文科高考的教·学革命？当年我要是有这东西早就上北大了：基于「识图+大模型+知识库+百科」的AI史政地备考神器应用开发

文科高考的教·学革命？当年我要是有这东西早就上北大了：基于「识图+大模型+知识库+百科」的AI史政地备考神器应用开发 文科高考的教·学革命？当年我要是有这东西早就上北大了：基于「识图+大模型+知识库+百科」的AI史政地备考神器应用开发 Modified August 14, 2025 知识点提炼大模型节点用户提示词如下： 知识点提炼大模型节点用户提示词 Plain Text Copy Role: 高考史政地学科分析专家 Profile description: 你是一个顶级的文科（历史、政治、地理）高考备考分析专家。你的任务是精准分析学生提出的知识点问题，并将其定位到高考的学科和知识板块体系中。 Rules 精准识别: 从用户的输入{{rawquery}}或解析某道题的答案得到的{{ansimg}}、{{anstext}}、{{judge}}中，提取最核心的知识点名称。 学科判断: 明确该知识点属于【历史】、【政治】或【地理】中的哪一门学科。 板块定位: 根据高考考纲，判断该知识点所属的具体知识板块或专题。 格式严格: 你的输出必须是严格的JSON格式，不包含任何JSON格式之外的解释性文字。 Workflow 接收用户提出的知识点问题，例如：“我想了解一下什么是‘雅尔塔体系’？”。仅供举例参考，以用户的具体发文为准） 提取核心知识点: 雅尔塔体系。 判断所属学科: 历史。 定位知识板块: 世界现代史 第二次世界大战后的世界格局。 按照指定的JSON格式，并附带用户所述内容的原文{{rawquery}}、{{ansimg}}、{{anstext}}、{{judge}}，将分析结果封装并输出。注意不要乱编不要出现错误 诚然，由于模糊搜索暂时无法应用在百度百科组件中，所以在分支器判定百度词条组件输出内容不超过15个字符即输出结果为空时，将提取的关键词通过百度搜索组件直接查找相关的百度百科并由大模型节点进行识别、文本处理和再次输出给百度百科组件，尽最大可能避免智能体工作中断。 智能体通过提供包含「题目解析」、「知识及技巧梳理」、「百科精粹」、「实战演练」等部分的最终回答，帮助用户在沉浸式的学习氛围中掌握问题的解决思路，增强对重要考点的记忆。用户可以通过再次练习和判卷来巩固所学内容，最终在不到3分钟的时间里取得比一整堂文化课更多的学习进步。 百科萃取工作流（部分）如下所示： Step3 智能体评测与未来迭代🕵️‍♂️ 以2023年湖北省高考历史第一题为例，我们可以通过测试AI史政地备考神器能否正确识别题目截图信息并给出优质解析和百科延展来评测其能力。 • 将历史题截图输入给智能体，等待解析生成 2023年湖北省高考历史第一题 以简单的指令进行提问 • 输出结果如下所示，可以发现智能体在识别方面没有出现纰漏，且回答准确 • AI给出了甲骨文百科精粹，包括其定义、内容和释义等，点击超链接即可跳转至甲骨文的百度百科界面 前半部分 后半部分 百度题库解析参考 • 用户也可以主动向智能体请教某方面知识点，如推荐问所示，用户可以提问“我想了解关于地理高考中洋流相关的考点知识”，AI会根据知识库和检索所得的信息总结关于洋流的常见知识点，并输出洋流词条百度百科供用户加深对“洋流”知识点的理解 提示知识点 洋流百度百科 • 选取2025年北京市高考历史所有选择题进行测试 ◦ AI史政地备考神器在15道选择题中智能体正确识别题目截图并作答了其中的14道题，此外，它还成功输出了每道题相关的百科知识点，准确率高达93.3% 以上仅为15道题测试数据结果，详细过程省略 通过上述方法测试各类文科题型，可以评测该智能体的输出结果是否符合预期。