教育 AI 智能体的扩展律

尽管大语言模型的扩展律已在参数、数据和算力维度被广泛研究，但基于 LLM 的教育智能体扩展行为尚属空白。本文提出“智能体扩展律”，认为其能力不仅取决于模型规模，更源于角色定义清晰度、技能深度、工具完备性等结构化维度。我们设计了 AgentProfile 规范以系统化提升能力，并开发了 EduClaw 多智能体平台进行验证。该平台部署了涵盖 K-12 学科的 330 多个智能体配置及 1100 多个技能模块。实证表明，智能体性能随配置结构丰富度呈可预测扩展，未来应聚焦工具与技能的双重扩展路径。