问题：一个 Agent 怎么教多门课？

我们有一个 AI 教学助手”海克斯”，基于 OpenClaw Agent 框架搭建，最初只服务于 C 语言课程。现在系统要扩展到多班级多课程——Python、Java、数据结构甚至数学、英语——问题来了：

每个课程的 System Prompt 都不一样。 C 语言需要引导指针和内存管理，Python 需要强调标准库和 pip 生态，数据结构需要聚焦算法复杂度。

最直接的想法：每门课创建一个独立的 Agent。但 OpenClaw 创建 Agent 需要命令行操作，让老师去敲 CLI？这门槛太高了。

我们需要一种方案：老师不需要碰命令行，在 Web 页面就能创建新课、配置 AI 行为。同时 Agent 本身只维护一套，不用新增。

核心思路：Agent 人格与课程知识的三层解耦

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
┌─────────────────────────────────────────────────┐
│                  OpenClaw                        │
│  ┌───────────────────────────────────────────┐  │
│  │          Jarvis Agent（通用教学人格）        │  │
│  │   "耐心、引导式教学、授人以渔"               │  │
│  │   不绑定任何学科                             │  │
│  └───────────────────────────────────────────┘  │
│                      +                          │
│  ┌───────────────────────────────────────────┐  │
│  │       应用层 System Prompt（按课程注入）      │  │
│  │   课程A: "C语言助教，擅长指针/内存"           │  │
│  │   课程B: "Python助教，擅长标准库/numpy"       │  │
│  │   课程C: "数据结构助教，擅长算法/图/树"        │  │
│  └───────────────────────────────────────────┘  │
│                      +                          │
│  ┌───────────────────────────────────────────┐  │
│  │         MCP 工具回调（检索时注入课程）         │  │
│  │   "【系统提示】当前课程：数据结构"             │  │
│  └───────────────────────────────────────────┘  │
└─────────────────────────────────────────────────┘

第一层：Jarvis Agent 本身只定义教学风格——耐心、引导式、鼓励为主。不绑定任何具体学科。

第二层：应用层通过 course 表存储每门课的 System Prompt，Web 聊天时从 Redis 会话中提取 courseId，动态渲染 Prompt 后注入请求。

第三层：QQ 群消息绕过 Web 路径时，MCP 工具（searchKnowledge）回调中自动解析 QQ 群号 → 班级 → 课程，在检索结果头部注入课程上下文。

创新点一：预设 Prompt 模板系统

创建新课最麻烦的是写 System Prompt。不是每个老师都擅长 Prompt Engineering。所以我们设计了一套预设模板，老师创建课程时选一个模板，Prompt 自动填充：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
课程名称: [数据结构___________]

预设模板: [数据结构    ▼]
          ├─ C语言程序设计
          ├─ Python程序设计
          ├─ Java程序设计
          ├─ 数据结构        ← 选中
          ├─ 通用课程
          └─ 自定义（空白）

System Prompt 预览:
┌─────────────────────────────────────────┐
│ 你是教学助手，服务于数据结构课程。       │
│ 1. 涉及数组、链表、栈、队列、树、图      │
│    等基本数据结构时，先调 searchKnowledge │
│ 2. 涉及排序、查找、递归、动态规划等       │
│    算法时，同样需要检索知识库            │
│ 3. 班级/学生问题调用对应工具             │
│ ...                                    │
└─────────────────────────────────────────┘
                              [确认创建]

模板文件是标准的 Java Properties，放在 resources/presets/course-presets.properties：

1
2
3
4
5
6
7
8
9
preset.ds.name=数据结构
preset.ds.prompt=你是教学助手，服务于{{courseName}}课程。\
请严格遵循以下工具调用规则：\n\
1. 【必须检索知识库】涉及以下内容时，先调用 searchKnowledge：\n\
   - 数组、链表、栈、队列、树、图等基本数据结构\n\
   - 排序、查找、递归、动态规划等算法\n\
   - 时间/空间复杂度分析\n\
   - 任何你记忆不确定的知识性问题\n\
...

