计算机应用研究

作者：龚永罡,莫鸿铭,廉小亲,李乾生,

单位：北京工商大学计算机与人工智能学院,北京100048；

关键词：大语言模型,智能体,学习路径推荐,知识库,可解释性,

基金：国家自然科学基金资助项目(62173007)；；

学习路径推荐是信息化教育中的重要任务，数据驱动的传统方法为“黑箱”模型，导致推荐内容无法解释，不利于学生的信任度。为此，利用大语言模型（large language model，LLM）优秀的推理和生成能力设计一种可解释性自适应学习路径推荐框架，构建了一个由规划器、经验知识库、反思器和行动器组成的大语言模型智能体（LLM-Agent），采取思维链提示策略。规划器应用分层规划策略。反思器对任务进行总结，生成的经验存储在向量数据库中，对经验进行价值评估，实现有效的经验复用。行动器采取两步动作，先进行语义筛选得到候选集合后再进行推荐。实验在模拟环境中验证了所提方法的表现，与传统方法和其他大语言模型方法进行对比，进一步探究在不同底座大模型上的表现。结果表明该方法在有效性、内容多样性和准确率上均优于基线方法，且对推荐的学习路径可以给出可靠的解释说明。研究验证了LLM-Agent的可靠性，并为学习路径推荐方法提供了新思路。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期