一、现实痛点与技术应用拐点

　　1.实践痛点：无人指导与数据荒废共存

　　师范生教育实习松散化是全球职前教师教育的痛点(世界银行报告，2026)，其主要表现为指导教师(Mentor Teacher)专业能力不足、激励缺失，政府、师范院校、中小学和教师工会等机构协同不足。具体到我国，存在以下问题：师范院校在校生规模普遍较大，而周边中小学校实习生接收容量相对有限；教育实践经费投入不足；高校实习带队教师和中小学指导教师受限于工作负担，精力有限，难以提供充分的指导与陪伴。

　　随着“教育数字化”战略推进，师范生培养集中于师范院校的特点，正转化为将实习反思与指导数据沉淀为教师教育资源的独特优势。我国部分高校自2017年开展“师范专业认证”以来，积累了大量的教师职前教育数据。例如，洛阳师范学院(以下简称“我校”)于2019年12月到2025年6月之间在“智慧实习云平台”积累了本科生实习反思363875条。其中部分师范生的实习反思得到了指导教师的在线等级评定和点评反馈。依据教师专业发展规律，实习生所遇问题往往具有共性。往届师范生在实习时总结的经验与教训，可以成为即将实习或正在实习的师范生的“方法宝典”和“避坑指南”。

　　师范生实习日志(或周报)是“新入职教师”在真实课堂中生成的实践叙事，兼具个体性与公共性。这些源于一线、具有“亲近感”的数据，经过挖掘与加工后，可直接服务于师范生、实习教师和新入职教师的培养。同时，它们弥补了当前教师教育类教材偏重于优秀教师案例，而对新入职教师实践经验与失误反思关注不足的结构性缺口。

　　然而，上述数据在利用层面仍存在以下三方面的问题：一是信息孤岛化，经验难以实现跨时空共享，大量隐性知识随实习结束而流失；二是检索低效化，无法按问题类别、情境快速提取，仅能依赖人工筛选；三是应用静态化，常为事后阅读与评价，缺乏交互式、个性化与即时性的支持。以第三点为例，大量师范生实习期间的表现与记录尚未受到入职学校或教师继续教育机构的充分关注。

　　2.技术拐点：生成式人工智能的兴起

　　随着数字技术的快速发展，特别是2022年底ChatGPT的出现，引发了全球对生成式人工智能(Artificial Intelligence Generated Content，AIGC)的广泛关注，随后智能体(Agent)等相关技术不断涌现。在这一背景下，我国作为教育大国，其规模优势在社会主义制度条件下更易转化为数字技术优势，使得教育数据有望在人工智能技术驱动下被进一步激活与释放价值。同时，国家层面持续强调以人工智能赋能教师发展，推动教育数据在教学、管理与评价等环节中的深度融合与应用。

　　生成式人工智能技术能够将师范生的实习周报转化为可交互的智能体，使原本分散、静态的个体经验转化为可随时调用的动态知识资源，从而实现“经验即服务”。基于此，本项目的核心目标包括：其一，探索并构建“实习周报—结构化知识库—对话式智能体”的转化路径；其二，通过真实教育实践案例，验证智能体在支持师范生专业成长中的应用效果，重点涵盖备课设计、课堂管理、师生互动、与实习指导教师沟通以及突发事件应对等关键场景。

　　项目组尝试采用“AI分析+人工识别确认”的方式，系统提取教育见习、教育实习与研习选题等相关内容，构建结构化知识库，并在此基础上开发师范生“教育实践教练”系列智能体，面向全校师范专业学生搭建网络化学习支持平台。目前，该系列智能体包括“教育见习助手”“实习陪伴教练”和“研习选题伴学”三个子系统，已在教育实习的知识管理与实践应用中初步形成示范效应。相关智能体已集成至微信公众号菜单中(如图1所示)，便于学生随时调用与使用。

图1 本项目所依托微信公众号界面及其“自定义菜单”

　　其中，“教育见习助手”目前以科学课程为示例，面向低年级师范生的教育见习环节提供支持；“智能体远程指导”主要用于师范专业师生开展毕业论文选题与教育研习的辅助探索；“实习教练”则面向正在开展教育实习的师范生，支持通过微信对话框或扫描小程序二维码两种方式进行交互使用。