从目前的测试结果来看，AI史政地备考神器可以结合做题逻辑与高考知识以较高成功率作答题目，并根据题目信息给出与之相关的学科知识百度百科，在教学场景的应用实践中具有不可估量的价值。但同时，尽管智能体借着图像识别工具的能力可以准确识别信息量较小、细节较少的图像并根据信息完成题目作答，但在部分信息量过大且描述具有一定复杂性的地理题目上图像信息提取方面仍具有较大进步空间。 这样的教育类智能体在完善AI识图效能和增强信息理解力后，想必能为所有高中文科生带来充分的教学与自学协同的充分积极作用！ 最后！ 这款AI史政地备考神器正是依托于百度智能云千帆AppBuilder平台的强大技术底座精心打造的 每个人都能在低代码甚至无代码的环境下搭建满足自身需要的强大AI智能体 从图像识别到知识图谱，从百科精粹到个性化出题，每一个环节都展现着AI赋能教育的无限潜力 这里不仅提供了多模态融合、自然语言处理、知识推理等核心能力， 更重要的是， 它可以让技术真正服务于文科教育——启发思维、培养能力、点燃求知的火花， 当具备大量知识储备的AI成为文科教育的智慧伙伴， 学习不再是机械的刷题，而是充满探索乐趣的沉浸式知识之旅。 百度智能云千帆，让技术成为知识的桥梁，让AI点亮学习的智慧之光 知识点提炼大模型节点用户提示词如下： 诚然，由于模糊搜索暂时无法应用在百度百科组件中，所以在分支器判定百度词条组件输出内容不超过15个字符即输出结果为空时，将提取的关键词通过百度搜索组件直接查找相关的百度百科并由大模型节点进行识别、文本处理和再次输出给百度百科组件，尽最大可能避免智能体工作中断。 智能体通过提供包含「题目解析」、「知识及技巧梳理」、「百科精粹」、「实战演练」等部分的最终回答，帮助用户在沉浸式的学习氛围中掌握问题的解决思路，增强对重要考点的记忆。用户可以通过再次练习和判卷来巩固所学内容，最终在不到3分钟的时间里取得比一整堂文化课更多的学习进步。 百科萃取工作流（部分）如下所示： Step3 智能体评测与未来迭代🕵️‍♂️ 以2023年湖北省高考历史第一题为例，我们可以通过测试AI史政地备考神器能否正确识别题目截图信息并给出优质解析和百科延展来评测其能力。 • 将历史题截图输入给智能体，等待解析生成 2023年湖北省高考历史第一题 以简单的指令进行提问 2023年湖北省高考历史第一题 以简单的指令进行提问 • 输出结果如下所示，可以发现智能体在识别方面没有出现纰漏，且回答准确 • AI给出了甲骨文百科精粹，包括其定义、内容和释义等，点击超链接即可跳转至甲骨文的百度百科界面 前半部分 后半部分 前半部分 后半部分 • 用户也可以主动向智能体请教某方面知识点，如推荐问所示，用户可以提问“我想了解关于地理高考中洋流相关的考点知识”，AI会根据知识库和检索所得的信息总结关于洋流的常见知识点，并输出洋流词条百度百科供用户加深对“洋流”知识点的理解 提示知识点 洋流百度百科 提示知识点 洋流百度百科 • 选取2025年北京市高考历史所有选择题进行测试 ◦ AI史政地备考神器在15道选择题中智能体正确识别题目截图并作答了其中的14道题，此外，它还成功输出了每道题相关的百科知识点，准确率高达93.3% 以上仅为15道题测试数据结果，详细过程省略 通过上述方法测试各类文科题型，可以评测该智能体的输出结果是否符合预期。从目前的测试结果来看，AI史政地备考神器可以结合做题逻辑与高考知识以较高成功率作答题目，并根据题目信息给出与之相关的学科知识百度百科，在教学场景的应用实践中具有不可估量的价值。但同时，尽管智能体借着图像识别工具的能力可以准确识别信息量较小、细节较少的图像并根据信息完成题目作答，但在部分信息量过大且描述具有一定复杂性的地理题目上图像信息提取方面仍具有较大进步空间。 