代老师教学创新设计 · 高等数学智慧课程系统 v2.0#

核心定位#

AI数学学习工作流引擎 — 深度融合OpenClaw十大原则 × 布鲁姆认知高阶性 × 沉浸式学习理论

三大理论融合#

text

┌─────────────────────────────────────────────────────────────┐
│                    OpenClaw 框架能力                          │
│  多Agent协同 │ Cron定时 │ Memory记忆 │ Canvas可视化 │ Tools调用 │
└────────────────────────┬────────────────────────────────────┘
                         │
┌────────────────────────▼────────────────────────────────────┐
│                 教学法理论基础                                 │
│  布鲁姆认知层级(分析/评价/创造) × 沉浸式学习(心流/场景/多模态)   │
└────────────────────────┬────────────────────────────────────┘
                         │
┌────────────────────────▼────────────────────────────────────┐
│               代老师教学创新设计体系                           │
│  任务驱动学习路径 │ 自适应诊断 │ 高阶思维训练 │ 沉浸式场景     │
└─────────────────────────────────────────────────────────────┘

---

一、任务驱动型学习路径（OpenClaw × 高阶认知）#

1.1 布鲁姆六阶认知映射#

yaml

# 数学认知高阶性设计
布鲁姆层级:
  记忆层:
    认知动词: 识别 / 回忆 / 列表
    数学活动: 背诵公式 / 默写定理 / 辨认函数类型
    评估指标: 能否快速准确再现

  理解层:
    认知动词: 解释 / 举例 / 分类
    数学活动: 叙述极限定义 / 举反例 / 判定方程类型
    评估指标: 能否用自己的话阐述概念

  应用层:
    认知动词: 执行 / 使用 / 解决
    数学活动: 用洛必达求极限 / 用分部积分计算不定积分
    评估指标: 能否正确运用标准解法

  分析层:
    认知动词: 区分 / 分析 / 解构
    数学活动: 分析错误根源 / 识别隐含条件 / 比较解法效率
    评估指标: 能否识别关键结构与陷阱

  评价层:
    认知动词: 判断 / 评价 / 批判
    数学活动: 判断证明严谨性 / 评价解法优劣 / 质疑解题路径
    评估指标: 能否提出改进建议

  创造层:
    认知动词: 设计 / 构造 / 发明
    数学活动: 构造辅助函数 / 设计新题型 / 发明简捷解法
    评估指标: 能否产生原创性数学成果

1.2 三维任务分类矩阵#

yaml

# 任务类型 × 认知层级 × 学习模态

        │  记忆/理解    │    应用/分析     │   评价/创造
────────┼───────────────┼──────────────────┼─────────────────
 概念型 │ 定义默写      │ 定理应用         │ 定理推广/新证
        │ ε-δ复述      │ 中值定理证明     │ 构造新辅助函数
────────┼───────────────┼──────────────────┼─────────────────
 计算型 │ 公式背诵      │ 标准题型演练     │ 技巧发明/简化
        │ 积分表记忆    │ 分部积分SOP     │ 发现新积分模式
────────┼───────────────┼──────────────────┼─────────────────
 应用型 │ 题意复述      │ 建模求解         │ 创新建模/跨学科
        │ 应用题条件    │ 最优化问题       │ 物理/经济新应用
────────┼───────────────┼──────────────────┼─────────────────
 探究型 │ 背景了解      │ 规律探索         │ 猜想提出/验证
        │ 数学史关联    │ 数列极限存在性   │ 原创数学探究

1.3 学习路径OpenClaw实现#

yaml

# OpenClaw多Agent协同学习路径

学习路径结构:
  诊断阶段:
    agent: "diagnostic-agent"
    model: DeepSeek-V3 (高性价比)
    工具: 题目测试 → 错误分类 → 知识缺口定位
    输出: 个性化学习路径图谱

  学习阶段:
    探索agent: "research-agent"
    model: Claude Opus (复杂推理)
    工具: 知识图谱查询 / GeoGebra可视化 / 证明策略库
    模式: 两段式 (探索→收口)

