《A类赛题手册》下载地址：https://www.fwwb.org.cn/news/show/598

1.命题方向

智能计算+教育数字化

2.题目类别

平台类

3.题目名称

可嵌入式跨课程AI Agent通用架构平台

4.背景说明

【整体背景】

随着教育数字化转型的深入推进，传统单一课程的教学辅助系统面临重复建设、数据孤岛和技术标准不统一等挑战。当前教育领域存在“教学智能化碎片化”现象，各课程独立开发智能教学系统，复用难度大，导致资源浪费、维护成本高昂。基于大语言模型的AI Agent技术为构建统一的教学智能化架构提供了新的技术路径，但当前应用多侧重于通用问答，缺乏对教学全流程（特别是作业、练习、知识关联与学情追踪等核心环节）的深度、精细化智能支持。亟需设计一个不仅能实现AI应用标准化部署，更能提供深度教学干预的通用智能架构，实现教育AI从“可用”到“精准好用”的跨越。

【单位背景】

中国计量大学是一所以计量、标准、质量、检验检疫为特色的高水平应用研究型大学，是国家市场监督管理总局与浙江省人民政府共建高校。学校坚持“精思国计、细量民生”的校训，面向国家战略需求和区域经济发展，致力于培养具有创新精神和实践能力的高素质人才。在人工智能、大数据、物联网等新一代信息技术蓬勃发展的背景下，学校高度重视学科交叉融合与智能化转型，积极推动人工智能技术在教育领域的深度应用。

为响应国家教育数字化战略行动，提升教学管理智能化水平，中国计量大学将AI技术深度融入课程建设与教学改革，旨在构建个性化、互动化、智能化的新型教育生态。学校将发挥“数字计量”优势，整合优质教育资源，计划开发一个智慧教育平台。该平台将实现AI Agent的快速开发与精细化教学指导，通过赋能教学、优化学习路径来落实因材施教，最终全面提升教学质量与效率，打造智慧教育新范式。

【业务背景】

当前高校在推进课程智能化过程中面临三大挑战：

技术标准化缺失：各课程独立开发智能辅助系统，技术栈不统一，造成重复建设和维护成本高昂。

平台整合困难：现有教学平台（如超星、钉钉等）缺乏统一的智能体接入标准，优质教学AI应用难以快速推广。

数据互通与深度应用壁垒：课程间学习数据不仅无法有效共享，更缺乏对作业、练习等过程性数据的深度挖掘与分析，难以形成精准的学情画像与个性化的补救教学方案，制约个性化教学的深入实施。

