Как заставить локальный ИИ учить, а не решать домашнее задание за ребёнка

Почему обычный чат почти неизбежно начинает решать за ребёнка

Большинство универсальных LLM обучены быть полезными. Если пользователь спрашивает: «Реши уравнение», модель обычно старается решить уравнение. Если попросить «напиши сочинение» — она пишет сочинение. Для общего ассистента это нормальное поведение. Для школьного тьютора — нет.

Поэтому хороший tutor должен отвечать не только на вопрос «что является правильным ответом?», но сначала на вопрос «какая минимальная помощь сейчас позволит ученику продолжить самому?».

Что показывают свежие исследования

Исследования последних лет дают важный сигнал: просто предоставить доступ к AI недостаточно. Результат сильно зависит от того, как именно организовано взаимодействие.

Почему одного system prompt недостаточно

Можно написать в system prompt: «Никогда не давай готовый ответ, всегда задавай наводящие вопросы». Это полезно, но недостаточно.

Авторы Harvard RCT прямо отмечают, что system prompt не всегда надёжно удерживал правильную последовательность scaffolding в многошаговых задачах. Поэтому платформа сама проводила ученика через части задания по порядку.

Пять режимов, которые лучше разделить явно

Важно, чтобы режим менялся не только надписью в интерфейсе. На backend должны меняться доступные tools, действия и политики reveal.

State machine: где находится ребёнок внутри конкретной задачи

Вместо свободного чата задача может иметь несколько фиксированных состояний.

Только после достаточного количества самостоятельных попыток или завершения задачи может открываться состояние FULL_REVIEW.

{
  "task_id": "math-eq-034",
  "mode": "HOMEWORK",
  "state": "RETRY",
  "attempts": 2,
  "hint_level_used": 1,
  "final_answer_allowed": false,
  "checker_status": "incorrect",
  "misconception": "sign_transfer"
}

Лестница подсказок: помощь должна усиливаться постепенно

Такая лестница позволяет не превращать tutor в стену: ребёнок всё равно получает помощь, но система сохраняет максимальную долю самостоятельного reasoning.

Answer Gate: готовый ответ должен контролироваться кодом

Главное правило: LLM не должна сама решать, «можно ли уже сказать ответ». Это состояние определяет backend.

if mode == "ASSESS":
    final_answer_allowed = submitted

elif mode == "HOMEWORK":
    final_answer_allowed = (
        task_completed
        or attempts >= 3 and parent_policy.allow_full_review
    )

elif mode == "LEARN":
    final_answer_allowed = (
        hint_level >= 4
        and student_requested_explanation
    )

Даже если LLM в черновом ответе случайно сгенерировала финальный результат, middleware может удалить или заменить запрещённую часть до выдачи пользователю.

Попытка ученика должна быть обязательным объектом системы

Фраза «я не знаю» тоже является попыткой, но tutor должен сначала выяснить, что именно ребёнок понимает из условия.

Это также даёт полезные данные для Student DB: система понимает, где ребёнок начал сам, а где всё содержательное reasoning появилось только после подсказки.

Правильность должен подтверждать независимый checker

Если LLM одновременно объясняет и сама решает, правильна ли попытка, ошибки трудно обнаружить. Формализуемые предметы лучше проверять отдельными инструментами.

LLM после этого получает результат checker и формулирует педагогическую реакцию: не «неправильно», а следующий вопрос или hint.

Как измерять самостоятельность, а не только правильность

Это не обязательно превращать в школьную оценку. В Student DB можно хранить independence_score или просто max_hint_level.

Контрольный режим должен быть настоящим, а не декоративным

В Assessment Mode система не должна иметь возможности случайно «помочь лишнего». На сервере отключаются hints, solution reveal, некоторые tools и RAG-фрагменты с готовым ответом.

Режим домашнего задания: помогать вокруг попытки, а не подменять её

Homework Mode отличается от Assessment Mode тем, что помощь разрешена. Но tutor должен строить её вокруг того, что уже сделал ребёнок.

Если задание слишком сложное и ученик вообще не может начать, режим временно может перейти в LEARN для prerequisite, а затем вернуться к исходной домашней задаче.

Когда полный ответ всё-таки нужно показывать

Анти-cheating не должен превращаться в «ИИ никогда не скажет решение». Полный разбор полезен, если ребёнок уже сделал честную попытку и обучение от следующего самостоятельного шага почти не выигрывает.

