学页｜AI作业批改与助教台

概述

概述

学页｜AI作业批改与助教台是一款面向 K12 教师与教培教研团队的智能批改技能。教师只需提供"标准答案表 + 学生答卷"（平台导出或人工录入），即可获得一套"判得快、评得准、看得清、讲得透"的全套批改结果，解决作业批改中的四大痛点：

1. 批改慢——一个班 45 份作业，客观题手工比对 3 小时，挤占备课时间
2. 评语干——全班评语只有"很好/继续努力"，学生看了没感觉，家长看了没信息
3. 学情糊——只有一个平均分，不知道全班卡在哪个知识点、谁在掉队
4. 讲评难——讲评课凭印象选题，没有高频错题与错因数据支撑

本技能内置客观题规则判分引擎、主观题三层批改模型（知识点命中→步骤完整性→表述质量）、逐人评语骨架与学科话术库、知识点掌握度分析与讲评课素材生成，让"改完一个班的作业"变成"10 分钟拿到总表 + 学情报告 + 逐人反馈单"。

触发场景

以下情况触发本技能：

• 直接关键词：作业批改、批改作业、AI批改、智能批改、判分、阅卷、学情分析、错题分析、讲评课、作业反馈
• 语境触发：用户描述批改/学情需求（如"帮我批改这周的数学作业""这次周测出个学情分析""45 份英语作业谁还没交"）
• 材料触发：用户上传答卷数据（.csv/.xlsx：逐人逐题作答）与标准答案表，要求批改
• 组合触发：用户已用 xueye-quiz-generator 出了课堂练习/作业题，现在要批改学生作答并分析学情

不触发的场景：出题与组卷（用 xueye-quiz-generator）、备课与课件（用 xueye-lesson-prep）、完课率诊断（用 xueye-completion-attributor）、纯表格美化不做批改（常规表格任务）。

与其他学页技能的关系：

• xueye-quiz-generator（课堂题目生成器）→ 其产出的题目与答案是本技能的标准答案表来源，天然衔接
• xueye-lesson-prep（AI备课）→ 本技能的高频错题榜是其讲评课备课的直接输入
• xueye-completion-attributor（完课归因器）→ 本技能管"作业质量层"，完课归因管"学习行为层"，两层数据可交叉
• 本技能是学页系列"作业效果层"工具：出题管内容生产，本款管作答评价，与学情分析形成教学闭环

交付物一览

工作流程

批改遵循五步标准化工作流。按顺序执行，每一步的输出作为下一步的输入。

Step 1: 需求采集

从用户输入中提取批改要素。如信息不完整，提问补充。

需采集的要素：

采集规则：

1. 最多提问 3 个问题，一轮问完，禁止多轮追问
2. 只问缺失的必填项；用户已表达的信息不重复问
3. 用户上传文件后，先读取数据结构（运行解析器探查列名与题号），再决定是否提问
4. 非必填项未提供时使用默认值，不提问
5. 信息齐全时直接进入 Step 2，无需确认

数据最低要求（缺一不可）：

• 标准答案表：题号、题型、标准答案、分值；建议附知识点标签（缺失时题型即分组）
• 答卷：学生标识 + 各题作答（列名或单元格按题号对齐）

缺字段时提示用户补齐，不得凭空编造答案或得分。

Step 2: 数据解析与客观题判分

对答卷与答案表做结构化解析，客观题自动判分。

实现方式： 运行 scripts/grading_parser.py

python scripts/grading_parser.py answers.csv submissions.csv
python scripts/grading_parser.py answers.csv submissions.csv --json
python scripts/grading_parser.py answers.csv submissions.csv --date 2026-08-18

加载参考文档： references/grading-rules.md — 判分规则与匹配宽容度

解析产出：

1. 卷面结构：题号、题型、分值、知识点映射
2. 客观题判分：选择/判断/填空按标准答案比对，支持多答案（"A或B"）、大小写/全半角/去空格宽容匹配
3. 逐人得分表：每人各题得分与卷面客观分
4. 待批改清单：主观题（解答/作文/简答）逐人逐题进入 Step 3

解析规则：

1. 列名与题号宽容匹配（中英文、大小写、"第X题/Qx/题X"均可识别）
2. 客观题答案归一化后精确匹配；填空题支持配置化多答案
3. 缺答/空卷记录标 missing 不静默丢弃；疑似未交卷学生单独列出
4. 数据残缺记录跳过并报错提示

Step 3: 主观题批改与评语生成

对主观题逐份批改，生成 grading.json。

加载参考文档：

• references/subjective-rubric.md — 主观题三层批改模型（A-D 档位）
• references/feedback-phrases.md — 评语骨架与学科话术库
• references/grading-schema.md — grading.json 字段字典

