# 1

* Hifi Agent Studio是我们的智能化方法论。
* 为什么是我们，是我们打造销售团队的前置说明，可以更充分的了解我们的市场定位。
* 我们现在有一个高校教学平台的项目，我是负责人。我们没有教学信息化的底子——系统，找到了一个厂家——金智，他们做了30年的教学相关的系统，底盘很厚。他们提供了他们的整体建设方案，我也上传了。

由于我们没有教学系统，所以这次项目会以厂家为主，本期尽快实现项目交付。
在后续与学校继续合作期间，我会发挥我的优势。从顾问、乙方的身份切入，直接提议新的建设方向。

我的思路：
* 信息化系统，本身不是我将来努力的重点，所以他们的系统能实现的，刚好能作为后续提案/建设的基础。但是需要他们开放相关的接口，我需要能深入了解他们的数据基础。
* 在教学的模型上，他们直接使用了现有的一些教育理念或者模型，而我是基于教育理念模型抽出了一个我自己的SPGM，这个模型方面，可以认为我的SPGM比用哪一个具体的理念更高阶些——SPGM是统领，具体到哪个场景会调用不同的或者同时使用几个理念/模型来实现；
* 他们现在在用三套知识图谱，构建问题、知识和能力；技术上没有大问题，但是实现上会留下疑问，这里也许是将来的突破口。

---

基于以上内容，从商务合作、本期重点跟进的问题和风险、将来我可能能持续发力的机会等角度，或者你有其他补充。
从这些方面帮我提供建议，风险问题的探查等。

我的总判断：**本期不要急着证明“我们比金智强”，而是要把金智的平台变成你后续发力的“可进入底盘”。**
这次项目的最佳打法是：**交付上尊重厂家主导，战略上抓住数据、接口、图谱、智能体日志、课程建设方法这五个入口。** 本期你像“校方项目负责人 + 智能化预埋设计师”；二期以后你再以“教学智能化顾问 / SPGM方法论负责人 / 专家智能体建设方”的身份切入。

金智方案本身覆盖九大模块，包括教学向量知识库、生成式备课智能体、超级建课智能体、教师教学架构设计空间、学生一生一策学习空间、教学运行分析驾驶舱、校级平台管理、移动端和智慧课程建设服务，定位是“数据层—知识层—应用层”贯通的 AI 原生校本智慧学习系统。 这意味着它不是一个小工具，而是学校教学信息化与智能化的一次“平台级底盘建设”。你当前最该做的，不是抢方向盘，而是确认这辆车以后能不能加装你的“导航系统”。

---

## 一、商务合作上的总策略：不要抢系统，抢“解释权”和“后续建设权”

你现在最有利的定位不是“系统承建商”，而是：

> **金智负责信息化底盘，我们负责智能化方法、场景诊断、教学模型升级、专家智能体和持续校准。**

这个定位很顺，因为你的“为什么是我们”本来就不是跟平台拼功能，而是把专家经验、业务流程、组织判断和决策边界工程化为可运行、可校准、可追踪、可落地的专家智能体；你们的差异也明确写成“平台解决工具怎么搭，普通AI开发公司解决功能怎么做，我们解决专家能力怎么被抽取、封装、验证、校准，并进入真实业务流程”。

### 1. 对金智：合作，不对抗；但必须把“后续入口”写实

跟金智的合作建议用一句话定调：

> “本期我们尊重金智作为平台方和交付主力，但希望在接口、数据、图谱、智能体配置和运行反馈上形成开放协作，便于学校后续开展教学智能化深化建设。”

这里有几个商务动作很关键：

第一，**要求形成接口与数据开放清单**，不要只停留在“他们肯定有接口”。金智方案已经写到后端支持 RESTful，AI 技术底座支持 OpenAPI，也支持可插拔模型设计，这给你要求接口开放提供了方案内依据。 同时，校级平台管理里也写了“接口管理”，包括教务接口、身份接口、成绩接口、密钥管理，以及与第三方系统的数据拉取和回写。 所以你要把它从“系统功能描述”推进到“项目交付物”：API文档、数据字典、权限说明、同步机制、测试账号、沙箱环境、批量导出能力。

