实验过程管控及交互引导系统、方法、电子设备及程序产品与流程

本技术涉及大语言模型，具体而言，涉及一种实验过程管控及交互引导系统、方法、电子设备及程序产品。

背景技术：

1、在理工科实验教学场景下，学生进行物理、化学、电子等实验操作时，常会遇到操作步骤困惑、实验现象不解或原理概念不清等问题。传统的辅助手段主要依赖于现场教师或助教的指导，这种方式存在响应延迟大、人力资源有限、难以实现个性化辅导等局限性，无法满足大规模、高并发的实验教学需求。

2、随着生成式人工智能（aigc）技术的快速发展，基于大语言模型（如chatgpt、gpt-4等）的智能问答系统已被尝试应用于教育辅助场景。这类通用模型能够基于海量语料生成流畅、连贯的文本回复，在一定程度上缓解了人工辅导的压力。

3、通用模型通常仅基于当前对话的文本历史进行回复生成，无法主动获知或准确判断学生当前在标准实验流程中所处的具体物理步骤，例如，学生实际在进行电路连接的第2步，但模型可能基于问题语义关联到数据处理第5步的内容。这种物理上下文错位容易导致生成的指导信息超前、滞后或与当前操作完全无关，即产生跨步骤幻觉，严重干扰实验进程，甚至引发操作错误。

4、实验操作，特别是涉及高压电、易燃易爆化学品、高温高压设备等的实验，具有潜在危险性。通用大语言模型在训练时并未嵌入针对特定实验场景的安全规则知识库与实时风险判别逻辑。当用户描述或询问涉及危险操作时，模型可能生成看似合理但缺乏必要安全警示或包含危险建议的通用性回复，存在诱导用户进行不安全操作的重大隐患。

5、有效的教学辅导应遵循因材施教原则，根据学生当前的知识掌握水平动态调整辅导策略的深度与方式。通用大语言模型通常以会话为隔离单位，缺乏对用户长期、跨会话的知识点掌握情况进行连续建模和记忆的能力。其每次回复基本是独立的，无法基于学生历史表现曲线（如对某个知识点的掌握概率变化）来实现辅导策略的连贯性与自适应调整，难以实现真正的个性化、进阶式引导。

技术实现思路

1、本技术实施例的目的在于提供一种实验过程管控及交互引导系统、方法、电子设备及程序产品，用以解决现有技术难以满足实时精准的上下文感知、强制性的安全风险防控、以及基于持续认知评估的个性化策略生成的问题。

2、本技术实施例提供的一种实验过程管控及交互引导系统，包括：

3、多模态意图解析单元，用于接收并解析来自用户的文本和/或图像输入，并结合预设的实验流程图，确定用户所处的当前物理实验步骤；

4、动态认知建模单元，与多模态意图解析单元连接，用于根据用户的历史交互数据，运行改进贝叶斯知识追踪算法，计算并动态更新用户对当前步骤相关知识点的认知掌握概率值；

5、安全与策略管控单元，分别与多模态意图解析单元和动态认知建模单元连接，用于：基于预设的关键词库和/或图像危险特征库，对用户输入进行风险检测；当判定风险值超过预设阈值时，触发安全熔断机制，阻断常规回复生成；当判定风险值不超过预设阈值时，根据动态认知建模单元输出的认知掌握概率值所处的数值区间，从预设的多个不同辅导策略模板中选择一个目标策略模板；

6、生成式交互单元，与安全与策略管控单元连接，用于在判定风险值不超过预设阈值时，基于目标策略模板和与当前物理实验步骤相关的知识库上下文，调用大语言模型生成对用户的引导性回复。

7、上述技术方案中，系统通过多模态意图解析单元精准锚定用户当前的物理实验步骤，从根源上解决了通用大语言模型在指导过程中出现的上下文错位与跨步骤幻觉问题，确保了生成指导内容的精确性与流程同步性。系统集成了前置的安全与策略管控单元，构建了强制性的安全约束机制，通过实时风险检测与熔断阻断，有效规避了通用模型可能产生危险操作建议的风险，显著提升了实验教学场景的安全性。同时，系统通过动态认知建模单元，利用改进的贝叶斯知识追踪算法持续量化并更新用户认知状态，并基于此自适应地选择不同辅导策略模板，从而实现了个性化、分层级辅导，将模糊的教学经验转化为可量化、可复现的智能化决策过程，极大地优化了教学资源的配置效率与学生的学习体验。