{{courseName}} 是占位符，创建时会被替换为实际课程名。老师选模板后也可以手动编辑 Prompt，存入 course 表。

这样做的好处：

  • 新增一门课不需要改代码，Web 页面 30 秒搞定
  • 模板覆盖了常见学科（C/Python/Java/数据结构/数学/英语/通用），空白模板支持完全自定义
  • 新增模板只需在 properties 文件加一段，不用动 Java 代码
  • Prompt 存入数据库带 Redis 缓存，读取无性能损耗

创新点二：QQ 群自动路由——无缝注入课程上下文

Web 聊天路径很好办，ChatController 里拿到 userId → classId → courseId，存进 Redis session，OpenClawServiceImpl 构建请求时读取。

但 QQ 群消息是绕过后端的：

1
2
QQ群 → Napcat → OpenClaw Gateway → Jarvis Agent
                ↑ 绕过 Java 后端

这条路不经过 ChatController，没人调 registerSessionContext，Redis 里没有 session。Jarvis 不知道自己在哪个群里、对应哪门课。

解决方案：借用 MCP 工具回调注入上下文。

当学生在 QQ 群问知识性问题时，Jarvis 遵循 IDENTITY.md 的规则调用 searchKnowledge：

1
Jarvis → POST /mcp → searchKnowledge({query, groupId, userId})

我们让 KnowledgeSearchTool 在执行检索前解析上下文：

1
2
3
4
5
6
7
8
// ③ QQ群号 → 班级 → 课程
if (ctx == null) {
    ctx = resolveByGroupId((String) arguments.get("groupId"));
}

// resolveByGroupId 内部
ClassInfo cls = classInfoMapper.selectByQqGroupId("875860223");
// → 计算机一班 → courseId=5 → 数据结构

解析出 courseId 后，不只是用 userId 过滤检索结果，还在结果头部注入课程信息：

1
2
3
4
5
6
7
8
private String buildCourseHeader(ToolContext ctx) {
    Course course = courseService.getById(ctx.getCourseId());
    return """
        【系统提示】当前对话所属课程：%s。
        知识范围：%s。
        请以此课程助教身份回答问题。
        """.formatted(course.getName(), course.getKnowledgeScope());
}

Jarvis 拿到的检索结果格式：

1
2
3
4
5
6
7
8
9
10
11
【系统提示】当前对话所属课程：数据结构。
知识范围：数组、链表、栈、队列、树、图等基本数据结构。
请以此课程助教身份回答问题。

【C语言知识点总结(1).doc】
数组的定义与初始化、指针与数组的关系...

---

【数据结构教材.md】
链表的基本操作：插入、删除、遍历...

LLM 看到第一行就知道自己在教数据结构了。 后续对话自然延续这个身份，直到 session 过期。

关键设计点：group_id 和 user_id 是通过 Jarvis 的 IDENTITY.md 规则让 LLM 主动传的，不是依赖 OpenClaw 回传——因为 OpenClaw 的 MCP 回调不保证带 session 上下文。这是典型的 Agentic Context Passing 模式。

完整架构图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
┌──────────────────────────────────────────────────────────┐
│                      教师创建课程                          │
│   Web页面 → 选预设模板 → course 表 ───→ Redis 缓存         │
│                      ↓                                   │
│               system_prompt + knowledge_scope             │
└──────────────────────────────────────────────────────────┘
                           │
        ┌──────────────────┴──────────────────┐
        │                                     │
        ▼                                     ▼
┌───────────────┐                     ┌───────────────┐
│   Web 聊天路径  │                     │   QQ 群路径     │
│               │                     │               │
│ ChatController│                     │ OpenClaw → LLM │
│   ↓           │                     │   ↓            │
│ userId →      │                     │ LLM 调工具      │
│ classId →     │                     │   ↓            │
│ courseId      │                     │ searchKnowledge│
│   ↓           │                     │   ↓            │
│ Redis session │                     │ groupId →      │
│ 存 courseId   │                     │ ClassInfo →    │
│   ↓           │                     │ courseId       │
│ OpenClawImpl  │                     │   ↓            │
│ 读 course 表  │                     │ 结果头部注入     │
│ 注入 Prompt   │                     │ 课程上下文      │
└───────────────┘                     └───────────────┘
                           │
                           ▼
              ┌─────────────────────┐
              │   Jarvis Agent      │
              │   通用教学人格        │
              │   + 课程专属 Prompt │
              └─────────────────────┘

数据库设计

1
2
3
4
5
6
7
8
9
10
11
12
13
-- 课程表：存储课程名 + 专属 Prompt
CREATE TABLE course (
    id              BIGSERIAL PRIMARY KEY,
    name            VARCHAR(100) NOT NULL,       -- "数据结构"
    system_prompt   TEXT NOT NULL,               -- 课程专属 System Prompt
    knowledge_scope TEXT,                        -- 知识范围
    teacher_id      BIGINT,
    created_at      TIMESTAMP DEFAULT NOW()
);

