一个独立开发者用 Seed-Evolving 作为编程助手从0到1开发出一套 AI 智能教育系统。不是参数罗列不是功能清单是从零到上线过程中踩过的坑、跑通的路、以及模型在真实开发场景里到底好不好用的一手体验。01 为什么想做这个东西我是个后端开发平时写业务系统比较多。家里有个上初中的表弟每次考试完拿着卷子来问我这题为什么错了我发现一个现象他不是不会做而是根本不知道自己哪里不会。学校里的试卷发下来对完答案就结束了。哪个知识点是薄弱环节、该先复习什么、错题是什么原因错的——这些信息全部丢失了。家长想帮忙但看不懂学情数据老师想个性化辅导但一个班几十个人根本顾不过来。我就想能不能做一个系统学生做完题系统自动画出知识画像告诉他在哪个知识点上掌握到什么程度然后给出针对性的学习建议还能像个私人老师一样随时答疑。这就是AI 智能教育助手的由来。系统最终做了这些模块自适应评测、知识画像、个性化学习计划、AI 答疑辅导、主观题批改、口语评测、错因分析、学情看板、艾宾浩斯错题本、成长记录可视化外加一套完整的后台 RBAC 权限体系。前后端全自己写前端用的原生 HTML/CSS/JS不依赖任何框架后端 Node.js Express MySQL。项目已经开源了Gitcode仓库https://gitcode.com/13128572534/ai-smart-education在线体验地址https://qiming.xunnan.net/pc/index.html用户密码admin/123456这是系统的学习首页学科学段切换、掌握度概览、最近评测记录、薄弱知识点、今日学习计划一屏掌握能力画像页面用热力图展示每个知识点的掌握程度五级分级未学/了解/理解/应用/精通薄弱环节一目了然这篇文章不讲系统设计那些在 README 里写得很详细了重点讲讲我在开发过程中用Doubao-Seed-Evolving模型的真实体验。02 为什么选 Seed-Evolving当编程助手先说明一下这篇文章讲的不是系统接入 Seed-Evolving 当 AI 引擎而是我用 Seed-Evolving 作为编程助手从零开发出了这套教育系统。系统运行时的 AI 功能用的是豆包 doubao-seed-2-0-lite-260215而 Seed-Evolving 是帮我写代码、设计架构、排查 Bug 的开发工具。为什么选Seed-Evolving当开发助手因为这个项目对编程助手的要求挺刁钻的。首先不能有幻觉。编程场景的幻觉比聊天危害更大——模型编造一个不存在的 API 方法或数据库字段名代码直接跑不通。我需要它老老实实说不确定而不是自信地给一段跑不通的代码。其次要能处理长上下文。这个系统有 26 张表、14 个页面把项目结构和已有代码喂给模型做参考上下文轻松上万 token。窗口太小模型会忘记前面的约束写出来的代码和现有风格不一致。第三工程能力要靠谱。这个系统是我在业余时间开发的很多代码是借助 AI 辅助写的。跨文件修改、数据库表结构设计、接口联调这些都需要模型理解整个项目结构不能只盯着一个文件看。Doubao-Seed-Evolving 8 月那次升级提到三个方向Coding 工程能力、Agent 检索能力、幻觉控制能力。这三个方向恰好对应了教育系统的三个核心需求——帮我写好跨文件的工程代码、帮我查证教育领域的技术资料、别给我编造不存在的 API。我挨个说说我在这三个方向上的真实体验。03 Seed-Evolving 是什么怎么用Seed-Evolving是什么在说接入之前先简单介绍一下这个模型方便没接触过的朋友快速上手。Doubao-Seed-Evolving是火山引擎方舟平台推出的 Seed 系列模型和传统大模型固定版本号发版的模式不同它采用周级别滚动迭代的进化机制——没有静态的最终版本平台每周持续优化基座能力开发者用同一个 Model ID 就能自动承接每次升级不用换接口、不用改配置 最新模型Seed-Evolving 官方文档。简单说就是一张永远在更新的模型卡片你接入一次它持续进化你跟着沾光。模型的核心参数参数值Model IDdoubao-seed-evolving上下文窗口1024K1M tokens最大输出长度256K tokens最大思维链长度256K tokens最大 RPM500最大 TPM1,000,000支持的能力覆盖面很广文本生成、深度思考、函数调用、上下文缓存、文档理解、结构化输出、图片理解、视频理解。对我这个开发场景来说代码生成和函数调用是用得最多的深度思考在复杂逻辑设计时也有帮助。这次8月份升级的方向正好和教育场景高度契合——1M 上下文让我能一次性喂入完整的项目结构和代码幻觉控制保证了不编造 APICoding 能力提升直接提高了我的开发效率。下面说说具体怎么接入。