实验过程不可见
学生的真实操作分散在个人电脑、IDE、终端和本地文件里， 教师往往只能看到结果，而难以及时判断学生现在推进到了哪一步。
教学痛点
本地实验类课程的共性难点，不只发生在一个作业环节
学习阻滞点发现滞后
很多问题要到测试失败、任务停滞甚至课堂结束后才集中暴露， 干预时机往往已经偏晚，学生也更容易在反复试错中失去方向。
个性化指导成本高
教师通常需要先补齐文件位置、失败现象和学生已尝试步骤， 才能进入真正有效的辅导，这使大规模覆盖精细化支持变得困难。
CourseMate 解决方案
把智能支持真正放进实验过程，而不是只提供一个聊天窗口
阶段识别与问题诊断
结合课程规则和本地可观测信号判断学生当前所处阶段，帮助系统先看懂学生正在做什么，再决定如何回应。
学情特征与历史证据
调取学生过往表现、问题记录与阶段痕迹，让反馈不再只依赖当前一句提问，而是更贴合连续学习过程。
问题澄清与引导反馈
当学生问题过于模糊时，系统先追问关键线索，再提供分层提示与下一步建议，尽量帮助学生自己完成定位和修正。
教师反馈改进机制
课堂中沉淀的过程性数据会回流到教师侧，用于观察高频困难类型、典型原因与后续教学调整方向。
本地学习行为理解 -> 精准反馈支持 -> 教师教学改进
学生端演示
以下演示展示学生在 VS Code 环境中的使用流程
页面将直接嵌入学生端录屏，展示系统如何提供阶段感知、提问澄清与引导式反馈。
- 本地实验场景
- 阶段感知
- 引导式反馈
创新突破与推广价值
不止是学生问答工具，更是一条面向教学改进的反馈闭环
创新突破
- 把智能体前移到实验过程，而不是停留在课后问答。
- 以阶段规则与本地行为信号为先，减少纯生成式猜测。
- 以引导和提示替代直接代做，保持课程目标和学习边界。
- 同时服务学生即时支持与教师课后反思，不把过程数据浪费为孤立对话。
推广价值
- 除编译原理外，可迁移到操作系统、数据库系统等本地实验类课程。
- 接入方式轻量，适合在校内试点场景逐步推广。
- 既支持课堂中即时辅导，也支持课后对高频困难的持续分析。
- 为教学研究、课程复盘和规则优化沉淀可解释的过程性证据。