重庆大学建设“弘深深”开源智能服务平台,目前形成20个核心业务智能体,落地了学生学籍异动、人事服务、师生出国(境)等7项“一件事”,正是在这个过程中,学校深刻体会到,智能体建设最终考验的还是高校数智化的基本功:业务能不能贯通,数据能不能管好,智能体运行能不能做到安全可控。
这两年大模型能力快速提升,师生使用AI也越来越普遍。随着市场上的AI产品日趋成熟、迭代加快,高校还要不要自己建设智能体、又该建设什么样的智能体,成为摆在学校面前的两个现实问题。随着“弘深深”逐步进入教务、科研、人事等真实业务,重庆大学对这个问题的认识也越来越清晰:高校真正需要的,是一套扎根校园业务的专用智能体。因为师生一句“我想办这件事”,背后往往牵涉多套制度、多个系统、多类数据以及不同部门的权限。
也正是在这个过程中,学校深刻体会到,智能体建设最终考验的还是高校数智化的基本功:业务能不能贯通,数据能不能管好,智能体运行能不能做到安全可控。过去一些业务环节还能靠工作人员凭经验判断、协调和补位,到了智能体这里,这些分散在制度、系统和人的经验中的能力,就必须重新梳理、沉淀并连接起来。大模型提供的是通用的理解和推理能力,学校自己的业务、数据和安全机制则决定智能体能不能在真实场景中把事情做对、做好。
重庆大学“弘深深”智能服务平台于2025年上线,目前形成20个核心业务智能体,连接学校制度知识、业务接口和大数据平台,落地了学生学籍异动、人事服务、师生出国(境)等7项“一件事”,形成743项可问指标和63种分析方法,推动智能服务从查信息、问政策向业务办理延伸。对学校而言,建了多少智能体并不是最重要的,更重要的是这些能力能不能真正用在师生每天的学习、工作和管理中。
贯通业务,智能体才能走得深
高校业务有一个很鲜明的特点:师生想的是“我要办成什么事”,学校的信息系统却是在多年建设中按照部门职责和业务模块逐步建设起来的。学生会问“我还差多少学分毕业”而不是“请调用教务系统和后勤系统”;教师关心的是入职还有哪些环节没有完成,而不是后台有几套应用。过去的信息化建设解决了一个个业务环节的数字化,智能体带来的新机会,是围绕师生要办的事,把原本分散的能力重新贯通起来。
但要做到这一点,前提是先把业务真正讲清楚。过去不少业务依靠部门分工、系统流程和工作人员经验共同维持,一些规则、例外和判断并没有完整沉淀到系统中。
智能体要接过这些工作,就需要把隐性的业务经验变成机器能够理解和调用的业务能力:业务部门把规则、流程和责任讲清楚,信息化部门再把它们落实到数据、接口和业务状态中,智能体则围绕师生的具体目标进行理解、组合和调用。这个过程实际上是在把过去以系统和部门为中心的数字能力,重新组织成围绕人的任务连续运行的服务能力。智能体也由此成为连接师生需求与学校数字能力的执行层。
沿着这个思路,“弘深深”目前已形成20个核心业务智能体,面向约10类职能部门,支撑并拓展30余类服务场景,形成5类身份关联的固定业务入口。图1是“弘深深”数字人形象。
图1 “弘深深”数字人形象
成绩、课表、培养方案、教学科研业绩等原本分散在不同系统中的数据,可以根据用户身份和具体需求被重新组织起来。在此基础上,“一件事”则提供了一个观察业务是否真正贯通的典型场景。目前学校已落地学生学籍异动、人事服务、师生出国(境)等7项“一件事”。
以教师入职为例,原本分散在不同部门和系统中的办理环节被串联起来后,智能体就可以结合教师身份和当前状态,进一步识别当前进度、提示下一步事项,并衔接相应服务。接下来,学校还会沿着高频业务继续往深处做,逐步贯通咨询、条件核对、材料准备、申请提交和反馈处理。
智能体往业务深处走的过程,也在推动学校重新审视和优化原有业务流程。学校希望解决的其实是一个很朴素的问题:师生关心的是把一件事办成,学校就应该提供一段完整的服务。智能体使得过去分散建设的数字能力,有机会真正围绕师生需求重新组织起来。
管好数据,智能体判断才有依据
业务贯通以后,智能体要进一步做分析、做判断,靠的就是学校真实可靠的数据。比如,管理人员问“近几年学校项目资助情况怎样”,看似只是一个问数问题,真正分析起来却要先明确项目按立项年度还是执行年度统计,经费看批准额还是实际到账额;数据少了一项、更新慢了一步,或者不同系统对同一个指标理解不一致,最后得出的判断就可能完全不同。问数智能体的建设让学校清楚认识到,模型可以帮助理解问题、组织分析,真正决定分析能不能站得住的,还是数据本身。
这也促使学校重新审视,智能体时代的数据治理究竟应该做到什么程度。过去做数据治理,重点是把分散的数据汇总起来、共享出去;到了智能体阶段,还要让数据能够被智能体正确理解和使用。
