智能体核心处理框架
本次实操基于「智能体核心处理框架」展开,通过两类核心资源驱动整个智能服务流程。
智能体核心处理框架总览
所需资源
📚
课程教学资源
作为知识输入来源,经由「知识抽取技能」处理后,自动构建课程知识图谱,形成结构化的学科知识网络。
📊
学生作业成绩单
作为学情数据来源,经由「知识画像技能」分析后,生成每位学生的个人知识画像,精准定位掌握情况与薄弱环节。
两类数据在「知识建模与融合」层交汇后,驱动三大智能服务技能——个性化作业生成、个性化资源推荐、AI 助教——最终向终端用户交付个性化作业、个性化学习资源与 AI 私人助教三项服务。
所需工具(WorkBuddy)
全流程基于 WorkBuddy 实现。借助其内置技能包与 MCP 协议扩展能力,无需编写代码,即可完成从资源上传、知识抽取、画像分析到智能服务生成的全链路自动化操作,真正做到开箱即用。
WorkBuddy 是腾讯云代码助手推出的 AI Agent 办公工具,定位为全场景职场 AI 智能体桌面工作台。与传统 AI 聊天工具不同,WorkBuddy 能够理解用户的自然语言指令,在电脑上自主思考、拆解任务、规划执行步骤,最终交付可直接验收的工作成果——它不是在与用户对话,而是真正在帮用户干活。
该产品于 2026 年 1 月开启内部内测,同年 3 月 9 日正式全量上线,内置超 20 种 Skills 技能包与 MCP 协议,覆盖海报生成、自动化报表、数据处理、文档生成等多类办公场景,并支持 DeepSeek、GLM、Kimi、MiniMax 等主流大模型的一键切换。
WorkBuddy 采用「零代码、免部署、自然语言交互」的设计思路,让不懂编程的普通职场人无需复杂配置即可快速上手,真正实现「AI 办公平民化」。支持 Windows x64、macOS Intel 及 macOS Apple Silicon 平台。
🚀
零门槛上手
采用自然语言交互设计,无需编程基础,无需复杂配置,下载即用,普通用户一分钟即可上手,真正做到「AI 办公平民化」。
🧩
灵活扩展技能
内置超 20 种 Skills 技能包,覆盖海报生成、数据报表、文档创作等常见办公场景。用户还可按需自定义创建或导入技能,让 WorkBuddy 随业务需求持续「成长」。
🔗
无缝接入 MCP 服务
支持 MCP 协议,可轻松对接企业微信、飞书、钉钉、QQ 等主流办公平台,用户甚至可以在手机上远程发出指令,让电脑端自动完成任务。
🔒
数据安全留本地
所有文件操作均在本地授权范围内完成,敏感数据不上传云端,从源头保障企业数据隐私与安全合规。
🛡️
教学数据绝对私密
采用本地运行核心技术,所有教学数据均不上传云端。严格隔离外部网络,为您提供绝对私密、安全的教学环境。
1
运行安装程序:双击下载的 WorkBuddySetup.exe 文件,若弹出 UAC 权限提示,点击「是」允许运行。
2
按向导完成安装:选择安装路径(默认 C:\Program Files\WorkBuddy),点击「立即安装」,等待进度条完成。
3
自动启动:安装完成后程序自动启动,同时在桌面和开始菜单创建快捷方式。
Workbuddy 启动后的登录界面,点击「登录」按钮
点击登录后,自动打开一个网页,选择一种登录方式,例如:用微信扫码。
使用微信扫描二维码完成身份验证
扫码成功后返回应用,表示已登录,并出现以下主工作台界面:
登录成功后的 Workbuddy 主工作台界面,左侧为工作空间列表,右侧为对话区
技能(Skills) 是智能体中可调用的功能模块,相当于给 AI 装上的「工具插件」。
每个技能负责完成一项具体任务——例如本次实操中的知识抽取技能,能自动从课程资料中提取知识点;知识画像技能,能根据学生成绩分析学习状态。
用户无需编写代码,直接通过自然语言指令调用技能,智能体便会自动执行对应操作并交付结果。
在 WorkBuddy 技能管理界面点击「新建技能」,填写技能名称与功能描述,上传技能配置文件(.skill 格式)。创建完成后,该技能即可在当前工作空间中通过自然语言指令被调用。下方演示了完整的技能创建操作流程:
技能创建操作演示:从新建到完成配置的全流程
