目录
实操框架示意图 一、下载安装与登录 1. Workbuddy 简介 2. 为什么用 Workbuddy 3. 下载网址 4. 安装 5. 登录 二、技能操作 1. 技能简介 2. 技能创建 3. 技能添加 4. 技能删除 5. 技能下载 三、AI 赋能个性化实操 1. 建立工作空间 2. 放入资源 3. 选择模型 5. 知识图谱抽取 6. 图谱展示 7. 学生知识画像 8. 个性化作业推荐 9. 个性化资源推荐 10. AI 助教生成 11. 作业深度分析 四、可提问类型参考 核心分析(1–10类) 个性化拓展(11–15类) 使用建议 五、知新 MCP 智能对话 10大类 · 30个问题 使用提示
框架 实操框架示意图

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。

实操框架示意图
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。

下载、安装和登录 Workbuddy
1

Workbuddy 简介

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。

2

为什么用 Workbuddy?

🚀
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。
3

下载网址

前往腾讯 Copilot 官网下载 Workbuddy:

🔗 copilot.tencent.com/work/ ↗
4

安装 Workbuddy

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。
5

登录

Workbuddy 登录界面
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。

微信扫码登录
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:

登录成功主界面
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
技能操作
1

技能简介

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。

2

技能创建

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:

技能创建演示
技能创建操作演示:从新建到完成配置的全流程
3

技能添加

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:

技能添加演示
技能添加操作演示:选择本地技能文件并导入到工作空间
4

技能删除

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:

技能删除演示
技能删除操作演示:在技能列表中定位并移除指定技能
5

技能下载

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:

AI 赋能个性化实操
1

建立一个工作空间

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。
建立工作空间演示
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
2

将资源都放到这个文件夹中

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:

工作文件夹结构
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
3

选择模型

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。

选择模型演示
在 WorkBuddy 设置面板中切换 AI 模型的操作演示
5

课程知识图谱抽取

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。

知识图谱抽取演示
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)
6

课程知识图谱展示

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。

课程知识图谱可视化
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。

7

学生知识画像生成

(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
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:

学生知识画像图表一
学生知识掌握度雷达图:各知识模块掌握情况一目了然
学生知识画像图表二
班级知识点热力图:识别全班共性薄弱环节
8

个性化作业推荐

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。

个性化作业推荐示例一
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
个性化作业推荐示例二
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
9

个性化学习资源推荐

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。

个性化资源推荐示例一
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
个性化资源推荐示例二
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
10

AI 助教技能生成

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 助教生成演示一
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 助教生成演示二
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
11

作业深度分析

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
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
可向 AI 提出的问题类型
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。
15
问题大类
44
具体问题
13
数据文件类型
3
使用场景
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?
💡

使用建议

👨‍🏫
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 MCP · 与教学平台智能对话

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 MCP 二维码 知新平台简介
10
问题大类
30
具体问题
实时
数据同步
代码门槛
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
💡

使用提示

📌
告知课程或课堂名称大部分问题需先提供课程名称课堂名称,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。