数智赋能辅导员工作的
实践探索
什么是数智化？
流程在线上跑、数据在线上留
可记录 · 可统计 · 可查询 · 可追溯
基于数据进行
识别 · 分析 · 预测 · 生成
为管理与决策提供辅助
深度融合
推动学生工作提质增效
新阶段
学生工作 · 数字化案例
学生事务“一网通办”：请假、审批、建档、证明开具从线下搬到线上，每一项工作全程可记录、可统计、可追溯。
学生工作 · 智能化案例
思想动态感知系统 + 智能报修平台：系统不只“记录”，更能理解数据，自动生成研判参考，辅助辅导员决策。
人工智能的三大基础要素：数据 · 算力 · 算法
数据基础
AI 学习训练的“原料”，决定模型对业务场景的理解与适配——真实、准确、规范、安全，才能产生可靠的智能。
算力计算能力 · 引擎
模型越复杂、任务越大，对算力需求越高；国产算力与自主生态持续推进，每个大模型背后都离不开它。
算法能力核心
决定 AI 怎样学习数据、组织知识、生成答案；DeepSeek 等国产大模型以架构与训练方法创新，控成本、强能力。
决定规模化生产与持续迭代
决定训练效率与模型性能
决定学习效果与泛化能力
汇报提纲
全球 · 工具 五个坐标
四个实战系统
成熟度 · 五力
认知革命：AI 为何是辅导员工作的
“新质生产力”
为什么 AI 对辅导员工作不是“选修课”，而是“必修课”。
什么是新质生产力？
AI 已从可选工具变成基础能力
2026 世界人工智能大会：智能伙伴，共创未来
大会热词
大会意义
产业信号
AI 正在加速走向可用 · 可做 · 可协同
基准差距基本闭合，产业体系仍各有优势
六维态势雷达
六维为定性示意评分（0–5，据 Stanford HAI《AI Index 2026》等公开报告研判）；顶级模型性能差距已缩至 2.7%。基准分数接近 ≠ 产业体系完全等同；模型能力领先 ≠ 每个学校场景都更好用。
5 份权威研判报告
斯坦福 HAI
《AI Index Report》全球 AI 年度全景数据
联合国
《Governing AI for Humanity》全球治理框架
CNNIC ①
第 57 次《中国互联网络发展状况统计报告》
CNNIC ②
《生成式人工智能应用发展报告》
中国信通院
《大模型推理优化关键技术及应用实践研究报告》
学生群体已经深度使用用 AI
第一大用户群体
📈 用户规模爆发式增长（亿人）
半年翻番、一年增长 141.7%——普及率从 36.5% 升至 42.8%（2026 年初部分报告口径达 6.2 亿）
👥 用户结构：40 岁以下占 74.6%
学历：大专、本科及以上占 37.5%，初中学历用户也占 29.8%——门槛已经足够低
🎯 使用特征
产品偏好：超九成用户首选国产大模型（豆包、DeepSeek 等）
七十年，人工智能发展史
① 规则系统
1950s–1980s 图灵之问 → 专家系统，只能按人写好的规则办事
本质：“照章办事”
② 数据驱动
1990s–2012 机器学习兴起，从数据里学规律，能“识别”
认出一张脸、听懂一句话
③ 走向生成
2017– Transformer 架构出现，ChatGPT 带生成式 AI 进入大众视野
写文章、做翻译、生成方案
④ 执行任务
2025–2026 我们正在经历
Agent 成为最重要产品形态：读文件、查资料、调工具、写代码
从“使用软件”到“管理智能体”
LLM：把全部互联网文本背下来的“接词引擎”
一切从一篇论文开始
2017 年，谷歌八位研究员发表 《Attention Is All You Need》——“你需要的只有注意力”，被引用十几万次，提出 Transformer 架构。今天主流大语言模型几乎全部建立在这个架构上——ChatGPT 的 “T” 就是 Transformer。
世界上最聪明的一批天才发现：当模型参数量提升到一定量级，真的会展现出类似人的能力——“力大砖飞”，于是有了大语言模型 LLM。
