摘要
自适应学习环境与大型语言模型（LLMs）的结合日益增多，但大多数基于LLM的辅导工作仅关注反馈的生成，而未将其整合到可控、可审计的学习循环中。本文提出了一种与供应商无关的LLM架构设计，用于自适应Oracle SQL辅导。我们描述了该系统的设计阶段：明确了底层的自适应学习平台、一个与供应商无关的服务层（该服务层通过单一的可审计接口抽象出可互换的模型后端）、针对SQL的扩展功能（以固定Oracle HR模式的内存SQLite测试环境作为概念验证；Oracle特有的执行机制、实时沙盒环境以及全课程范围的评估工作仍在规划中），同时提出了一种具体的验证方法——但并未声称其具有实证效果。该设计将认知适应性（通过可配置参数实现的任务选择）与基于Keller的ARCS模型的动机设计相结合。遵循基于设计的研究方法，适应逻辑被表述为可测试的设计假设。我们的贡献包括：(a) 一种模块化、与供应商无关的LLM支持的SQL学习架构；(b) 将学习者状态、自适应响应和假设相互联系的形式化适应逻辑；(c) 一个包含三级质量控制流程的AI生成反馈示例模板；以及(d) 一种以评估为导向的可行性试点协议（属于本文的验证方法而非实证贡献），该协议需在数据收集前进行预先注册，最多可招募50名本科生参与。实现的功能、计划中的SQL特定功能以及假设的结果在整个设计过程中都被明确区分开来。
