一、系统核心定位

面向课程作业全流程的智能评价系统（以计算机视觉为落地场景，支持拓展至其他学科），通过 AI/Agent + 知识库提升作业评价效率，同时基于学生画像实现个性化反馈，支持线上部署。

二、用户角色与核心需求

用户角色 核心需求
教师 1. 高效完成「出题 - 阅卷」全流程

2. 掌握班级 / 学生的作业掌握情况

3. 灵活调整评价标准（AI 结果可人工修正）
学生 1. 清晰接收作业、提交作业

2. 获得具体的作业反馈（得分 + 针对性评语）

3. 基于自身情况获得学习建议

三、系统核心模块

1. 基础支撑模块

  • 课程知识库：聚焦计算机视觉专业内容（如知识点：图像处理、目标检测；题型：代码题、实验报告题、理论分析题），支持教师上传资料、打标签（难度、知识点关联）。
  • 用户与画像管理：
    • 账号权限（教师：管理 / 评价；学生：作业 / 查看）；
    • 学生画像库（含自主填写项：学习偏好、目标；系统自动项：作业得分、知识点掌握度、提交效率）。
  • AI/Agent 引擎：负责出题、主观题阅卷、个性化推荐的核心逻辑；
  • MCP 模块：作为系统核心调度层（可理解为「中枢控制」），协调知识库、AI 引擎、用户操作的资源与流程。

2. 核心功能模块

教师端功能
  • 知识库维护：上传计算机视觉课程资料、补充知识点关联关系；
  • 出题管理：① 指令 AI 基于知识库出题（可指定知识点、难度）；② 拍照 / 上传自定义题目（设置客观题答案）；
  • 阅卷管理：查看 AI 自动生成的「客观题得分 + 主观题评分 / 评语」，手动修正打分、补充个性化评论；
  • 学情查看：查看班级 / 单个学生的作业数据、知识点薄弱项（如计算机视觉中「卷积神经网络结构」错误率）。
学生端功能
  • 作业参与：接收作业任务、在线提交作业（支持代码、文档、实验报告等格式）；
  • 反馈查看：查看作业得分、AI + 教师的评语（如计算机视觉代码作业的「思路优化建议」）；
  • 个性化建议：基于学生画像，获取薄弱知识点的练习推荐、配套学习资料；
  • 画像完善：自主补充学习偏好、近期学习目标等信息。

四、AI/Agent 的核心赋能点

  1. 出题智能化：Agent 结合「知识库知识点分布 + 学生当前学习进度」，适配题目难度（如刚学完 “目标检测”，出基础的 YOLO 实验题）；
  2. 主观题评价专业化：针对计算机视觉的主观题（如实验报告、代码作业），AI 不仅打分，还能给出专业评语（如 “你的目标检测实验中，数据集划分比例不合理，建议调整为 7:2:1”）；
  3. 画像动态更新：Agent 自动整合作业数据、答题时长、错误类型，生成「学生学习能力图谱」（如 “擅长理论分析，薄弱项是代码实践”）。

五、拓展方向（毕设可选择性体现）

  • 班级学情报告：自动生成 “知识点掌握热力图”，帮助教师调整授课重点；
  • AI 作业讲解：学生错题后，Agent 自动关联知识库，输出知识点讲解 + 同类练习题；