第二，**把你和金智的关系从“供应商—转包/配合”变成“平台方—智能化咨询方”**。你不必要求金智承认 SPGM 更高阶，这容易引发防御；你可以说：金智已有平台能力和课程建设能力，我们希望在学校后续教学改革、课程智能化、AI助教调优、教学效果评估上，提供一套“方法论增强服务”。这样金智不会觉得你要替代它，学校也能看到你不是在重复卖系统。

第三，**争取二期/后续共创机制**。比如约定：本期交付后，选择 2—3 门课程做“智能化深化样板课”，由金智提供平台能力，你提供教学模型、智能体设计、效果评测和教师共创。这样你不会在本期交付压力里硬塞自己的东西，但会自然获得二期入口。

### 2. 对学校：本期讲“保交付”，后期讲“从系统使用到教学变革”

学校现在最关心的是：项目能不能按期落地、能不能验收、老师能不能用起来。所以本期你对学校的话术要克制：

> “本期先把平台建起来，把资源、课程、知识库、图谱、AI教学任务和数据驾驶舱跑通。等平台有了运行数据以后，我们再基于学校真实课程和教师使用情况，提出下一阶段的教学智能化优化方案。”

这句话的妙处在于：它既不否定金智，也不把你变成普通项目协调员。你是在告诉学校：**系统上线只是第一步，真正的智能化建设要看课程模型、教师行为、学生学习数据和持续调优。**

### 3. 对内：你要守住“本期不背锅，后续有抓手”

本期项目很容易把你拖进“厂家交付质量、学校验收压力、教师使用抱怨”的夹心层。你要提前划清边界：

| 事项        | 本期责任归属建议  | 你要抓的关键点              |
| --------- | --------- | -------------------- |
| 平台功能实现    | 金智主责      | 功能清单、验收口径、缺陷闭环       |
| 系统接口与数据开放 | 金智提供，校方确认 | 接口清单、数据字典、权限、导出      |
| 课程建设服务    | 金智主责，教师配合 | 样板课程质量、图谱质量、AI效果评估   |
| 教学智能化方向   | 你逐步主导     | SPGM、图谱审计、智能体调优、效果指标 |
| 后续二期方案    | 你主导提案     | 课程诊断、专家智能体、教学数据治理    |

你要避免一种危险：**系统是金智做的，但老师不好用、AI效果不好、课程质量不高，最后都变成你负责解释。** 所以从项目第一天开始就要建立“问题归因台账”：功能问题、数据问题、教师资料问题、AI模型问题、课程设计问题、使用培训问题，分别归类。

---

## 二、本期你最应该盯的 7 件事

### 1. 先把验收范围压成“核心场景”，不要被九大模块淹没

金智方案覆盖面太大，九大模块全部展开会变成一个“万物皆有、样样都浅”的交付风险。你本期应该推动学校和金智确认最小闭环：

> **组织/账号 → 课程 → 资源入库 → 知识库 → 三类图谱 → 1—2类AI教学任务 → 学生使用 → 教师查看数据 → 驾驶舱统计。**

不要一开始就让所有 AI 任务、所有智能体、所有移动端细节都成为核心验收项。功能越多，扯皮越多。你要把验收从“功能清单验收”改成“场景闭环验收”。

建议选择 2—3 门课程做样板，至少包含一门偏理论课、一门偏实践课、一门资料较完整的课程。每门课跑通：

1. 资源上传与结构化。
2. 知识点与资源挂载。
3. 能力—问题—知识图谱关系。
4. AI文档/视频学习任务。
5. 题目生成与批阅。
6. 学生使用数据。
7. 教师端分析。
8. AI效果反馈与修正记录。

