作为一名写代码的家长,辅导孩子作业这件事,技术含量其实不低:要会读题、要能判断错在哪、还要知道怎么针对性补。最近我把 WorkBuddy 的底层大模型切换到了「混元 Hy4」,顺手创建了一个自定义专家,取名「牛牛家庭教师」(牛牛是我家娃)。
这不是玩具 Demo,而是一次真刀真枪的"用 AI 承担一个具体角色"的尝试。下面把过程、亮点和产出物都摊开讲讲。
为什么让 AI 当家教
先说动机。很多家长辅导作业,痛点不是"不会教",而是三件事成本高:
-
把错题从卷子上挑出来、归类,费眼睛; -
判断每道错题的"根因",需要经验; -
据此排一份科学的学习计划,很烧脑。
从工程视角看,这正好是一个"可被 Agent 化的角色":输入是试卷/错题,输出是诊断 + 计划 + 练习。于是我选了刚切到 Hy4 的 WorkBuddy 来试——想看看新一代大模型,能不能真正接住这种"带角色、带上下文"的任务。
三步搭好"牛牛家教"
整个过程比想象中简单,三步就位:
-
在 WorkBuddy 里把底层模型切到「混元 Hy4」; -
创建一个自定义专家,命名为「牛牛家庭教师」,给它定好角色:专门负责孩子的错题诊断、评分、归档与复习规划; -
把孩子的试卷与若干道错题上传/录入进去。
# 牛牛家庭教师 · 专家角色设定
role:牛牛家庭教师
model:混元 Hy4
objective:辅助家长完成孩子的错题诊断与复习规划
responsibilities:
- 错题诊断:识别题目、错误答案与正确解法,定位错因
- 试卷评分:对孩子上传的试卷进行量化打分
- 结构化归档:将错题整理为可检索的错题库
- 周末复习规划:基于错题库制定时间分配与重点攻克方向
constraints:
- 不杜撰具体分数、题号与文件名
- 标注不确定的信息,供家长复核
把这段角色设定喂给专家,它就开始接活了。
专家一上线,就开始干活了。

示意:把试卷丢给专家后,它直接回了一段结构化反馈,大致是"已识别若干道错题,正在进行评分与错因归类"——具体数量以实际录入为准,这里不虚构成绩。
它比我更懂错题
这是我最意外的部分。专家做了三件事,而且质量不低:
- 自动识别错题
:把题目、孩子写的错误答案、正确解法一一拆开; - 给试卷评分
:对一份试卷做了量化打分; - 结构化归档
:把识别出的错题整理成可检索的错题库。
更关键的是第三点之外的"观察力"。很多家长(包括我)看错题,往往只看到"这题错了"。但 Hy4 在诊断时,注意到了不少我自己忽略的细节,比如:
-
某些错题其实是同一个知识点的关联错因,单独看每题都像粗心,串起来才发现是概念没吃透; -
一些失分属于书写/步骤性失分——答案方向对,但步骤跳太快、过程不规范,考试照样扣分。
这些"关联错因""步骤性失分",正是人类家长最容易扫过去的地方。模型把它点出来,价值就大了。
一份周末学习计划
错题库建好后,专家基于它给孩子生成了一份周末学习计划。不是泛泛的"多复习数学",而是带结构的:
- 时间分配
:把周末可用时段按科目和优先级切开; - 重点攻克方向
:直接指向错题库里高频出错的知识点; - 执行节奏
:先补概念,再练对应题型,避免盲目刷题。
换句话说,它把"错题 → 根因 → 计划"这条链路自动打通了,家长要做的主要是监督和陪伴。
还送了套练习卷
光有计划还不够,专家顺手生成了一份配套练习试卷,让孩子针对薄弱点巩固。题目方向紧扣错题库里暴露的问题,相当于"哪里漏补哪里"。
对家长来说,这省掉的不是一星半点:以前要自己找题、组卷,现在这一步也被 Agent 接管了。
Hy4 到底智能在哪
回头看这次实践,Hy4 给我的感觉是"稳"且"细":
- 识别、评分、记录
这类结构化任务,完成度很高,基本不用我返工; - 细节洞察
是真的加分项——它不只是执行指令,而是主动发现了我忽略的关联; -
最终产出的学习计划与练习卷,质量可以直接拿来用,不是空架子。
对普通家长意味着什么?意味着你不用自己是名师,也能给孩子配上一位"不知疲倦、看得比你还细"的家庭教师。对技术读者来说,这其实就是一个鲜活的例子:把大模型封装成一个可定制、带角色、带长期记忆的专家 Agent,去承担某个具体职能——育儿只是场景之一。
你也可以试试
这次体验的底层,是 WorkBuddy + 混元 Hy4 的组合。如果你也想给自家娃(或任何需要"专职助手"的场景)配一个定制专家,现在就可以动手:切到 Hy4、建个专家、喂点材料,让它开始工作。
欢迎在评论区聊聊你的玩法。
#WorkBuddy #Hy4


