Prober.ai：经LLM约束人设实现门控式探究反馈，助力议论文写作发展

大语言模型（LLM）在教育环境中的激增反而破坏了它们声称支持的认知过程。学生越来越多地将批判性思维外包给人工智能助手，后者根据需要生成精美的文本，导致可衡量的认知债务和论证推理能力的下降。我们推出了 Prober.ai，一个基于网络的写作环境，它颠覆了传统的人工智能辅导范式：该系统不是生成或重写学生文本，而是通过特定于角色的系统提示和结构化 JSON 输出模式来约束 LLM（Gemini 3 Flash 预览），以仅生成有关论证弱点的有针对性的、基于查询的问题。一个两阶段的交互架构——挑战和解锁——实现了一种教学摩擦机制，通过这种机制，修订建议被限制在强制性的学生反思之后。该系统的设计基于图尔明的论证理论、对同伴前馈提问机制的研究以及人工智能支持的写作教学反馈的证据。在纽约教育科技黑客马拉松（2026 年 3 月）期间，我们用 36 小时开发了一个功能原型，并获得了第二名。我们描述了系统架构、将 LLM 输出限制为教学上一致的 JSON 模式的即时工程方法，并讨论了可扩展、保留认知的人工智能集成在写作教育中的影响。