匿名案例｜AI 驱动的学校课程运营系统：从课程生成到教师审核、成绩回传和学生进度管理
不是 AI 代替老师教课，而是把课程运营、学生管理、评分审核、进度报告和风险控制变成一条可审计的自动化流水线。
为一所私立教育机构搭建的 AI 驱动课程运营系统。AI 在运营层负责生成、初评、异常检测、提醒与报告；教师在决策层审核、签核，并对每一个释放的成绩负最终责任。客户身份已匿名处理。
这个项目不是一个普通在线课程平台。客户已有 LMS，课程也可以被人工上传。真正的问题是：一门学校课程上线之后，围绕它发生的大量运营工作如何被系统化处理，包括学生注册、课程分配、开课通知、作业生成、AI 初评、教师审核、成绩释放、迟交处理、进度报告、家长沟通和学术诚信风险判断。 NexAgent 的方案是把 AI 放在“运营层”而不是“最终决策层”。AI 负责生成、分析、提醒、检测和汇总；教师负责审核、签核和承担最终教学责任。
隐私说明：此案例已去除客户名称、学校品牌、域名、服务器、课程 join code、人员信息、数据库 ID 与任何可识别截图。以下只保留架构、流程和交付结果。
挑战
课程可以人工上传，但围绕它的运营无法靠人力规模化完成。登录身份与班级上下文、教师权限、学生在读状态、成绩同步、内容质量、迟交政策、进度跟踪、家长沟通和诚信风险，都必须对每个学生、每份作业、每个学期做到一致且可审计。
我们的方案
把 AI 放在运营层，而不是决策层。AI 生成课程素材、初评、检测异常、发送提醒、生成报告；教师审核、调整或驳回——任何结果未经教师签核都不会释放。每一次 AI 判断都被记录为可审计的步骤。
成果
交付了 8 个单元、48 个 topic 的完整课程内容，336 道 MCQ、32 道单元 FRQ、1 个 final project、18 个 assessments，以及 96 个 oEmbed 验证过的教学视频。生产构建、TypeScript 检查、数据库计数和页面健康检查均通过——交付的是一门可运行、可从 LMS 调起的课程，而不是一堆文件。
Human-in-the-loop：教师责任制
系统不是让 AI 直接决定学生成绩，而是让 AI 承担重复性分析、初步评分、异常检测和报告生成。所有关键结果，包括 FRQ 评分、最终成绩、迟交扣分、作弊风险标记、课程完成状态，都必须经过教师审核与签字确认。教师是最终责任人，AI 是工作流助手和审计工具。
Teacher Review Ledger（教师审核台账）
每一次 AI 判断都被记录为可审计的步骤，而不是黑箱分数。
- 每一次 AI 评分都保存为 AI draft score。
- 教师可以 approve / adjust / reject。
- 系统记录教师修改前后的差异。
- 每个成绩释放前必须有教师签核。
- 每个学生最终报告显示：AI-generated draft，teacher-reviewed final。
每位教师的审核统计（学校后台）
- 待审核数量
- 已审核数量
- 平均审核时间
- AI 分数被修改比例
- 高风险提交处理数量
- 迟交 / 豁免处理记录
这个“教师审核计算”很重要——它把 AI 从黑箱评分变成可审计的教学流程。
学术诚信层（防作弊）
基于这次部署，下一个模块是 AI 辅助的学术诚信层。它不自动指控学生，而是帮教师准备证据。
- Submission fingerprint：提交时间、IP / device / session、编辑时长、复制粘贴比例。
- Writing style baseline：建立学生平时写作风格基线。
- AI similarity / over-polish 检测：异常成熟语言、风格突变、模板化表达。
- Cross-student similarity：同班学生答案相似度检测。
- Source trace check：检查引用、外部资料、可疑段落。
- Deadline anomaly：临近截止大量提交、极短时间完成长文。
- Oral defense trigger：高风险作业自动要求教师安排简短口头确认。
- Teacher-only final action：AI 只给风险等级和证据，不能直接判作弊。
防作弊不是让 AI 自动判学生作弊，而是让 AI 帮老师准备证据包。系统只标记风险、解释原因、建议复核方式，最终判断必须由教师完成。
学生生命周期自动化
一个 AI School Ops Agent 负责监控整个学生生命周期：谁该做什么、谁没做、谁需要提醒、谁需要教师介入。
1. 学生注册
AI/系统读取学生资料、年级、课程需求、家长联系方式、LMS 身份、语言偏好。
2. 加入课程
系统根据课程、班级、学期、LTI context，把学生注册到对应 class，并生成初始 submissions / assignments / progress tracking。
3. 开课通知
自动给学生、家长、老师发送通知：
- 课程入口
- 截止日期
- 作业规则
- 迟交政策
- 教师联系方式
- 学习进度期望
4. 进度和成绩报告
AI 定期生成：
- 学生个人进度报告
- 缺交列表
- 低分风险
- FRQ 表现分析
- 单元掌握情况
- 教师班级汇总
- 家长可读版本
5. 惩罚 / 规则系统
不是简单扣分，而是 policy engine：
- 超过 deadline 自动标记 late
- 按规则扣分（如每日 2%，最多 20%）
- 特殊情况可由教师 override
- 系统记录 override 原因
- 长期缺交触发提醒、家长通知、教师 intervention
产品概念：AI School Ops Agent —— 负责“谁该做什么、谁没做、谁需要提醒、谁需要教师介入”。
技术拆解
- LTI 1.3 launch：从 LMS 进入外部课程工具，并把用户带到对应课程页面。
- 成绩回传保护：只有已发布成绩且学生仍是 active class member 时，才允许写回 LMS。
- 课程生成流水线：outline → lessons → MCQ/FRQ → assessments → final project rubric。
- 资源验证：教学视频通过 YouTube oEmbed 验证，不写入无法嵌入或未经确认的链接。
可复用经验
- LTI 项目不能只实现登录；成绩、班级成员状态、教师审核和错误日志同样是核心。
- AI 适合生成课程初稿，但必须用结构校验、题量校验、答案分布和构建检查收口。
- 客户案例对外分享时，最好公开方法论和结果，不公开客户身份与系统内部细节。
- 教育平台交付要以“可运行课程”验收，而不是以页面或内容文件验收。