☑️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

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

重点评测方向：

• 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！