Agent Plan 怎么用火山引擎提供了Agent Plan套餐可以直接在编程助手如 Claude Code、OpenCode 等里使用 Seed-Evolving https://ark.volcengine.com/region:cn-beijing/subscription/agent-plan建议购买 medium 档性价比比较高。购买后有两种配置方式自动配置推荐新手安装 ArkCLI 工具它会自动帮你完成配置# 安装 npm install -g volcengine/ark-clilatest # 验证 arkcli --version # 登录浏览器授权 arkcli login # 运行配置助手 arkcli helper按引导选择 Agent Plan 中的 Doubao-Seed-Evolving 模型配置完成后你的编程助手就能直接用了。手动配置如果你之前用的模型是ark-code-latest只需要在配置文件里把model_name改成doubao-seed-evolving就行。或者直接进入 Agent Plan 控制台切换模型。方舟 API 兼容 OpenAI 和 Anthropic 接口协议所以 Claude Code、OpenCode、Codex 这些主流编程助手都能用 。04 系统的 AI 架构运行时用的什么模型先说接入。我的系统在设计之初就做了 AI 配置抽象层所有 AI 调用都走统一的getAIConfig()函数async function getAIConfig() { const [rows] await db.query( SELECT key, value FROM sl_sys_config WHERE key LIKE ai_% ); const config {}; for (const row of rows) config[row.key] row.value; return { apiUrl: config.ai_api_url, apiKey: config.ai_api_key, model: config.ai_model, enabled: config.ai_enabled true }; }所有调用 AI 的地方答疑、批改、口语评测、错因分析、学习计划、变式题生成都通过这个函数拿配置然后用标准 OpenAI 兼容格式发请求async function callAI(systemPrompt, userPrompt, maxTokens 500, temperature 0.7) { const aiConfig await getAIConfig(); if (!aiConfig.enabled || !aiConfig.apiKey) return null; const response await fetch(aiConfig.apiUrl, { method: POST, headers: { Authorization: Bearer ${aiConfig.apiKey}, Content-Type: application/json }, body: JSON.stringify({ model: aiConfig.model, messages: [ { role: system, content: systemPrompt }, { role: user, content: userPrompt } ], max_tokens: maxTokens, temperature: temperature }) }); // ... }所以切换到 doubao-seed-2-0-lite-260215就是在后台管理页面改三个字段的事配置项值API 地址https://ark.cn-beijing.volces.com/api/v3/chat/completions模型名称doubao-seed-2-0-lite-260215API Key火山引擎方舟平台的 Key改完保存全站所有 AI 功能立刻切换到 doubao-seed-2-0-lite-260215不用改一行代码。这个架构的好处是 AI 模型可随时切换——管理员在后台改三个字段就能换模型不用改代码。不过本文的重点不在这里而是我用 Seed-Evolving 开发这套系统的过程。后台管理页面还支持 AI 一键生成题目草稿管理员审核后入库这个功能后面会详细说05 实测一AI 答疑——分步解析到底靠不靠谱智能答疑是这个系统用得最多的功能。学生在输入框提问AI 需要给出分步解析然后推荐同类题。我设计了一个 system prompt要求 AI 严格按照第N步的格式输出最后附上同类题推荐。实际测下来AI的格式遵循能力让我比较意外。举个真实的例子。表弟问了一道题一个水池单独开进水管 6 小时注满单独开出水管 8 小时放完。现在两个管同时开几小时能注满AI的回答摘录第1步计算进水管和出水管的工作效率。 