-- 班级关联课程
ALTER TABLE class_info ADD COLUMN course_id BIGINT;
ALTER TABLE class_info ADD COLUMN qq_group_id VARCHAR(32);

表结构很简洁：course 存 Prompt，class_info 通过 course_id 关联课程，qq_group_id 实现 QQ 群自动路由。

关键代码片段

动态 Prompt 加载（Web 路径）

1
2
3
4
5
6
7
8
9
10
11
// OpenClawServiceImpl.java
private String resolveSystemPrompt(String sessionId) {
    ToolContext ctx = mcpSessionStore.get(sessionId);
    if (ctx != null && ctx.getCourseId() != null) {
        Course course = courseService.getById(ctx.getCourseId());
        if (course != null) {
            return course.getSystemPrompt();  // 从 DB 加载
        }
    }
    return DEFAULT_SYSTEM_PROMPT;  // 通用兜底
}

QQ 群路由解析（OneBot 路径）

1
2
3
4
5
6
7
8
9
10
// KnowledgeSearchTool.java
private ToolContext resolveByGroupId(String groupId) {
    ClassInfo cls = classInfoMapper.selectByQqGroupId(groupId);
    if (cls != null) {
        Long teacherId = cls.getTeacherId();
        Set<Long> kbIds = sharedKbMemberMapper.selectKbIdsByUserId(teacherId);
        return new ToolContext(teacherId, kbIds, cls.getCourseId());
    }
    return null;
}

课程上下文注入（检索结果增强）

1
2
3
4
5
6
7
8
// KnowledgeSearchTool.java
private String buildCourseHeader(ToolContext ctx) {
    Course course = courseService.getById(ctx.getCourseId());
    return String.format(
        "\n【系统提示】当前对话所属课程：%s。知识范围：%s。\n\n",
        course.getName(), course.getKnowledgeScope()
    );
}

设计原则总结

原则 实践
Agent 不绑定学科 Jarvis IDENTITY.md 只定义教学风格，不写课程
课程配置数据化 Prompt 存入 DB，Web 页面编辑，不写代码
预设模板降门槛 6 个学科模板，老师选模板即用
双路径覆盖 Web 走 Redis session，QQ 走 MCP 工具回调解析
检索即注入 MCP 工具返回结果时自动带课程上下文
Agentic Context Passing LLM 按 IDENTITY.md 规则主动传 groupId/QQ 号

效果验证

数据结构课程群提问：

1
2
3
4
学生: 数组和链表有什么区别？
Jarvis: 【读取 searchKnowledge 返回 → 看到 "当前课程：数据结构"】
      数组和链表是两种基本的数据结构，它们的核心区别在于...
      (自动以数据结构老师身份回答) ✅

Python 课程群提问：

1
2
3
4
学生: 列表和元组有什么区别？
Jarvis: 【读取 searchKnowledge 返回 → 看到 "当前课程：Python程序设计"】
      Python 中列表和元组的核心区别是可变性...
      (自动以 Python 老师身份回答) ✅

Web 聊天路径：

1
2
3
4
老师(在数据结构班级下): 帮我写个排序
Jarvis: 【OpenClawServiceImpl 加载数据结构课程的 Prompt】
      请问你需要哪种排序算法？冒泡、快排还是归并？
      (自动以数据结构老师身份回答) ✅

后续方向

  1. 知识库课程隔离：在 Vector DB 检索时加 courseId 过滤，让不同课程的知识库互相隔离（当前已用 userId 过滤，courseId 过滤可随时叠加）
  2. 学生端自动适配：学生通过 QQ 群提问时自动识别所在课程，无需手动切换
  3. Prompt 版本管理：老师修改 Prompt 后自动回溯历史版本，避免误改导致 AI 行为异常
  4. 跨课程知识点共享：同一知识点（如”算法复杂度”）在多个课程中出现时自动关联

这篇博客的重点：不新建 Agent、不写 CLI、不依赖 OpenClaw 回传 session——通过预设模板 + 动态 Prompt + MCP 工具注入三层解耦，把课程扩展从”运维操作”降级为”填表创建”，让不懂技术的老师也能自己开新课。