批改执行要点：

1. 三层模型评定：按"知识点命中（是否用到正确概念/方法）→ 步骤完整性（关键步骤是否齐全）→ 表述质量（逻辑/语言/规范）"逐层评估，落到 A（完全掌握）/B（基本掌握）/C（部分掌握）/D（未掌握）档位
2. 得分折算：档位 × 题目满分映射（A=90-100%、B=75-89%、C=60-74%、D=<60%），给出建议得分
3. 失分点定位：每道主观题标出失分发生在哪一层（概念错/步骤缺/表述差），这是评语与讲评的关键素材
4. 评语生成：按学生总分档位（优/良/中/待提升）选评语骨架，嵌入 1 个具体亮点 + 1 个具体改进点，从学科话术库取表述；一句评语必须包含"这次哪好 + 下次补哪"两个信息点
5. 存疑标记：字迹/语义无法可靠判读、或答案在标准答案之外但疑似合理的，标 needs_review，交教师终审

批改纪律：

• 每道主观题的档位判定必须引用学生原文片段作为证据，禁止无依据打分
• 学生作答超出标准答案但逻辑自洽的，按知识点命中判定，不因"和答案不一样"直接判错
• 评语禁止空泛（"要加油"类无信息量表述不得单独出现）
• 客观题判分结果不因主观印象调整

Step 4: 批改质量审查

对照 schema 逐项审查 grading.json 草稿，错误清零后方可交付。

实现方式： 运行 scripts/grading_validator.py

python scripts/grading_validator.py grading.json
python scripts/grading_validator.py grading.json --json

审查清单：

1. 结构完整性：meta 必填齐全、题目表逐题字段齐全、逐人成绩逐条字段齐全
2. 口径一致：人数 = 成绩条数；每人总分 = 各题得分之和；全班平均分与明细一致
3. 枚举合法：题型 5 种、档位 4 种、失分层 3 种、评语气场 3 种
4. 红线规则：客观题得分只能是 0 或满分（除非配置半分）；needs_review 题必须有 review_note；每个学生必须有评语
5. 汇总一致：知识点掌握度、分数分布与明细逐条计数一致
6. 健康度提示：needs_review >20% 提示教师加大复核；全班某知识点对错率 <40% 建议列入讲评重点

warning 逐条人工评估后放行或修正；error 必须清零。

Step 5: 成果生成与交付

将批改结果转化为四份文件交付。

实现方式： 运行本技能脚本产出 .xlsx、报告 .md 与反馈单 .md，再调用 tencent-docx 排版为 .docx

文件生成顺序：

1. 先写 grading.json（机器可读源）
2. 运行 scripts/grading_validator.py grading.json 校验通过
3. 运行 scripts/grading_export.py grading.json --outdir ./output 产出总表 .xlsx、报告 .md、反馈单 .md
4. 调用 tencent-docx 将报告与反馈单 .md 转为 .docx
5. 调用 present_files 统一交付

文件命名： {作业名}_批改结果总表.xlsx / _学情分析报告.docx / _逐人反馈单.docx

交付后提示：

• 告知教师文件位置，可预览/下载
• 提示"总表按错题标红着色，反馈单可按节裁切分发或发家长群"
• 提示"needs_review 题目请优先人工复核，AI 档位为建议分"
• 提示"高频错题榜可直接作为讲评课选题依据，建议配合 xueye-lesson-prep 备讲评课"
• 提示"下轮批改时对比 grading.json，可观察知识点掌握度迁移"

参考文档索引

以下参考文档按需加载，不必一次性全部读取：

工具脚本

以下脚本可直接执行，提供确定性能力：

答卷判分用法：

python scripts/grading_parser.py answers.csv submissions.csv
python scripts/grading_parser.py answers.csv submissions.csv --json
python scripts/grading_parser.py answers.csv submissions.csv --date 2026-08-18

批改校验用法：

python scripts/grading_validator.py grading.json
python scripts/grading_validator.py grading.json --json

批改导出用法：

python scripts/grading_export.py grading.json --outdir ./output
python scripts/grading_export.py grading.json --outdir ./output --prefix "五年级数学第三单元测验"

依赖的 WorkBuddy 内置技能

重要约束

1. 评分真实性红线：所有得分必须来自学生作答与标准答案的比对，或主观题三层模型的档位判定；禁止无证据调分、禁止按"印象生"压分。
2. 教师终审机制：AI 判分与评语是草案不是终稿；needs_review 题目与主观题建议分必须经教师复核后才可发学生；交付时须显著提示。
3. 脱敏纪律：学生姓名、学号等 PII 不进入交付物正文列，统一用 student_id；如用户提供的答卷含姓名，导出时替换并另行提供对照表（仅教师可见）。
4. 评语克制原则：每条评语 1 个亮点 + 1 个改进点，不堆砌形容词，不写"你真棒"类空话；批评指向具体题目与行为，不指向人格。
5. 口径统一纪律：一份总表一套总分口径（题目分值、半分规则、缺答计分），中途不得切换；评分口径须在报告注明。
6. 讲评克制原则：讲评课素材只圈"值得全班讲的题"（对错率 <40% 或典型错因），不逐题罗列；个别问题走反馈单不走课堂。