ALIGNAgent：用于差距识别和下一步指导的自适应学习者智能体

个性化学习系统通过定制教育内容、节奏和反馈来提升学生的学习成果，但现有系统多局限于知识追踪、诊断建模或资源推荐等单一功能，缺乏整合。本文提出ALIGNAgent，一种多智能体教育框架，旨在通过集成的知识估计、技能差距识别和定向资源推荐实现个性化学习。该框架首先利用Skill Gap Agent处理学生的测验表现、成绩册数据和学习偏好，生成主题级熟练度估计，并通过概念级诊断推理识别具体误解和知识缺陷。随后，Recommender Agent根据诊断结果检索符合学习偏好的学习材料，并在进入下一主题前实施干预，形成持续反馈循环。在两门本科生计算机科学课程的真实数据集上的实验表明，基于GPT-4o的智能体在知识熟练度估计中表现出较高的精度（0.87-0.90）和F1分数（0.84-0.87），验证了其有效性。