欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

本地化部署 AI 教育智能体:基于 Ollama 与开源项目的可复现实践

上邦 AI 工程团队2026-10-06阅读 约 7 分钟
教育 AI 正从问答机器人走向会规划课程、记住进度、生成测验并持续反馈的智能体。本文以 OpenMAIC、DeepTutor、Study Tutor Agent 等开源项目为例,给出基于 Ollama 本地模型与 Streamlit 搭建隐私友好的 AI 导师工作台的实操步骤,包含环境准备、模型拉取与最小可运行示例。

为什么选择本地化教育智能体

教育数据涉及学习者画像、作答记录与成长轨迹,隐私要求高。本地化部署可在不将敏感数据外传的前提下,复用开源教育智能体项目的能力:从主题生成课程、按学生画像规划路径、生成测验并持续反馈。以下以 Ollama 本地模型配合 Streamlit 搭建最小可运行导师工作台。

环境准备与模型拉取

# 1. 安装 Ollama 并启动本地服务(默认监听 11434 端口)
ollama serve
# 2. 拉取一个适合中文教学的本地模型
ollama pull qwen2.5:7b
# 3. 安装轻量前端依赖
pip install streamlit ollama

最小可运行导师脚本

import streamlit as st
from ollama import Client

client = Client(host='http://localhost:11434')
st.title('本地 AI 学习导师')

topic = st.text_input('输入学习目标')
if st.button('生成学习计划') and topic:
    resp = client.chat(model='qwen2.5:7b', messages=[
        {'role': 'system', 'content': '你是个性化学习导师,请输出分阶段学习计划、关键资源与自测题。'},
        {'role': 'user', 'content': topic}
    ])
    st.write(resp['message']['content'])

可借鉴的开源项目

OpenMAIC 由高校团队开源,将主题或文档转化为含幻灯片、测验与项目制学习任务的互动课堂;DeepTutor 以原生智能体架构整合解题、测验、研究与跨会话记忆;Study Tutor Agent 以 SQLite 保存学习档案并结合间隔重复算法,默认演示模式无需 API Key 即可运行,隐私友好。
扩展一:将学生作答写入本地数据库,复用间隔重复算法实现自适应选题。
扩展二:接入教材 PDF 做 RAG 问答,使导师回答锚定在本校课程范围内。
扩展三:把生成结果导出为标准化测验,供教师二次审核后下发。
提醒:面向未成年学习者时,须遵守教育 AI 应用安全合规要求,对模型输出设置内容审核与人工复核,避免直接给出代写式答案。

参考来源

GitHub:THU-MAIC/OpenMAIC 多智能体互动课堂平台
GitHub:HKUDS/DeepTutor 终身个性化学习智能体
GitHub:Study Tutor Agent 本地优先自适应学习项目
科学网:华东师范大学发布启创 InnoAgent 教育智能体平台等三项成果
相关标签:教育智能体本地部署Ollama个性化学习开源项目

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案