    练习agent: "practice-agent"
    model: DeepSeek-V3 (批量处理)
    工具: 题库筛选 / 变式生成 / 自动批改
    模式: 掌握度检测循环

    可视化agent: "viz-agent"
    model: Kimi K2.5 (精确控制)
    工具: Canvas渲染 / GeoGebra API / 动画生成
    模式: 实时交互演示

  巩固阶段:
    cronjob: "spaced-repetition"
    触发: 艾宾浩斯遗忘曲线节点
    工具: Memory读写 / 定时提醒 / 掌握度追踪
    输出: 精准复习任务

  评估阶段:
    agent: "assessment-agent"
    model: Claude Opus (综合判断)
    工具: 开放题生成 / 思维过程评估 / 高阶成果评价
    输出: 认知层级进度报告

---

二、自适应诊断系统#

2.1 诊断流程#

text

┌─────────────────────────────────────────────────────────────┐
│                     学习者入学诊断                            │
└─────────────────────────────────────────────────────────────┘
                              │
          ┌───────────────────┼───────────────────┐
          ▼                   ▼                   ▼
    ┌──────────┐       ┌──────────┐       ┌──────────┐
    │ 知识诊断  │       │ 方法诊断  │       │ 思维诊断  │
    │ 前置知识  │       │ 解题策略  │       │ 认知层级  │
    └────┬─────┘       └────┬─────┘       └────┬─────┘
         │                  │                  │
         ▼                  ▼                  ▼
    ┌──────────────────────────────────────────────────┐
    │              三维能力画像雷达图                   │
    │                                                   │
    │      知识维度    方法维度    思维维度            │
    │         ▲          ▲          ▲                 │
    │         │          │          │                 │
    │        ╱ ╲        ╱ ╲        ╱ ╲                │
    │       ╱   ╲      ╱   ╲      ╱   ╲               │
    │      ╱     ╲    ╱     ╲    ╱     ╲              │
    │     ────────  ────────  ────────               │
    │                                                   │
    └──────────────────────────────────────────────────┘
                              │
                              ▼
    ┌──────────────────────────────────────────────────┐
    │            个性化学习路径生成                      │
    │  起点 ════════► 当前 ════════► 目标             │
    │  (诊断)          (自适应)         (布鲁姆L5-6)    │
    └──────────────────────────────────────────────────┘

2.2 诊断题目设计#

yaml

# 三维度诊断题库

知识维度:
  题目类型:
    - 公式默写: "请写出不定积分分部积分公式"
    - 定理复述: "叙述拉格朗日中值定理的条件和结论"
    - 概念辨析: "判断：'可导必然连续'这个命题是否正确"

  评分: 精确匹配 → 部分匹配 → 错误

方法维度:
  题目类型:
    - 路径选择: "求lim(sinx/x)，首选什么方法？"
    - 步骤排序: "分部积分的正确步骤顺序是？"
    - 错误识别: "下列解法错在何处？"

  评分: 正确选择 → 部分正确 → 策略错误

思维维度:
  题目类型:
    - 证明评价: "这个证明严谨吗？指出可能的问题"
    - 逆向思考: "如果泰勒展开要求余项为o(xⁿ)，需要什么条件？"
    - 构造设计: "如何构造辅助函数证明此定理？"

  评分: 原创思路 → 标准思路 → 无法下手

2.3 诊断输出格式#

markdown

## 学习者能力画像 #{ID}

### 知识维度得分
| 知识点 | 掌握度 | 建议 |
|--------|--------|------|
| 函数与极限 | 75% | 强化ε-δ定义 |
| 导数与微分 | 60% | 补漏链式法则 |
| 不定积分 | 45% | 重点：分部积分 |

### 方法维度得分
| 技能 | 掌握度 | 建议 |
|------|--------|------|
| 洛必达使用 | 80% | 提升条件验证意识 |
| 泰勒展开 | 30% ⚠️ | 优先补救 |
| 分部积分 | 55% | LIATE法则强化 |