这样的教育类智能体在完善AI识图效能和增强信息理解力后，想必能为所有高中文科生带来充分的教学与自学协同的充分积极作用！ 最后！ 这款AI史政地备考神器正是依托于百度智能云千帆AppBuilder平台的强大技术底座精心打造的 每个人都能在低代码甚至无代码的环境下搭建满足自身需要的强大AI智能体 从图像识别到知识图谱，从百科精粹到个性化出题，每一个环节都展现着AI赋能教育的无限潜力 这里不仅提供了多模态融合、自然语言处理、知识推理等核心能力， 更重要的是， 它可以让技术真正服务于文科教育——启发思维、培养能力、点燃求知的火花， 当具备大量知识储备的AI成为文科教育的智慧伙伴， 学习不再是机械的刷题，而是充满探索乐趣的沉浸式知识之旅。 百度智能云千帆，让技术成为知识的桥梁，让AI点亮学习的智慧之光 ◦ AI史政地备考神器在15道选择题中智能体正确识别题目截图并作答了其中的14道题，此外，它还成功输出了每道题相关的百科知识点，准确率高达93.3% 以上仅为15道题测试数据结果，详细过程省略 通过上述方法测试各类文科题型，可以评测该智能体的输出结果是否符合预期。从目前的测试结果来看，AI史政地备考神器可以结合做题逻辑与高考知识以较高成功率作答题目，并根据题目信息给出与之相关的学科知识百度百科，在教学场景的应用实践中具有不可估量的价值。但同时，尽管智能体借着图像识别工具的能力可以准确识别信息量较小、细节较少的图像并根据信息完成题目作答，但在部分信息量过大且描述具有一定复杂性的地理题目上图像信息提取方面仍具有较大进步空间。 这样的教育类智能体在完善AI识图效能和增强信息理解力后，想必能为所有高中文科生带来充分的教学与自学协同的充分积极作用！ 最后！ 这款AI史政地备考神器正是依托于百度智能云千帆AppBuilder平台的强大技术底座精心打造的 每个人都能在低代码甚至无代码的环境下搭建满足自身需要的强大AI智能体 从图像识别到知识图谱，从百科精粹到个性化出题，每一个环节都展现着AI赋能教育的无限潜力 这里不仅提供了多模态融合、自然语言处理、知识推理等核心能力， 更重要的是， 它可以让技术真正服务于文科教育——启发思维、培养能力、点燃求知的火花， 当具备大量知识储备的AI成为文科教育的智慧伙伴， 学习不再是机械的刷题，而是充满探索乐趣的沉浸式知识之旅。 百度智能云千帆，让技术成为知识的桥梁，让AI点亮学习的智慧之光 “我们的文科教学一直有一个问题，就是学习只为考试，考试一过，全都忘了......” “我们没有重视学科思维模式的建立，于是我们的学生就成了只会接受结论而不会思考的知识容器。究其原因，除了学生们的知识阅历不够，更主要是这些知识与他们的生命体验没有产生关联，没有进入‘意义学习’状态......” “知识是发展核心素养的载体，脱离了知识的学习发展核心素养是“无米之炊”，同时单纯的知识的积累，也不能自然形成相应的素养......" 上述文段来源于2019年光明日报对于文科教学困境的一篇报道。在现实学习生活中，不论是校长、教师还是学生家长还是学生自己的眼里，高中文科的应试教育总是存在知识难以理解的“怪象”： • 有的尖子生似乎可以快速掌握史政地学科中需要记忆的知识，并且能够在题目练习中快速理解出题人意图、精准关联脑海中知识点应用于题目的解答 • 但不被关注的大多数“平庸者”却屡屡陷于“记了难背”、“做题不会”、“听了不懂”的泥潭中，学生日复一日背诵着干巴巴的历史节点和事件结论、政治各板块的知识点与方法论或是地理学科的各种分布规律和现象成因，却在实战演练中碰上稍微脱离课本框架的试题就无法关联到自己的脑内知识库中，即便是后来老师讲完了题，知识也如雁过无痕般溜走 ——学生没明白、没理解、也没法问，为什么要想到这个知识点？