　　二、技术路径：从实习周报到结构化知识库

　　1.数据来源与预处理

　　以本项目开发的“实习陪伴教练”智能体试用样本数据为例，4021条实习周报来自2020-2021学年小学教育专业在133所实习学校的246名师范生。实习反思通常持续17-19周，涵盖实习初期、实习中期(期中考试前后)和实习末期，构成了完整的学期实践记录。记录内容包含“本周工作总结、遇到问题、下一步计划、带队教师评语”四部分，形成“行动—问题—反思—指导”的完整闭环。这些记录较为真实地呈现了高年级师范生在中小学、幼儿园实习期间的心态变化、工作日常和生活状态。为便于后续分析利用，项目组借助大语言模型(Large Language Model，LLM)，对原始文本进行预处理，包括格式统一、隐私脱敏、段落切分和字段标注，以实现知识的初步结构化(见表1)。

表1 试用版样本数据经“扣子(Coze)”归纳的知识类别和问题类型

　　2.知识库构建与检索增强生成(RAG)

　　项目组基于师范生实习反思知识库，通过与DeepSeek、Kimi、MiniMax、豆包、千问等大语言模型(LLM)对话，系统梳理了实习中常见问题及应对策略，形成初步知识库。随后，项目组利用国产智能体开发平台“扣子(Coze)”和“腾讯元器”，将初步标注的结构化数据以CSV(Comma-Separated Values，一种纯文本表格格式)形式上传，搭建专属私有知识库(见图1)。上述平台基于RAG(Retrieval-Augmented Generation，检索增强生成)技术，确保智能体在回答问题时，优先从知识库中检索最匹配的真实案例作为生成依据，有效规避了通用大模型的“幻觉”问题，从而保障了经验来源的真实性、可溯源性和情境适配性。相关智能体(试测版)已发布在“腾讯元器”和“扣子(Coze)”上，如图2、图3所示。

　　在此基础上，项目组坚持定期复盘，每两个月从“扣子(Coze)”和“腾讯元器”后台导出对话记录，筛选出高频问题、低满意度回答(如“点踩”较多)以及有代表性的真实案例。项目组将回答欠佳的问题及其优化后的答案整理为新文档，上传至知识库，同步迭代优化提示词。例如，若发现实习生在特定周次频繁询问“该做什么”，则在提示词中强化按实习阶段给出建议的能力。

图2 在“腾讯元器”上发布的智能体(试测版)

图3 在扣子(Coze)上发布的实习陪伴教练智能体(试测版)

　　三、智能体搭建：面向师范生教育实践场景的设计与实现

　　1.智能体人设与系统指令设计

　　项目组将核心智能体命名为“实习陪伴教练”，其人设为“过来人+教练型学长学姐”，兼具情感陪伴与专业指导双重功能。系统指令(部分)设计如下：“你是一名师范生实习期间的伴学智能体，名叫‘实习教练’；你的语气要像一位有经验的学长学姐，既亲切共情，又能在关键问题上给出教练式指导；你的所有回答都必须优先依据知识库中的真实实习周报，并尽量注明经验来源(如知识库中无匹配经验，也可如实告知用户)；你的问题回答结构是先表达对实习生情绪的理解，再提供方案并列出两三条建议，最后在结尾部分作正能量引导。”

　　2.知识库的多维结构设计

　　为实现更精准的匹配，项目组在AI智能分析基础上，将上述4021条实习记录按“阶段×城乡×问题类型”三维结构进行组织，并划分为阶段特征、城乡差异、问题库、成长轨迹和经验精华五大模块，如表1所示。这一设计使智能体能够结合实习生所处的实习阶段与学校类型，提供更具针对性的指导。例如，试用样本中农村学校记录2497条、城市学校1524条，两者在课堂管理策略与学生构成等方面存在显著差异，智能体据此可在回答中优先匹配同类型学校的经验。同时，项目组以“常见问题×干预方案”为维度对上述结构化数据进行归纳，得到类似表2的分析框架，为智能体回答的条理性提供支撑。

表2 知识库分析结构(示例)

