先来聊聊最核心的一点——要让AI真正记住你的学生、她的薄弱环节以及学习进度，而不是每次对话都像初次见面、从零开始猜测，关键在于打通三个环节：专属角色设定、动态学情注入、以及场景化工作流。

设定专属教练人格与教学边界

这一步依然依赖Dify这款工具。上手很简单：进入Dify控制台，点击「创建应用」，选择「Chatbot」类型，然后在「基础设置」中将应用名称填写为“雅思口语教练-Lucy定制版”。

接下来是关键操作——「提示词（Prompt）」编辑区。第一行必须明确角色定位：“你是一位专注雅思口语提分的英式发音教练，拥有8年ETS考官培训经验，全程使用英语回应，但允许在用户卡壳超过15秒时提供中文关键词提示。”

紧接着，立即写入约束条件：
【禁止直接给出完整答案】
【每轮对话必须包含1个发音纠正点+1个语法微调建议】
【当用户提到‘旅游’‘购物’‘校园’等关键词时，自动调用对应场景知识库】

如果这一步遗漏了约束，AI很容易随意发挥。例如学生说“I go to school yesterday”，它可能直接改成“I went to school yesterday”就结束对话，根本不会拆解动词过去式的规则，更不会追问学生是否记得规则中的例外情况。这样一来，教学效果就会大打折扣。

注入个性化学情数据

让AI真正认识学生，有两种可靠的方法。

方法一：上传结构化PDF学情档案
将学生Lucy的诊断报告整理成单页PDF——包含音标弱项表、错题统计图、模考录音文字稿——全部拖入「知识库」，启用「RAG」，勾选「自动切分段落」，保存后点击「重新索引」。完成这一步，知识库就建立起来了。

方法二：手动注入关键变量
在提示词末尾添加动态占位符，例如：
“当前学员信息：姓名=Lucy；薄弱音标=/θ/、/ð/；高频错误：现在完成时与一般过去时混淆；最近模考Part2得分：5.5。”
但需要注意——这些字段需要在调用API时通过user_id参数实时传入，否则所有用户看到的都将是Lucy的数据，那就乱套了。

【必须确认知识库状态为‘已就绪’再进入下一步，否则RAG检索会返回空结果】

配置多场景口语工作流

到了这一步，才真正让AI“活”起来。首先要做的，是在「Workflow」中新建一个节点，选择「条件判断」，然后设置判断逻辑：“用户消息是否包含‘tra vel’‘airport’‘hotel’任一词？”

第二步，拖入两个「大模型节点」。左侧节点配置提示词，让它基于知识库里《旅游英语高频场景》的文档，生成三个递进式问题：1) 基础问路 2) 应急求助 3) 文化差异讨论。右侧节点则配置为：“若用户连续2次回答少于8词，插入发音示范音频链接”——当然，音频需要提前上传到阿里云OSS。

第三步，连接「工具节点」——接入自定义评分API。设定触发条件：“当用户完成Part2 2分钟陈述后，调用评分工具，返回fluency/coherence/lexical resource/pronunciation四维度分数。”

完成这三步，AI就不再是被动接招了。它能够主动识别“用户正在练习旅游场景→调取对应题库→发现表达卡顿→推送音频范读→最后强制触发评分”。整个教学链条就这样被打通了。

绑定实时语音交互通道

最后一步是语音交互。进入「集成」，选择「API Keys」，复制密钥。然后在阿里云IMS（智能媒体服务）控制台创建AI实时互动应用，在「大模型配置」中填写Dify应用的URL以及你刚复制的API Key。

这里有两个关键设置：ASR语种选「English (UK)」，TTS音色选「Eleanor（英式女声）」。数字人形象暂时留空即可，目前只需要语音交互。

测试时，用手机打开IMS提供的Web SDK页面，点击麦克风，说一句“I want to book a hotel near the airport”，然后到Dify后台查看「会话记录」——如果能看到带时间戳的语音转文本以及AI的实时回复流，说明整个系统已经成功跑通了。

总结来说，这一整套流程的关键在于每个环节都不能缺失。从角色设定到学情注入，再到场景工作流和语音通道，任何一个环节掉链子，AI教练的教学质量都会大打折扣。但只要串联起来，它就能真正像一个了解学生的老师那样，有针对性地陪练、纠错、评分。