自己是在抬杠吗？下次换道题还能做对吗？不管了，做数学作业去了..... ——老师和家长也在想，这孩子用功了吗？为什么我讲的题对不上他的脑回路？为什么他就是记不住做这道题要想到这个知识点？他在抬杠吗？他怎么又不说话，这是真懂了吗？不管了，全班的进度更重要...... 三年时光逝去，这些问题直到六月的高考考场上，老师、家长、学生自己或许都想不明白，无力的泪水打到心中似乎并不满意的大学校园里，化为了永远的遗憾。 时间来到2025年，在AI技术迅猛发展的当下， 我们为什么不能利用大模型来为这样的“教与学的困境”提供一个前景可观的解决方案呢？ 尽管市面上拍照搜题或是其他教辅工具在单一领域应用上已经发展到了较为成熟的阶段，但受限于题库信息和非个性化设计的缺陷，实际能应用于教学或自学的场景空间仍旧非常狭小。 话虽如此，百度智能云千帆AppBuilder却为我们提供一个能集成现有AI应用能力并连接百度自身在搜索及百科上的特色优势去创造一个文科教学辅助“神器”的强大平台，可以在低代码甚至是零代码的环境下轻松上手搭建具备强大功能的个性化智能体。 下面，由我们来演示文科高考AI备考神器的轻松搭建方法！🤓☝️ Step1 明确概念设计👨🏻‍💻 现阶段高中文科科目（历史、政治、地理）的教学中往往有以下痛点： 1. 课堂中练习题的讲解存在争议和困惑 虽然对于教师而言，他们可以凭借自己多年的学科知识储备和教学经验将一道题的分析思路透彻地讲解给台下的学生，但是一些教辅资料或区域考试试题的部分题目设计主观性较强，即便是经验丰富的特级教师也不一定能“一招制敌”，把出题人思维精准解剖给学生让其恍然大悟、醍醐灌顶，在这种情况下，如果教师或参与分析的学生没有灵活发散的思维，毫无疑问会造成时间的浪费和思维方式的扭曲； 2. 文科题目举一反三能力有限 完成一个板块的课堂教学或者题目的讲解后，同类型题目只能依赖于学校使用的辅助练习册，水平参差不齐且同知识点题量有限，甚至由于取材的复杂性，教师也没有办法像数学老师一样当场编题，学生练习巩固的机会较少，只能寄希望于勤奋学生的课后刷题； 3. 背诵知识量大，需要耳濡目染充分巩固 不论是历史政治还是地理，想要会做题就必须深刻掌握高考考纲内所有必背知识点和做题技巧，如果不能及时二次巩固甚至三次巩固，残缺的记忆就会随风飘散，淹没在滚滚到来的其他的知识中，对于学习能力略微欠缺的学生来说不可不谓“白学”。 明确了需求痛点后， 我们便可以轻松整理出这个文科高考AI备考神器的功能框架 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 上图所示即为智能体需要满足的基本功能 在解题方面，经过大量中文语料和知识训练的国产大模型，已经具备了深度推理能力，可以以较高正确率作答以总结、推理、知识信息检索和延伸为要点的文科题目，并且非常匹配Transformer架构下语言模型的能力 此外，在需要特殊强化的部分领域可以借助智能体平台的外部能力实现，比如为智能体引入高考相关必备考点和各科目常用做题技巧的知识库，同时还可以利用已经在百度智能云千帆组件广场上线的 图像内容理解、通用文字识别 高精度版、百度搜索、百度词条、百度百科等组件 实现题目的识别与理解和知识的延伸与拓展。 Step2 智能体开发🤖 当前百度智能云千帆AppBuilder平台主要提供三种AI智能体搭建模式：自主规划智能体、工作流智能体和智能体Pro。从产品设计角度而言，工作流智能体毫无疑问是更稳定、实现功能相对更全面的搭建方法，所以这里我们选用工作流智能体作为史政地备考神器的搭建主体，同时在工作流的部分位置搭建并自主规划智能体以实现特定应用功能。 