Разработка системы AI-генерации учебных материалов
AI-система генерирует структурированные учебные материалы: конспекты, презентации, рабочие листы, глоссарии, кейсы. Применяется в EdTech-платформах, корпоративном обучении, школах и вузах для масштабирования производства контента.
Генератор курса из темы
from openai import AsyncOpenAI
from dataclasses import dataclass
client = AsyncOpenAI()
@dataclass
class CourseStructure:
title: str
target_audience: str
learning_objectives: list[str]
modules: list[dict] # [{title, topics, exercises, duration_min}]
assessment: dict
prerequisites: list[str]
async def generate_course_structure(
topic: str,
level: str, # beginner, intermediate, advanced
duration_hours: int = 10,
audience: str = ""
) -> CourseStructure:
response = await client.chat.completions.create(
model="gpt-4o",
messages=[{
"role": "system",
"content": f"""Ты — методолог онлайн-образования.
Создай структуру курса с блоом-таксономией для каждой цели.
Уровень: {level}.
Длительность: {duration_hours} часов.
Разбей на модули по 1-2 часа.
Для каждого модуля: тема, подтемы, практические задания, контрольные вопросы.
Верни JSON."""
}, {
"role": "user",
"content": f"Тема: {topic}\nЦелевая аудитория: {audience or 'не указана'}"
}],
response_format={"type": "json_object"}
)
data = json.loads(response.choices[0].message.content)
return CourseStructure(**data)
Генерация контента модуля
async def generate_lesson_content(
module_title: str,
topics: list[str],
level: str,
include_examples: bool = True,
include_exercises: bool = True
) -> dict:
response = await client.chat.completions.create(
model="gpt-4o",
messages=[{
"role": "system",
"content": f"""Напиши материал для учебного модуля.
Уровень: {level}.
Структура Markdown:
- ## Введение (зачем нужна тема)
- ## Теория (H3 для каждой подтемы)
- {'## Примеры (реальные use cases)' if include_examples else ''}
- {'## Упражнения (практические задания с решениями)' if include_exercises else ''}
- ## Ключевые выводы (буллет-лист)
- ## Проверочные вопросы (5 вопросов с ответами)
Стиль: ясный, конкретный, без воды."""
}, {
"role": "user",
"content": f"Модуль: {module_title}\nТемы: {', '.join(topics)}"
}]
)
return {
"content": response.choices[0].message.content,
"format": "markdown"
}
Генерация рабочих листов и тестов
async def generate_worksheet(
topic: str,
exercise_types: list[str], # multiple_choice, fill_blank, open_question, case_study
difficulty: str = "medium",
num_exercises: int = 10
) -> dict:
response = await client.chat.completions.create(
model="gpt-4o",
messages=[{
"role": "system",
"content": f"""Создай рабочий лист для закрепления темы.
Типы заданий: {', '.join(exercise_types)}.
Сложность: {difficulty}.
Количество заданий: {num_exercises}.
Для каждого задания укажи правильный ответ и объяснение.
Верни JSON: {{exercises: [{{type, question, options, answer, explanation}}]}}"""
}, {
"role": "user",
"content": f"Тема: {topic}"
}],
response_format={"type": "json_object"}
)
return json.loads(response.choices[0].message.content)
Адаптивная персонализация материала
async def adapt_material_for_learner(
base_material: str,
learner_profile: dict # {level, background, learning_style, mistakes_made}
) -> str:
response = await client.chat.completions.create(
model="gpt-4o",
messages=[{
"role": "system",
"content": f"""Адаптируй учебный материал для конкретного ученика.
Профиль: {json.dumps(learner_profile, ensure_ascii=False)}.
- Упрости концепции, которые вызывают затруднения
- Добавь примеры из знакомой области
- Подчеркни места, где раньше были ошибки"""
}, {
"role": "user",
"content": base_material
}]
)
return response.choices[0].message.content
Сроки: генератор структуры курса + материалов модулей — 2–3 недели. Платформа с персонализацией, трекингом прогресса и адаптивными тестами — 2–3 месяца.