面向 CCF TCIP 培训的六大典型应用场景的设计

[will-ww]

学生端三大 AI 智能体应用

• TCIP-S-FAQ（课前）：知识储备与预习
• TCIP-S-Guide （课中）：学习过程中的实时支持
• TCIP-S-Review（课后）：测评、复习与二次创作

教师端三大 AI 智能体应用

• TCIP-T-Plan（课前）：课程设计与教学资源生成
• TCIP-T-AIGK（课中）：课堂互动与内容生成
• TCIP-T-Report（课后）：教学效果评估与数据洞察

其中华东师范大学可以承担前四个场景的开发，飞致云后两个场景的开发，大家可以讨论~

[will-ww]

华师大这边的分工采用老师或博士负责，带上硕士或本科生一起（初步安排）：

• TCIP-S-FAQ：陈宇皓（游明东、赵思嘉）（数字素养知识库）
• TCIP-S-Guide：彭佳恒（孙佳杰、张桂晨）
• TCIP-S-Review：苏斌（杨帆）
• TCIP-T-Plan：韩凡宇（王衍童，潘飞扬）

[Peng99999]

TCIP-S-Guide ——课程中给学员使用的小助手：

设计方案：

课程中的小助手主要解决两类问题：一类是知识性问题 （老师在讲开源领域的专业的知识，学员们不懂可以问小助手来解决）；第二类是实操性问题，学员在做案例时遇到问题，比如maxkb操作、配置问题等等

故对应设计两个知识库：开源领域知识的知识库和Maxkb以及关联的产品操作手册知识库
（没有考虑AI领域知识库是觉得AI领域知识目前的大模型会掌握一些，后期可以视情况考虑增加AI领域知识库）

实现方案：

开源领域知识库，目前已导入知识：

1. 开源治理标准
2. OpenDIgger中指标的文档

MaxKb以及关联产品知识库：待定

产品初版：

https://smart.x-lab.info/ui/chat/a401e9a0eccba4be

设计课程环节：

OpenRank及其他数据洞察指标，在各种内容中会经常提及，我们可以设计一个环节，当讲到某个指标时，让学员自己动手对小助手提问，了解相关指标的详细内容

[xueqidove]

华师大这边的分工采用老师或博士负责，带上硕士或本科生一起（初步安排）：

• TCIP-S-FAQ：陈宇皓（游明东、赵思嘉）（数字素养知识库）
• TCIP-S-Guide：彭佳恒（孙佳杰、张桂晨）
• TCIP-S-Review：苏斌（杨帆）
• TCIP-T-Plan：韩凡宇（王衍童，潘飞扬）
  TCIP-T-AIGK：朱飞鸽（宋兵）
  TCIP-T-Report：朱飞鸽（宋兵）

[PureNatural]

TCIP-T-Plan —— 教师备课小助手

设计方案：

TCIP-T-Plan 是一款面向教师端的 AI 智能助手，旨在辅助教师进行课程教案设计与 PPT 教学资源的自动生成。未来还将持续拓展更多实用功能。

实现方案：

教师只需导入自己授课所用的电子教材，系统将通过调用科大讯飞的 API，以函数库的方式智能生成对应的 PPT 课件，极大提升备课效率。

当前技术难点集中在 PPT 的自动生成与美化优化上。

目前系统接入的知识库以《数字素养》教材为主。

👉 产品初版体验地址：
https://smart.x-lab.info/ui/chat/13e6f3574bb397a1

教学环节支持：

本助手主要面向教师课前备课场景，支持教师学员将授课所用的电子教材导入知识库，系统将自动生成配套的 PPT 教学课件，帮助教师高效开展教学准备工作。

[747472547]

TCIP-S-FAQ —— 课前知识储备与课程信息

核心目标： 将 MAXKB 从被动的问答工具转变为主动的学习导航助手。

设计方案

1. 主动引导，降低使用门槛：
   • 设计引导性的欢迎语和常用提示，在用户首次接触时就明确告知其功能和使用方法，特别是导航功能。
   • 鼓励用户通过特定的“导航指令”（如“学习向导”、“先学什么”）来启动学习路径。
2. 结构化学习内容，提供清晰路径：
   • 创建专门的“学习向导”知识库，作为学习的“地图”。
   • 内容需包含：明确的学习目标、结构化的教材章节内容、针对不同基础学生的建议学习路径、与后续 AI 课程的关联性。
3. 自我测验：
   • 设置自我检测选项，考查学生课前知识掌握情况。
4. 提供课程基础信息查询：
   • 使智能体能回答关于课程的基本信息（如时间、地点、评分标准、教师信息等），成为一站式课前信息源。

实现方案

1. 配置欢迎语/默认提示：
   • 在 MAXKB 界面设置具体的、包含引导性问题示例（如导航指令）的欢迎文本。
2. 构建“学习向导”知识库：
   • 将学习目标、按章节组织的教材内容（考虑提供 Markdown 或 TXT 格式，及下载选项）、学习路径建议、引导性问题集、课程具体信息等内容整理成独立的文档。
   • 在 MAXKB 中创建一个新的、独立的知识库（命名为“数字素养学习向导库”）。
3. 实现随机提问功能：
   • 利用 MAXKB 对题目格式的支持，创建题库或设计生成逻辑，实现随机抽取小问题的功能。
4. 优化知识库以支持问题推荐：
   • 在构建知识库时，考虑内容和文档结构，使其更容易触发系统生成相关且有用的问题推荐。

👉 产品初版体验地址：
https://smart.x-lab.info/ui/chat/cd9262c8041a4d38

[xueqidove]

TCIP-T-Report（课后）：教学效果评估与数据洞察

设计方案：

小助手应能够根据教学考试成绩、MaxKB 的实操情况、实践作业完成等数据，对教学进行量化分析以及评估，并能够直观易懂的评估报告。评估报告生成时需要结合数据分析方法生成数据分析和数据洞察报告。

实现方案：

知识库

MaxKB 知识库、MaxKB 教学案例材料、测验考试成绩、MaxKB 实操平台的实操日志等；

技术路线

测验成绩、MaxKB 实操平台的操作日志通过 MCP 数据库服务读取，结合知识库文档，然后通过学员基于 MaxKB 的实操演练的数据库数据，然后再结合 Echarts 实现图表生成，最后再结合报告模版生成一份评估和数据洞察分析报告。

技术难点

前期讲考试成绩等数据能入库，另外就是评估洞察分析报告的提示词编写。

[xueqidove]

TCIP-T-AIGK（课中）：课堂互动与内容生成

设计方案：

设计AI小助手，分老师和学生两个身份使用，老师身份主要完成语音上传、语音转文本，然后将文本内容传入制定MaxKB的知识库，完成知识库创建以及向量化，学生端，学生端主要是老师完成知识库上传以后可以让学上快速在小助手里面进行学习内容的问答和了解。

实现方案：

创建两个AI小助手，分为老师端和TCIP-T-AIGK端：
1、老师端AI小助手支持上传语录音文件，将录音转换成文本，并将文本通过调用MaxKB的API接口完成文本内容的知识库（知识库可通过函数的输入参数定义）导入；期间需要增加一个表单搜集的文本，定于知识库的名称，方便后台管理以及学生问答；
2、TCIP-Y-AIGK端小助手：通过用户输入获取对话用户身份：学生or老师，增加判断器，如果是老师则直接调用老师端的AI小助手，如果是学生则进入AI问答对话框，让学生问课程相关内容。快速问答。
最终通过TCIP-T-AIGK统一面向老师和学生提供课中AI小助手。