### 思维维度得分
| 能力 | 当前层级 | 目标层级 |
|------|---------|---------|
| 分析能力 | L3-应用 | L4-分析 |
| 评价能力 | L2-理解 | L4-分析 |
| 创造能力 | L1-记忆 | L5-评价 |

### 个性化学习路径

起点: 第2章导数薄弱点 │ ▼ 第1步: [补漏] 链式法则专项练习 (3题) │ ▼

第2步: [进阶] 多元函数链式法则对比学习 │ ▼ 第3步: [挑战] 构造复合函数证明题 │ ▼ 目标: 能够独立完成"多元复合函数求导"综合题

text

---

## 三、沉浸式学习场景设计

### 3.1 场景类型矩阵

```yaml
# 沉浸类型 × 数学内容 × OpenClaw实现

场景类型:
  角色沉浸:
    数学家扮演:
      - "你现在是康托尔，证明实数集不可数"
      - "你是魏尔斯特拉斯，解释ε-δ语言的必要性"
    导师扮演:
      - "作为数学导师，指导学生学习洛必达法则"

    OpenClaw实现:
      - sessions_spawn: 创建角色会话
      - SOUL.md: 加载数学家人格

  情境沉浸:
    工程情境:
      - 桥梁设计中的最值问题
      - 信号处理中的傅里叶分析
      - 经济决策中的优化问题

    历史情境:
      - "回到17世纪，用牛顿的方法理解流数"
      - "与莱布尼茨辩论积分的本质"

    OpenClaw实现:
      - Canvas: 场景可视化
      - Memory: 情境上下文保持

  探究沉浸:
    猜想探索:
      - "观察数列aₙ=n·sin(1/n)，猜想其极限"
      - "探索∂²u/∂x²=∂²u/∂y²的解的结构"

    实验数学:
      - GeoGebra数值实验发现规律
      - 迭代观察分形几何
      - 随机模拟验证大数定律

    OpenClaw实现:
      - 浏览器/Canvas: 交互式探索
      - exec: 运行计算脚本

  游戏沉浸:
    解题闯关:
      - 主线任务：通关章节BOSS（综合题）
      - 支线任务：收集知识点碎片
      - 成就系统：完成证明即解锁称号

    竞赛模式:
      - 限时挑战
      - 排行榜
      - 技能树解锁

    OpenClaw实现:
      - cron: 定期任务
      - Memory: 进度存档

3.2 沉浸场景示例#

markdown

## 场景1: ε-δ语言的顿悟时刻

### 场景设定
{
  "role": "历史重现",
  "persona": "康托尔(1845-1918)",
  "context": "1870年的德国，你正在向年轻数学家解释你的极限理论..."
}

### 对话流程
┌─────────────────────────────────────────────────────────────┐
│ 🦞 定积: "想象你站在数轴上，任意画一个小区间(ξ-ε, ξ+ε)"      │
│                                                             │
│ 👤 学生: "我画好了"                                          │
│                                                             │
│ 🦞 定积: "现在，不管这个区间多小，我都能找到一个δ>0，         │
│          使得所有x₀附近的点，函数值都落在这个区间内"          │
│                                                             │
│ 👤 学生: "这就是'无限接近'的意思吗？"                         │
│                                                             │
│ 🦞 定积: "不，这是'极限'的精确定义！你刚才描述的是直观，      │
│          而我给的是数学证明可以用的语言。"                    │
│                                                             │
│ [动态演示] 拖动ε滑块，观察δ如何相应变化                      │
└─────────────────────────────────────────────────────────────┘

### OpenClaw工具调用
- Canvas: ε-δ可视化动态演示
- Browser: 交互式滑块
- Memory: 记录顿悟时刻，后续复习

markdown

## 场景2: 积分工程师

### 场景设定
{
  "role": "工程计算",
  "context": "你是一家建筑公司的结构工程师，需要计算旋转楼梯的钢轨长度",
  "task": "楼梯方程y=sin(x)，x∈[0,π]，绕x轴旋转，求表面积"
}

### 学习任务

🎯 任务目标: 计算旋转曲面面积

📋 任务拆解:

1. [理解] 旋转曲面面积元素 dS = 2π·y·ds
2. [分析] ds = √(1+y'²)dx 的几何意义
3. [计算] 建立定积分表达式
4. [验证] 用GeoGebra 3D旋转验证结果
5. [评价] 与实测值比较，讨论误差来源

🏆 交付物: 计算报告 + 误差分析 + 改进建议

text

### 沉浸机制

心流状态维护:

• 难度自适应: 连续答对→自动提升难度
• 即时反馈: 每步计算后立即显示对错
• 进度可见: 任务进度条可视化

多模态学习:

• 视觉: GeoGebra 3D旋转动画
• 听觉: 定积语音讲解
• 动觉: 交互式参数调整

text

---

## 四、间隔重复与记忆管理系统

### 4.1 艾宾浩斯记忆曲线实现