### 2. 接口和数据是你的生命线，要现在就谈

你后续能不能持续发力，关键不在金智界面做得多漂亮，而在你能不能拿到：

* 课程数据。
* 教师数据。
* 学生数据。
* 教学资源数据。
* 题库/试卷数据。
* 学习任务数据。
* 学生行为数据。
* AI对话与反馈数据。
* 知识库切片与引用数据。
* 三类图谱节点与关系数据。
* AI智能体配置、调用、评价与日志数据。

金智方案里已经写到统一检索接口、App ID 权限、课程/学科/密级 ACL，以及知识库查询按权限范围返回 Top K 文本。 这说明它不是完全封闭的“页面系统”，你要顺势追问：这些能力是否对学校开放？是否对二次开发开放？是否有文档？是否支持导出？是否支持审计？

你要问金智的具体问题：

1. 所有核心业务对象是否有唯一 ID？课程、章节、知识点、能力点、问题点、任务、资源、题目、学生、教师分别是什么 ID 体系？
2. 能力图谱、问题图谱、知识图谱的节点和边是否可导出？
3. 图谱关系是否支持 API 读取？
4. 知识库切片是否可查看、可编辑、可导出？
5. RAG 检索命中的来源、分数、引用片段是否可记录？
6. AI对话日志是否能按课程、任务、学生、智能体导出？
7. 教师对 AI 结果的修改、采纳、删除、重生成是否有记录？
8. 赞/踩反馈是否能结构化导出？
9. 模型调用 Token、费用、耗时、错误率是否可查？
10. 学校是否拥有全部教学过程数据和 AI 交互数据的使用权？

这部分一定要形成会议纪要或补充技术附件。口头承诺没用。

### 3. 知识库要盯“可解释、可更新、可评测”，不是只看能不能问答

金智方案中，课程专属知识库不仅支持多格式资源向量化，还提出基于知识图谱关系或目录关系的范围 G-RAG，以提升 AI 回答和辅导精准性。 后面的课程服务部分也写到知识库需要从资源库和题库同步内容，支持不同资源的分段和索引，并在资源、题目更新后同步调整知识库。

这里是你的未来入口之一。你要重点探查：

* 切片规则是什么？按章节、语义、页、时间轴，还是固定长度？
* 切片是否保留来源、页码、时间戳、章节路径？
* 教师能否修改切片？
* 修改后是否重新向量化？
* 删除资源后，知识库是否同步删除？
* 题目修改后，知识库是否同步更新？
* AI回答是否显示引用来源？
* 是否能评测“回答是否来自指定资料”？
* 是否能区分课程私有知识库、校级知识库、教师个人知识库？
* 不同学生是否会因为权限不同看到不同知识范围？

你的风险判断标准很简单：

> **如果知识库只是“上传资料后能问答”，它是金智能力；如果知识库能被审计、调优、评测、沉淀教师修正，它就是你后续做专家智能体和 SPGM 教学模型的土壤。**

### 4. 三套图谱是最大机会，也是最大风险

你提到金智现在用能力图谱、问题图谱、知识图谱。这个方向非常好，但也是最容易“看起来先进，实际空心”的地方。

金智方案中，能力图谱是二级，问题图谱是三级，知识图谱支持层级、关系、资源/题目挂载、重难点和思政点标记，并且三类图谱要和教学任务关联。 课程建设服务里还进一步要求每门课构建能力、问题、知识三位一体图谱，并将知识维度分为事实性、概念性、程序性、元认知，应用层级分为记忆、理解、运用、分析、评价、创造。