若已有现成的技能文件(如从技能库或他人处获取的 .skill 包),可直接在技能管理界面点击「添加技能」,选择本地文件导入。技能加载完成后,即刻生效,可在当前工作空间中通过对话直接调用。下方演示了技能添加的完整步骤:
技能添加操作演示:选择本地技能文件并导入到工作空间
当某个技能不再需要时,可在技能管理列表中找到目标技能,点击右侧「删除」按钮,确认操作后该技能将从当前工作空间中移除,不影响其他工作空间或技能文件本身。下方演示了删除操作的步骤:
技能删除操作演示:在技能列表中定位并移除指定技能
本次 AI 赋能汇报实操所需要的技能包可在此处下载,分理工科和文科两个版本:
1
先在本地新建一个文件夹,作为本次实操的工作目录。
2
将鼠标移至 WorkBuddy 工作空间菜单处,点击出现的右侧「+」按钮,弹出文件夹选择窗口后,选择刚才新建的文件夹即可完成工作空间关联。
新建本地文件夹并将其关联为 WorkBuddy 工作空间的完整操作演示
将课程相关资源(教学大纲、试卷、成绩单)放入工作文件夹。可从以下链接下载测试用课程资源:
将下载后的测试资源解压到刚建立的文件夹中,文件夹结构示意如下:
准备好资源后的工作文件夹结构:包含教学大纲、试卷及成绩单等文件
推荐选择 MiniMax-M2.7 模型,在知识抽取与画像分析任务中效果更佳。推荐
也可自定义配置其他模型,如千问系列、DeepSeek 等,根据实际需求和账号权限灵活选择。
在 WorkBuddy 设置面板中切换 AI 模型的操作演示
在工作空间对话框中,调用知识抽取技能,输入自然语言指令(如「请从教学大纲中抽取知识图谱」)。WorkBuddy 将自动分析课程资料,提取知识点及其关联关系,并生成结构化输出文件。
课程知识图谱抽取操作演示:AI 自动从教学大纲中提取知识结构
抽取完成后,将在工作文件夹中生成以下两个 CSV 文件:
📄 knowledge_graph_triples.csv — 知识图谱三元组(知识点之间的关系边)
📄 knowledge_nodes.csv — 知识图谱节点列表(所有知识点)
使用图谱展示技能,将上一步生成的两个 CSV 文件可视化为课程知识图谱网络图,系统将自动输出一个 .html 文件,在浏览器中可查看完整的知识网络结构,节点代表知识点,连线代表知识点之间的依赖或关联关系。
课程知识图谱的图形化展示效果:节点为知识点,连线表示知识间的关联关系
至此,我们已得到完整的课程知识图谱。接下来将进入学生个性化分析环节。
(1)生成作业知识图谱
调用知识画像技能,输入作业数据,AI 自动分析每道题目涉及的知识点,生成以下文件:
📄 question_knowledge_tags.csv — 题目与知识点对应标注表
📄 knowledge_point_statistics.csv — 知识点统计表(各知识点的出题频率与难度分布)
同时生成作业的知识图谱可视化表示,将每道题目映射到对应的知识节点:
作业知识图谱:将试题映射到对应知识点,直观呈现考查分布
(2)生成学生知识画像
将学生的作业成绩单输入系统,AI 结合课程知识图谱与作业知识标注,自动生成以下三份数据文件:
📄 student_knowledge_profile.csv — 学生 × 知识点掌握度明细表(每位学生对每个知识点的掌握情况)
📄 student_summary_profile.csv — 学生综合画像摘要表(整体学情概述与薄弱点标注)
📄 class_knowledge_heatmap.csv — 班级知识点热力图数据(全班在各知识点的掌握分布)
以及以下学生知识画像可视化图表:
学生知识掌握度雷达图:各知识模块掌握情况一目了然
班级知识点热力图:识别全班共性薄弱环节
基于学生知识画像,调用个性化作业生成技能,系统自动为每位学生匹配薄弱知识点,从题库中筛选针对性练习题目,并以可读报告形式输出个性化作业清单。教师可直接将生成结果发布给对应学生,无需手动逐一整理。
个性化作业推荐结果:针对学生薄弱知识点生成定制化练习题
作业推荐报告详情:每道题目均附有对应知识点标注与难度说明
