DeepSeek 多模协作：下一代教育场景人工智能应用？

文摘 2025-02-04 00:21 马来西亚

多个AI灵活地扮演不同角色，通过设定情景、人物对话、剧情发展等方式，帮助学生在更沉浸式的氛围中学习——假如荆轲知道秦二世而亡还会不会去刺杀秦王？他们两个若在某个空间见面会聊些什么？一个 AI 扮演秦始皇，另一个扮演荆轲，再找一个来总结或者推动剧情发展……

在教育场景中，教学内容最需要精准与可靠。如今的大模型偶尔会出现“AI 幻觉”（Hallucination），导致学生接收到的知识点不准确。如果多模型协作里，有模型扮演“规划者”、另一个是“反思者”，再由“总结者”对答案进行进一步验证和归纳，各模型之间可以相互补充与校验，就能够大大降低误信息流向学生的概率。

这样的技术思路，叫做CoE（Collaboration-of-Experts,专家协同）技术架构，可以让多个模型分工协作、并行作战，执行多步推理，不同模型之间可以相互补充、相互校验，确保面对复杂问题可以有更稳定的输出。CoE 技术架构在中国已经经历了半年的应用，随着 DeepSeek 的加入，彻底成熟。我想未来一旦美国的科技巨头看到，会像今天看见 DeepSeek 一样震惊。

一、从“思维链”到“推理模型”，下一步会是什么？

在 deepseek-r1问世半年以前，周鸿祎就认为， open AI-o1这种推理模型遵循的可能就是思考快与慢那种“双系统理论（Dual Process Theory）”，于是命令团队研究如何让 AI 慢思考。

虽然o1的具体思考过程始终是OpenAI的至高机密（DeepSeek-r1 已经公开），但可以肯定的是，思维链（Chain of Thought, CoT）在其中扮演了重要角色。OpenAI在关于o1的报告中表示，思维链能让模型学会认识并纠正错误，学会将棘手的步骤分解为更简单的步骤，甚至学会尝试不同方法，极大地提高了模型的推理能力。

早在 2024 年2 月谷歌大脑推理团队创建者Denny Zhou，清华姚班校友、斯坦福助理教授、斯隆奖得主马腾宇等人的一篇论文，更是揭开了思维链的无限潜能。

这篇论文证明：即使在没有额外训练数据的情况下，仅通过指令提示模型进行逐步思考（zero-shot CoT prompting），也能显著提高模型的推理能力。这表明CoT的形式本身对于提升模型性能至关重要。

DeepSeek-r1的技术报告让我们知道，推理模型通过强化学习可以自动学习复杂的推理行为，如自我验证和反思。随着训练过程的深入，模型逐步提升了复杂任务的解答能力，并在推理任务上显现突破性的性能提升。也就是说，这些推理模型可以根据任务的难度形成“动态思维链”——过去的AI 聊天机器人需要用户设定“思维链”，推理模型有自己的“思维链”，或者说“推理过程”。

然而，1 月 30 号腾讯 AI 实验室的研究发现，o1 类模型（如：DeepSeek-r1）在处理复杂问题时，尽管能够动态调整推理过程，但频繁的思路切换并不总是带来更高的准确性。模型可能在探索多个无效的推理路径上浪费计算资源，而不是深入探索有潜力的路径。

推理模型很容易过度思考，而有时候，问题没有那么复杂。我就曾经向某品牌的AI推理模型提问：“9.11 和 9.2 谁更大”，AI 经过了长达几页的推理和验证，最后还是答错了。而这道题即使是不懂小数概念的孩子，蒙对的概率也是 50%

下一步会是什么？

二、360 的多模型协作和 CoE 架构

昨天下午用deepseek 时发现它短暂地崩了一小会儿，于是想办法去 360 的纳米 AI 搜索里边去用——现在国内外很多家 AI 公司都部署了 Deepseek 模型，包括但不限于美国的 Perplexity，英伟达、微软、华为云等。但是 360 这次玩出了新意。

请给视频号点点关注，教育学人 AIED 正在筹划直播...

360 推出了一项“多模型协作”功能，可以让 DeepSeek、Kimi、豆包、文心一言等国产 AI 大模型出现在同一个对话框里，分别赋予“规划者”、“反思者”、“总结者”的身份——一个出主意，一个提意见，最后再有一个来总结。这相当于拓展了 AI 的思维链。

在教学场景中，这种协作机制更加贴合真实教学中“多角度评估、分层教学”的做法，能把个性化学习落到实处。当学生完成一套题目之后，可以由“规划者”AI 给出本次评测的整体方向；“反思者”AI 针对学生解答过程中的失误或薄弱点进行详细追问、分析；“总结者”AI 则给出更具针对性的反馈和下一步学习规划建议（比如推荐题库或视频讲解）。

早在 2024 年7月底的ISC大会上，360推出了CoE（Collaboration-of-Experts,专家协同）技术架构，可以让多个模型分工协作、并行作战，执行多步推理，不同模型之间可以相互补充、相互校验，确保面对复杂问题可以有更稳定的输出，解决“AI幻觉”的弊端。这次引入了 Deepseek 等推理模型之后，AI 的多模型协作效果更好了。可以预见，未来CoE会替代MoE成为新趋势，开启多模型协同时代。