这正是你未来可以切入的突破口。你不要一上来讲“你们图谱不高级”，而要问：

1. **能力图谱的能力定义依据是什么？** 是毕业要求、课程目标、岗位能力，还是 AI 自动总结？
2. **问题图谱里的“问题”是什么？** 是学生要解决的真实问题、章节问题、考试题目问题，还是教学活动任务？
3. **知识图谱的颗粒度如何控制？** 一个知识点多大算合理？是否会过细导致维护灾难？
4. **三类图谱之间的关系如何验证？** 能力支撑问题，问题支撑知识，知识支撑任务，这条链条是否真的可解释？
5. **AI自动生成后谁审核？** 审核标准是什么？教师修改是否沉淀为规则？
6. **图谱质量如何评价？** 完整性、一致性、可教性、可测性、可用性有没有指标？
7. **图谱是否只是课程建设资产，还是会影响学生学习路径和评价结果？**

这里你可以埋一个非常强的后续方向：

> **“课程图谱质量审计与重构服务”。**

这不是和金智抢系统，而是在金智图谱之上做高阶治理。你的 SPGM 可以成为图谱审计的上位模型：能力是否合理、问题是否真实、知识是否可迁移、任务是否支撑能力、评价是否闭环，都可以由 SPGM 来解释和重构。

### 5. AI智能体不要看数量，要看“能否配置、监管、校准”

金智方案写了不少智能体能力，比如标准教学智能体矩阵不少于 100 个，教师可以启停标准智能体、指定模型、通过提示词和约束条件调优，并挂载文档、资源或知识图谱；同时还要求能查看单个智能体的学生交互详情、执行日志、赞/踩上下文和完整对话记录。

这对你很重要。因为你们自己的定位不是普通 AI 助手，而是有岗位职责、专家判断、业务边界、校准机制和流程接口的专家智能体。

本期你要避免被“100个智能体”晃眼。真正要追的是：

* 每个智能体有没有清晰岗位？
* 它解决什么教学问题？
* 它挂载了哪些知识库？
* 它的提示词能否导出和版本管理？
* 它的边界是什么？
* 它什么时候要求教师介入？
* 它的输出是否有理由摘要？
* 学生赞/踩后，谁看、谁改、怎么改？
* 教师修改智能体回复后，是否沉淀为后续优化数据？
* 不同课程能否形成不同的智能体模板？

你的后续机会是把金智的“教学智能体配置能力”，升级成你们的“专家智能体建设与校准服务”。这就接上了 HiFi Agent Studio 的“过程即数据”原则：专家对 AI 结果的修改、润色、废弃、返工与反驳都是高价值数据，应被捕获用于反哺模型或构建评测集。

### 6. 数据驾驶舱不要只做展示，要变成后续顾问服务的证据源

金智方案里教学运行分析驾驶舱已经包含院系、专业、课程、班级、教师、学生等多维统计，也覆盖课程建设、课程运行、课堂教学、AI自适应学习、AI提效等指标。 校级 AI 使用统计还覆盖不同模型使用情况、统计周期、累计发送消息数和 Token 消耗等。

这对你有两个价值：

第一，**它是本期验收工具**。你可以要求驾驶舱指标必须能反映样板课程是否真的被使用，而不是只显示“已建设”。

第二，**它是后续咨询服务入口**。你可以提出“教学智能化运行诊断报告”：

* 哪些课程只是建了资源，但学生没用？
* 哪些 AI 任务使用率高但学习效果低？
* 哪些知识点学生反复错？
* 哪些教师高频使用 AI，但返工率也高？
* 哪些智能体被频繁踩？
* 哪些课程适合进入 SPGM 深化改造？
* 哪些课程只需要轻量优化，不值得重做？

这就把你从“项目负责人”升级成“学校智能化教学运营顾问”。

### 7. 课程建设服务要防止“数量达标，质量不达标”

金智方案中的智慧课程建设服务包括课程方案调研、教师沟通、资源盘点、知识图谱构建、课程资源整理、课程专属知识库构建、AI通用教学/学习助手配置、AI工具配置、学科特色教学应用建设与 AI 效果调试。 课程资源整理也写了不少量化指标，如不少于 200 分钟视频、一本教材、16 个课件/文档、200 道题目、2 套试卷，并要求资源和题目与知识点绑定。