根据学生的知识掌握度分布,调用个性化资源推荐技能,系统从已有资源库中筛选与薄弱知识点高度匹配的学习材料(视频、文档、例题等),自动生成个性化资源清单,助力学生精准补短、高效提升。
个性化学习资源推荐列表:按知识点匹配度排序的学习材料清单
资源推荐详情页:每项资源附有知识点对应关系与推荐理由说明
基于课程知识图谱与学生个人知识画像,调用 AI 助教技能生成功能,系统将自动为每位学生构建一个专属 AI 助教。学生可随时通过自然语言向 AI 助教提问,获得与自身学情深度匹配的针对性解答、知识点讲解与学习引导,真正实现「一对一」的个性化辅导。
AI 助教技能生成演示:系统根据课程图谱自动构建专属助教技能包
AI 助教实际使用演示:学生提问后助教结合个人知识画像给出针对性解答
在完成个性化作业推荐后,系统可进一步对作业内容进行深度分析,从知识点覆盖、难度分布、与学生薄弱点的匹配程度等多个维度进行评估,帮助教师全面了解作业质量,并为后续教学调整提供数据支撑。
作业深度分析演示:系统对推荐作业进行多维度评估,辅助教师优化作业设计
基于工作空间中的多维度数据(成绩单、知识画像、试卷、星座性格爱好等),系统共支持 15 大类、44 个具体问题,全面覆盖教师备课、学情分析、个性化辅导等场景。以下为完整的可提问类型参考。
核心分析类 · 第 1—10 类
第一类学生成绩分析
📁 成绩单 CSV
1.1 某位学生的具体成绩和掌握情况如何?例:李娜考了多少分?她的知识点掌握情况怎样?
1.2 班级整体成绩分布如何?例:班级平均分是多少?有多少人及格?有多少人达到优秀?
1.3 哪些学生需要学业预警?例:哪些学生不及格?哪些学生成绩在60-65分之间需要重点关注?
第二类知识点掌握分析
📁 知识画像 CSV
2.1 全班最薄弱的知识点有哪些?例:哪些知识点全班掌握率最低?哪些知识点风险指数最高?
2.2 某位学生在哪些知识点上表现最好/最差?例:赵磊最强的知识点是什么?郑帅最薄弱的是什么?
2.3 哪些知识点是跨章节交叉的?例:哪些知识点涉及多个章节?它们之间的关联关系是什么?
第三类试卷分析
📁 试卷 DOCX + 标签 CSV
3.1 试卷的难度和区分度如何?例:这次考试难不难?题目能不能区分好学生和差学生?
3.2 试卷覆盖了哪些知识点?例:这次考试考了哪些知识点?每个知识点占多少分?
3.3 各大题型的得分率如何?例:选择题和综合题哪个得分率更高?学生在哪种题型上失分最多?
第四类个性化教学
📁 作业 / 资源 MD 文件
4.1 如何为某位学生制定学习计划?例:郑帅应该怎么学习?给他制定一个8周提升计划
4.2 如何为某位学生推荐学习资源?例:给黄丽推荐一些拓展学习资源
4.3 如何为某位学生出个性化作业?例:给李娜、刘洋、郑帅分别出一份作业
第五类知识图谱分析
📁 知识图谱 CSV
5.1 课程的知识结构是怎样的?例:计算机网络课程有哪些知识点?它们之间有什么关系?
5.2 某个知识点的前置依赖是什么?例:学习TCP拥塞控制需要先掌握哪些知识点?
5.3 知识图谱中哪些节点最重要?例:哪些知识点连接的关系最多?哪些是核心知识点?
第六类学生画像分析
📁 画像 HTML + CSV
6.1 某位学生的知识画像是什么样的?例:用知识图谱可视化展示胡艳的知识点掌握情况
6.2 两位学生的知识掌握有什么差异?例:赵磊和马娟的知识画像有什么不同?
6.3 某位学生的认知强项和弱项是什么?例:徐敏在记忆、理解、应用、分析哪个认知层次最强?
第七类学习资源分析
📁 资源池 CSV
7.1 为某类学生推荐什么类型的资源?例:薄弱学生应该看视频还是做题?良好学生应该做什么拓展?
7.2 哪些学习资源被最多人推荐?例:全班最常推荐的学习资源是什么?
7.3 学习资源如何与知识点对应?例:DHCP协议有哪些学习资源?哪些是视频?哪些是文章?
第八类AI 助教使用
📁 AI 助教 MD 文件
8.1 如何为某位学生配置 AI 助教?例:给黄丽生成一个AI助教
8.2 AI 助教支持哪些功能?例:AI助教能出题吗?能制定学习计划吗?
8.3 学生如何使用 AI 助教?例:第一次使用AI助教需要做什么?有哪些快捷指令?