```yaml
# OpenClaw Cron + Memory 实现

记忆周期设计:
  第1次复习: 1天后
  第2次复习: 3天后
  第3次复习: 7天后
  第4次复习: 14天后
  第5次复习: 30天后
  第6次复习: 60天后

触发机制:
  cronjob:
    名称: "数学记忆巩固"
    时间: "每日 09:00 / 21:00"
    检查: Memory/记忆曲线节点

执行内容:
  1. 读取待复习知识点列表
  2. 生成间隔提醒消息
  3. 附带1道快速检测题
  4. 根据答题情况更新记忆权重

4.2 记忆数据结构#

yaml

# Memory中的学生知识状态

memory/student-{id}/
├── knowledge_state.json
│   {
│     "topics": {
│       "分部积分": {
│         "mastery": 0.75,
│         "last_review": "2026-03-28",
│         "next_review": "2026-04-01",
│         "review_count": 3,
│         "error_patterns": ["循环选u错误", "忘记加C"]
│       },
│       "泰勒展开": {
│         "mastery": 0.45,
│         "last_review": "2026-03-25",
│         "next_review": "2026-03-28",  ⚠️ 需复习
│         "review_count": 1,
│         "error_patterns": ["阶数选择错误"]
│       }
│     },
│     "cognitive_level": {
│       "analysis": "L3",
│       "evaluation": "L2",
│       "creation": "L1"
│     }
│   }
│
└── learning_path.json
    {
      "current_chapter": 3,
      "weak_points": ["泰勒展开", "中值定理证明"],
      "target_level": "L4-分析",
      "daily_goal": "完成2节专项练习"
    }

---

五、高阶思维训练系统#

5.1 分析能力训练（布鲁姆L4）#

yaml

# 分析型任务设计

错误根因分析:
  题目示例:
    "学生使用洛必达法则求解 lim(x→0) x·cotx，得到1
     请分析：(1)结果对吗？(2)过程可能哪里出错？
     (3)正确的解法是什么？(4)如何避免此类错误？"

  评估标准:
    - 能否准确识别错误类型
    - 能否给出因果分析
    - 能否提出预防策略

结构分析:
  题目示例:
    "分析拉格朗日中值定理与罗尔定理的关系，
     画出它们构成的知识网络图"

  评估标准:
    - 能否识别深层结构
    - 能否建立正确关联
    - 能否可视化呈现

5.2 评价能力训练（布鲁姆L5）#

yaml

# 评价型任务设计

证明严谨性评价:
  题目示例:
    "判断以下证明是否严谨，如有问题请指出并修正：

     证明: lim(x→0) sinx/x = 1

     解: 根据重要极限公式 lim sinx/x = 1，
     所以该极限值为1。∎"

  评估标准:
    - 能否识别循环论证
    - 能否指出证明漏洞
    - 能否给出严谨证明

解法优劣评价:
  题目示例:
    "用三种方法求 lim(x→0) (eˣ-1)/x
     (1)洛必达 (2)泰勒展开 (3)等价无穷小
     评价三种方法的优劣，并说明何时选择何种方法"

