教学帮助并不是把一个问题直接交给模型，再等它生成一段回答那么简单。真正落到高中教学场景里，往往同时涉及学科差异、教材版本、知识范围、核心素养要求和难度层级等多个变量。只要这些条件没有提前约束好，输出就很容易从“基于教材的教学支持”滑向“泛化问答”，最后看起来内容很多，但实际并不适合直接用于教学。尤其在学科类场景中，回答是否贴合教材、是否符合学段、是否匹配难度，往往比回答得多不多更重要。语文、数学、英语、物理、化学、生物、历史、地理、政治这九个学科本身就存在明显差异，如果再叠加教材版本和教学目标，单纯依赖模型自由发挥，结果很容易出现学科错位、版本不符或表达失焦的问题。因此，教学类智能体不能只追求“能回答”，更要做到“分流准确、知识有据、输出稳定”。文章目录智能体介绍核心模型Node 节点工作流程应用场景总结智能体介绍这套工作流的定位非常明确，它不是一个泛化的教育聊天助手，而是一个围绕“高中学科教学帮助”场景构建的知识约束型工作流。用户输入教学需求后，系统不会直接进入自由问答，而是先根据subject判断当前属于哪一门高中学科，再结合text_book判断教材版本是否命中支持范围，命中后进入对应知识库检索节点，最后由专项大模型节点结合用户问题、教材配置、核心素养、难度等级和知识检索结果输出答案。整个过程的重点不是“让模型自由发挥”，而是“让模型在正确学科、正确教材和正确知识范围内回答”。从整体能力来看，这个工作流围绕九个高中学科展开，分别覆盖高中语文、高中数学、高中英语、高中物理、高中化学、高中生物、高中历史、高中地理和高中政治。每个学科都拥有独立的教材判断分支、独立的知识检索节点和独立的大模型输出节点，保证不同学科不会共享同一条模糊链路。也就是说，它处理的不是一个笼统的“教学问答问题”，而是一组被提前标准化定义好的学科化、教材化教学帮助任务集合。工作流在代码层的入口变量主要围绕教学帮助场景展开，核心贯穿字段包括subject、text_book、book_name、important_quality、difficulty以及用户原始问题。其中，subj
