Tencent/WeSmartFlow

해결하는 문제

WeSmartFlow는 단순한 질문-답변 상호작용을 넘어서는 에이전트 기반의 적응형 학습 프레임워크입니다. 학습의 분산된 성격을 해결하기 위해 사용자의 학습 목표를 이해하고, 개인화된 학습 경로를 구성하며, 상호작용형 연습을 제공하고, 지식 그래프를 통해 장기적인 학습 진전 기록을 유지하는 시스템을 제공합니다.

작동 방식

이 시스템은 ReAct 기반의 튜터링 에이전트와 전문적인 교육 도구 세트를 결합한 다층 아키텍처를 사용합니다. 사용자의 개념에 대한 숙련도 수준과 그 관계(선수 과목, 확장 내용 등)를 추적하기 위해 '그래프 메모리'를 활용하며, 간격 반복을 위한 SM-2 파라미터를 사용합니다. 포괄적인 주제에 대해서는 계획, 조사, 작성, 시각화, 음성, 퀴즈 에이전트로 구성된 다중 에이전트 워크플로우가 PDF 및 오디오 포함 완전한 강의를 생성하는 데 협력합니다. 또한 EduViz SDK를 통해 에이전트는 추상적인 개념을 탐색하기 위한 사전 환경에서 상호작용 가능한 시각화를 생성할 수 있습니다.

대상 사용자

• 학습자: 다양한 세션 간에 학습 진전을 기억하는 개인화된, 상호작용형 AI 튜터를 원하는 사용자.
• 교육자 및 콘텐츠 제작자: 자체 프론트엔드 기술을 사용하여 독립적이고 상호작용 가능한 '학습 세계'(예: 시뮬레이션, 스토리 기반 수업)를 구축하고 게시하고자 하는 사용자. 프레임워크의 에이전트 및 백엔드 기능을 활용할 수 있음.
• 개발자: 재사용 가능한 교육용 에이전트 엔지니어링 프레임워크를 찾는 사용자.

주요 기능

• 개인화된 지식 그래프: 매번 처음부터 시작하지 않도록 숙련도 수준과 개념 간 관계를 추적합니다.
• 탐색 모드: 몰입형 시나리오 기반 학습을 위한 커리레이티드 공간(예: "매직 영어 마을" 또는 "화학 실험실").
• EduViz SDK: 복잡한 개념에 대한 상호작용 가능하고 파라미터 기반 시각화 생성을 가능하게 합니다.
• 다중 에이전트 강의 생성: 조사, 콘텐츠, 평가를 포함한 구조화된 강의를 자동 생성합니다.
• WeClaw 통합: 학습 보조 도구를 WeChat을 통해 접근할 수 있게 하며, 상호작용 카드를 이미지로 렌더링하여 모바일 학습을 원활하게 합니다.