进水管6小时注满所以每小时注满水池的1/6 出水管8小时放完所以每小时放空水池的1/8。第2步计算两个水管同时工作时每小时水池的变化。 两个水管同时开时每小时水池的变化量是进水管的速度减去出水管的速度即1/6 - 1/8。第3步计算两个水管同时开时注满水池所需的时间。 将1除以每小时的变化量得到1/(1/6 - 1/8) 1/(1/24) 24小时。同类型练习题 一个房间单独开进风系统 5 小时可以完全换气单独开排风系统 4 小时可以完全换气。现在两个系统同时开启几小时可以完成一次完全换气 正确答案5/3小时这个回答有几个点我觉得不错第一运算过程没有跳步。1/6 - 1/8 的通分过程写出来了4/24 - 3/24不是直接给答案。这对初中生很关键很多学生卡在通分上。第二同类题推荐质量高。工程问题是进水管出水管问题的经典变式考点相同合作效率 各自效率之和但换了情境。说明模型理解了这道题的考点本质而不是单纯做关键词匹配。第三没有幻觉。我反复测了几道类似的题包括变式比如三个管子、有损耗的情况运算结果都正确。之前用别的模型测过同样的问题有一道三个管子的变式题算错了净注水量的正负号导致最终答案差了一个负号。06 实测二主观题批改——像不像真老师主观题批改是这个系统里我最得意的功能。学生提交题目和自己的答案AI 返回结构化的批改结果得分 总体评语 改进建议 错误点列表。测试了一道初中作文题和一道高中政治论述题。作文题是请以坚持为题写一篇不少于 600 字的议论文表弟写了大约 500 字论点还算明确但论据比较单薄结尾仓促。AI 给的批改结果得分72 分总体评语文章论点明确以坚持才能成功为核心观点结构完整。但论据较为单一主要依靠个人经历缺少有说服力的名人事例或道理论证。结尾略显仓促未能呼应开头深化主题。改进建议1. 增加名人事例如司马迁忍辱写《史记》2. 补充道理论证如引用名言3. 结尾回扣论点提升思想深度。错误点字数不足 600 字约 500 字不符合题目要求。这个批改我觉得有几个亮点字数不够这个问题被抓出来了说明模型在做实际检查而不是泛泛而谈改进建议里的司马迁事例是合适的不是随便编的评分 72 分相对合理既不是简单给高分也不是刻意压分。我还做了一个对比同一篇作文让三个人我、我同学、我表弟的语文老师分别打分分数分别是 68、75、70。AI 给的 72 分落在这个区间内说明评分一致性还可以。07 实测三学习计划生成——长上下文的实际价值学习计划功能是上下文消耗大户。生成一份学习计划需要喂给模型的信息包括学生的全量知识画像每个知识点的掌握度、三维得分近期错因分析记录知识点的前置依赖关系近 30 天的答题记录摘要一个学科下来光是知识点数据就有几十条加上错因和答题记录上下文轻松上万 token。如果同时处理多个学科或者学生的学习历史比较长上下文会更大。开发这个功能时我把整个数据模型和已有代码喂给 Seed-Evolving让它帮我写学习计划推荐的 prompt 和后端逻辑。它的 1M 上下文窗口在这里是实打实的优势——项目结构、表结构、已有路由代码全部喂进去不会被截断生成的代码和现有风格保持一致。实际生成的学习计划长这样高中语文表弟的真实数据 今日学习重点集中攻克平仄规律和情感表达手法提升常见意象含义理解。 各知识点建议1. 平仄规律首先你需要理解平仄的基本概念比如平声和仄声的区别它们在诗歌中的作用。然后可以通过制作表格来记忆平仄的规律多读古诗词感受平仄带来的韵律美。2. 情感表达手法分析近期错误概念模糊是关键。建议你先梳理情感表达手法的种类如直接抒情、间接抒情等然后结合具体诗词分析作者如何运用这些手法。3. 常见意象含义目前你对意象的理解还不够深入。建议你通过查阅资料了解常见的意象及其象征意义同时在阅读诗词时尝试找出并分析意象。 学习资源推荐可以找一些诗词鉴赏书籍如《唐诗鉴赏词典》等通过阅读和解读加深对平仄规律和情感表达手法的理解。 今日目标通过今日的学习希望你能对平仄规律和情感表达手法有初步的认识并在阅读诗词时能运用所学知识提升对常见意象含义的把握。加油这份计划有几个让我满意的地方把分析段改成匹配语文示例 这份计划有几个让我满意的地方它引用了学生真实的薄弱知识点平仄规律、情感表达手法不是泛泛而谈学习建议分了知识点逐一给出每个都有具体方法如制作表格记忆平仄规律最后的资源推荐《唐诗鉴赏词典》是合适的参考书不是随便编的最后的错因提醒来自真实的错题分析记录针对性很强。08 实测四错因分析——幻觉控制的试金石错因分析是我认为教育场景里对幻觉控制要求很高的功能。系统会在学生完成评测后把所有答错的题目批量发给 AI让模型分析每道题的错误原因归类为五种类型粗心、概念、方法、前置、未知。这个功能为什么容易出幻觉因为模型需要同时处理题目、学生答案、正确答案然后做出判断。如果模型偷懒可能会对所有错题都给出一个笼统的概念不清结论而不去具体分析每道题的差异。