它怎么“智能”？
你给它一句话，它预测下一个词该接什么——所谓的智能，正来自这个能力。
但光有它还不够 🎫
“帮我订一张去北京的机票”——它会回复：可以帮你查询推荐，但不能帮你预定。大模型只能输出一段文字，并不能操作任何东西。要真正干活，就得给它接工具——比如一个订票 API。
从“会说”到“会干”：Chat、Workflow 与 Agent
一问一答的纯对话：你问一句、它答一段文字，问答到此为止。
订票例：“帮我订一张去北京的机票”——它只能回复航班推荐，不能真正下单。
预先设计好的固定流程：第一步做什么、第二步做什么、谁审核、出错退回哪里，全部写死。
订票例：输入需求 → API 订票 → 结果发手机 → 设提醒 → 输出结果。
像我们的迎新报到流程单——每一步都在纸上写好了。
“帮我安排下周去北京的行程”——它自己琢磨：看日程空档、查航班订票、按差旅标准和喜好选酒店、发微信提醒。
步骤是它推理出来的，不是按预设流程依次执行。
Token：AI 世界的计量单位
不是字、不是词，而是 Token（词元）
📏 上下文长度按它算
模型一次能“看到”的量：主流 128K–200K，头部已达百万级
⏱ 处理速度按它算
≈ 每秒吐 60–150 个汉字，比人打字快几十倍
💰 调用费用按它算
一次万字材料问答 ≈ 几分钱；输出一般比输入贵 2–5 倍
（按每份 400 字）
中篇小说
一次性读完
参数 · 训练 · 推理 · 蒸馏
🎛 参数
函数 y = kx + b：k、b 两个参数决定一条直线。大模型本质也是一个函数，只是参数是训练中学到的内部数值——规模达几千亿个，规模常与能力正相关。
🏋 训练
用海量数据反复调整这几千亿个参数，直到模型学会语言规律——相当于让它把人类公开的书全读一遍。训练一次成本极高，训练好的模型是重资产。
💬 推理
训练完成后，模型根据你的输入逐词生成回答的过程。
我们平时“用”AI，用的全是推理。
🧪 蒸馏
让小模型学习大模型的输出，把能力“浓缩”进小模型——像优秀辅导员把多年经验做成口袋手册。
小模型可本地部署、数据不出校，校内场景落地靠的就是它。
幻觉 · RAG · Prompt · 温度 · 上下文窗口
⚠️ 幻觉
生成看似合理、实际不存在或不准确的内容——机制是“预测下一个最可能的词”而非“查事实”，所以会一本正经地胡说八道。
政策条文、名单、日期，必须人工核验。
📚 RAG
检索增强生成，治幻觉的第一味药：先从指定资料中检索相关段落，再依据检索内容回答并附来源——相当于让大模型开卷考试。学生手册、奖助政策放进知识库，回答才有“依据感”。
📝 Prompt
提示词，给模型的任务说明书：你是谁、干什么、依据什么材料、按什么格式、不许做什么。写得越清楚，输出越稳定——提示词质量的背后，是问题定义的质量。
🌡 Temperature
温度，控制输出的随机性与发散程度。温度高：每次回答不一样，适合活动创意、头脑风暴；温度低：稳定保守，适合名单、数据、公文。
🪟 上下文窗口
本次对话中模型能同时“看到”的信息总量，按 Token 计。它像办公桌——桌子再大，材料也有放满的时候；聊得越久，前面的内容越可能被挤出窗外。两个实用习惯：长对话适时让 AI 做小结；开新对话时把关键要求重新贴一遍。
Agent 智能体：给它目标，它自己决定怎么做
以大模型为大脑，围绕目标自主规划、调用工具、依据反馈循环迭代，直到完成任务的智能系统。
聊天机器人 vs 智能体：直线与圆圈
聊天机器人回答问题；智能体完成任务。
再深一层：工作流 vs 智能体
📐 工作流：步骤由人写死，AI 照着走一遍（路径固定）
🤖 智能体：AI 自己决定下一步怎么走（路径动态）
—— Anthropic《构建高效智能体》的核心区分
—— 在循环中根据环境反馈使用工具的大模型（Anthropic《构建高效智能体》）
Skills：写给 AI 的岗位操作手册
