期末出成绩
多系统数据分散，期末集中进行汇总与分析，需大量人工整理与校验，在短时间内完成教学诊断压力集中释放。
典型场景
学校日常工作的典型场景
督导评估
指标分散在教务、师资、财务等多个部门，跨系统汇总依赖人工协调，数据缺口通常在临近检查阶段集中暴露。
排课季
教师、教室、课程三类资源存在大量约束关系，人工排查冲突成本高，难以兼顾准确性与效率。
课后答疑
教师难以覆盖全部学生的即时问题，知识掌握差异通常在阶段性考试后集中显现。
课题申报
文献、案例与数据收集耗时较高，压缩了教师在研究设计上的投入时间。
好教案去哪了
优质教学资源分散存储在个人设备中，缺乏统一沉淀机制，随着人员流动逐渐流失。
产品定位
灵群是什么
灵群是一套面向学校场景的教育智能体工作台，通过连接学校已有业务系统，协助完成数据分析、知识检索与流程处理，并交付可直接使用的结果。
描述任务需求后，系统自动拆解任务，调度多个智能体协同执行，最终形成统一的处理结果。每一步处理过程可追溯，每项结果均保留生成依据，方便复核与审计。
对接已有系统
直连教务、教学、教研、德育、后勤等校内业务系统，在授权边界内读取数据与调用能力。
多智能体协同
长任务自动拆解，子智能体并行检索、分析与撰写，统一交付可用成果。
沙箱与可交付物
学生实操与数据分析在隔离沙箱完成，教案、报告、看板等成果可直接导出使用。
为什么现在
为什么学校现在需要 AI？
教育数字化加速
国家教育数字化战略持续推进，AI 正逐步进入教育教学、教育科研与学校治理等各个环节。
系统多、数据散
学校已经建设了教务、教学、教研等多个信息化系统，但数据、知识与业务流程仍分散在不同系统中，尚未形成可协同、可持续积累的智能能力。
叠加而非替代
灵群不是替代现有系统，而是在已有数字化基础上，为学校增加一层可持续发展的 AI 工作能力。
解决方案
按业务域落地的场景能力
覆盖教务管理、教学研究与教育管理三大领域，对接校内系统后可直接投入使用。
教务管理
考试成绩分析
对接学校现有成绩系统后，可自动获取考试数据。除了生成常规统计结果，还支持从班级、学科、知识点等多个维度分析教学情况，辅助发现影响教学质量的问题。支持逐级追溯至班级、学生、试题等原始数据（依据学校已接入系统能力）。教务人员无需重复整理 Excel，即可快速获得支持教学分析与质量诊断的数据结果。
督导评估管理
督导评估的压力不在于最终的检查，而在于检查前的信息盲区——各指标的数据散落在不同部门，达标状况不透明，问题往往在临近节点才暴露。灵群持续对接校内各业务系统，自动汇总教务、教学、教研等系统相关数据，与督导指标逐项对照分析，以看板形式呈现当前完成情况、缺失数据及重点改进项。将督导迎检由阶段性准备转变为常态化的数据治理。
排课冲突检测
对接教师、教室、课程等基础数据后，自动识别教师、教室、课程等资源之间的冲突关系，输出调整建议。经教务人员确认后生成建议课表，发布前保留人工审核环节。学期中临时调课，可根据调整需求快速生成可选方案。
系统打通
基于现有数据与接口，做智能化升级
不替换既有业务系统——通过统一 AI 网关接入多模型 API、MCP 工具与企业 REST 接口，在授权边界内读取业务数据、调用业务能力，统一智能化入口。
L1–L4 自下而上升级，L5 安全与治理贯穿全栈
智能化升级路径（自下而上）
L4价值产出层
对接现有数据与业务接口
连接 ERP、CRM、HIS、OA 等已有系统与数据库，在授权边界内读取业务上下文，Agent 决策有据、动作可执行。
统一智能化业务入口
一个对话入口覆盖检索、分析、撰写与执行，员工无需在多系统间切换，复杂任务自动编排调用后端能力。
盘活数据资产
把分散在报表、文档与接口中的沉睡数据变成可问答、可分析、可交付的成果，持续沉淀为 Skills 与团队记忆。
L3智能能力层
对接已有系统
直连教务、教学、教研、德育、后勤等校内业务系统，在授权边界内读取数据与调用能力。
多智能体协同
长任务自动拆解，子智能体并行检索、分析与撰写，统一交付可用成果。
沙箱与可交付物
学生实操与数据分析在隔离沙箱完成，教案、报告、看板等成果可直接导出使用。
L2集成接入层
统一模型 API 网关
