校园超脑
它不是「接一个公开大模型进来」,而是在校内先建一座 AI 底座,再把问答、备课、办公与排课一层层长出来。数据留在校内,知识沉淀成资产,能力可按需生长。
部署在校内、懂本校的 AI 助手
数据不出校门,知识可溯源,能力可生长
学校自己的算力、存储、文档与知识,先被沉淀成一个可被反复调用的底座,再往上长出问答与备课等应用。
为什么是现在:三重变量在同一时间点叠加
政策给了方向,技术给了可行性,成本给了紧迫感。学校真正要回答的,已经不是「要不要用 AI」,而是「怎么安全地用起来、怎么让它留在校内」。
- 政策方向已经明确 AI 与教学深度融合成为明确导向,备课、答疑、教研是最先被期待落地的三类场景。
- 技术条件已经具备 主流开源大模型可在校内私有部署,国产化算力设备成熟可用。
- 隐性成本仍在累积 知识资产随人流失、重复劳动持续消耗、AI 因数据顾虑用不起来。

不解决底座问题,AI 就只能停留在展台上的样品 —— 演示效果很好,日常却没人真的在用。
一个底座,支撑三层能力
上层调用下层,下层不依赖上层。所以底座可以一次建成,应用可以慢慢长 —— 换应用,不必动底座。
底座层 · 校园超脑
算力、模型、数据全部留在校内,一次建成、长期使用。所有应用的推理与检索都在这一层完成,数据出不了校门。
能力层 · 可组合可复用
底座输出的资源在这里被包装成可组合、可复用的工具,学校按需启用,早晚都不影响底座。
应用层 · 面向师生场景
把能力变成师生直接用的入口,课堂、教研、校务与排课四类场景直接落地。
先建底座,再长应用 —— 顺序颠倒,投入就会变成一次性的演示成本。
六道防线,把最容易被追问的问题提前回答掉
合规不是附加项,而是能不能立项的前提。
数据不出校
业务数据在校内网络内产生与存储,不经过外部服务。
分级授权
按角色与部门划分可访问范围,按最小必要原则授权。
操作留痕
关键操作全程记录,可追溯、可审计、可说明。
内容过滤
敏感与不当内容在检索与生成环节双重拦截。
备份与容灾
定期备份与恢复演练,硬件故障不影响日常使用。
个人信息保护
涉及学生个人信息的内容,按最小必要原则处理。
| 追问场景 | 系统里已经准备好的答案 |
|---|---|
| 立项材料需要 | 数据存放位置与权限机制 —— 数据不出校、分级授权、操作留痕 |
| 家长沟通需要 | 能说清「孩子的数据放在哪里」—— 全部存储在校内,不出校园网络 |
| 上级检查需要 | 操作留痕与审计记录 —— 随时可调取、可说明 |
分期落地,每一阶段都有明确交付物
一次性把预算压在底座上,风险集中在第一阶段。分期推进可以先用起来一部分能力,再据此调整后续投入。
打底座:先让它「能查、能用」
本地国产算力与模型调度部署完成,数据文档治理与本地知识库建库,把地基一次做扎实。
交付物:校内可登录、可检索的底座环境上应用:让师生「先用起来」
本地存储网盘、智能问答与集体备课先在 1–2 个学科组试点跑通,摸清使用习惯再推广到全校。
交付物:师生可用的问答入口与备课空间持续生长:让需求「自己配」
智能体工厂与自定义业务逐步开放,AI 办公与 AI 量子排课按需接入,效果按学期复盘。
交付物:校内自行配置的轻应用与复盘报告建得起来,也要管得下去
以「有教师每周在用、有教研组每月在用」作为可衡量的验收口径。
实施交付
环境部署、数据迁移与既有系统联调,交付一套可独立运行的环境,不含「半成品」。
培训赋能
面向管理员、教研组与普通教师分层培训,配套操作手册与常见问题说明。
运维响应
明确故障响应机制、责任人与处理时限,版本升级与安全补丁同步跟进。
持续运营
内容定期更新,使用情况按学期复盘,据此调整下一阶段建设重点。
| 投入结构 | 占比 | 说明 |
|---|---|---|
| 第一阶段 · 打底座 | 55% | 服务器与部署属于一次性投入,日常使用不按调用量持续计费 |
| 第二阶段 · 上应用 | 30% | 试点学科组先行,验证后再推广 |
| 第三阶段 · 持续生长 | 15% | 按需启用,效果按学期复盘 |
让校内知识真正为教育教学所用
我们可以结合你校的学科结构、现有信息化基础与年度预算,给出一份分期建设方案。