2024年上半年，南开大学做了一项在当时看来颇具魄力的决策——将原定于第二年年底启动的“AI赋能教育”计划提前至当年。随后，智能体应用开发平台NK？GeniOS上线，学校通过“以赛促用”快速铺开智能体使用，不到两年时间，平台注册用户突破1.6万人，师生创建的智能体超过1.5万个，总对话数达132万次。“大语智慧学伴”走进通识课堂、“AI小开”重构校园服务入口、“AI开开”作为数字辅导员强化思政引领的精准度……

 

　　“第一个显著成效是师生AI素养的提升，第二是有力促进了育人模式和教育教学改革。”南开大学党委网信办、大数据管理中心主任赵星这样总结校内智能体建设的阶段性成果。

 

　　而在一连串可量化的成果背后，一个更值得追问的问题浮出水面：当“规模铺开”已经完成，下一步应该怎么走？

 

　　从我们近期对赵星主任的访谈中可见，南开大学对这一问题的思考日益清晰和务实——智能体应用开发平台不再只是供师生自由探索的“游乐场”，而要转型为通识教育的实训底座、AI安全伦理的技术验证平台，以及撬动校内多学科交叉研究的观察窗口。他也更多地谈起制约智能体走向深入的现实瓶颈，和推进模式从“大众创新”向“有组织研发”的战略调整。

 

　　这些思考，恰好描摹出一所高校在完成AI应用的“从0到1”之后，如何走向“从1到N”的真实路径。

 

 

　　《中国教育网络》：今年是“十五五”规划的开局之年，在复盘和规划中，南开大学对于NK-GeniOS智能体开发平台是否有新的定位或布局？

 

　　赵星：有的。上一阶段更多是探索，到了“十五五”阶段，我们对于模式的思考会更具体。

 

　　首先，平台还是要继续发挥作为教育实践实训平台的作用，服务于人才培养的根本目标。但要在前期基础上“深化”，体现在两个方面：一是持续推广，鼓励更多师生在上面做实践训练；二是要与学校的通识教育更深入融合。目前学校教务部门已经组织了人工智能通识基础课，覆盖率达到100%，但课程资源和教材还需不断完善提升，特别是面向通识课的数字教材和课程实例。

 

　　定位的第二个变化，是面向新兴技术趋势的回应。2026年开始，大家都尤为关注安全和伦理问题。未来，该平台可能会成为校内AI安全伦理的研究平台。校内已经有法学、心理学、计算机科学等交叉学科团队在做相关研究，但他们需要实证研究的观察窗口，而我们的平台正好可以提供。在技术方面，我们将探索平台的安全风险防控工作。一方面要鼓励师生更多使用AI技术，另一方面也要同步提升他们对AI应用风险的防控能力。针对NK？GeniOS平台，我们后续要围绕智能体的安全防控落地一些技术能力。

 

　　总结而言，NK-GeniOS平台的未来定位，第一是服务人才培养，第二是服务新兴技术发展中探索防控伦理和安全风险。

 

　　《中国教育网络》：现在学生们用豆包、Deep Seek等外部大模型，以及最新的OpenClaw等个人智能体已经很顺手了，在这种背景下，您认为高校的AI平台如何保持自身的吸引力和竞争力？

 

　　赵星：这个问题很现实。我们的定位也很清晰——校内平台就是通识教育的实训实践平台。类比大学里的物理课，不管外面技术多发达，校内的基础实验课还是要上，它有不可替代的育人功能。

 

　　具体来说，校内平台有三点价值：

 

　　第一，低成本试错。在校内平台上搭建智能体是免费的，可以随时尝试、随时调整。从使用简单的问答机器人进阶到掌握具有业务流程调用能力的智能体，需要基本的技能训练，校内平台可以提供这个训练场。

 

　　第二，服务个性化需求。很多同学在平台上做的智能体并没有面向全校公开发布，定位上就是服务于自己个性化需求的随身小助手，这对于校园生活来说非常方便。

 

　　第三，照顾不同学科背景。理工科学生用外部平台的能力很强，但文科同学的基础素养养成，离不开一个门槛低、有指导的校内环境。南开又是文理并重的高校，这个需求是真实存在的。

 

　　更高阶的能力，大家当然可以去外部平台探索。校内平台提供的是一个“低配但够用、免费且安全”的起步空间——让大家先学会用AI、习惯用AI，想进阶了再到外界进行更多尝试。

 

 

　　《中国教育网络》：我们了解到，南开大学智能体建设的前期推进思路是“平台能力建设”与“标杆案例打造”同步推进。这个路线当时是如何确立的？

 

　　赵星：建设之初没有太多成熟经验可以借鉴，基本上是在摸索中推进。当时一个很重要的启发，来自我之前在学校新一代人工智能发展战略研究院的工作经历。

 