实际测下来AI 在错因归类上的表现让我比较放心。我专门设计了几道陷阱题来测试陷阱题 1一道计算正确的题但学生把 3.14 写成了 3.41数字顺序写反了。AI 判定粗心。理由运算过程全部正确最终誊写答案时数字顺序颠倒属于注意力疏忽。✅ 判断准确。陷阱题 2一道需要先配方再求解的二次方程题学生直接用了求根公式公式背对了但计算出错。AI 判定方法。理由选择了求根公式而非配方法虽然公式正确但计算量大导致出错。建议本题优先使用配方法计算量更小。✅ 判断准确而且给了合理的替代方法建议。陷阱题 3一道分式方程题学生忘记检验增根。AI 判定概念。理由解方程过程正确但未进行检验步骤。分式方程必须检验增根这是该类题型的固有要求。✅ 判断准确点出了分式方程必须检验这个核心概念。三道陷阱题全部判断正确没有出现把粗心判成概念不清、或者把方法错误归为粗心的情况。在反复测试的二十多道错题中归类准确率我估算在 85% 以上少数误判主要是方法和概念边界模糊的题这个说实话连老师之间也会有分歧。09 实测五变式题生成与错题本错题本里有一个功能点击生成变式题按钮AI 会基于原题的知识点改变数字和条件生成一道新题。这个功能对模型的创造力有要求——不能简单换个数字就交差要保证新题在考点上一致、在难度上匹配、在表述上通顺。实际生成的变式题示例原题已知二次函数 y x² - 4x 3求顶点坐标和对称轴。AI 生成的变式题已知二次函数 y 2x² 6x - 1求顶点坐标和对称轴。变式合理吗合理。考点一样求顶点和对称轴但系数变了二次项系数从 1 变成 2一次项系数从 -4 变成 6配方法过程中需要提取公因式难度略有提升但仍在同一级别。我还测了几道几何题的变式生成模型能合理地改变图形的边长条件同时保持几何关系成立。比如把等腰三角形的腰长从 5 改成 8底边从 6 改成 6不变计算面积时底边上的高会变化但几何关系依然成立。不过也有翻车的时候。一次让它生成一道概率题的变式原题是袋子里 3 红 2 白球摸两个都是红球的概率它生成的变式把球的总数改了但摸球规则从不放回变成了放回考点变了。这个问题在我指出后它承认了错误并重新生成了一道合理的变式。说明模型在理解题目结构时偶尔会混淆规则细节但在被提醒后能快速纠正。10 实测六用 Seed-Evolving 开发——Coding 工程能力前面说的都是系统里 AI 功能的表现。但实际上这个系统本身的代码98%是借助 Seed-Evolving 写的。作为一个独立开发者我的开发效率很大程度上取决于 AI 辅助编程的质量。这个项目有几个比较有挑战性的工程任务任务一自适应难度算法评测系统的核心是自适应难度——答对了升难度答错了降难度。规则是正确率 ≥70% 升难40% 降难优先从薄弱知识点出题。我把需求和现有的数据库表结构描述给 Seed-Evolving 它给出的实现逻辑function selectNextQuestion(currentLevel, correctRate, weakNodes, recentQuestions) { // 简化版核心逻辑 let nextLevel currentLevel; if (correctRate 0.7) nextLevel Math.min(5, currentLevel 1); else if (correctRate 0.4) nextLevel Math.max(1, currentLevel - 1); // 优先从薄弱知识点出题排除近30天做过的题 const candidateQuestions await db.query( SELECT q.* FROM edu_question q JOIN edu_student_profile p ON q.knowledge_node_id p.knowledge_node_id WHERE p.mastery_score 60 AND q.difficulty ? AND q.id NOT IN ( SELECT question_id FROM edu_answer_record WHERE user_id ? AND answered_at DATE_SUB(NOW(), INTERVAL 30 DAY) ) ORDER BY RAND() LIMIT 1 , [nextLevel, userId]); return candidateQuestions[0]; }这段代码它一次就写对了SQL 查询考虑了知识点掌握度过滤、难度匹配、排除已做题、随机选题四个条件。我自己写的话至少要调试两三轮 SQL。任务二跨文件的知识点树管理知识点树是三层结构章 → 节 → 知识点还有前置依赖关系。前端需要把这棵树渲染出来支持展开折叠、拖拽排序。这涉及前端 JS、后端路由、数据库查询三个文件的联动修改。