同时，由360牵头，百度、腾讯、阿里巴巴、智谱AI、DeepSeek、月之暗面等16家国内主流大模型厂商形成一个联盟，将这些企业的54款大模型产品接入CoE，协同发挥作用。

据悉，CoE技术架构不仅接入了“大模型”，还接入了很多十亿甚至更小参数的专家模型，这使得整个系统更加智能。CoE架构在实现“让最强的模型回答最难的问题”的同时，还能在回答简单问题时调用更精准的“小模型”，在获得高质量回答的同时，节约推理资源、提升响应速度。

三、多模协作在教育场景中的潜力

2022 年底我看到 ChatGPT 发布时想到，用这个东西出题写教案应该不错；最近爆火的 DeepSeek 已经完全可以实现解题和讲题；在未来，多模型协作可以让课堂更加有趣，角色扮演，模拟实验，甚至可以设计课堂剧本——AI灵活地扮演不同角色，通过设定情景、人物对话、剧情发展等方式，帮助学生在更沉浸式的氛围中学习。

下面是几个可能的教学应用思路，供开发者和教育创新实践者参考：

1.历史情景模拟

多角色扮演： 假设某个课堂主题是讲解战国末期的历史事件，AI 可以分别扮演秦始皇、荆轲等历史人物，再由“第三方”AI 担任旁白或讲述者，引导学生进入特定的历史场景。

改写/假设情节： 比如假设荆轲知道“秦二世而亡”的未来走向，还会不会选择刺杀？学生可以通过与 AI 不断对话，引导角色碰撞出各种假设和推论，探索不同的历史发展可能。

反思与总结： 最后，让“总结者”AI 或师生共同回到史实，总结本次角色扮演中出现的关键价值观、历史事件起因、人物性格对历史走向的影响等。

这种学习可以增强历史学习的趣味性、代入感，让学生从不同角度思考历史人物的动机和决策；培养发散思维与批判性思维，也有助于学生对历史的深度理解与记忆。

2. 多模型辅助的深度问答

协同出题与解题：一个模型用来生成系列问题或测验题；另一个模型负责解析、解题；第三个模型则从学生视角来检查解题过程是否能够接受，并纠错或补充思路。
讲解与脚本化：解题过程可以自动形成一个“解题脚本”或“可视化流程”，供学生在课堂上或课后复习时观看，就像看一段AI老师为你现场“演练”如何思考。
自动生成教学案例：多模型协作也能快速给出案例故事或引人入胜的题目背景，为师生提供更多原创素材。

通过分工协作，各模型“各司其职”，解决了单一模型可能出现的盲点或错漏；快速生成并校对多学科、多难度层次的题目，为个性化教学提供更多可能性。

3. 与实验/实践结合

模拟实验情境：比如化学课想演示某些化合物反应过程，却限于安全和成本问题无法在课堂上完成，可以让 AI 扮演“实验讲解员”和“实验记录员”，生成模拟实验步骤、材料或对话，让学生直观了解实验过程、观察反应现象。
角色驱动的探究学习：在物理或生物等学科，可以设定“探险小分队”角色（由多个 AI 模型分别扮演），他们在虚拟场景里探索某个科学现象，通过边阅读边讨论，为学生呈现不同角度的分析。随后再由教师总结关键的科学原理。

减少实际操作的条件限制，但又保留对实验和探究过程的可视化呈现；借由角色扮演的方式，让学生“身临其境”地学习科学知识，更具真实感。

5. 课堂的延伸：跨学科融合

融入多学科知识： 举例而言，一个跨学科主题情景剧可以涵盖历史人物（历史课）、人物的性格与心理动机（心理学/文学课）、所处时代的科技或交通（地理/科技课），甚至涉及一些哲学或伦理思考。
在同一个对话里聚合多模型：随着 DeepSeek、Kimi、豆包、文心一言等国产AI不断成熟，不同模型可分别擅长不同学科知识或技能：有人负责历史背景，有人负责文学解读，有人专攻数理分析，还有人专门负责语言润色，最终由“总结者”把所有信息打包成一个课堂输出。
加深学生的融会贯通：让学生在一个更大、跨学科的情景下理解知识，也能更好地锻炼整合能力与系统性思维。

从“思维链”到“推理模型”再到“多模型协作”；从“单兵作战”到“单兵带着脑子作战”再到“专家团队作战”；从“写教案”、到“解题”，再到“创意课堂交互”，多模型协作的潜力不再是减少教学负担、快速生成内容，更重要的是它能带来全新的课堂交互方式。通过灵活扮演人物、虚拟实验和情境设计，多模型让教育更具创造性和沉浸感。未来，随着国产 AI 大模型的持续发展与 CoE 技术的成熟，这种“创意课堂+多模型对话”的课堂交互，必将成为教育数字化升级的一大亮点。

教育学人AIED

课程与教学研究与分享，包括但不限于教育概念辨析，教育观念批判。