当下，人工智能已然成为推动各行业发展变革的核心驱动力。

 

　　AI大模型在人工智能领域表现卓越，尤其在自然语言理解与自动处理业务流程中作用显著。以Transformer架构为核心，AI大模型通过自注意力机制，精准捕捉文本词汇间语义关联，从多元文本数据中积累知识，掌握了强大的自然语言理解能力。在智能问答场景，AI大模型依据对问题的理解，从知识储备中检索信息，生成连贯、逻辑严密且准确的回答。面对自然语言提问，能迅速解析含义，理解意图，将自然语言转化为机器可懂的语义。在自动处理业务流程方面，AI大模型学习各类业务流程与规则后，可定制输入输出形式，与其他信息系统顺畅对接。

 

　　近期备受瞩目的DeepSeek大模型，引入思维链技术，能像人思考问题一样，逐步推理、分析、综合，挖掘问题本质，给出深度且具有创造性的方案，吸引学术与产业界关注，为高校智能化发展注入强劲动力。

 

　　在高校教育领域，AI大模型的引入无疑为教育教学、科研创新以及校园管理等多个层面带来了前所未有的机遇与挑战，开启了高校创新应用的全新范式。

 

 

　　北京师范大学积极投身于AI大模型中台架构的构建，其核心目标在于打造一个集约化的建设、服务广大师生的AI大模型技术支撑体系。在当前AI大模型建设呈现出“烟囱林立”与“良莠不齐”的复杂背景下，这一举措显得尤为重要且紧迫。

 

　　所谓“烟囱林立”，是指众多AI大模型各自为政，仅服务于特定的应用场景，缺乏有效的整合与协同。这种孤立的建设模式导致了严重的算力浪费，高校往往需要为每个应用单独配置算力资源，成本高昂。即便是按照“一个应用一张卡”的最低资源投入方式建立AI大模型，全校几十个部门、几十个院系就得耗费将近一百张卡用于构建各自的“烟囱式”AI大模型。每个模型都占用了大量的GPU资源，且由于缺乏统一调度，实际使用效率是非常低的。这也使得各高校在AI大模型建设过程中，从顶层设计到底层技术实现都难以相互借鉴与优化。

 

　　如图1所示，为解决上述问题，北师大的AI大模型中台架构强调整合思路，向下整合AI大模型资源，向上整合提供各种AI大模型能力。

 

 

　　一方面，该架构支持接入市面上主流的通用AI大模型。这些通用AI大模型具有广泛的知识覆盖范围和强大的语言处理能力，能够为学校的多种业务提供坚实的基础支持。在综合性的知识问答场景中，能够迅速检索庞大的知识体系，快速给出全面、准确的回答。

 

　　另一方面，平台通过开放API接口，展现出卓越的兼容性和扩展性。它不仅能够接入第三方自研AI大模型。还能接入本地或云端AI大模型，充分利用学校现有的本地计算资源以及云端的弹性计算能力，实现资源的优化配置。对于一些对数据安全性要求极高的科研项目，本地部署的AI大模型也可以在确保数据安全的前提下，利用本地高性能计算设备进行高效运算；而对于大规模、高并发的在线教学活动，云端AI大模型则能够凭借其灵活的扩展能力，轻松应对大量用户的访问请求，保障教学活动的顺利进行。

 

　　近期，平台进一步拓展AI大模型资源，成功接入了DeepSeek本地部署AI大模型以及云端DeepSeek大模型。在涉及师生个人敏感信息的数据分析时，本地部署的DeepSeek大模型能够严格遵循学校的数据安全政策，在校园网络内部完成数据处理，有效保障数据的安全性，同时利用其强大的运算能力快速完成任务，为相关工作的高效开展提供有力支持。当大量师生同时进行课程学习、参与在线讨论、使用智能问答等功能时，云端DeepSeek大模型能够根据实时的访问量动态调整资源配置，确保服务的流畅性和响应的及时性，为师生提供优质的在线学习体验。

 

　　此外，平台还具备卓越的模型管理与调度能力，对众多AI大模型进行统一管理和高效调度。无论是教学场景中的智能辅导、作业批改，科研场景中的数据分析、文献挖掘，还是管理场景中的决策支持、资源调配，都能确保提供最匹配的模型服务，从而为学校的各类业务开展奠定坚实的技术基础。当DeepSeek深入思考模式的资源耗费较大时，并发控制机制能够精准调配计算资源，确保任务都能得到高效处理，避免了因任务过多导致的系统卡顿或响应延迟。

 

 

　　高校拥有丰富的数据资源，不仅涵盖非结构化的规章制度，还包括结构化的专属业务数据，如特定学科的课程数据、行政管理流程数据等。这些数据在各个业务系统中发挥着巨大的作用。但现有的AI大模型的知识库汇聚的形式比较单一，存在以下问题：一是难以便捷对接各个业务系统的知识并及时更新；二是难以进行方便的用户权限管理；三是偏重于业务知识，缺少对AI大模型本身知识的交换。

 

　　为打破这一困境，北师大依托原有的数据共享平台，采用离线文件传输、数据库共享、数据库推送、API接口等多种形式，将这些数据精准、及时地输送给AI大模型。通过离线文件传输，对于一些数据量较大、对实时性要求不高的数据，如历史存量数据等，可以定期整理成文件，经过严格的数据脱敏和加密处理后，传输至AI大模型训练环境，供模型进行深度学习。而对于一些需要实时更新的数据，如教学课程的实时数据等，则通过数据库API接口实现实时对接，确保AI大模型能够获取最新的数据信息，从而做出更准确的分析和决策。