Anti-answer policy должна отличаться по предметам

Единая фраза «будь Сократом» слишком груба. Нужны предметные policy presets.

Сочинения, пересказы и письменные ответы: не генерировать работу вместо ученика

Для письменных заданий особенно легко перейти грань между tutoring и ghostwriting. Хороший режим работает по этапам.

В Homework Mode tutor может предложить варианты улучшения одного предложения, но не должен по умолчанию выдавать готовое сочинение нужного объёма.

{
  "can_generate_outline": "only_from_student_ideas",
  "can_write_full_essay": false,
  "can_rewrite_sentence": "after_student_draft",
  "must_explain_edit": true,
  "assessment_mode": "feedback_after_submit_only"
}

Интерактивная доска делает Socratic режим сильнее

На доске tutor может не писать ответ текстом, а просто выделить тот шаг, где возникла ошибка, или нарисовать стрелку к месту, которое стоит перепроверить.

Это хороший пример hint level 1–2: визуальная подсказка помогает продолжить, но не содержит финального значения x.

Anti-cheating и карта знаний должны работать вместе

Если ребёнок не может решить текущую задачу даже после нескольких hints, это может быть не «леность», а пробел в prerequisite.

Это лучше, чем бесконечно повышать hint level по задаче, фундамент которой ребёнок пока не понимает.

Что сохранять в Student DB

Именно эти данные позволяют отличить «задача закрыта» от «навык освоен».

Как реализовать детский режим в Open WebUI

Open WebUI удобно использовать как интерфейс и слой model presets, но child policy лучше закреплять на уровне администратора.

Open WebUI документирует RBAC для Workspace, Chat и Features, а admin-defined system prompt на Model preset имеет приоритет над пользовательским system prompt. При этом сама документация отдельно подчёркивает: system prompts — инструкции, а не гарантия поведения модели.

Policy Middleware: последний фильтр перед ребёнком

Даже хороший model preset иногда может выдать лишнее. Поэтому полезно пропускать ответ через policy middleware.

{
  "mode": "HOMEWORK",
  "state": "ATTEMPT",
  "allowed": [
    "ask_question",
    "highlight_error",
    "give_hint_1"
  ],
  "forbidden": [
    "final_answer",
    "full_solution",
    "write_submission"
  ]
}

Anti-dump evals: как проверить, что tutor не «сломался» после обновления модели

Это один из самых полезных паттернов свежего проекта Socratic Tutor: у него есть отдельная eval-suite и категория anti-dump.

После смены LLM, quant, prompt или middleware стоит прогонять фиксированные сценарии.

Что делать, если ребёнок пытается обойти ограничения

Не нужно превращать tutor в систему наказаний. Обход ограничений — ожидаемое поведение любопытного пользователя и одновременно хороший тест архитектуры.

Родительский override должен быть отдельным и защищённым

Иногда взрослому действительно нужен полный ключ: проверить домашнюю работу, разобрать спорную оценку или понять, где tutor ошибся.

Пароль или взрослый аккаунт лучше, чем секретная команда вроде «режим родителя», которую ребёнок быстро узнает.

Как не сделать Socratic tutor раздражающим

Есть плохая крайность: на любой вопрос ИИ отвечает ещё одним вопросом. Такой «Сократ» быстро начинает мешать.

NBER-исследование Khanmigo 2026 особенно полезно как напоминание: даже корректно настроенный coach бесполезен, если ученик почти не вступает с ним в содержательный диалог.

Полная архитектура anti-answer-dumping тьютора

Такой дизайн хорошо масштабируется на чат, голос, интерактивную доску и проверку тетради по фото: меняется интерфейс, но policy engine и ledger остаются общими.

Как собрать первую рабочую версию

1. Выбрать один режим.Начать с HOMEWORK, а не пытаться сразу покрыть всё.
2. Создать Model preset.Закрепить педагогический system prompt на admin level.
3. Отключить ребёнку изменение system prompt.RBAC и Chat Controls.
4. Ввести состояния задачи.ATTEMPT → HINT → RETRY → REVIEW.
5. Сделать Hint Ladder.Хотя бы 0–4.
6. Добавить Answer Gate.Final solution разрешается backend, а не LLM.
7. Подключить один checker.Например, Python/SymPy для математики.
8. Хранить attempt/hint ledger.Чтобы видеть самостоятельность.
9. Добавить anti-dump evals.10–20 попыток выпросить ответ.
10. Только потом добавлять предметы и голос.Сначала доказать, что базовая политика держится.

Типичные ошибки