8、在一些可选的实施方式中，改进贝叶斯知识追踪算法，将用户在实验操作维度的评分结果融入认知掌握概率值的更新计算中。

9、上述技术方案中，通过将用户在实验操作维度的评分结果融入改进贝叶斯知识追踪算法的认知掌握概率值更新计算中，本系统实现了对用户认知状态更全面、更精确的量化评估，突破了传统bkt算法仅依赖答题对错进行判断的单一维度局限，将实验操作的正确性、规范性及熟练度等实践性指标纳入考量，从而构建了理论理解与实践操作相结合的多维认知评估模型。

10、在一些可选的实施方式中，改进贝叶斯知识追踪算法还引入遗忘函数，用于根据时间间隔对知识掌握概率值进行衰减修正。

11、上述技术方案中，过在改进贝叶斯知识追踪算法中引入遗忘函数，用于根据时间间隔对知识掌握概率值进行衰减修正，本系统模拟了人类记忆的客观遗忘规律，使得动态认知建模单元的评估模型更接近真实教学情境，避免了传统模型因仅累积正向反馈而导致的认知状态过度自信，能够更真实地反映学生在长时间未练习后对特定知识点的遗忘程度。通过引入时间维度的衰减机制，系统能够动态、科学地调整辅导策略，例如在探测到学生知识点概率值因遗忘而衰减至较低区间时，自动触发复习性提示或降低引导难度，从而提供更符合认知规律的、更具人性化和长期效用的个性化辅导，提升了系统的自适应教学能力与用户体验。

12、在一些可选的实施方式中，认知掌握概率值的数值区间，通过预设的决策树结构进行策略路由，其中数值区间至少划分为对应于新手的低概率区间、对应于熟练者的中等概率区间以及对应于专家型用户的高概率区间。

13、上述技术方案中，通过分层、结构化的策略分发机制，系统能够为新手用户提供更多基础性解释与纠错指导，为熟练用户提供启发式关键特征提示，为专家用户提供更深层次的反事实推理引导，确保了辅导内容的难度与方式始终与用户当前的真实能力水平高度适配，显著提升了教学的个性化程度与引导效率，并使得整个辅导决策过程具备了高度的透明度、标准化与可复现性。

14、在一些可选的实施方式中，安全熔断机制被触发时，直接向用户输出预设的硬编码安全警示信息。

15、上述技术方案中，安全熔断机制绕过了所有潜在的、包含不确定性的大语言模型生成路径，实现了最高优先级的安全保障，提供了即时、清晰、无风险的警示，有效中断了潜在的危险实验进程，最大限度地降低了由于ai回复不当而引发的安全风险，使系统的整体安全性得到根本性增强。

16、在一些可选的实施方式中，生成式交互单元，还用于根据当前物理实验步骤，从向量数据库中检索与当前步骤及其前序步骤相关的知识库上下文，并屏蔽后续步骤的信息。

17、上述技术方案中，从根本上防止了因知识库信息泄露而导致的跨步骤信息幻觉，确保了大语言模型不会基于后续实验步骤的知识去解释当前步骤的现象或问题，从而彻底杜绝了剧透风险，保证了学习过程的自然探索性与逻辑连贯性。

18、在一些可选的实施方式中，多模态意图解析单元通过图像识别技术和/或系统后台操作日志来确定用户所处的当前物理实验步骤。

19、本技术实施例提供的一种实验过程管控及交互引导方法，包括：

20、接收并解析来自用户的文本和/或图像输入，并结合预设的实验流程图，确定用户所处的当前物理实验步骤；

21、根据用户的历史交互数据，运行改进的贝叶斯知识追踪算法，计算并动态更新用户对当前步骤相关知识点的认知掌握概率值；

22、基于预设的关键词库和/或图像危险特征库，对用户输入进行风险检测；当判定风险值超过预设阈值时，触发安全熔断机制，阻断常规回复生成；当判定风险值不超过预设阈值时，根据认知掌握概率值所处的数值区间，从预设的多个不同辅导策略模板中选择一个目标策略模板；

23、在判定风险值不超过预设阈值时，基于目标策略模板和与当前物理实验步骤相关的知识库上下文，调用大语言模型生成对用户的引导性回复。

24、本技术实施例提供的一种电子设备，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如以上任一所述的方法。

25、本技术实施例提供的一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以上所述方法的步骤。