目标覆盖率 76%
当前引导建议引导学生比较病因证据与诊断依据
多智能体模拟还原真实群体差异
多分支策略预演比较不同干预结果
PBL 讨论充满不确定性
让复杂课堂变得可预见
让每次引导都有证据
产品概述
一个系统，贯穿
PBL 教学全流程
PBLAdapter 以多智能体模拟为核心，将课前准备、真实课堂与课后反馈连接成连续的数据链路。
课中 · 引导
同步课堂讨论状态，捕捉知识覆盖、目标进度与个体参与变化，把握最佳介入时机。
- 实时状态感知
- 数据驱动引导
- 多分支路径管理
课后 · 复盘
结合 AI 与教师评价，还原认知状态与讨论路径，将一堂课的经验沉淀为下一次的策略。
- AI 辅助评分
- 课堂路径回溯
- 教学策略迭代
教师端
从“凭经验”
到有依据地引导
模拟学生，预演课堂，读懂实时状态，并把每次决策带回下一轮教学设计。
课前 · 基础准备
创建真实班级的
创建真实班级的
智能体镜像
录入学生知识水平、学习风格、人格特征、推理模式与学习适应性，生成用于模拟讨论的个性化学生智能体。
01
班级画像让模拟从真实差异出发
02
教案绑定设置目标、关键问题与引导节点
班级与教案创建
课前 · 模拟预演
看见讨论的
看见讨论的
每一种可能
系统动态更新智能体认知状态、全局知识覆盖率与目标完成度。教师可暂停干预，对比不同策略带来的分支演变。
偏题趋势预警知识盲区识别互动僵局发现
多智能体模拟与策略探索
课中 · 实时引导
课堂正在发生，
课堂正在发生，
洞察也在同步生长
结合预设引导节点与实际课堂进展，实时呈现讨论状态、知识覆盖与目标完成度，辅助教师判断是否介入、何时介入、如何介入。
课堂状态实时同步知识覆盖动态更新讨论分支实时管理
课堂实时引导与交互
课后 · 评分复盘
一次课堂，成为
一次课堂，成为
下一次进步的起点
AI 从参与度、知识贡献、推理质量与协作表现等维度辅助评分；教师可对比、调整或覆盖结果，并完整回溯关键节点。
课堂复盘摘要
本次课堂
AI 辅助评分86
教师评分90
知识覆盖率82%
目标完成度88%
AI 辅助评分
综合参与度、知识贡献、推理质量与协作表现，生成多维评价依据。
教师评分
结合课堂观察进行人工校准，可采纳、调整或覆盖 AI 评分结果。
课堂复盘
回溯讨论路径、关键节点和认知变化，将复盘结果带回下一轮备课。
学生端
在进入课堂前，
先遇见自己的认知盲点
用个性化学生智能体完成一次低压力的讨论预演，更自信地进入真实 PBL 课堂。
个人画像与声纹注册
创建包含知识、学习风格、人格与推理模式的个人画像；通过声纹辅助识别课堂发言，让真实参与被准确看见。
多智能体模拟预习
在仿真的 PBL 讨论中提前接触关键问题，暴露认知分歧与讨论难点，让预习从阅读材料转向主动推理。
教学闭环
让经验不止停留在一堂课
每一次模拟、介入与反馈都沉淀为下一轮教学的依据。
PBLAdapter数据沉淀 · 策略优化
01
备课
模拟班级与教案
02
授课
实时引导与协同
03
复盘
评分与路径回溯
04
迭代
优化策略与设计
让 AI 理解课堂，
让教师专注于促学
PBLAdapter 面向医学 PBL 教师与医学生，构建更可预见、更有依据、也更尊重人的教学体验。