① 课前 · 学域视角
学域诊断 Agent
基于知识图谱与测验/练习数据生成学域雷达图，识别薄弱前置链与“孤立概念”，为备课提供“哪里出问题”的诊断视图。
典型输出：学域热力图、断裂前置链列表、建议重点补救节点。
围绕学域知识图谱，为教师提供诊断、设计、评价与反思的一体化智能支持。
基于知识图谱与测验/练习数据生成学域雷达图，识别薄弱前置链与“孤立概念”，为备课提供“哪里出问题”的诊断视图。
典型输出：学域热力图、断裂前置链列表、建议重点补救节点。
结合学域诊断结果与教学进度，自动规划“拔尖 / 标准 / 巩固”三类学习路径，输出可直接作为教案主线的节点序列与节奏建议。
典型输出：按时间轴排序的节点路径、每节课主线与备选延伸。
围绕极限等核心概念，自动组合典型误解、反例与真实情境，生成可直接用于课堂的“认知冲突”教学方案与板书提纲。
典型输出：误区类型库、情境脚本、反例集合与板书结构建议。
课堂中实时汇总学生作答与提问，识别高频误区，提醒教师在合适节点停下来重构概念、追问关键问题。
典型输出：误区雷达、需要追问的学生/小组建议、即时提示语。
按本节学域路径自动编排 GGB 动态演示、Skills 内容与工程案例，形成可直接在课堂调用的可视化脚本与演示顺序。
典型输出：本节 GGB 清单、Skills 触发点、案例展示顺序。
根据所选学域与节点，自动生成课堂即时评价、小测与分层作业，并标注各题对应的学域维度（掌握、结构、应用、过程等）。
典型输出：课堂小测、课后作业包、与学域评价结构对齐的题目标记。
课后汇总学域学习数据与课堂互动记录，生成教学反思报告：哪些冲突设计有效、高频误区有哪些，以及下一轮教学的改进建议。
典型输出：学域教学成效报告、典型课堂片段、改进清单。
下面给出三个典型场景，帮助教师从“一个想法”出发，快速调动合适的 Agents 组合。
教师准备讲授函数极限，希望一节课内完成“直觉 → 冲突 → 重构 → 迁移”。
教师希望用一个工程案例（如自动驾驶轨迹规划或采样定理）串联多个学域知识。
一个学期结束后，教师希望了解本学期高数课程在各学域上的真实效果。