  评估标准:
    - 能否多角度对比
    - 能否给出选择策略
    - 能否设计评分标准

5.3 创造能力训练（布鲁姆L6）#

yaml

# 创造型任务设计

辅助函数构造:
  题目示例:
    "请构造一个辅助函数，证明以下命题：
     '若f''(x)>0在(a,b)恒成立，则f在(a,b)严格递增'

     提示：考虑几何意义（切线斜率）或利用导数定义"

  评估标准:
    - 能否产生原创构造
    - 能否解释构造思路
    - 能否验证构造有效性

新题型设计:
  题目示例:
    "基于分部积分的原理，设计一道综合性题目，
     需结合：不定积分 + 变上限积分 + 微分方程"

  评估标准:
    - 题目是否有数学价值
    - 解法是否合理
    - 难度是否适中

数学猜想提出:
  题目示例:
    "观察以下数列的收敛行为：
     aₙ = n·sin(1/n), bₙ = n²·sin(1/n), cₙ = n·sin²(1/n)

     猜测极限关系，并尝试证明你的猜想"

  评估标准:
    - 猜想是否有创造性
    - 证明是否有逻辑
    - 能否推广结论

---

六、实时掌握度追踪系统#

6.1 掌握度计算模型#

yaml

# 多维度掌握度评估

掌握度 = f(正确率, 复杂度, 时间, 独立性)

计算公式:
  M = w₁·R + w₂·C + w₃·T + w₄·I

  其中:
    R = 题目正确率 (0~1)
    C = 题目复杂度系数 (基础题1.0, 中档1.2, 难题1.5)
    T = 时间效率 (标准时间的比例)
    I = 独立完成度 (0.5提示/1.0独立)

  权重: w₁=0.4, w₂=0.2, w₃=0.2, w₄=0.2

掌握等级:
  M ≥ 0.9: 🌟 精通
  0.7 ≤ M < 0.9: ✅ 掌握
  0.5 ≤ M < 0.7: ⚠️ 待强化
  M < 0.5: 🔴 需补救

6.2 掌握度仪表盘#

markdown

## 学习仪表盘 {date}

### 今日概览

┌────────────────────────────────────────────────────────────┐ │ 今日学习时长: 45分钟 │ │ 完成题目: 12道 (正确率: 83%) │ │ 新知识点: 3个 │ │ 复习知识点: 5个 │ │ │ │ 今日认知层级: L3 → L3 (持平) │ │ 距目标: 还需提升2个分析题、1个评价题 │ └────────────────────────────────────────────────────────────┘