　　2017年国家发布《新一代人工智能发展规划》后，各行业都在推进AI落地。其中一个共识是：中国AI发展模式的特点之一，在于以应用驱动迭代——通过大规模使用来发现问题、完善技术，再反哺新的场景。这个思路也一定程度上影响了我们在学校内部的做法。

 

　　回到教育场景，《教育强国建设规划纲要（2024—2035年）》提出要“探索数字赋能大规模因材施教”。“大规模”和“因材施教”这两个词放在一起，乍一看是略显矛盾的——前者往往意味着标准化，后者则意味着个性化。但AI技术平台确实提供了探索的可能。

 

　　在这个思路下，我们做了两件事：一是推广大平台，让师生先用起来；二是举办AI应用创新大赛，以赛促用、以赛促创。当时的想法比较朴素，就是让大家在短时间内快速了解和使用平台。事后复盘来看，这条路走对了——大赛不仅实现了平台的快速推广，形成的标杆案例也产生了示范效应。不仅如此，管理部门还通过大赛看到了AI解决业务痛点的可能性，反过来推动了管理服务模式的创新。

 

　　《中国教育网络》：面向“十五五”阶段，南开大学智能体建设的推进模式会有变化吗？

 

　　赵星：会有调整。前期我们做的是“大众创新”——师生自主、自发地在平台上进行训练。后续我们将逐步转向“有组织研发”。

 

　　具体来说，我们希望利用师生已经具备的AI素养，结合学校实际业务场景，做问题导向的智能体创建。一方面给学生提供真实的业务需求，另一方面也切实解决学校的现实问题。

 

　　大赛形式也会升级。技术上，智能体的趋势是从简单的问答式向业务流程式演进——具备调用工具、完成多步骤任务的能力。我们会结合平台能力升级，引入这类更高阶的智能体开发。赛制上，可能会考虑“揭榜挂帅”制——由校内部门结合真实业务场景提出具体需求，参赛团队围绕真实问题去开发，而不是泛泛地比拼一个开放式创意。

 

　　本地部署的NK-GeniOS平台承担基础实训功能，让AI初学者低成本上手；而真正高水平的智能体开发，可以依托具有更强能力的公有云平台来完成。两者形成配合，既降低了参与门槛，又为高水平创新留出了空间。

 

　　《中国教育网络》：从“大众创新”转向“有组织研发”，南开大学信息化部门自身的人力配置是否能够支撑？

 

　　赵星：我们部门真正负责AI技术业务应用开发的老师很少。而去年的AI应用创新大赛给了我们一个意外收获——通过比赛，我们发现了一批对AI技术有热情、对平台很熟悉的学生。我们以这些同学为骨干，组建了一个AI创新学生社团，由部门老师进行技术指导。如前所述，现在校内的部分智能体建设需求，我们会在社团内部发布，哪个小组感兴趣就接过去，在老师指导下完成开发。

 

　　这个模式有几个优势：解决了人力不足的问题，给了学生真实项目实战的机会，对业务部门来说也多了一条低成本获取技术支持的渠道。当然，对于时效性要求高或开发量大的项目，我们也会通过专业服务商来支撑。简言之，三种模式并行：社团承接非紧急需求、部门老师负责小型开发、服务商支撑大型项目。

 

　　《中国教育网络》：转向有组织研发，对信息化团队自身的能力要求也在提高。您认为未来校内信息化团队的人才需要具备怎样的素质？

 

　　赵星：以前信息化部门更多关注技术能力——系统搭好、设施建好，就算完成任务。现在的逻辑不一样了。

 

　　我认为未来团队成员需要具备三方面的素质：

 

　　第一是大局观。要对学校的办学规律和业务运转有足够深刻的理解。技术如果不能结合场景，很难真正落地。不能再关起门来做技术，要知道其他部门在做什么、学校整体在往哪个方向发展。

 

　　第二是学习能力。AI技术更新迭代非常快，无论是现有同事还是新加入的同事，都需要主动拥抱新技术并持续学习。

 

　　第三是统筹协调能力。现在讲数据驱动的教育治理，信息化部门跟各部门的协同越来越多。怎么把专业的技术问题给非专业的同事讲清楚，怎么在复杂的业务场景中做好跨部门协调——良好的沟通和协调的能力在实际工作中非常关键。

 

　　简单来说，未来的信息化队伍不能只是技术执行者，而要成为懂业务、能协同、善学习的复合型团队。

 

　　数据治理：从“硬骨头”到“有抓手”

 

　　《中国教育网络》：南开目前有超过1.5万个智能体，但真正具备工具调用能力的比例大概有多少？在让智能体具备“行动力”和协同工作方面，学校有什么规划？

 

　　赵星：具体比例暂时没有详细统计，但个人感觉不会太高。这受限于两个原因：一是平台早期技术能力本身偏重问答；二是校内的“数据孤岛”问题还没有完全解决。

 

