Проблема: разрыв между знанием и применением
Студенты часто могут определить правильный ответ, но теряются при его применении в новых условиях. Традиционные симуляции эффективны для закрытия этого разрыва, но их создание требует огромных ресурсов. Команда Generative AI Labs из Университета Пенсильвании (Wharton) создала Primer — систему, которая демократизирует этот процесс, позволяя преподавателям проектировать условия обучения, а не прописывать каждый сценарий вручную.
Архитектура: от интервью к playable-опыту
Проект работает в два этапа: авторизация (создание) и рантайм (использование). Ключевая инновация — авторизация через диалог. Преподаватель не пишет код, а отвечает на структурированные вопросы ИИ-агента. Система использует принцип «backward design»: сначала определяются цели и критерии оценки, затем генерируется документ дизайна, который учитель утверждает. Только после этого запускаются агенты-исполнители.
Техническая реализация: мультиагентная система
Primer использует специализированных агентов, каждый из которых отвечает за свой этап. Архитектура LLM-агностична и поддерживает локальные модели для соблюдения приватности. Ниже представлена структура ключевых компонентов системы:
| Агент / Компонент | Функция в процессе | Роль в обучении |
|---|---|---|
| Intake Agent | Сбор требований через интервью | Фиксирует цели, уровень студентов и типичные заблуждения |
| Design Agent | Генерация документа дизайна | Структурирует сценарий, персонажей и логику адаптации |
| Casting Director | Создание промптов для ролей | Формирует инструкции для ментора, партнера по практике и агента обратной связи |
| Image Generation Agent | Визуализация | Создает фоновые изображения для сцен симуляции |
| Experience Builder | Сборка финального продукта | Объединяет промпты, изображения и конфиги в playable-опыт |
Роль преподавателя: эксперт, а не оператор
В отличие от многих AI-инструментов, где ИИ принимает решения сам, в Primer преподаватель остается в центре процесса. ИИ не имеет права строить симуляцию без явного одобрения дизайн-документа учителем. Это решает проблему «галлюцинаций» и отклонения от учебных целей, характерную для базовых LLM. Все промпты, шаблоны и код выложены на GitHub под открытой лицензией, позволяя исследователям модифицировать архитектуру под свои нужды.
Почему это важно
Primer демонстрирует переход от «чата с ИИ» к «ИИ как педагогическому инструменту». Система внедряет принципы обучения (скаффолдинг, извлечение знаний, обратная связь) непосредственно в инструкции агентов, а не полагается на общую эрудицию модели. Это создает воспроизводимый шаблон для создания персонализированного обучения, масштабируемого на целые классы.
Источник: Upenn ↗
