Несколько локальных ИИ-учителей на одном компьютере: предметы, роли и общий прогресс

Нужна ли отдельная LLM для каждого учителя

Обычно нет. Если одна локальная модель достаточно хорошо работает на русском, математике, reasoning и английском, её можно использовать как общий «движок». Различия между преподавателями задаются выше уровня модели.

Open WebUI прямо описывает свои Models как тонкие presets поверх базовой модели: preset может хранить инструкции, knowledge, tools, skills и параметры, не изменяя саму underlying model. citeturn465061search0

Архитектура домашней «учительской»

При таком подходе предметные роли разделены, но состояние ученика не теряется. Например, русский учитель может знать возраст и общий уровень ребёнка, но не обязан получать весь журнал решений по математике.

Как это реализуется в Open WebUI Models

В Workspace → Models можно создать несколько reusable presets поверх одного base model. В актуальной документации к каждому preset можно привязать system prompt, knowledge bases, tools, skills, advanced parameters и отдельный TTS voice. citeturn465061search0turn465061search1

1. Выбрать base model.Например, одну локальную instruction-модель через Ollama.
2. Создать профиль «Математика».Системные правила, math Knowledge Base, calculator/tool.
3. Создать профиль «Русский язык».Свои учебники, словари и методика проверки.
4. Создать профиль «English».Английский system prompt, voice и отдельная база материалов.
5. Подключить общий профиль ученика.Не как огромный prompt, а как компактные структурированные данные.

Как могут выглядеть предметные профили

Почему базы знаний лучше разделять

Open WebUI позволяет прикреплять Knowledge Bases непосредственно к model preset. Это удобно: математик всегда видит свои учебники, а историк — свои. citeturn465061search0turn465061search2

Это уменьшает шум retrieval. Если всё сложить в одну гигантскую базу, одинаковые слова и похожие понятия из разных предметов начнут конкурировать между собой.

System prompt тоже должен быть разным

Даже если все учителя используют одну базовую LLM, стиль учебного взаимодействия у них должен отличаться.

Не называй ответ первым.
Попроси показать ход решения.
Если есть ошибка — укажи место,
но не исправляй весь пример.

Сначала спроси правило.
Не исправляй всё слово сразу.
Проси подобрать проверочное слово
или объяснить орфограмму.

Speak mostly English.
Use vocabulary at the student's level.
Correct one or two important mistakes,
not every sentence at once.

В Open WebUI system prompt можно задавать на уровне model preset, поэтому ребёнок выбирает преподавателя уже с готовым набором правил. citeturn465061search0turn465061search6

У каждого преподавателя могут быть свои инструменты

В Open WebUI tools можно привязывать к конкретным model presets, а значит ребёнку не нужно вручную включать нужный инструмент перед каждым занятием. citeturn465061search0

Можно ли каждому учителю дать свой голос

Да. В актуальной документации Open WebUI у Models есть per-model TTS voice. Это позволяет, например, математике дать один русский голос, русскому — другой, а английскому — отдельный English voice. citeturn465061search0

Для голосовых уроков Open WebUI также имеет Voice Mode и отдельный voice-mode system prompt, чтобы spoken answers были короче обычных. citeturn465061search5turn465061search7

Как сделать общий прогресс ученика для всех преподавателей

Самая важная часть архитектуры — не хранить прогресс внутри конкретного чата. Иначе каждый учитель будет знать только собственную историю.

Каждому учителю передаётся только нужный slice. Математику достаточно знать возраст, класс, математические навыки и общие настройки помощи. Ему не нужно получать полный transcript английских занятий.

Кто должен выбирать преподавателя

Для начальной школы я бы не делал автоматический router главным интерфейсом. Крупные понятные кнопки предметов проще, а система не ошибётся между «прочитай задачу» и «проверь чтение».

Что действительно стоит передавать между предметами

Это позволяет избежать ситуации, когда одна огромная memory постоянно увеличивает prompt и начинает смешивать контексты.

Что происходит с нагрузкой на компьютер

Если профили используют одну и ту же base model, переключение учителя не обязательно означает загрузку ещё одной копии LLM в VRAM. Главное отличие — новый system prompt, Knowledge и tools.

Но если вы одновременно запускаете разные base models, Vision, STT и TTS, нагрузка растёт. Поэтому лучше разделять профиль преподавателя и физически отдельную модель.

Доступ и ограничения

Open WebUI позволяет ограничивать доступ к model presets для пользователей и групп. Это полезно, если дома несколько детей или общий сервер: младшему ребёнку можно показывать только безопасные учебные профили, а взрослому — полный набор моделей. citeturn465061search0

Как собрать несколько учителей поэтапно

1. Выбрать одну сильную base model.Проверить русский, математику и английский на реальных заданиях.
2. Создать только двух учителей.Например, математика и русский. Не делать десять сразу.
3. Разделить Knowledge Bases.Каждому преподавателю — свой набор учебников.
4. Написать разные system prompts.Не копировать один шаблон с заменой названия предмета.
5. Подключить предметные tools.Calculator для математики, RAG для истории и т. д.
6. Сделать общую Student DB.Хранить навыки независимо от чатов.
7. Добавить голоса при необходимости.После того как текстовая педагогическая логика уже работает.
8. Тестировать одинаковыми сценариями.У каждого учителя должен быть свой набор regression-задач.

Типичные ошибки