　　举个例子，之前有学生团队尝试做一个图书馆座位预约的智能体。想法很简单：帮用户查询空闲座位，然后直接完成预约。技术上看不难，但做出来效果不理想，问题就出在数据准确性上。座位数据本身就不准，预约成功后到现场发现对不上，这个智能体就没法真正用起来。

 

　　工具调用能力的前提是数据可调用、可信任，而现在数据的一致性、准确性还有待提高。

 

　　因此，数据治理这件事如果做不好，多智能体协同、业务流程自动化都无从谈起。

 

　　《中国教育网络》：那请问南开大学现在数据治理的思路，跟先前相比有哪些不同？

 

　　赵星：“数字南开”智慧校园建设一期时，我们基本的技术平台已经搭好了——校级数据规范、标准化方案都有了。但大家的共识是，数据治理真正的难点不在技术，在于校内统筹协调。

 

　　所以，现在的重点是管理的改革。学校层面，校长亲自挂帅担任组长，分管信息化和相关业务领域的校领导担任副组长，相关业务部门作为成员单位，从机制上高位推动。

 

　　具体落地上，主要是从两方面推进：

 

　　一是建立数据质量评价规则。对全校各部门的数据进行量化打分——准确性、一致性、完整性等，逐项评估，定期产出数据质量报告。并将报告结果反馈给各部门，推动整改。通过“监测—反馈—提升”的循环迭代，让数据质量持续提高。

 

　　二是明确攻坚路径。今年，我们启动了智慧校园建设的二期工程，主要就是推进数据治理，优先打通学生和教师的基础数据，如教学、科研、实践活动等；后续还要拓展到校园空间资源数据，比如教室、停车位、楼宇等。这些基础数据打通了，高水平的智能体才有了真正的建设基础和用武之地。

 

　　《中国教育网络》：如果几年后回头看，您会用什么样的指标来衡量智能体建设是否有效？

 

　　赵星：这也是我们经常思考的问题——AI赋能教育，究竟如何量化？我们目前考虑两个维度。

 

　　一个是使用频次，即教师和学生在教学、科研中以知识图谱、智能体等为代表的AI工具使用频次。

 

　　另一个是“渗透率”。在学校的业务场景中，有多少管理服务流程已经有人工智能工具的介入？对高校来说，自己训练通用大模型性价比不高，更务实的路径是用通用模型结合场景做智能体。

 

　　所以，“管理服务场景中AI助手的使用率”可能是我们未来关注的一个核心量化指标。

 

 

　　《中国教育网络》：当前高校推进AI应用，您觉得最明显的困难是什么？除了各校自身条件差异，行业层面有没有一些共性问题？

 

　　赵星：我个人认为有几个层面的问题。

 

　　一是认知不统一。现在每所高校、每个地区对“AI赋能教育”的理解都不完全一致。有人认为用了知识图谱就算用了AI，有人认为必须用智能体才算，有人觉得只要用了大模型就算。概念和标准都不统一的结果是难以形成合力。国家层面可能需要一些权威的指导性建议，让大家对“AI赋能教育”的内涵和边界有一个相对一致的认知框架。

 

　　二是在基础设施建设上应持续投入。智能体本身对算力要求不算高，但很多校内数据涉及师生个人信息、学校内部运行信息，放到公有云上去做知识库或训练存在安全风险。高校或省级教育行政部门需要具备本地化部署的能力，这里面涉及基础设施建设和持续投入。未来技术上也需要在隐私计算、分布式计算这些方向有所突破。

 

　　三是行业对教育场景的钻研还需要加强。大家现在都聚焦AI，但像具有业务流程能力的智能体，究竟怎么在教育行业落地，还是需要更多探索的课题。目前看到的方案里，解决真问题的、跟教育场景深度结合的还不多。值得注意的一点是，行业企业目前大多聚焦高校市场，对基础教育中AI技术应用的安全性关注相对不足——但恰恰是中小学阶段，智能体的安全性和可控性更为关键。

 

　　这些问题，需要学校、企业和政策制定者共同面对。

 

　　总的来说，行业还处于发展期，需要各方——高校、企业、政策制定者，都再多一些耐心和深入思考。

 

 

　　从“大众创新”的野蛮生长，到“有组织研发”的精准滴灌和高位推动、量化打分的“数据倒逼”，这不仅是南开一校的破局之路，更是所有高校在迈向“人工智能+教育”深水区时，必须思考的课题。

 

　　未来衡量一所高校AI建设成败的标尺，并不会是平台上挂载了多少个Bot，而是AI究竟在多大程度上重塑了师生的数字素养，在多大深度上打通了业务的底层逻辑，又在多大维度上守住了安全与伦理的底线。当智能体真正融入教科管服的毛细血管，当“人机协同”成为校园的新常态，或许才能真正回答那个终极命题：在AI时代，大学究竟要培养怎样的人，又将走向怎样的未来。