多鯨首個教育智能體，上線

過去幾年，我們寫了很多關于教育行業的變遷：從雙減后的重構，到 AI 浪潮下的再造。而在寫的過程中，我們越來越明確一件事——光靠「報道」已經不夠了。

教育行業需要一種能夠持續對話的知識形態。 于是，我們開始嘗試用人工智能，把多鯨的內容與洞察，變成一個可以和你對話的智能體。

2025 年，AI 已經不是「概念」，而是每個機構、產品、媒體都必須面對的「網絡」。

騰訊元器的出現，讓智能體不再只是技術團隊的獨有。它提供了一個簡單、開放、可落地的平臺，讓任何有內容、有理解的人，都可以構建屬于自己的 AI 助手。

對多鯨來說，這意味著：我們可以讓 AI 去承載那些關于教育的思考、判斷與積累，并使其在行業生態中持續發聲。

第一步：確定角色和使命

我們希望它不只是一個問答機器人，而是一個「教育智問者」——它了解趨勢，懂政策，也懂得「為什么重要」。所以我們給它命名為「多鯨·教育智問」。它的使命，是讓教育從業者、機構管理者、視角，隨時從對話中，獲得新的視角與啟示。

第二步：整理知識與內容

這一步比我們想象的簡單——在騰訊元器后臺，直接關聯多鯨公眾號，系統就會自動抓取并解析我們過去發布的內容。那些關于行業趨勢、政策觀察、AI教育應用、機構案例的文章，不需要手動整理，就被智能體「懂讀」了，并能在對話中被重新組合、引用、延展。

第三步：構建思考邏輯

這一步同樣簡單。我們只需要告訴騰訊元器：希望這個智能體扮演什么角色、能幫讀者做什么——比如「你是多鯨的教育行業助理，保持理性判斷，不要過度煽情，讓復雜的趨勢被看見，也讓教育的人被理解」。系統會一鍵生成完整的提示詞，不需要懂任何技術。

第四步：連接生態場景

智能體搭建完成后，我們將其發布到公眾號菜單與關注回復中、把小程序嵌入到文章里面。這樣，AI 不再是一個獨立工具，而是成為多鯨內容生態的一部分。

當一個媒體的「內容」，能夠以智能體的形式被用戶主動調用——那其實是一種場景層次的連接。

對教育行業來說，這意味著每一個專業的知識源、判斷、機構，都可以擁有自己的「AI 表達體」，前置去他們的理解與判斷。

我們常說，多鯨是一家「用內容理解教育」的公司。而現在，這些內容開始學會「自己說話」。

多鯨·教育智問，只是一個開始。它會隨著行業、技術與我們共同成長。我們也希望它能夠成為教育行業新的對話方式——讓思考，不僅僅于文字，讓洞察，可以被實時觸達。

和它聊聊教育吧。

多鯨智問是我們基于公眾號內容做的一次嘗試，但騰訊元器在教育領域的想象空間還遠遠不止。

目前，元器的教育應用已經覆蓋「教、學、管、評」全流程，并形成了可復制的落地模式。

第一課是課堂智能助教。某中學用元器搭建和作文批改智能體，自動解析公式、生成分類、班級數學同類題鞏固，教師效率提升 40%。有培訓機構接入「騰訊翻譯君」插件，做 24 小時英語陪練，實時糾錯發音，已嵌入微信小程序。

第二類是個性化學習空間。有家長用元器無代碼搭建「小學語文私教」，作文輔導從「無話可說」到「金句頻出」，一個月成績明顯提升。江蘇萬省開放大學面向 20 師生開放元器智能體，根據學習記錄自動規劃路徑、資源，把因材施教落到實處。

這些應用能規模化落地，靠的是元器的三大核心能力。一是低門檻，模板、插件、知識庫準備，教師需要寫代碼。二是資源共建，騰訊教育服務云支持「眾建共享」，區域可共建提示詞庫和課例包。三是鏈接全域各地，一鍵接入微信、QQ、企微、小程序，解決「建完難落地」的問題。