第九类作业分析
📁 作业 MD + CSV
9.1 某份作业的设计思路是什么?例:郑帅的作业为什么出这些题?分值是怎么分配的?
9.2 全班作业覆盖了哪些知识点?例:哪些知识点在全班作业中被重点练习?
9.3 不同水平学生的作业有什么区别?例:良好学生和薄弱学生的作业难度有什么不同?
第十类综合分析
📁 全部数据文件
10.1 从考试到作业到资源,如何形成教学闭环?例:如何根据考试成绩→生成作业→推荐资源→AI助教辅导?
10.2 如何追踪学生的学习进展?例:郑帅学习4周后,如何评估他的进步?
10.3 如何优化教学策略?例:根据这次考试结果,下学期教学应该如何改进?
个性化拓展类 · 第 11—15 类(含星座性格数据)
第十一类性格与学习关联
📁 星座性格 CSV + 成绩数据
11.1 不同性格特点的学生学习成绩有什么差异?例:逻辑思维强的学生和想象力丰富的学生在网络课程上表现有何不同?
11.2 兴趣爱好与知识点掌握有关系吗?例:喜欢编程的学生在CRC校验、子网划分等计算题上是否表现更好?
11.3 星座性格与学习风格匹配吗?例:摩羯座学生自律勤奋,是否更适合系统性学习计划?
第十二类个性化策略优化
📁 星座性格 + 知识画像 + 学习资源
12.1 如何根据学生兴趣定制学习资源?例:赵磊喜欢极限运动和电影,能否用动作电影中的网络场景来讲解TCP协议?
12.2 如何根据性格特点调整辅导方式?例:对"认真细致、追求完美"的陈静,应该提供详细的步骤解析
12.3 如何用座右铭激励学生学习?例:朱浩的座右铭是"不破楼兰终不还",可用这种拼搏精神鼓励他攻克DHCP协议
第十三类学习小组组建
📁 星座性格 CSV + 成绩数据
13.1 如何根据性格互补组建学习小组?例:让"逻辑思维强"的张伟和"想象力丰富"的李娜一组,互相补充
13.2 如何根据兴趣爱好组织实践活动?例:喜欢编程的学生可以一起写网络抓包脚本
第十四类学习动机激发
📁 星座性格 CSV + 知识画像
14.1 如何将学生兴趣与课程内容结合?例:杨阳喜欢足球和街舞,可以类比足球队配合讲解网络协议中的"协作"概念
14.2 如何用座右铭设计个性化学习目标?例:郑帅"敢想敢做敢担当",可以鼓励他挑战综合题
第十五类综合画像分析
📁 全部数据文件(成绩 + 知识画像 + 性格爱好)
15.1 学生的"成绩 + 性格 + 兴趣"完整画像是怎样的?例:郑帅 = 58分 + 狮子座 + 喜欢篮球/说唱/视频创作 + 敢想敢做敢担当,如何基于这个完整画像制定学习方案?
15.2 性格特点是否影响认知强项?例:"逻辑思维强"的学生是否在 apply(应用)认知层次表现更好?
👨🏫
教师使用场景
备课阶段用第 1–3 类分析学情;教学设计用第 4–5 类制定计划;作业布置用第 9 类分析覆盖度;个性化辅导用第 6、11–15 类了解学生特点;教学反思用第 10 类优化教学策略。
🎓
学生使用场景
用第 2、6 类了解自身知识掌握情况;用第 4 类制定个人学习计划;用第 7 类获取个性化学习资源;用第 8 类与 AI 助教互动学习。
🔬
教研使用场景
用第 3 类分析试卷难度和区分度;用第 5 类完善课程知识图谱;用第 11–15 类研究性格特点与学习效果的关系。
知新教学平台提供专属 MCP(Model Context Protocol) 接口,可与 WorkBuddy 等 AI 智能体无缝对接。配置完成后,教师和学生无需打开浏览器,直接通过自然语言向智能体提问,即可实时操作课程、作业、学情数据等核心功能,真正实现「对话即操作」。
支持功能一览:
课程与课堂管理 · 学生查询与定位 · 学情分析与统计 · 作业管理与批改 · 知识点检索与题目生成 · 智能组卷与题库管理 · 消息通知与作业发布 · 学生个人学习轨迹 · 作业批改与重判 · 题集管理
知新平台简介
10 大类 · 30 个可提问问题
第一类
📋 课程与课堂管理
查询课程列表、课堂信息
1.1 我目前教授哪些课程?例:我这学期教了几门课?列出所有课程名称和代码
1.2 某门课程下有几个课堂?每个课堂多少人?例:Python程序设计有几个班?每个班多少人?