我把三个文件的当前代码都贴给 Seed-Evolving描述了需要加的功能拖拽排序后更新数据库 sort 字段它给出的方案前端监听 dragend 事件收集新的节点顺序调 PUT 接口后端新增/api/edu/subjects/:id/tree/sort接口接收排序数组事务批量更新数据库在 UPDATE 语句里用 CASE WHEN 处理批量排序三个文件的改动它都给了而且接口命名和现有的 RESTful 风格保持了一致。我检查了一下事务处理也考虑到了排序更新失败要回滚这点比我预期的要好。任务三艾宾浩斯遗忘曲线的实现错题本的复习提醒功能基于艾宾浩斯遗忘曲线答对升阶1→2→4→7→15→30 天间隔答错降阶连续 5 阶答对标记精通。这个逻辑不算复杂但涉及状态管理和时间计算。Seed-Evolving 给出的实现把复习阶段映射到了一个数组[1, 2, 4, 7, 15, 30]每次答对后 index 1答错后 index -1不低于 0然后根据当前阶段的间隔天数计算next_review_at。代码简洁可读我基本没改就直接用了。任务四成长记录的日历热力图成长记录页面有一个学习日历热力图类似 GitHub 的贡献图展示近 6 个月每天的学习量。这个功能的挑战在于数据查询要按天聚合前端要用 DOM 渲染 7 列网格5 级颜色强度区分无/1-5/6-15/16-30/31题点击格子要看当天详情。Seed-Evolving 给出的 SQL 聚合查询和前端 Grid 布局方案都一次通过了省了我不少调试时间。11 项目数据和技术细节最后补充一些项目的技术数据给想复刻的开发者参考数据库规模13 张基础系统表 13 张教育业务表核心表包括知识点树、题库、评测会话、答题记录、学生画像、错题本、预警日志等。主键用雪花算法生成 18 位数字逻辑删除用 del_flag 字段。前端规模14 个页面16 个 CSS 文件17 个 JS 文件全部原生实现无框架。图表用 Canvas 手写折线图、雷达图热力图用 DOM 方案。AI 调用场景覆盖 8 个功能点——学习计划生成、智能答疑、主观题批改、口语评测、错因分析、变式题生成、AI 题目生成、虚拟实验指导。每个场景的 prompt 单独设计温度参数从 0.3错因分析到 0.7答疑不等。安全设计JWT 认证 bcrypt 加密接口限流登录 10 次/分AI 分析 20 次/分XSS 防护前端 esc 函数转义CORS 白名单雪花 ID 防遍历。技术栈一览层次技术后端Node.js 18 Express mysql2 连接池数据库MySQL 8.0雪花 ID 主键认证JWT bcryptjsAI系统运行时 AI | doubao-seed-2-0-lite-260215火山引擎方舟前端原生 HTML/CSS/JS图表原生 Canvas DOM语音Web Speech API开发辅助 AIDoubao-Seed-Evolving火山引擎 Agent Plan12 写在最后做这个项目的过程中我有一个比较深的感受开发一个教育系统本身就是检验 AI 编程助手能力的试金石。因为教育系统同时要求工程能力跨文件修改、数据库设计、前后端联调、长上下文理解26 张表的关联关系、14 个页面的交互逻辑、幻觉控制不能编造 API 和字段名、检索能力查证教育政策和课程标准。这几个维度少哪个都不行。Seed-Evolving 作为开发助手在这几个维度上的表现从我的实际体验来看是能撑住一个中等规模全栈项目的开发需求的。它不是完美的——复杂逻辑需要多轮对话收敛偶尔会幻觉不存在的 API超长对话偶尔遗忘上下文——但在核心能力上跨文件代码生成、SQL 编写、项目结构理解、代码风格一致性它交出了一份及格线以上的答卷。对一个独立开发者来说购买火山方舟 Agent Plan、配好 Claude Code、用一个 Model ID 开始干活遇到问题能通过追问让模型自我纠错新版本自动生效不用迁移——这个开发体验本身就是 Seed-Evolving 持续进化理念的一个注脚。项目还在迭代接下来我打算做这几个方向一是接入多模态能力让学生拍照上传手写答案AI 直接识别批改二是优化知识图谱的可视化目前是热力图想做成交互式的知识网络图三是做一个家长端小程序让家长能查看孩子的学情报告。如果你也在做教育相关的项目或者想试试 Seed-Evolving 在自己场景里的表现欢迎来 Gitee 仓库看看代码Gitcode仓库https://gitcode.com/13128572534/ai-smart-education本文基于使用 Doubao-Seed-Evolving火山引擎 Agent Plan开发 AI 智能教育助手的真实体验撰写。系统运行时 AI 使用 doubao-seed-2-0-lite-260215开发辅助使用 Seed-Evolving。项目已开源欢迎 Star 和交流。