这里的风险是：**验收很容易变成数数。**
多少视频、多少题、多少知识点、多少任务，都可以堆出来。但教学质量、图谱质量、AI回答质量、教师使用体验不一定好。

你要推动增加“样板课程质量验收”：

* 抽取 1 门课程做深度验收。
* 抽取 10 个知识点看颗粒度是否合理。
* 抽取 10 道 AI 生成题看是否准确、可测、符合认知层级。
* 抽取 5 个学生问题看 AI 回答是否引用正确资料。
* 抽取 3 个能力点看是否真的被任务支撑。
* 抽取 1 个 AI 场景模拟/辩论任务看是否有教学意义。
* 抽取教师修改记录，看 AI 是否可校准。

金智方案也写到课程建设期需要配合教师审核校对 AI 生成内容、智能体交互效果和各类学习工具准确度，并生成评估报告；上线后每学期至少一次 AI 智能体调优和知识库更新迭代。 这部分一定要抓住，它天然就是你后续做顾问和调优服务的入口。

---

## 三、你要重点探查的风险清单

下面这张表建议你直接变成项目会议的风险台账。

| 风险      | 典型表现                | 你要问的问题                        | 应对建议                 |
| ------- | ------------------- | ----------------------------- | -------------------- |
| 厂家黑盒风险  | 系统能用，但数据、接口、日志拿不到   | 图谱、知识库、AI日志、学生行为数据是否可导出？      | 把 API、数据字典、导出机制列为交付物 |
| 验收口径失控  | 功能太多，最后每个都差一点       | 本期核心验收场景是哪几个？                 | 用“样板课程闭环”替代“全功能铺开”   |
| 三方责任模糊  | 学校找你，金智说需求不清，教师说不好用 | 功能缺陷、数据问题、课程内容问题、AI效果问题分别谁负责？ | 建立问题归因台账             |
| 图谱空心化   | 有三张图，但不能指导教学和评价     | 图谱关系如何验证？谁审核？怎么评估质量？          | 引入“图谱质量审计”           |
| AI效果不可验 | 演示不错，实际答疑不稳定        | 是否有测试题集、引用来源、错误分类、教师反馈记录？     | 建立 AI 效果评测样本         |
| 教师参与不足  | 厂家做完课程，老师不认         | 教师需要投入多少时间？谁确认课程内容？           | 每门样板课设置教师共创节点        |
| 数据权限不清  | 后续你想做分析，但学校/厂家不给数据  | 数据所有权、使用权、导出权、二次分析权归谁？        | 项目初期写进会议纪要或补充协议      |
| 成本不可控   | Token、模型、存储、运维后期涨价  | 模型调用、Token、存储、并发、服务期后收费怎么计算？  | 要求成本模型和用量报表          |
| 模型切换假开放 | 写了可插拔模型，但实际只支持厂家配置  | 学校能否自配模型？能否接入本地/私有模型？         | 要求 AI 模型设置权限和测试      |
| 安全合规风险  | 学生数据、教师资料、AI对话外泄    | 数据脱敏、访问控制、日志审计、模型调用边界是什么？     | 安全审计纳入验收             |
| 后续被金智锁死 | 二期所有优化都必须找厂家        | 是否支持第三方应用接入？是否支持插件/API？       | 明确第三方扩展机制            |
| 你被动背锅   | 你是负责人，所有问题都来找你      | 哪些是系统问题，哪些是教学设计问题，哪些是AI模型问题？  | 形成“项目管理边界说明”         |

---

## 四、SPGM 的切入方式：不要说“替代”，要说“统领和审计”

你现在对 SPGM 的判断是对的：金智方案里用了 OBE、Bloom、UbD、5E+BOPPPS、PBL 等教育理念和模型，但这些都是“可调用的局部工具”。金智方案本身也把 OBE、Bloom、UbD、BOPPPS 等放进了教学大纲、教案、题目、知识图谱和课程设计里。