如果你也想嘗試——無論你是教培機構、學校、教育自媒體，還是身懷一技之長的教育從業者 —— 均可通過騰訊元器搭建專屬智能體。只需關聯公眾號、設定角色定位、一鍵生成描述提示詞，即可快速完成創建與發布，全程無需編寫任何代碼。

掃碼開始搭建

進入騰訊元器首頁，最直觀的區域就是「智能體廣場」。它并不是一個簡單的 Demo 展示區，而更像是一個已經被驗證過的 AI 應用商店與能力樣板間：不同角色、不同場景的智能體被集中呈現，供用戶直接體驗和調用。

在這里，智能體不再局限于單一用途，而是覆蓋了從內容創作到教育輔導、從專業分析到日常工具的多種需求形態——包括公眾號智能體、專家顧問、客服助手、IP 數字分身，以及教育、醫療健康、企業、政務、科技、法律、公益、效率工具、創意繪畫等方向，總計 20 個分類、180 個基于騰訊混元大模型的智能體能力組合。

為了更直觀地理解這些智能體在真實場景中的表現，我們也從中挑選了幾個不同類型的代表，進行了簡單實測。

實測一：公眾號智能體之 SWOT 分析師

首先體驗了一個典型的分析型智能體——SWOT 分析師。直接拋給這個智能體一個現實問題：「一個新聞專業在校大學生的 SWOT 分析」，沒有額外背景設定。

它的響應速度很快，而且在正式輸出前，會先對提問者的身份與處境進行判斷，再決定分析重點，而不是簡單套用模板。這種「先判斷，再分析」的方式，讓結果讀起來更貼近真實情境。

整體來看，這更像是一位擅長結構化思考的職業輔助者，而不是只會輸出標準答案的工具。

實測二：教育智能體之中學生的萬能涂老師

體驗的第二個智能體，是面向中學生的教學型智能體——萬能涂老師。這里只輸入了一句很日常的問題：「我想理解數與代數。」

它并沒有直接給出定義，而是自動判斷我的真實意圖，從「這是什么」開始，逐層展開講解：先解釋概念，再用生活化例子幫助理解，最后延伸到現實應用和學習建議，整體節奏非常接近真實課堂。

在講解過程中，它大量使用故事和場景來承載抽象概念，比如用日常變化解釋變量，用簡單情境引導代數思維，明顯在降低理解門檻，而不是堆砌知識點。

后半部分，它還會把數與代數放入更大的現實背景中，說明這些能力在科技、經濟等領域中的作用，同時提醒工具的邊界與風險。

從體驗來看，這個智能體解決的并不是「題目怎么做」，而是「為什么要學」，展示了 AI 在教育場景中，從答題工具轉向陪伴式講解者的可能性。

實測三：文生圖能力實測

在創作場景中，對比測試了騰訊元器文生圖模型、豆包和 GPT Image 1.5，以「北極光映照下的雪景」為統一提示詞。

圖片來源：騰訊元器文生圖模型

上述四張圖片來源：豆包

在效率上，騰訊元器和豆包都能在 10 秒內完成生成，響應流暢；GPT Image 1.5 的生成時間明顯更長，在高頻使用場景中差異較為明顯。

圖片來源：GPT Image 1.5

從畫面風格看，GPT Image 1.5 更偏真實還原，光影和空間關系成熟，適合對質感要求較高的正式場景；豆包強調視覺沖擊力，一次生成多張、風格差異大，更適合封面或傳播用途；騰訊元器則整體風格穩定，對提示詞理解直接，可控性強，更接近可批量使用的「標準輸出」。

三者并不存在絕對優劣，差異更多體現在取向上：真實感、表現力，或穩定性。在實際工作中，選擇哪一種，取決于你更看重效率、風格，還是可控性。

從這些案例可以看出，智能體廣場不是一個簡單的 Demo 展示區，而是讓「零代碼打造 AI 智能體」從概念落地為觸手可及的工具。不同用戶——從中學生到大學生，從教師到家長——都能在這里找到適配的解決方案。

想試試？現在就可以開始。教育從來不缺好想法，缺的是讓想法落地的工具。現在工具已經準備好了，就看你什么時候開始。

點擊原文鏈接，創建、發布智能體，讓好的教育想法快速落地！