把一项工作的方法、步骤、模板、注意事项，写成一份结构化文件，AI 遇到对应任务时自动加载、照章执行。AI 平时只记“名字＋用途”，命中任务才读全文——像翻手册，先目录、后细节。
决定聪不聪明
决定能不能干活
决定干得规不规范
决定手脚能接上多少工具（像 USB-C）
🚀 最简单的开始
把你最常反复粘贴的那段提示词，存成一个 Skill——它就是你的第一个数字资产。
AI 工具全景地图
工具这么多怎么选？先问七个问题
Q1 数据是否上传？
学生信息是否离开本机
Q2 能否本地处理？
敏感场景能否本地/校内部署
Q3 输出是否有依据？
能否附来源、可追溯
Q4 是否支持常用文档？
Word / Excel / PDF 能否直接读写
Q5 能否连接校内系统？
API 数据是否与业务平台打通
Q6 成本是否可持续？
Token 与算力的长期开销
审核纠偏？
没有审核人的流程，慎上线
场景实践：AI 赋能辅导员工作
提质增效的核心环节
哪些工作最适合先交给 AI？三维筛选
✅ 优先做
- 高频重复、规则明确的文书与统计
- 数据稳定、格式固定的报表生成
- 错误容易发现、结果可以复核的分析
⚠️ 谨慎做
- 涉及学生敏感信息（如未处理的招生数据 → 可用校内部署模型替代）
- 心理危机判断与干预建议（无法验证 AI 建议是否专业正确）
- 涉及学生切身利益的判断（如家庭经济困难认定辅助）
辅导员工作的五类核心场景
🚩 思想引领
📋 日常管理
📊 学情分析
💼 就业服务
👥 队伍建设
学生网络思想动态感知系统
📡 八大平台全覆盖
🏗 四层架构 · 数据如何变成研判成果
🚨 三级预警 + 二次研判
“高危 / 关注 / 留意”三级；AI 初判后对接校内部署的 DeepSeek-R1、Qwen3 二次研判，数据全程不出校；研判后生成处置工单，闭环跟踪。
高校辅导员队伍建设管理平台
🪪 一人一档
辅导员档案与个人画像，职业成长全记录
📊 数据看板
队伍规模、结构分布、荣誉情况一屏看清
🎓 辅导员工作室与培训
培训报名、小程序扫码签到，全过程线上留痕
🔍 审计追溯
学生档案从数据中台同步；关键操作有审计日志，口径统一、过程可追溯
🤖 接入智谱 GLM-4
直接问一句：“近三年我校辅导员省级以上荣誉的分布情况？”——系统自动分析、生成结论。
RepairHub · 宿舍报修管理系统
📱 学生侧
门户账号登录（学校统一认证），住宿信息自动同步——不用填、也不允许改。一套代码，H5、微信小程序、App 一键生成。报修只选“我的宿舍 / 公共区域”，七类分类，一句话描述，最多 9 张照片。
🔄 严格的状态机（七种状态）
每一步谁能操作、流向哪里，规则写死在系统里；接单有并发控制；完工必须上传实拍照片。
⭐ 管理侧三大设计
- 自动预警督办：每天 9 点定时扫描，工单跨天没人动自动预警，逐级到校区科
- 全流程留痕审计：关键操作永久可查、不得删除，责任清清楚楚
- AI 智能查询：“上个月哪个楼栋水电类报修最多？”自然语言问数据
报修 18 分钟 · 距离 320 米
到场 → 拍照 → 填写材料 → 完工上传
东区 6 号楼 315 室
水龙头持续漏水，地面积水
学情分析：把分散的数据变成帮扶线索
个体层 · 学生画像
成绩轨迹、出勤变化、活动参与、谈话记录
群体层 · 班级对比
分布、横向对比、异常班级
趋势层 · 跨学期变化
连续下滑、单科骤降、行为突变
数据从哪来以一名学生的数据为例
AI 帮你做四件事
六步法实操：从数据到学情简报
导入数据
Excel 或数据库一键导入
数据体检
检查空值、重复值、异常值
统计口径
自动形成统计口径
生成图表
可视化自动产出
结论建议
形成结论与工作建议
人工核实发布
唯一不可省略的人工环节
边界
数据提供线索，结论来自谈心谈话；预警名单严格保密；数据只用于帮扶。
AI 辅助科研（上）：从选题到实证
选题确定