5.项目说明

【问题说明】

当前课程智能化建设面临以下核心问题：

(1) 架构异构性：不同课程智能体采用差异化技术架构，导致系统兼容性差、集成成本高。

(2) 平台嵌入复杂：智能教学应用难以快速嵌入超星、钉钉等主流教学平台，推广阻力大。

(3) 知识迁移困难：课程专属知识难以在不同智能体间有效迁移和复用，知识呈现碎片化。

(4) 个性化局限：单一课程视角难以支撑学生跨课程的综合能力培养规划。

(5) 教学指导粗放：现有智能批改多局限于笼统分析，缺乏对错误细节的精细化分析与上下文批注。

(6) 知识关联薄弱：作业与练习中的知识点孤立，未能自动关联形成体系化的知识网络，不利于构建迁移。

(7) 学情分析滞后：学情分析多基于宏观数据，无法基于每次作业的具体问题给出动态、精准的能力评估与预警。

(8) 练习匹配僵化：练习资源推荐多为静态标签匹配，无法根据学生实时暴露的知识薄弱点动态生成靶向性增量练习。

【用户期望】

开发一套基于通用架构的跨课程智能教学平台，其中重点实现课程智能体Agent开发部分，并强化深度教学干预能力：

(1) 架构通用性：支持不同课程AI Agent的快速开发和标准化部署。

(2) 平台嵌入性：提供标准化接口，支持与超星、钉钉等主流教学平台无缝对接。

(3) 知识可迁移：建立课程知识标准化表示和迁移机制，支持跨课程知识融合。

(4) 个性化贯通：基于跨课程学习数据，构建全景式学生能力画像和成长路径。

(5) 精细化指导：能够对学生作业（文本、代码、图像等）进行细节问题发现，并提供具体的改进建议。

(6) 精细化批改：支持在作业文档的错误位置直接进行批注式反馈，模拟教师批改体验。

(7) 动态学情分析：基于作业批改结果与学习行为，进行多维度的学情分析，定位个体与群体的知识薄弱点。

(8) 智能增量练习：根据学情分析结果，自动生成或匹配针对性的练习题，实现“测-评-练”闭环。

6.任务要求

【开发说明】

本项目要求设计并实现一套支持多课程AI Agent快速开发的通用平台架构，具体包括：

(1) 统一AI Agent框架：提供标准化的智能体开发SDK，支持课程专属AI Agent的快速构建。

(2) 知识中间件：实现课程知识的标准化表示、存储和检索，支持知识跨课程迁移。

(3) 平台适配层：提供与超星、钉钉等主流教学平台的标准化对接接口。

(4) 数据融合引擎：实现跨课程学习数据的统一采集、分析和应用。

(5) 精细化智能引擎：集成细节分析、文档批注、学情分析、练习生成等核心教学智能模块。

【技术要求与指标】

技术架构要求：

(1) 平台兼容性：支持至少2种主流教学平台（超星、钉钉等）的嵌入部署。

(2) 课程类别覆盖性：可支持多类型的课程。

(3) 性能要求：支持500用户并发访问。

(4) 微服务架构：采用云原生微服务架构，支持智能体功能的独立开发和动态扩展。

智能体基本功能要求：

(1) 智能答疑：支持多轮对话的课程答疑，课内核心知识点回答正确率≥95%。

(2) 作业批改：支持多模态作业的智能批改与上下文精细化批注。作业、实验报告的批注式批改达到教师手工批注的效果。示例作业和实验报告中关键错误批注准确率≥95%（注：批注内容与批注位置均要求准确）。示例作业和实验报告将通过大赛官方指定渠道（另行通知）提供。

(3) 学情预警：实现学习风险早期预警。

(4) 个性化增量练习生成：根据学生错误知识点自动生成或匹配练习题。

创新功能要求：

(1) 智能体构建工具：提供可视化智能体构建工具，降低智慧课程建设的技术门槛。

(2) 教学决策支持：为教师提供基于数据的教学优化建议和干预策略，包含班级共性错误分析报告等。

【提交材料】

(1) 项目概要介绍;

(2) 项目简介 PPT;

(3) 项目详细方案;

(4) 项目演示视频;

(5) 企业要求提交的材料：

①作品介绍需要展示内容包括但不限于作品应用价值、实现思路与方法、创新价值等；

②可运行的作品Demo（在云服务器或本地部署）；

③作品演示视频，在5分钟之内。视频中需要包含智能体基本功能展示。

(6) 团队自愿提交的其他补充材料。

【任务清单】

(1) 收集和整理课程相关资料。

(2) 开发精细化作业批注模型（支持文本、代码的定位与评语生成）。

(3) 开发学情分析模型与增量练习生成算法。

(4) 开发平台后端微服务（统一Agent框架、知识中间件、精细化智能引擎等）。

(5) 开发前端管理界面与嵌入式交互组件。

(6) 实现与主流教学平台（超星、钉钉等）的标准化API对接。

【开发工具与数据接口】

开发工具及开发平台不限，可以借助开源工具。业务流程设计合理，程序可正常运行，不限制运行在具体的硬件平台和型号，数据与功能API，有技术说明即可，不需要做具体的接口对接集成调试与验证。

7.其他

系统需完成部署并在高校智慧课程建设中应用。

8.参考信息

无

9.评分要点

赛题评分要点见附件一：A类企业命题初赛统一评分标准。