你不要跟学校说“他们这些模型不够高阶”，这样太学术，也容易让厂家尴尬。更好的表达是：

> “现有平台已经内置了多种教学理念和模型，但不同课程、不同教师、不同学生场景下，应该如何选择、组合、验证这些模型，还需要一个上位的教学智能化框架。SPGM 可以作为课程智能化建设的统领模型，帮助学校判断：这个课程到底该用 OBE、PBL、BOPPPS，还是需要组合使用；对应到能力、问题、知识、任务和评价时，如何形成闭环。”

你可以把 SPGM 的商业化入口拆成四个产品：

1. **SPGM 课程智能化诊断**
   看课程目标、资源、任务、评价是否一致。

2. **SPGM 图谱质量审计**
   审能力图谱、问题图谱、知识图谱是否合理。

3. **SPGM 学习任务重构**
   把普通资源学习改造成 AI互动视频、AI文档学习、场景模拟、PBL、辩论、个性化练习等。

4. **SPGM 教学效果评估**
   基于学生学习数据、AI交互数据、错题数据、教师反馈，提出课程调优建议。

这个切法很漂亮：**金智做平台，你做平台之上的“教学智能化解释器”。**

---

## 五、未来你最能持续发力的 6 个机会

### 机会 1：课程图谱质量审计

这是最值得优先打穿的单点。

金智已经有三套图谱，但学校真正需要的是：这三套图谱是否能解释课程目标、学习路径、教学任务和评价结果。你可以做一套“图谱质量审计指标”：

* 能力点是否过虚？
* 问题点是否真实？
* 知识点是否过细或过粗？
* 知识点类型是否合理？
* Bloom 层级是否匹配任务？
* 题目是否真的测到知识点？
* 任务是否真的支撑能力？
* 能力—问题—知识—任务是否断链？
* 学生学习数据能否回流到能力评价？

这就是你说的“技术上没大问题，但实现上会留下疑问”的突破口。

### 机会 2：AI智能体从“工具配置”升级为“专家岗位”

金智有标准教学智能体矩阵，但多数平台型智能体容易停在“助手工具”层。你可以把它升级成专家岗位：

* 课程图谱审计官。
* 教案优化顾问。
* 学习任务设计师。
* 学生薄弱点诊断师。
* AI作业批阅质检官。
* 教师课堂复盘顾问。
* 学科特色场景模拟导演。
* PBL项目导师。
* 课程思政融合顾问。
* 教学数据分析顾问。

这和你们“专家智能体不是普通聊天机器人，而是有岗位职责、专家判断、业务边界、校准机制和流程接口的数字员工”的定位完全一致。

### 机会 3：教师 AI 使用反馈变成“过程数据资产”

本期平台上线后，真正宝贵的不是 AI 第一次生成了什么，而是教师如何改它、删它、重写它、否定它。你们文档里已经强调，专家对 AI 结果的修改、润色、废弃、返工和反驳都是黄金数据，传统系统沉淀业务数据，而专家智能体沉淀判断过程。

所以你要争取设计一个“教师修正记录”机制：

* AI生成内容。
* 教师修改前后差异。
* 教师修改原因。
* 教师是否采纳。
* 教师对 AI 的评价。
* 后续同类任务是否改善。

这个东西一旦做起来，你就不是在做“AI培训”，而是在帮学校沉淀“优秀教师教学判断数据”。

### 机会 4：AI效果评测与调优服务

你的“为什么是我们”里已经提到，商业差异必须通过案例、工具、流程、评测和团队复制能力来证明；目前仍需补齐可展示案例、可复用模板、可量化成果，比如采纳率、返工率、节省时间、专家评分等。

这个高校项目正好可以变成你的第一套行业案例。你可以设计指标：

* AI回答引用准确率。
* 教师采纳率。
* 教师返工率。
* 题目可用率。
* 图谱断链率。
* 学生 AI 对话有效率。
* 学生错题改善率。
* 教师备课节省时间。
* 智能体赞/踩比。
* 样板课程复用率。