 

　　在数据与用户权限管理上，高校借鉴数据共享平台经验，如图2所示，按身份把数据公开范围分为社会公开、校内师生公开和特定权限三类。同时，利用师生身份信息，在AI大模型应用中合理配置数据使用权限，按用户身份同步相应数据。社会公开数据，像学校概况、招生信息等，公众都能通过AI大模型查看，并配备到云端AI大模型的知识库中。师生公开数据，比如校园新闻、公共教学资源，师生登录AI大模型应用验证身份后可获取，并且必须本地化部署AI大模型才可以使用。特定权限数据保密性强，学生只能查看个人学习数据，如成绩、选课信息；教师能访问所授课程学生成绩、教学资源；科研人员参与项目时，可获取项目相关数据；行政人员虽能获取校园管理综合数据，但使用受严格限制。AI大模型及其应用会依据用户身份和权限，精准同步数据，保障数据安全和有效利用。

 

 

　　当前的AI大模型知识库体系过于聚焦业务知识，而对AI大模型本身蕴含的关键知识，如提示词相关内容，缺乏足够重视与深入挖掘。在AI大模型的实际应用中，提示词的构造和运用是影响输出效果的核心要素。例如在教学课程智能体领域，如何促使其更高效地实现答疑、辅导、课程定制等功能，很大程度上依赖于精准且巧妙的提示词设计。将那些在过往实践中行之有效的提示词进行系统汇聚、科学分类与深度整理，构建起专门的提示词知识库，为教育教学智能体持续优化自身性能提供有力支撑，还能在未来为其他智能体开发与应用提供宝贵借鉴。这也是基于AI大模型的数据共享的新维度。

 

 

　　学校积极探索“AI大模型+”的创新应用路径，通过一系列实践案例，充分展示了AI大模型在赋能高校信息系统智能化、移动化、个性化方面的巨大潜力。

 

 

　　京师大福（接诉即办）接入AI大模型能力后，效果实现了质的飞跃。它深入学习学校各个部门的知识，涵盖教学管理、学生事务、后勤保障等多个方面。通过对大量历史诉求数据的分析和学习，模型能够准确理解师生的问题意图，实现对师生诉求的智能回答和智能分类。当师生提出关于课程安排调整的咨询时，京师大福能够迅速检索相关的教学管理规定，给出准确的解答；对于财务报销、总务后勤等不同类型的诉求，模型也能精准分类，并及时给出相应的解决建议。

 

　　办事大厅智能化服务革新

 

　　办事大厅接入AI大模型能力后，在服务发现、服务发起、服务填报等环节实现了全面智能化。在以往，一些小众或长尾服务由于宣传不足、业务流程复杂等原因，师生对这些业务不够熟悉，难以轻易找到并办理。如今，借助AI大模型强大的自然语言处理能力，师生只需在AI办事大厅的智能交互终端输入问题，AI大模型便能快速理解问题意图，精准匹配对应的业务办理流程，并以通俗易懂的语言为师生提供详细指南。在学费缓缴申请这一复杂业务时，师生只需描述大致情况，AI大模型就能根据师生的描述，将师生引导到学费缓缴这一服务，引导师生顺利完成服务流程，极大提升了办事效率。

 

　　在校园数字化服务不断发展的进程中，移动端办事服务的便捷性愈发关键。特别地，对于移动端使用办事服务来说，一些繁琐的输入内容，给用户带来了极大的困扰。在手机等移动设备上，屏幕尺寸有限，键盘操作相对不便，这使得用户在输入诸如证件号码、手机号码、姓名、车牌等信息时，不仅耗时费力，还容易出错。而AI大模型的应用，为这一难题的解决带来了转机，为智能填写提供了很大的帮助，使得师生可以便捷地在移动设备上进行办事服务。

 

　　以学校的访客预约入校服务为例，AI大模型实现了“一句话办事”。在过去访客将个人信息发给师生，师生需要在移动端上手动逐个输入各项信息，过程繁琐且容易出错。如今，借助AI大模型强大的自然语言处理和信息解析能力，实现了根据文本自动解析填写证件号码、手机号码、姓名、车牌等信息。

 

 

　　在课程教学方面，课程中心接入AI大模型助力教学模式革新。智能助教成为学生学习的得力助手，为学生提供全方位的学习支持。在学业规划方面，智能助教根据学生的专业特点、学习成绩以及个人兴趣，为学生制定个性化的学习计划。对于各个专业的学生，助教可以结合专业课程体系和行业发展趋势，帮助学生制定个性化的学习计划，明确学习目标，优化学习路径，以提高学习效率和学术成果。

 

 

　　巡视系统接入AI大模型，有力地推动了高校巡视工作向智慧化方向转变。AI大模型能够对大量的巡视政策文件进行深度分析和整理，将复杂的政策条款以简洁明了的方式呈现给巡视人员，并针对常见问题提供详细的解答和应对策略。巡视人员可以借助模型的快速学习和知识检索能力，加速对政策文件的掌握。

 

　　综上所述，北京师范大学通过搭建AI大模型中台架构、强化数据共享、探索多样化应用场景等一系列举措，在学校“AI大模型+”应用实践方面取得了显著成效，为高校信息化建设和教育教学创新提供了宝贵的经验和借鉴。

 

　　来源：《中国教育网络》2025年2-3月合刊

　　作者：孙秋瑞、杨栋（北京师范大学信息化建设办公室、信息网络中心）

　　责编：陈荣