什么是智能体 LMS，以及该问它什么
Lurno 的 AI 做四件事。它起草课程内容——课时正文、模块大纲、混合资源和测评题目。它以四种逐级升级的模式辅导学习者，并有服务端的防护拒绝泄露答案。它在匿名化的作答上起草评分，教师确认后才能发布。它还能就你自己的文档和自己的数据回答问题，并附上引用。每一项都基于你所在组织提供的材料，而不是开放互联网；它提出的每一次写入，都由人来执行。OpenAI、Anthropic 和 Google 均受支持，按组织选择，组织也可以自带密钥。
- 智能体 LMS
- 一种学习平台，其中的 AI 智能体会自行完成多步骤的工作——起草一门课、批改一份作业、组装一份报表——而不是一次回应一条指令。真正区分它们的是接下来会发生什么：智能体是让自己的成果直接生效，还是交给一个人来批准。
两种智能体 AI，以及这个差别为什么决定采购
大多数在卖智能体 AI 的平台，卖的是自主性——不等任何人就动手的智能体。那是一种真实的设计取向，对机构来说也是更难签字通过的那一种。
| Capability | 会动手的智能体 | 会提议的智能体 |
|---|---|---|
| 谁让成果生效 | 智能体 | 每一次都是人 |
| 您什么时候知道 | 事情发生之后 | 事情发生之前 |
| 批改 | 智能体可以发布成绩 | 只有人能发布成绩 |
| 发布课程 | 智能体可以发布 | 两个人批准 |
| 记录里留下什么 | 智能体做了什么 | 提议了什么，谁接受了 |
| 出错的时候 | 事后再改 | 它根本没到任何人那里 |
Lurno 是第二列。这不是一个可以关掉的开关：智能体没有任何路径让自己的成果直接生效。
编写、辅导、协助
三个场景，一条规则：每一个都先起草，再交给人。挑一个看看。
先起草一节课，再跟它较真
作者从自己已经写好的学习目标出发。任何超过一段话的内容都走两阶段流程：先规划这节课的形态——一段讲解，再加三道指定题型的题目——然后逐个填充。测评题目同样先作为一整套来规划。
- 任意区块上都有 用 AI 调整：加大难度、简化、补一个例题、改措辞。它返回修改前后的对照，按区块最终呈现的样子渲染，你保留其中一侧。
- 图像生成和音频旁白走同一条先草稿、后接受的流程。
不会把答案说出去的辅导助手
卡住的学习者一级一级往上走。换个说法：把题目重新表述。提示：按顺序给出下一条提示，绝不会直接给到最后一条。揭示：唯一允许说出答案的模式，且必须在作答之后。讲解：说明答案为什么正确，以及学习者错在哪里。
- 服务端的防护会按所请求的模式，用题目的答案对照检查每一条回复，因此即便模型想说，换个说法和提示也泄露不了答案。约束是在生成之后强制执行的，而不是在提示词里请求的。
- 撤回 AI 处理同意的学习者就没有辅导助手：服务端不会向任何服务商发送任何内容。每一轮对话都会计量并记录。
对自己的数据提问。改动由你确认。
助手用日常语言回答问题。它针对认证指标登记表及其允许的维度，生成一条经过校验的查询——从不生成 SQL，也从不出现表名或列名——并以调用者本人的权限只读执行。它不可能让任何人看到自己本来打不开的数字。
- AI 写出的查询要通过与手工搭建的报表相同的校验器。如果目录里没有这个问题所需的指标，助手会拒绝，并指出最接近的那一个。
- 要求它做改动时，它会提出方案并标明风险等级。由人确认；高风险操作会再问一次；发布或归档课程需要一位第二审批人。
从某人电脑里的一份 PDF，到一条带引用的回答
- 01
上传
PDF、DOCX 或 PPTX，上传到组织的文档库或挂到某个课程上。长文件在后台解析。
- 02
解析为带版本的来源
文件变成结构化文本，标题层级和页码都保留。重新上传得到的是一个新版本，而不是悄无声息的替换。
- 03
切分并向量化
每个片段都保留它所属的标题和覆盖的页码，因此引用指向的是读者真的能翻到的位置。
- 04
两种检索方式并用
向量检索和关键词检索在同一批限定范围的版本上运行，排序结果融合在一起，因此既能找到确切的制度条款引用，也能找到改写过的表述。
- 05
回答，并给出出处
回复会写明文档、版本和页码。在课程层级挂上文档，课程内的每一次生成都会继承它们。
你的文本在到达服务商之前经历了什么
学习者的消息、上传的 PDF、输入助手的问题：全部是内容，绝不是指令。六道关卡强制执行这一点。
注入分类
不可信输入会在真正调用之前先做分类。试图操控模型的文本会被标记，而不是被执行。
随机化的围栏
不可信文本会被包在一个逐请求生成、无法猜到的标记里，而该标记会从内容中剥除。即使发生截断，围栏也会重新闭合，而不是留下一个断口。
调用前脱敏
姓名、邮箱和标识符在任何内容发往服务商之前就被替换掉。评分是在匿名化的作答上进行的；回到具体学习者的映射只留在服务端。
输出结构校验
每一条响应都要按预定结构校验。格式不合规的回复只有一次修复机会，之后即判失败，而不会落进课程里。
两级内容筛查
先用快速规则拦下明确无疑的情况，省下一次调用；其余交给一个更轻量的模型。它在设计上不会把解剖学、疾病或战争史误判为违规。
从建议到改动的完整轨迹
请求、被接受的草稿和被拒绝的草稿，在哈希链式审计日志里是各自独立的记录。模型建议了什么，与人最终采用了什么，并排放在一起。
每个智能体自己能做什么
| Capability | 智能体做的 | 人做的 |
|---|---|---|
| 起草一个课时区块 | 写出草稿 | 在它进入课程之前接受或拒绝 |
| 调整已有区块 | 以修改前后对照的形式提出改写 | 保留修改前或修改后的一版 |
| 生成测评题目 | 先规划题目组合，再逐题起草 | 逐题接受；被拒绝的题目永远不会被放进去 |
| 辅导学习者 | 按学习者请求的模式回复 | 无需介入——答案防护在服务端运行 |
| 批改一份作答 | 在匿名化的作答上，按每条标准给出评分量表的建议分 | 确认并发布成绩。AI 没有任何途径发布成绩 |
| 回答关于你数据的问题 | 在你的权限下生成一条经过校验的只读查询 | 读取结果。不发生任何写入 |
| 改动课程里的某项内容 | 提出改动并说明风险等级 | 确认改动；高风险操作会再确认一次 |
| 发布或归档课程 | 提出并排入队列 | 两个人：提出的人，以及第二审批人 |
没有任何一种模式，能让 Lurno 的 AI 在无人确认的情况下写入正在运行的课程，或发布成绩。