这会让你从“讲方法论的人”变成“能拿数据证明智能化效果的人”。

### 机会 5：学校教学智能化运营顾问

平台上线以后，学校很可能会遇到这些问题：

* 有些老师不用。
* 有些课程资源很多但学生不学。
* 有些 AI 任务热闹但没有学习效果。
* 有些知识点学生一直错。
* 有些学院数据好看但质量一般。
* 有些智能体调用量高但满意度低。
* 管理层不知道下一步投哪里。

这时你可以提出季度或学期服务：

> **《学校 AI 教学运行诊断与优化报告》**

内容包括：课程建设质量、教师使用情况、学生学习行为、AI应用效果、图谱质量、智能体问题、下一阶段建设建议。

这类服务的价值在于：它不会和金智抢系统维护费，而是做金智不一定擅长的“教学智能化经营”。

### 机会 6：二期“SPGM + 专家智能体”样板课程

本期结束前，你就要挑 1—2 门课程作为二期样板候选。二期不要泛泛提“继续优化平台”，而要提：

> **基于 SPGM 的 AI 智慧课程深度改造样板。**

样板内容可以包括：

1. SPGM 课程诊断。
2. 三图谱重构。
3. 学习任务链重设计。
4. 教师专家经验访谈。
5. 课程专属专家智能体。
6. 学生个性化学习路径。
7. 过程数据采集。
8. AI效果评测。
9. 教师共创工作坊。
10. 校级展示汇报材料。

这就是你把“顾问、乙方、方法论、智能体”合在一起的抓手。

---

## 六、你现在就可以推进的动作清单

### 本周就做

1. **开一次金智技术交底会**
   主题只谈五件事：接口、数据字典、图谱结构、知识库切片、AI日志。

2. **建一份《本期核心场景验收表》**
   不要按九大模块散验，按样板课程闭环验。

3. **建一份《数据与接口需求清单》**
   明确哪些数据本期必须开放，哪些二期需要开放。

4. **建一份《风险归因台账》**
   功能、数据、课程内容、教师参与、AI效果、组织推进分开记录。

5. **选 2—3 门样板课**
   不要让所有课程平均推进，先打造能展示、能验证、能复盘的样板。

### 一个月内做

1. **组织一次“三图谱工作坊”**
   让金智讲他们的能力图谱、问题图谱、知识图谱生成逻辑；你只负责提问和记录，不急着评价。

2. **做一版《SPGM与平台能力映射表》**
   把金智现有模块映射到 SPGM：哪些是资源层，哪些是任务层，哪些是评价层，哪些是个性化层，哪些是智能体层。

3. **设计 AI 效果评测小样本**
   每门样板课抽 20 个学生问题、20 道题、10 个知识点、5 个任务，测试 AI 输出质量。

4. **确认后续数据权利**
   尤其是 AI 对话、教师修改、图谱、学生行为数据。

### 交付前做

1. **形成《样板课程智能化运行报告》**
   不是厂家验收报告，而是你的后续提案素材。

2. **提出《二期深化建议》**
   主题可以是：SPGM课程智能化深化、图谱质量治理、专家智能体调优、教学数据分析服务。

3. **准备一个对校方的汇报话术**
   “本期平台已具备底座能力，下一阶段建议从系统建设转入教学智能化运营。”

---

## 七、最重要的提醒：你这次要赢的不是本期，而是“下一阶段的定义权”

本期你不要过度施展。因为你没有教学信息化底子，金智有 30 年系统积累，让他们冲在前面是对的。你真正要守住的是：

1. **系统交付不出大问题。**
2. **数据和接口不被锁死。**
3. **三类图谱的实现逻辑你看得懂。**
4. **AI智能体的配置、日志、反馈你拿得到。**
5. **样板课程能形成案例。**
6. **学校知道：平台上线之后，还需要你来做教学智能化深化。**

一句话：
**本期借金智的底盘过河，后续用 SPGM 和专家智能体把河对岸的路修出来。**