☑️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
登录后才可以发布评论哦
打开小程序可以发布评论哦