学大教育与扣子合作，打造基于 AI 的课堂反馈解决方案。基于扣子编程的智能体、工作流等能力，构建专属智能体，实现课堂视频理解与课后反馈报告自动化生成，精准定位学生学习短板，助力教师减负增效。同时，借助扣子罗盘的智能体评测、Prompt 调优和 Trace 自动观测能力，保证反馈报告的准确性和服务的稳定性。

客户介绍

学大教育成立于 2001 年，是中国个性化教育领域的开拓者以及 A 股主板上市企业。自创立以来，始终秉持 “以人为本、因材施教” 的核心教育理念。历经二十余年的发展，已从传统校外培训业务升级为涵盖个性化教育、职业教育、文化阅读、医教融合四大板块的综合性教育集团，业务覆盖个性化辅导、全日制学校办学、职业教育、文化阅读、医教融合、在线教育等多个领域。目前，其服务网络已遍及全国 100 多个县、市、区、旗，累计服务用户超 200 万。

业务挑战

在教学场景中，教师普遍面临课后反馈工作难题，具体如下：

课后反馈耗时长，难以实现全面覆盖：每位教师承担多个学生的一对一教学任务，平均需要覆盖 8～10 个学生。课堂总结、学生表现点评等工作需耗费大量精力。即便优秀的教师，每日最多只能为五六个学生提供深度点评，课后反馈撰写成为教师工作的一大挑战。
反馈流程耗时长，时效性难满足：教师需回顾多节课教学内容，才能定位学生课堂问题。而反馈对时效性要求极高（学生越早知晓不足，越能及时改进），耗时流程与高时效需求的矛盾，既增加教师压力，也可能影响教学服务的及时性与有效性。

解决方案

面对生成式人工智能技术的快速发展以及国家“人工智能+”行动的政策引导，学大教育与扣子携手，以 “教育场景 + AI 技术” 深度融合为核心，构建专属解决方案，破解课后反馈痛点。

构建专属智能体，实现课堂反馈自动化

针对课堂反馈环节存在的痛点，学大教育基于扣子构建了一套完整的课堂视频理解工作流及对应的智能体，自动分析学生课堂行为、撰写课后反馈报告。

通过音视频预处理 Agent 分析课堂行为
完整的课堂内容会被录制为课程视频，并通过音视频预处理 Agent 传递给大模型。扣子编程支持先进的视觉理解模型（VLM）和自然语言处理（NLP）能力，可对音视频内容进行快速、深入的解析，从音频和视频内容中捕捉和分析学生的课堂行为，便于后续编写课后反馈报告。
Agent 的特色能力如下：
- 音频处理：通过 ASR 技术将课堂语音转化为文本，解析学生发言和提问的具体内容。
- 视频行为分析：通过 VLM 技术精准捕捉学生课堂行为，包括举手发言次数、专注时长、互动参与度等，量化学生课堂投入度。
- 知识薄弱点识别：结合大语言模型的深度推理能力与课程知识体系，从音视频原始内容中定位学生的知识漏洞，例如概念理解偏差、题型解答错误等具体学习问题。
通过反馈报告 Agent 撰写课后反馈报告
在音视频预处理的基础上，课后反馈报告 Agent 基于大模型的信息提炼总结能力，对解析后的信息进行智能提炼与总结，自动生成涵盖课堂学生表现、知识薄弱点、具体学习问题以及针对性提升建议的课后反馈报告。报告中记录学生的具体课堂行为、学习习惯、师生互动细节，分析学生在学习过程中的薄弱环节和重点突破方向，提炼出后续需要关注的重点问题。

依托扣子罗盘，实现智能体评测调优

由于整个 Agent 方案在开发调试过程中，经常出现内容理解存在偏差、报告生成不符合真实情况的 Badcase，因此开发团队引入了扣子罗盘，对相关 Agent 的运行结果进行全方位评测和 Prompt 定向调优，Agent 上线后也可以通过 Trace 观测持续观察线上运行情况。

智能体评测
通过扣子罗盘创建多维度专项评估器，重点监测 Agent 对核心违规行为片段的识别效能，具体覆盖学生走神、开小差等注意力不集中行为，以及教师私下引流、嘲讽辱骂等违规互动行为。在评测过程中，评估器将根据预定义的评估标准对相关智能体进行评测，输出量化的评分及评分原因，帮助研发团队精准定位 Badcase（漏识别、误识别违规片段），保障智能体对各类违规行为片段的识别准确性与可靠性。
Prompt 调优
如果通过评测实验发现 Badcase，可以结合详细的评测报告，明确 Prompt 的缺陷并针对性优化，例如针对漏识别或者误识别问题进行 Prompt 调优，完善 Agent 抓取违规片段的准确率和覆盖率。优化后的 Prompt 也可以再次发起评测实验，验证优化效果。
Trace 自动观测
在 AI 评价课程的总结反馈和违规监测全流程中，依托扣子编程构建的 Agent 和工作流实现规范化推进与落地。当课程正式上线后，可进一步借助扣子罗盘的 Trace 自动观测功能，对评价环节的每个执行节点细节进行实时、精准洞察。若任一环节出现执行偏差或运行异常，运维团队能快速分析 Trace 记录详情、定位问题根源，从而有效保障线上课程总结反馈服务的稳定运行，确保反馈输出的准确性与流程连贯性。

客户收益

学大教育与扣子联合打造的课堂反馈解决方案为学生家长、教师等核心群体带来如下收益：

学生家长：精准定位学习短板，动态掌握课堂表现
能够清晰了解每堂课中孩子的薄弱环节及重点突破方向，同时通过课堂行为记录实时掌握孩子的课堂状态，包括是否走神、有无做小动作、与老师的互动程度等问题，便于家长及时发现并矫正孩子的不良学习习惯，为针对性提升学习效果提供有力支持。
教师群体：自动化减负课后工作，聚焦核心教学环节
教师原本每天大概需要 3.5 小时完成 5 名学生的课后工作，包括课堂总结、学生点评和知识薄弱点定位。如今，通过音视频预处理 Agent 和课后反馈报告 Agent，所有流程实现全链路高效化。
- 在 10 分钟内生成含知识点覆盖率、学生参与度的标准化报告，并能基于课堂互动数据自动生成个性化学生评语。
- 视频回放无需人工逐段观看，系统会直接标记出学生未掌握知识点的对应片段，平均定位时间仅需 5 分钟。
- 教师的处理时间缩短至 0.5 小时/天，效率提升 100%。教师可将更多时间用于教学优化和学生辅导，提升教学质量和学习成效。
时效+成长双保障：速出反馈促改进，实时追踪成长轨迹
依托大模型高效处理能力，课程结束后可迅速生成反馈报告，满足高时效性需求。学生能够第一时间明确课程中的不足与提升方向，及时调整学习重点，避免问题积累。同时，通过每堂课的专属学情反馈，可清晰追踪学生的学习成长轨迹，例如知识点突破、课堂习惯改善等。从某一知识点薄弱环节的逐步突破，到课堂走神、互动不足等习惯的改善，每一次进步与变化都可直观呈现，让学生的成长过程有据可依，也为家长和教师调整辅导策略提供精准参考。