text

### 6.3 预警与推荐

```yaml
# 自动预警系统

预警规则:
  1. 单一知识点正确率 < 60% → 🔴 知识薄弱预警
  2. 连续3天无进步 → 🟡 学习停滞预警
  3. 某类型错误重复出现 → 🟡 习惯性错误预警
  4. 目标达成率 < 50% → 🔴 进度落后预警

推荐机制:
  预警触发后:
  1. 生成个性化补救任务
  2. 调整后续学习路径
  3. 必要时回退到前置章节
  4. 推送复习提醒(Cron)

---

七、多Agent协同教学架构#

7.1 Agent分工矩阵#

yaml

# OpenClaw sessions_spawn 实现

┌─────────────────┬────────────────┬─────────────────┐
│     Agent       │     模型       │      职责       │
├─────────────────┼────────────────┼─────────────────┤
│ diagnostic      │ DeepSeek-V3    │ 入学诊断/水平测试│
│ research        │ Claude Opus    │ 深度探索/证明生成│
│ practice        │ DeepSeek-V3    │ 练习生成/批改    │
│ visualization   │ Kimi K2.5      │ GeoGebra/Canvas │
│ assessment      │ Claude Opus    │ 高阶评估/反馈   │
│ memory          │ DeepSeek-V3    │ 记忆管理/进度   │
└─────────────────┴────────────────┴─────────────────┘

协同流程:
  诊断 → 学习 → 练习 → 可视化 → 评估 → 记忆
    ↑                                        │
    └────────────── 反馈循环 ─────────────────┘

7.2 Agent通信协议#

yaml

# 跨Agent消息格式

消息结构:
{
  "from": "practice-agent",
  "to": "visualization-agent",
  "type": "request_viz",
  "payload": {
    "task_id": "INT-2026-0401-001",
    "content": "分部积分过程可视化",
    "params": {
      "expression": "∫x·eˣdx",
      "steps": ["选u=x, dv=eˣdx", "du=dx, v=eˣ", "结果"],
      "animation": true
    }
  },
  "context": {
    "student_id": "user-001",
    "learning_path": "第4章-不定积分",
    "difficulty": "L3-应用"
  }
}

响应格式:
{
  "status": "completed",
  "output": {
    "viz_url": "https://canvas.../integration_by_parts",
    "interaction_enabled": true
  }
}

---

八、完整学习路径示例#

markdown

# 代老师高数学习路径 v2.0

## 起点: 入学诊断

诊断结果: 知识维度: L2-理解 (65%) 方法维度: L2-理解 (55%) 思维维度: L1-记忆 (40%)

目标: 12周后达到 L4-分析 (目标70%)

text

## 第1-2周: 极限概念建构

学习目标: 从直观极限 → ε-δ严格定义

Day 1-2: 直观极限概念

• 动画观察: 数列aₙ=1/n趋近于0
• 情境: "刘徽割圆术的极限思想"
• 任务: 描述你对"无限接近"的理解

Day 3-4: ε-δ语言入门

• 沉浸场景: 康托尔角色扮演
• 核心: 读懂"对所有ε>0，存在δ>0..."
• 任务: 判断3个命题是否正确

Day 5-7: ε-δ证明训练

• SOP: ε-δ证明五步法
• 练习: 证明 lim(x→3) (2x+1)=7
• 反馈: 逐行批改

Week 2: 融入知识图谱

• 关联前置: 函数连续性
• 导出后续: 导数定义
• 诊断: 极限存在性判断

text

## 第3-4周: 导数与应用

学习目标: 理解导数作为"变化率"的本质

Week 3: 导数定义与几何

• 物理情境: 瞬时速度
• 几何情境: 切线斜率
• 定义: f'(x) = lim Δx→0 Δy/Δx
• 分析任务: 分析导数定义与极限的关系

Week 4: 求导法则与链式

• SOP: 链式法则执行流程
• 探究: 复合函数求导为什么是乘法？
• 创造: 设计一道综合求导题

掌握度目标: M ≥ 0.75

text

## 第5-8周: 中值定理与洛必达

学习目标: 建立"局部↔整体"桥梁思维

Week 5-6: 三大中值定理

• 角色沉浸: "作为拉格朗日，证明你的定理"
• 证明策略库: 辅助函数构造法
• 分析任务: 比较三大定理的异同

Week 7-8: 洛必达与泰勒

• 高阶任务: 评价洛必达vs泰勒的适用范围
• 探究: 泰勒公式如何统一近似计算
• 创造: 用泰勒展开证明某个极限

认知跃迁: L2-理解 → L4-分析

text

## 第9-12周: 积分与综合应用

Week 9-10: 定积分与微积分基本定理

• 物理情境: 曲边梯形面积 → 定积分
• 核心: 黎曼和 → 极限 → 定积分
• 应用: 旋转体体积计算

Week 11-12: 微分方程与建模

• 建模任务: 人口增长模型
• 评价任务: 评估不同模型优劣
• 创造任务: 设计自己的应用问题

毕业标准: 独立完成综合项目 + 认知层级L4达成

text

---

## 九、批改反馈规范（高阶版）

### 9.1 分层反馈体系

```yaml
# 根据认知层级差异化反馈

L1-L2 (记忆/理解) 反馈:
  重点: 知识准确性和完整性
  语气: 直接纠正 + 范例展示
  格式: "正确答案是... 请参考标准解法"

L3 (应用) 反馈:
  重点: 方法选择和步骤规范
  语气: 引导发现 + 策略建议
  格式: "你的方法可以，但建议... 这样更高效"