搭建思路同样是非常重要的一环。为确保相对复杂的功能的实现，工作流过程中需要保证AI能准确获取图像题目的完整信息，因为在初次识图时，不管用户对模型的设定有多精细，识图组件都只能在返回题干文本的基础上给出大概的图像描述，有可能无法给予后续大模型节点充足的解题信息，尤其是地理试题中存在大量的需要仔细分析题目图片中的各个元素信息的情况。 因此，工作流中需要增添“大模型在第一次接受信息后，根据题干描述整理出需要额外从图片里获取的细节信息并再次识图”的步骤，之后再依靠说图解画组件返回涉及到类似于大小、多少、趋势、方向、数值等细节性信息以提升大模型解题的准确度。在后半段对于题目涉及到的考点词条也需要工作流里增添反复提炼和检验的步骤。 在经过不断尝试和研究后，最终敲定的工作流流程如下所示： 接下来便是实践环节 • 创建知识库和记忆变量 ◦ 为了提升AI对高中文科题型解答的准确度，我们首先需要从公开网页中搜集足够的相关考点和做题技巧知识，按科目创建知识库在工作流的特定区域适时读取 在项目开发 知识库页面选择创建知识库按钮 上传需要提取知识信息的文档或网页域名并进行解析配置 识别完成后，系统会将知识切片，用户可以自行查看或调整 ◦ 为了提升AI对高中文科题型解答的准确度，我们首先需要从公开网页中搜集足够的相关考点和做题技巧知识，按科目创建知识库在工作流的特定区域适时读取 ◦ 同时，在搭建工作流前提前设置好记忆变量用于优化产品体验，这里我们创建了用于记忆用户未能掌握的知识点的变量和题目解析后AI编撰的实战演练改编题的变量 • 分支搭建：以图像题目识别分支为例 首先，通过分支器判断用户是否上传了图像，如果有则跳转至本分支。根据流程，先搭建综合图像识别自主规划智能体，在设定指令中，需要明确智能体“如何调用组件”、“提取什么信息”,这样才能在第一次题目识别中输出尽可能多且精确的题目要素以帮助大模型进行题目的理解。 参考指令如下： 其次，在初步读取知识库后，我们需要让接下来的大模型节点中要求AI识别题干信息，明确解题的思路，同时考虑需不要再次获取其他的图像关键细节信息作为解题辅助依据。再次识图提取信息并读取知识库的做题技巧和考点知识就可以说为解题做足了准备。 大模型反问节点用户提示词指令如下： 最后，结合已经收集到的信息，交给下一个大模型节点进行题目解析并结合知识点生成改编题供用户二次演练以达到巩固知识和技巧的目的。考虑到在先前流程中积累的大量信息和解题过程中理解力的重要性，我们在解题节点选用的是兼具大文本容量和较高文本能力的ERNIE 4.5 Turbo 128K模型，至此单分支下智能体的前半部分工作流就顺利完成了。 解题大模型节点参考指令如下： 该分支的前半段工作流如下所示： 其余分支的工作流搭建也是相同原理，通过意图识别节点即可进行分流 但这部分分支对比图像题目识别分支因为不用进行图像识别所以流程更为简易 如文字题目识别分支只需经历“大模型理解——知识库提取——大模型作答”的流程， 出题只需要“记忆变量提取——如何出题分析——知识库提取——出题并等待回答——判卷并解析”的过程，这里就不详细赘述了。 • 知识点百科萃取 在解答完一道题或一个知识点并生成「实战演练」后，分支将会统一汇集于一个大模型节点用户统筹分析对话历史中涉及的所有信息并将其转化为知识库中明确存在的某科目高考知识点，之后由另一个模型总结为一个学术知识点关键词题供给百度词条组件，由于多义词条存在的可能性，在组件返回词条信息后需要下一个大模型节点进行筛选及纯净词条名的提取交付给百度百科组件输出百科概要。有利于用户在耳濡目染中增强对特定知识点的印象，逐渐形成“记忆锚点”，并在未来的文科题目作答中快速反应相关信息。