CodeEdu · multi-agent coding education platform

CodeEdu research group · INT · тип R · стадия poc · контур: greenfield

Канвас 18 секций

00 Онтологический статус ⓘ draft · enriched-from-waves

CodeEdu представляет собой исследовательскую архитектуру — multi-agent collaborative platform для персонализированного обучения программированию. Это не полноценное развернутое решение («в продакшне»), а prototype/architectural case с уровнем агентности 3/6, где AI-агенты распределяют педагогические и инженерные функции, но нет данных о реальном институциональном внедрении. Рассматривается как исследовательская разработка, показывающая возможности мультиагентной организации в coding education.

01 Сигнатура и контекст ⓘ draft · imported

CodeEdu — multi-agent платформа для персонализированного обучения программированию: task planning, code execution, debugging, learning report generation. Без реального course deployment. Тип [[B-no-code-builder]] в research-форме.

02 Проблема и исходная ситуация ⓘ draft · enriched-from-waves

До появления CodeEdu не было решения, которое системно распределяло бы задачи персонализированного обучения программированию между несколькими агентами с функционалами от планирования задач до выполнения и проверки кода и генерации обучающих отчетов. Существующие ChatGPT-помощники или монолитные модели не обеспечивали органическую координацию ролей tutor, debugger и report generator в единой платформе и не подстраивались динамически под индивидуальные потребности студента.

03 Гипотеза эффекта ⓘ draft · enriched-from-waves

CodeEdu обещает повысить качество персонализации обучения программированию за счет multi-agent collaboration, где каждый агент отвечает за отдельный этап: планирование задач, предоставление обучающих материалов, пошаговое сопровождение, выполнение и отладку кода, формирование отчетов о прогрессе. Такой дистрибутивный подход ориентирован на улучшение coding performance и оптимизацию учебного процесса с помощью динамического распределения ресурсов и автоматических оценок.

04 Архитектура AI ⓘ draft · enriched-from-waves

В платформе CodeEdu применяется мультиагентная архитектура с интеграцией нескольких моделей и инструментов. Роли агрегированы по функционалу: task planner, tutor, code executor, debugger и report generator. Эта система мультиагентов строится на стеке, включающем динамическое назначение задач и использование нескольких моделей ИИ для решения конкретных подзадач. Хотя нет подробностей по провайдерам или версиям, архитектура предполагает orchestration NET вместе с AUTO педагогикой и гибридным контролем (HYBR).

05 Ролевая модель команды ⓘ draft · enriched-from-waves

В архитектуре кодирования специфичные роли людей ещё мало детализированы, так как кейс исследовательский. Однако предполагается наличие разработчиков платформы, педагогов-дизайнеров курсов и конечных пользователей-студентов. От человеческой команды требуется координация с AI-моделями, в частности в вопросах создания учебных траекторий, оценки результатов и анализа.

06 Роль AI ⓘ draft · enriched-from-waves

ИИ выступает как распределённый multi-agent tutor, выполняющий задачи planner + tutor + code executor + debugger + report generator. То есть ИИ интегрирован и в педагогические, и в технические процессы: планирует учебные задачи, сопровождает студента, интерпретирует и выполняет код, выявляет ошибки, выдает рекомендации и генерирует отчёты. Это даёт агентность 3 из 6, свидетельствующую о средней степени автономии и распределённости функций между агентами.

07 Сценарий взаимодействия ⓘ draft · enriched-from-waves

В типичном сценарии пользователь запускает сессию обучения, после чего агенты CodeEdu распределяют образовательные задачи. Планировщик формирует учебный план, tutor ведёт обучение шаг за шагом, code executor проверяет и запускает код, debugger анализирует ошибки, а report generator формирует отчет о прогрессе. Эти агенты динамически координируются под конкретного студента, обеспечивая адаптацию контента и помощи в реальном времени.

08 Институциональный контур ⓘ нет данных