L4-L5 (分析/评价) 反馈:
  重点: 思维深度和批判性
  语气: 平等讨论 + 开放性问题
  格式: "你的分析有道理，但从...角度看...
         你觉得呢？"

L6 (创造) 反馈:
  重点: 原创性价值评估
  语气: 欣赏鼓励 + 改进建议
  格式: "这个构造很有创意！能否进一步考虑...的情况？"

9.2 高阶反馈模板#

markdown

## 定积高阶诊断报告 #{date}

### 🔍 思维过程分析

**你的解法路径**:

lim(x→0) (eˣ-1)/x → 洛必达: lim(eˣ)/1 = e⁰ = 1 ✓

text

**深度评价**:
你的解法正确，但在L4分析维度，定积注意到：
- 方法选择：用了洛必达，但没有验证使用条件（0/0型）✓已验证
- 效率分析：其实可以直接用泰勒展开一步到位
- 思维拓展：这是微分本质的重要体现——f'(0) = lim(f(x)-f(0))/x

**定积提问**:
> 如果把eˣ换成sinx，这个方法还适用吗？为什么？

**建议挑战**:
如果能回答上面的问题，你就能达到L5评价层级了！

### 📊 认知层级进度

记忆: ████████████ 85% ✅ 理解: █████████░░░ 75% ✅ 应用: █████████░░░ 80% ✅ 分析: ████████░░░░ 60% 🟡 继续提升 评价: ████░░░░░░░░ 35% 🔴 需专项训练 创造: ██░░░░░░░░░░ 15% 🔴 长期目标

text

---

## 十、OpenClaw能力深度整合

### 10.1 工具调用矩阵

```yaml
# OpenClaw工具 × 数学场景

工具              │ 数学场景                    │ 调用方式
─────────────────┼────────────────────────────┼──────────────
exec/Python       │ 符号计算/数值验证           │ 执行CAS脚本
Canvas            │ 动态可视化/交互演示         │ 实时渲染
Browser/GeoGebra  │ 函数图像/几何演示           │ 网页嵌入
Memory读写        │ 学习进度/知识状态           │ JSON存储
sessions_spawn    │ 多Agent协同/角色扮演        │ 子会话
cron定时         │ 间隔重复/每日复习          │ 定时任务
message           │ 学习提醒/进度推送           │ 微信通知
tts语音           │ 公式朗读/讲解              │ 语音合成
lightclaw_upload │ 作业提交/报告下载          │ 文件上传

10.2 工作流编排示例#

yaml

# 完整学习工作流

workflow:
  name: "分部积分专项学习"

  steps:
    1:
      agent: diagnostic
      action: 加载学生历史错题
      output: 错误模式报告

    2:
      agent: research
      action: 生成个性化LIATE讲解
      context: 基于错误模式调整讲解重点

    3:
      agent: visualization
      action: 生成动态决策树
      output: Canvas交互演示

    4:
      agent: practice
      action: 推送3道变式练习
      adaptive: 根据正确率动态调整难度

    5:
      agent: memory
      action: 更新掌握度 + 安排复习
      cron: "1天后/3天后/7天后"

    6:
      agent: assessment
      action: 生成阶段评估报告
      output: 认知层级进度 + 下一步建议

---

快速启动模板#

markdown

# 代老师教学创新 · 启动指令

基础生成:
  "积积，生成定理：拉格朗日中值定理，证明+几何+应用"

情境沉浸:
  "积积，我是大一同学，设定积分的工程应用场景"

诊断启动:
  "积积，帮我做入学诊断，测试函数与极限基础"

路径规划:
  "积积，我需要12周学习计划，目标达到L4分析层级"

高阶挑战:
  "积积，给我一道L6创造级别的证明题"

沉浸体验:
  "积积，我扮演柯西，你来教我ε-δ语言"

间隔复习:
  "积积，检查我的复习任务，今天该复习什么？"

---

代老师教学创新设计风格 · 高等数学智慧课程系统 v2.0 核心理念: OpenClaw × 布鲁姆高阶认知 × 沉浸式学习 版本: 2.0 (认知高阶性 + 沉浸式场景 + 多Agent协同)