提出一种课程早期预警智能体——将行为序列与知识图谱融合的轻量级Transformer时序模型，即结合课程语义上下文来解读行为模式，实现高精度的学业风险早期识别。实验表明：仅使用前6周数据，系统即达到86.7%的准确率，较纯序列模型提升2.4%。模型体积仅380kb，在常规服务器上单样本推理耗时0.73秒。本研究实现了从“事后分析”到“过程预警”、从“黑箱预测”到“可解释诊断”的跨越，为构建轻量化、易集成、可操作的课程预警系统提供了有效路径。