　　3.典型应用场景与对话示例

　　在“教育见习助手”智能体的搭建环节，项目组基于2019-2025年的全校师范生实习记录，以“科学”为检索词获取7365条信息，直接导入知识库供AI筛选；或采用“科学课”作为精准检索词获取1520条信息以构成知识库。该知识库注入上述智能体之后，师生即可通过对话了解科学课开设情况与常见问题等。

　　依托“实习陪伴教练”智能体后台，项目组可基于实习生的提问记录，归纳形成“本周实习生TOP5(高频)问题”等分析结果。

　　师范生“教育实践教练”智能体系列之“教育见习助手”和“实习陪伴教练”智能体使用界面如图4所示。

图4 “教育见习助手”和“实习陪伴教练”智能体使用界面

　　场景一：2025级科学教育专业学生开始教育见习

　　师范生提问：

　　“我校哪些专业的师范生在承担科学课?记录了哪些问题?”

　　智能体回答(节选)：

　　小学教育专业的出现频率最高，思想政治教育专业次之。物理学、化学、生物等理科师范专业也有部分实习生从事科学课教学。其余非理工科专业也有，如文学院、学前教育。

　　他们记录了“强烈的知识焦虑与备课压力”、“教学方法与课堂管理上的无力感”、“应试与素养培养的矛盾”和“逐步的成长与胜任感的建立”等问题。

　　场景二：2026届学前教育专业学生毕业论文选题与潜在调研对象筛选

　　实习生提问：

　　“哪些学长、学姐记录了幼儿园环境创设中的幼儿参与?”

　　智能体回答：

　　有多位师范生明确记录了幼儿园物质环境创设中幼儿参与的情况，并分析了存在问题和对策思考，这是他们专业反思中的重要组成部分。张淑娅、卢光燕、张海姣等记录了“幼儿参与流于形式，大多停留在作品被张贴的表层，未能真正参与决策”的现实。卢格格认为存在“‘成人审美’遮蔽‘童心世界’”，吴盼盼、刘媛媛认为存在“‘任务导向’压倒‘过程体验’”，傅艺璇、卢格格则认为存在“‘材料匮乏’限制‘表达空间’”等问题。在对策建议方面，佘晓婷通过“正面案例”、吴新仪通过“负面案例”认为应该“让幼儿成为设计者与决策者——发挥信任的力量”；卢格格和卫乐认为应该“让环创回归生活和自然——实现联结的智慧”；张淑娅和卢格格认为应该“理解环创的教育意义——让努力被看见”。

　　这些真实的记录表明，环境创设不应是教师的独角戏，而应成为师幼共同生活、共同表达与共同成长的生动过程。

　　场景三：小学教育专业实习生咨询课堂纪律管理

　　实习生提问：

　　“课堂纪律差，该如何管理?学长、学姐在周报中怎么说的?”

　　智能体回答：

　　我们当时也遇到过课堂纪律差的问题，确实令人头疼。不过，学长学姐们在周报中总结了一些有效的管理方法，或许对你有所帮助。

　　首先是表扬与奖励，在课堂秩序较差时，教师可及时表扬表现好的同学，让其他学生受到正面激励。例如，郝珍玉通过在下课时表扬表现好的同学，并给予印章奖励(其印章可换积分，积分可兑小礼物)。其次是严厉与温和结合，赵硕认为管理课堂纪律时要严厉，让学生怕你；但同时也要注意温和的一面，通过与学生交流了解他们的心理。最后是课堂管理技巧，他们的记录提到课堂管理需要技巧，例如在课堂上多走动，关注每个学生的表现，及时制止不当行为；同时，通过设计有趣的课堂活动，提高学生的参与度和兴趣。

　　此外，尚心悦在第二周到第四周，一直记录她的课堂存在问题；黄琳怡在周报中分析了课堂纪律差的原因，还尝试通过变得严肃来改善纪律；张新宁提到班里“不想学”的同学捣乱，影响了她的教学效果。

　　四、实践成效与反思

　　1.实现从“经验沉淀”到“数据活化”的闭环

　　目前，该系列智能体已在师范生教育实践中开展试验，初步实现了“经验沉淀—数据活化—实践改进—知识迭代”循环。智能体让原本零散、沉睡的实习经验变得可检索、可对话，在一定程度上实现了“超时空”的知识连接。部分教师教育公共课和学科教学法教师开始借助智能体对话，检索实习记录，挖掘真实案例，丰富课堂教学。