1.3 帮我查一下某门课程的课堂信息例:帮我查一下"计算机网络"课堂有哪些?
第二类
👥 学生查询与定位
查询学生班级、名单、作业完成情况
2.1 某位学生在哪个班?例:张三是哪个班的?李四在哪个课堂?
2.2 列出某个课堂的所有学生例:帮我列出Python测试班级的所有学生名单
2.3 某个学生的作业完成情况如何?例:王五的作业完成率和平均分是多少?
第三类
📊 学情分析与统计
分析成绩分布、薄弱知识点、作业提交
3.1 某门课堂的分数分布和平均分是多少?例:数据挖掘课堂平均分是多少?分数分布如何?
3.2 这门课学生最薄弱的知识点有哪些?例:计算机网络哪些知识点学生掌握最差?Top 5薄弱点
3.3 某次作业谁没交?哪道题错得最多?例:第三次作业未交名单是谁?哪道题正答率最低?
第四类
📝 作业管理与批改
查看作业详情、提交统计、学生答题情况
4.1 列出我最近发布的所有作业例:查看Python课堂最近一个月的所有作业
4.2 查看某次作业的详情和提交统计例:"测试-作业"的提交率是多少?班级平均分多少?
4.3 某个学生在某次作业中每道题的答案和得分例:安润鲁在第一次作业中每道题答得怎么样?
第五类
🎯 知识点检索与题目生成
搜索知识点,AI 自动生成题目
5.1 帮我搜索某课程的相关知识点例:帮我搜索"TCP协议"相关的知识点
5.2 根据某个知识点自动生成题目例:根据"链表"知识点生成5道单选题
5.3 帮我出一套关于某主题的测验题例:帮我出一套关于"数据挖掘"的测验题,包含填空和问答
第六类
📄 智能组卷与题库管理
组卷、批量创建题目、修改题库
6.1 帮我组一套指定分数和题量的试卷例:帮我组一套100分的试卷,包含20道题
6.2 批量创建题目到题库例:把我写的10道Python选择题存入题库
6.3 修改或删除题库中的某道题例:修改题库中第5题的答案,删除那道错题
第七类
📢 消息通知与作业发布
群发消息、发布作业、延期设置
7.1 给全班同学发一条消息例:给Python课堂全班发一条作业提醒
7.2 帮我发布一个新作业例:发布一个关于"数组操作"的作业,截止本周五
7.3 给某个学生延期某次作业例:给张三的第二次作业延期3天
第八类
📈 学生个人学习轨迹
知识画像、成绩时间线、多次对比
8.1 查看某个学生的知识掌握画像例:李娜在Python课程中哪些知识点掌握得好/差?
8.2 某个学生这学期所有作业的得分时间线例:王五这学期作业成绩趋势如何?是进步还是退步?
8.3 对比分析某学生多次作业的表现例:对比张三第一次和第三次作业,哪些题进步了?
第九类
🔧 作业批改与重判
手动打分、触发重判、修改截止时间
9.1 手动给某学生的某道题打分例:给李娜的问答题打8分,并写上评语
9.2 对某次作业触发重新批改例:对"测试-作业"重新批改,更新自动判分结果
9.3 修改某次作业的截止时间或显示设置例:把作业截止时间延长到下周,设置完成后显示答案
第十类
📦 题集管理
打包题集、按难度挑题、发布到班级
10.1 把一组题目打包成题集例:把10道Python基础题打包成"基础练习题集"
10.2 从题库中按难度和知识点挑选题目例:帮我挑10道中等难度的"循环结构"题目
10.3 创建题集后发布作业到指定班级例:把"期中复习题集"发布给2023级实训班
📌
告知课程或课堂名称大部分问题需先提供课程名称或课堂名称,系统会自动获取对应 ID。
🧑🎓
涉及学生直接用姓名提供学生姓名或学号即可,无需手动查询 ID。
📋
作业用名称或时间范围定位提供作业名称或大致时间范围(如"上周发布的"),系统即可自动定位。
🔄
数据实时同步所有操作均通过知新 MCP 工具完成,结果实时写入知新教学平台,无需二次确认。