OpenAI 兼容 /chat/completions 接口，100+ 模型统一路由、负载均衡与 Fallback，切换提供商无需改代码。
MCP 工具网关
注册 ERP、CRM、数据库等 MCP 服务；REST 与 JSON-RPC 直连调用企业工具，权限白名单与调用审计同一套管控。
Virtual Key 与配额
按用户/团队发放虚拟密钥，预算、用量与限流集中追踪；Guardrails 在接入层统一拦截敏感调用。
L1业务系统层
教务与教学系统
对接教务、选课、成绩、课表等系统，Agent 直接读取业务上下文生成分析与报表。
教研与知识资源
接入校本资源库、数字图书馆与课题成果，备课与科研检索在同一入口完成。
智慧校园数据平台
汇总教务、德育、后勤、财务等指标，支撑督导看板、驾驶舱与决策分析。
L5安全与治理
部署方式
支持校内私有化部署，试点可与生产系统隔离，后续可迁移至统一信息化平台。
合规与权限
按院系/角色隔离权限，学籍与科研等敏感数据访问可审计、可追溯。
过程可观测
任务步骤、引用来源与产出文件全程记录，满足督导复核与档案管理要求。
选型对比
为什么是灵群
学校在引入 AI 系统时，最终只会关注两个决策点：数据是否安全可控？是否能直接接入现有系统并产生实际价值？
| 能力维度 | 个人 AI 助手 | 通用智能体平台 | 灵群 |
|---|---|---|---|
| 教育行业场景内置 | |||
| 数据留在校内服务器 | |||
| 直连学校已有教务/教学/教育系统 | |||
| 多智能体自动协同完成任务 | |||
| 完成部署与数据接入后即可使用 | |||
| 学校的教案、课题、流程可沉淀复用 | |||
| 每一步操作可追溯可审计 |
个人 AI 助手（Kimi、ChatGPT、WorkBuddy）
面向个人提供服务，帮助个人提升文档处理效率。部分产品采用公有云服务模式，学校需结合自身数据安全要求进行评估。
通用智能体平台（Coze、Dify、HiAgent）
提供搭建智能体的工具和环境，学校需要自行从零构建教育场景应用。
灵群
部署在学校服务器上，对接已有系统。完成部署与数据接入后即可使用，面向教务、教研、教育管理的场景化能力已内置。
落地路径
如何开始
灵群的落地遵循「从单一业务场景快速验证，再逐步扩展」的路径。
第一步
选择高频单点业务切入
优先选择数据基础较好、业务相对独立、结果可快速验证的单点场景，例如：
- 单次考试成绩分析与质量报告生成
- 年级/学科维度的教学质量分析
- 基础数据统计与报表自动生成
第二步
在单点场景中形成稳定闭环
在完成初步接入后，通过持续使用优化分析逻辑，使单一场景形成稳定可用的工作闭环，例如：
- 减少人工统计与 Excel 整理工作
- 提升教学质量分析的频率与及时性
- 支持教研会议与质量分析会直接使用数据结果
第三步
逐步扩展至相关业务场景
在单点场景稳定运行后，再逐步扩展到相邻业务，例如：
- 成绩分析 → 教学改进支持
- 教务统计 → 督导评估辅助
- 数据分析 → 校级驾驶舱
部署说明（试点阶段）
试点阶段通常部署在学校信息中心提供的指定测试环境或独立服务器中，与生产系统隔离运行，由信息中心统一管理。支持后续逐步迁移至校内统一信息化平台或私有化环境。系统支持对接学校现有业务系统，并提供权限控制与日志审计能力。
价值总结
学校获得的价值
让学校已有的数据、知识和业务流程，真正成为能够持续积累、持续复用、持续演进的 AI 资产。
效率提升
减少重复的数据整理与人工统计工作，让教师和管理人员将更多时间投入教学与管理。
数据治理
打通已有业务系统，形成统一的数据管理与分析能力，为管理决策提供依据。
知识沉淀
教案、课题、制度、案例等校本资源持续积累，可检索、可复用。
资产持续增值
学校沉淀的教案、课题、制度、教学案例与业务流程等数字资产持续积累，并在后续应用中不断被复用与优化，形成可持续演进的校本数字资产体系。
安全可控
私有化部署，数据留校，权限可控，实现数据全流程可追溯与安全审计。
决策支持
基于统一数据与分析结果，管理者可更快掌握教学运行与质量状况，支撑日常管理、督导评估与专项改进决策。
不是替代老师，不是替代系统，而是让学校拥有自己的 AI 工作能力。
准备好让学校拥有自己的 AI 工作能力了吗？
联系我们规划试点部署。