　　例如《课程与教学论》(小学教育专业)教材第五章“教学模式”的问题情境是“你认为当下的课堂教学是传统的还是现代的?”。针对低年级师范生中相当一部分已很久不关注小学的情况，教师可引导师范生在实习反思记录中检索“传统”、“现代”等关键词，或直接将数据导入DeepSeek等大语言模型(LLM)并询问“通过查看这些记录，你认为当下课堂是传统还是现代的?”等问题，以获得答案。

　　2.低代码路径彰显“技术民主化”价值

　　项目组全程依托“扣子Coze”和“腾讯元器”等零代码平台，将技术门槛降至最低，使非技术背景的师生也能参与智能体的搭建与迭代。该实现路径打破了传统课程资源开发对技术团队的依赖，让智能体开发不再是少数技术人员的专利，对校内师范专业以及校内外其他专业师生均具有示范价值。也因此，本项目得到了较多教育同行的认可与欢迎；同时智能体嵌入的微信公众号“洛师方案智库”(heluoxiaojiaoren)，目前订阅人数也已达669。

　　3.“做中学”提升师范生的人工智能素养

　　2026年4月，教育部等五部门印发《“人工智能+教育”行动计划》，明确提到“将人工智能纳入教师资格考试和认证内容”。在本项目的实施过程中，师范生在教育见习与实习阶段不仅是智能体的使用者，更是知识库迭代的贡献者，这种“做中学”的参与式人工智能应用体验，有助于提升其人工智能素养。

　　4.当下的不足

　　首先，目前本项目探索的智能体仍处于试测阶段，知识库的多维结构设计有待完善。当下应用较为集中的场景包括科学教育专业见习(知识库来自全校师范生实习反思数据)和小学教育专业师范生在实习中对微格教学技能的体悟(知识库来自样本数据)。今后，项目组将依据用户交互数据，探索利用大语言模型(LLM)进行更多维度的半自动归类与人工确证，如引入舒尔曼“教师知识分类”、维曼“实习教师现实震撼”等理论框架，对知识库进行更有深度的结构化分析。

　　其次，数据模态较为单一。目前项目主要基于文本数据开展分析，尚未纳入实习学校照片(校园文化)、课堂板书照片等多模态数据源。我校2023-2024年在“智慧实习云平台”上积累的实习生所拍摄照片，尚待挖掘与利用。

　　最后，效果评估尚不全面。现阶段项目组主要依赖用户主观反馈判断智能体的实用性，后续需设计更系统的实证研究方案(如与优秀实习基地开展相关智能体应用研讨)来评估智能体的实际效果。

　　五、未来展望

　　其一，构建跨校、跨区域的师范专业实习生知识网络，形成更大规模的师范生教育实践智能体联盟。该系列智能体发布后，得到了校内外多位专家的肯定与鼓励，并吸引了山东泰山学院、周口师范学院、重庆三峡科技大学、郑州工商学院、郑州升达经贸管理学院等多所院校教师的关注。后续需进一步征询相关研究与实践者的意见，推动共建共享。

　　其二，推进教师教育职前、职后一体化的知识图谱设计。项目组后期可基于“实习生教学反思+在职教师实践反思”的知识互补进行一体化设计，支持师范生、高校带队教师与中小学指导教师通过数据直观对比新入职教师和成熟教师在特定问题上的认知差异。

　　其三，建立常态化的知识库动态迭代机制。项目组将适时收集当前实习生的新问题、新困惑，并提炼为新知识，在每学年末进行知识库更新，以避免案例陈旧、内容过时。

　　作者：

　　张献伟 洛阳师范学院 科学教育系讲师

　　郭利强 洛阳师范学院 学前教育学院院长

　　周 震 洛阳师范学院 软件学院院长

　　靳 君 洛阳师范学院 学前教育学院副院长

　　吴铮铮 郑州龙湖一中 教师

　　本文刊载于《河南教育信息化》，作者授权转发。