ALIGNAgent：面向差距识别与下一步指导的自适应学习者智能

个性化学习系统已成为通过定制教育内容、节奏与反馈来提升学习成果的有前景方法。然而，多数现有系统仍然碎片化，专精于知识追踪、诊断建模或资源推荐之一，很少把这些组件整合为连贯的自适应循环。本文提出 ALIGNAgent（Adaptive Learner Intelligence for Gap Identification and Next-step guidance），一个多智能体教育框架，旨在通过整合知识估计、技能差距识别与针对性资源推荐实现个性化学习。ALIGNAgent 首先处理学生测验表现、成绩册数据与学习者偏好，使用采用概念级诊断推理的 Skill Gap Agent 生成主题级熟练度估计，识别具体误解与知识缺陷。识别技能差距后，Recommender Agent 检索与所诊断缺陷对齐且考虑偏好的学习材料，实现干预在进入后续主题之前发生的持续反馈循环。在两门本科计算机科学课程的真实数据集上的大量实证评估证明 ALIGNAgent 的有效性，基于 GPT-4o 的智能体在经实际考试表现验证的知识熟练度估计上达到 0.87-0.90 的精确率与 0.84-0.87 的 F1 分数。