一个指标来自哪里、具体代表什么、按照什么口径统计、多久更新一次、谁可以使用,都需要随着数据一起被管理。这些规则不能留给模型自己判断。业务部门明确指标含义和管理口径,数据责任部门保证来源和质量,信息化部门再把这些定义、权限和更新规则固化到指标体系和数据服务中。这样交给智能体的,才是来源可查、口径明确、权限清楚的数据,后续的查询、比较和分析才真正有依据。
“弘深深”的问数能力就建立在这样的数据基础上。目前,学校大数据平台已汇聚百余个业务系统的数据,围绕党建、教学、科研、教师、学生、学科、运行7个方向形成743项可问指标,并配置63种分析方法,图2是重庆大学大数据应用空间。
图2 重庆大学大数据应用空间
管理人员可以围绕一个问题连续追问、比较和下钻,而每一步分析都回到统一的数据来源和指标口径。与此同时,智能体也在反过来检验学校的数据质量。过去一个数据问题可能只影响一张报表;到了智能体这里,同一份数据会被持续调用、关联和分析,分类不一致、数据缺失、口径冲突就更容易暴露出来,便于回到源系统和数据管理环节修正。因此,智能体既在使用数据治理的成果,也在推动数据治理不断走深。
AI问数真正难的地方,不在于模型会不会查,而在于学校有没有形成一套业务人员认同、信息系统遵循、智能体能准确理解的数据语言。把这项基本功做扎实,智能体才能成为管理判断的助手,而不是一个会生成数字的聊天工具。
运行可控,智能体才能用得稳
当智能体从查政策、用数据进一步走向执行真实业务,学校还要回答一个更现实的问题:这些操作能不能放心交给它?一旦开始调用业务接口、访问个人数据甚至提交操作,风险就从“说错一句话”变成了“做错一件事”。因此,智能体能不能用得稳,关键在于学校能不能把身份、权限和操作过程真正管起来,让它知道代表谁、能做什么、做到哪一步必须停下来。
这套管控机制至少要把几件事情连起来:
第一是统一认证和身份识别,既知道当前用户是谁,也知道哪个智能体在代表他执行任务;
第二是权限管理,智能体继承必要的用户权限,同时按照任务只拿到最小范围的数据和工具;
第三是工具与接口治理,读数据和写业务分开控制,高风险操作在执行前需经人工确认;
第四是数据与内容安全,敏感数据的存储、检索和推理必须在校内完成,并限制跨域流转;
第五是操作留痕和审计,能够还原智能体调用了什么数据、什么工具、形成了什么结果;
最后还要有持续评测和版本管理,模型、规则、接口一变,原来的能力就要重新检查。
“弘深深”由学校智算中心统一提供算力,根据不同任务适配通用大模型、轻量模型、多模态和OCR等开源模型能力。平台接入校园统一身份认证,校内数据和业务服务沿用原有权限体系,模型、知识库、数据服务和业务接口都在统一框架下调用和管理,重要操作全程留痕。图3是平台多模型接入与算力部署示意图。
图3 平台多模型接入与算力部署示意
同时,学校把评测作为平台运行的一项常态机制。模型会更新、算力会升级、功能也会不断增加,每一次变化在带来能力提升的同时,也可能影响原来已经稳定的业务。
为此,学校建立了覆盖8类校内业务能力的评测基准,每次重要更新后都用相对固定的业务任务重新核验,既检查原有能力有没有退化,也通过失败案例发现模型、数据、知识检索和业务接口中的短板。这样,每一次重要变化都有统一标准可以核验,出现问题也能够及时定位和追溯,智能体才能在持续演进中保持稳定、可控。
让数智能力转化为育人资源
业务、数据和安全运行机制逐步建立起来后,学校对开源大模型的价值也有了更清晰的认识。开源并不会自动带来更高的安全性,成本也不能只看模型调用,还要把算力、部署和长期运维放在一起考虑。真正支撑开源模型安全运行的,仍然是身份认证、权限控制、接口管理、操作审计和持续评测等机制。
对高校来说,开源更重要的价值,是保留对数据、技术路线和平台演进的自主权。模型可以更换,算力可以升级,学校已经形成的业务规则、数据资源和管理机制则可以不断沉淀、长期复用。
这些能力掌握在学校手里以后,也就有了进一步转化为育人资源的条件。下一步,学校将把“弘深深”建设成面向学生开放的智能体实践平台,由学校统一提供开源模型、知识库、数据和工具能力,按照不同场景和风险有序开放,让学生围绕校园中的真实问题开展课程设计、科研训练和创新实践。学校希望把真实校园问题转化为学习资源,让学生在解决问题的过程中学会判断、承担责任,也把技术真正做成有价值的东西。
结语
一路建设“弘深深”,学校越来越清楚,智能体带给高校的不只是多了一种AI应用,更是在重新组织已有的业务、数据和数字能力。模型会不断更新,平台形态也会变化,真正能够沉淀下来的,还是学校对业务的理解、对数据的治理和对安全边界的把握。说到底,高校智能体建设最终拼的,还是这些基本功。
来源:《中国教育网络》2026年9月刊
作者:唐蓉君 任骜(重庆大学信息化办公室)