knowledge-vault/work/client-projects/金智教育/金智交流会前准备.md

交流会主要内容：

金智教学系统是学校教学信息化与智能化的一次“平台级底盘建设”。不是抢方向盘，而是确认这辆车以后能不能加装“导航系统”。 我们的重点在于把专家经验、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。

1. 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。 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

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。

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？

3. 知识库要盯“可解释、可更新、可评测”

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

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？

5. AI智能体要看“能否配置、监管、校准”

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”。

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

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”

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。