老师口述一课，AI 生成可玩模拟：Wharton 把 Primer 开源了

Wharton Generative AI Labs 开源了 Primer。教师不用写代码，和 AI 做一轮结构化访谈，把课程目标、学生水平、常见误解、评估标准讲清楚。系统先给一份可审阅的设计文档，教师批准后，才生成能玩的模拟。

模拟教学有效，但制作成本高。设计一个让学生检索知识、解释情境、行动、看后果、再修正的模拟，过去要花很多时间。LLM 默认设置又会太快帮学生、偏离学习目标，角色扮演看起来像样，却缺少教学结构。

Primer 的处理方式是把教学法写进每个 agent 的指令。作者阶段有 Intake Agent 访谈教师，Design Agent 写设计文档，Casting Director 生成角色 prompt，Image Generation Agent 出场景图，Experience Builder 组装成可分配给学生或班级的体验。运行阶段有 mentor、practice、feedback 三个学生端 agent。Practice 分 Roleplay 和 Teachback：前者让学生和有动机、有约束的对手角色周旋，后者让学生把概念讲给一个还不懂的人，再根据追问修正。

最值得看的环节是设计文档审批。教师先读到学习目标、场景流程、角色、利害关系、适配逻辑，像看教案一样修改、批准，之后下游 agent 才动手。X 用户 Raúl Nogales 说，可审阅的设计文档最重要；教师能先检查教学法，再让学生看到模拟，模拟才从黑箱变成教师能拥有的工具。

评论区也有人泼冷水。X 用户‘未知’质疑，Primer 生成的是教师已有认知的投影，真正难的是诊断学生的错误模型；开放代码的意义大于教学法承诺。这个批评不轻。它指出生成模拟和生成有效反馈之间还有距离。开放 prompts、模板、代码至少让这个距离可检查，能替换、能比较、能拿去改。

怎么用。GitHub 仓库提供 Heroku 和 Render 部署按钮，需要 OpenAI API key 和 Google OAuth 配置，Claude key 可选。登录后在 Modules 页安装 Intake Agent、Roleplay Template、Teachback Template，再创建或游玩体验。开发者可以改模型、编排、存储，文档里写了 LMS 集成、PostgreSQL 加 S3、OAuth/SAML、Gemini 或本地 Ollama 的配置。

项目讲解视频在 YouTube。项目页在 gail.wharton.upenn.edu/primer，论文在 SSRN，代码在 GitHub。论文附录里有个 Primer Creator Prompt，把论文交给 agent，让它自建一版 Primer；可能要跑几小时，产生付费模型调用。这大概是这次发布里最反常规的地方：论文不只可读，还能被执行。

边界也要说清。Primer 是实验原型，未在课堂条件下作为学习干预评估，也未做 FERPA、COPPA、州学生隐私法和学区政策合规审查。机构拿它给学生用，得自己负责审查。教育产品不能靠发布会。

项目名来自 Diamond Age 里的 Primer。Wharton 团队和教师一起做了初版，系统对模型和技术保持中立，可按需改。GitHub 用 MIT License。对教育者，它降低的是把教学判断变成模拟的门槛；对开发者，它给了一套可拆的 agent 编排；对研究者，它把 prompts 和论文一起摆上桌。