Los caracteres chinos de tinta digital (DICCs) escritos por estudiantes internacionales a menudo contienen varios errores e irregularidades, lo que hace que el reconocimiento de estos caracteres sea un problema de reconocimiento de patrones altamente desafiante. Este artículo diseña una red de convolución gráfica con atención de agente (GCNAA) para reconocer DICCs escritos por estudiantes internacionales. Cada punto de muestreo se trata como un vértice en un grafo, con conexiones entre puntos de muestreo adyacentes dentro del mismo trazo que sirven como aristas para crear una estructura de grafo de caracteres chinos. La GCNAA se utiliza para procesar los datos de la estructura de grafo de caracteres chinos, implementada apilando módulos Block. En cada módulo Block, el módulo de atención de agente gráfico no solo modela el contexto global entre los nodos del grafo, sino que también reduce la complejidad computacional, acorta el tiempo de entrenamiento y acelera la velocidad de inferencia. El módulo de bloque de convolución gráfica modela la estructura de adyacencia local del grafo al agregar información geométrica local de nodos vecinos, mientras que se emplea el agrupamiento gráfico para aprender características de múltiples resoluciones. Finalmente, se utiliza la función Softmax para generar resultados de predicción. Los experimentos realizados en conjuntos de datos públicos como CASIA-OLWHDB1.0-1.2, SCUT-COUCH2009 GB1&GB2, y HIT-OR3C-ONLINE demuestran que la GCNAA funciona bien incluso en conjuntos de datos de gran categoría, mostrando una fuerte capacidad de generalización y robustez. La precisión de reconocimiento para DICCs escritos por estudiantes internacionales alcanza el 98.7%. La tecnología de reconocimiento de caracteres chinos manuscritos, precisa y eficiente, puede proporcionar una sólida base técnica para la escritura de caracteres chinos asistida por computadora para estudiantes internacionales, promoviendo así el desarrollo de la educación internacional de caracteres chinos.