☑️Bot 现已开源，一键复制创造属于你的 24 小时口语专家

扫码体验 / 复刻雅思口语专家

提到备考雅思

第一反应是不是撸起袖子报个班？

等等打住！

现在流行的 " 电子专家 " 不会还有人不知道吧？

全能专家助你雅思保 7 争 8，轻松拿捏！

还能 1V1 口语陪练，免费的啊！！！

没有语言环境，那就自己创造！

--- 严肃分割线 --- 下面，让我们带你五步搭建你的 AI 口语产品！

Step 1：明确产品价值

经过与伙伴的深入讨论，我们明确了雅思 AI 口语陪练产品的市场价值：

1. 明确市场价值

用户画像高度重合

雅思考试市场年规模可达数十亿元人民币，包含报名费、培训费等。

用户驱动力强

雅思考生具有强烈的自我驱动力，对新产品接受度高。

用户痛点明显口语是中国考生的主要难点，缺乏语言环境尤为不利；

口语能力对申请出国留学的学生来说是面试成功的关键因素之一。

训练场景高留存率

雅思口语的训练场景有短期高频的需求，题库难度要求考生至少预留一周以上准备时间。

产品迭代增量可控

每年 1 月、5 月、9 月更新，新增内容占 30%，替换 70%；

Part 1 题库包括 30-50 道题，Part 2 和 Part 3 的题库涵盖 50-60 道题。

2. 明确可实现性

基于对大模型的了解，口语陪练产品与大模型能力高度契合。语言训练非常符合 Transformer 架构的特性，是其最佳实践之一。

Step 2：明确产品功能框架

为了做一款针对雅思口语训练的 AI 产品，我们首先需要明确雅思口语的考试结构 & 备考方式：

考试结构

Part1（4-5 分钟）: 日常口语交流，范围覆盖工作、学习、兴趣爱好、家庭等；

Part2（3-4 分钟）：根据考题准备 1 分钟，并进行 2 分钟左右的陈述；

Part3（4-5 分钟）：基于 Part 2 的话题，和考官进行更深入、更抽象和更具思辨性的讨论。

备考方式

题库复习；

教学反馈（实时打分、优化建议、范文梳理）；

考试模拟；

口语素材辅助整理，串题辅导；

训练进度管理。

产品功能框架

来，掌声送给这位全能的专家！

（靴靴大家⁄ ( ⁄ ⁄•⁄ ω ⁄•⁄ ⁄ ) ⁄）

Step 3：功能开发

利用 Prompt 工程和多 Agent 机制，我们完成了整个产品的功能设计。整体的功能实现思路如下：

1. 利用 COT+Fewshot，让模型能够基本准确执行任务链路。

以 Part1 的出题 Prompt 为例：

2. 通过 Prompt 结构性的优化，使得模型具备准确召回，并处理特殊情况的能力。

以题库的结构化逻辑为例，我们通过准确定义的 Markdown 语言逻辑，让模型实现的复杂的题库召回 :

下面看看效果实现 ?

多 Agent 设计

在多 Agent 的跳转逻辑设定中，在 Part1/2 的模型中，我们选择了 " 在当前节点的运行过程中识别 " 的模式，让 Part 之间的跳转决策后置，让跳转行为更为可控。但是对于希望用户能够沉浸完成正常考试的 " 模拟考试 " 节点，我们选择了 " 独立于当前节点的模型识别 - 大语言模型 " 模式，增加跳转决策受到 Prompt 影响的权重，对跳转行为做出了更多强制性的限制。下面是我们用于 " 模拟考试 " 节点的提示词：

多 Agent 设计 Step 4：能力评测与迭代

通过模拟不同类型的用户行为，来制定 Bot 功能的评测集，从而衡量 Bot 表现是否符合预期。下面是制定评测集的思路：

Session 1: 模拟学霸类用户对 Part 1/2/3 进行评测

重点评测方向：

回复的准确性与稳定性；

逐句优化的稳定性；

在引入一定干扰情况下，测试 Bot 的记忆能力至稳定。

Session 2: 模拟口语较差用户对 Part 1/2/3 进行评测

在存在较多干扰情况下，测试 Bot 的记忆能力上限。

Session 3: 模拟准备初期用户梳理 Part 2 材料与串题

梳理提问思路是否合理；

材料整理的质量；

串题的准确性。

Step 5：数据回收 & 优化

根据多轮真实用户的反馈，我们针对性地对 Prompt 和功能逻辑做了优化，从而在语气优化和细节处理方面更有把握。

Bot 上线后，已经有大约 4500 名用户使用，人均对话轮数超过 10 轮，人均对话时长超过 10 分钟，更懂同学们的 Bot，就更厉害哦～

最最最最后！

欢迎大家打开扣子 Bot 进行雅思口语的练习

给我们真实反馈！

我们也将整体配置在我们的 Bot 商店公开了

一起创造更多 AI + 语言的场景！

扫码加入交流群