从“宿舍矛盾调解多”这类真实痛点出发，定一个“小切口、真问题”的题——《大一新生宿舍人际冲突的类型图谱与介入策略》：一学期做得完、有数据可取。
WorkBuddy / Codex，对话即可；年度工作台账、谈心记录（脱敏后）作附件喂给它。
像带研究生一样连追三轮：“第 2 个切口太大，缩到一个学期做得完”“换一个能用现有问卷数据支撑的角度”“按申报书评分标准排优先级”。
文献与综述
近五年 20 篇核心期刊文献的主题脉络 + 综述框架——骨架 AI 搭，观点自己填。
Codex / WorkBuddy 装 cnki-skills 技能包，Agent 按指令批量检索、下载、改名归档到文件夹。
“范围扩到近十年”“只保留实证类”“聚类维度改成冲突类型”“把研究空白展开成三个可检验的假设”。
红线：AI 列出的文献必须回知网核验原文——它会编造文献。
实证分析
问卷的描述统计、差异检验、三线表；访谈的开放编码——先让 AI 跑通“想法验证”，再定正式口径。
Codex（数据分析见长）；Excel 问卷、访谈记录，脱敏后上传。
“口径错了：休学不计入退学”“差异检验改用卡方”“编码太粗，细化到 35 个左右”“图表换成期刊三线表样式”。
红线：学生数据先脱敏再上传——学号、姓名、身份证号全部去掉。
AI 辅助科研（下）：撰写、投稿与诚信红线
撰写与润色 · 三条指令
每一步都是“AI 出初稿、人定稿”——核心论点必须是你的。
投稿与诚信
主流模型文本已嵌统计层隐形水印，复制、改写后仍可检测；多数期刊已上线 AIGC 检测——代写藏不住，也没必要藏。
🔌 工具怎么用 · Codex / WorkBuddy
“三给一审”：给目标、给材料、给格式要求，AI 出方案与初稿，人工审核后采用；把综述模板、投稿检查单沉淀成自己的“科研 Skill”。
🛡 学术诚信红线
AI 不署名作者；核心观点、数据、结论本人负责；涉学生数据先脱敏；按目标期刊要求如实声明 AI 使用范围。
融合创新：从工具之用到思维之变
工具会过时，思维不会。
同样是用 AI：用完就散 vs 越用越厚
🔧 工具思维 · 让 AI 帮一次忙
- 帮我写一份学情报告
- 帮我回复一条学生消息
- 帮我整理一次舆情
- 帮我做一次统计
🏗 系统思维 · 重新设计一项工作
- 建立可复用的学情分析流程
- 建设高频问题知识库与转介机制
- 形成“发现—研判—处置—复盘”闭环
- 固化数据口径、校验规则与定期报告
怎么从左边走到右边？六步
四级应用成熟度：先定位，再升级
L1 生成辅助
AI 帮我起草
L2 分析辅助
AI 帮我整理、核对，并附依据
L3 流程协同
AI 调用工具跑完一段流程，关键环节由人确认
L4 有界自动化
低风险任务自动运行，异常交给人工
AI 赋能学生工作 = Agent + Skills + Data
以谈心谈话为例：如何制作一个 Skill
知识库 ≠ Skills
手册放进知识库：可以去问、去查；手册做成 Skills：智能体可以依据它去处理具体的事。
Agent 怎么选？
直接用最好的通用桌面智能体——WorkBuddy、Codex、Kimi Work；我们能做、也最该做的研究，就是 Skills 的研究。
🏆 建议：办一场 Skills 大赛
所有重复性工作都可凝练为 Skills；评选出来全员共用。例：学生手册做成 Skills，再出测试题自动检验准确性。
Skills 实例：真实项目里凝练的两个 Skill
功能｜高校数据中台对接：签名认证 · 字段映射 · 分页同步 · 照片转存 · 踩坑清单——对接一所新学校的全部经验，装进一个文件
功能｜统一身份认证（CAS）单点登录：302 重定向 · ticket 校验 · 自动建户 · 双清登出，附 12 条踩坑与新校对接检查清单
一次凝练 · 反复复用 —— 每位老师都能使用这些 Skills，接入你的应用。
不要从“建设平台”开始，先用 30 天做成一个最小闭环
熟悉 Agent 怎么用
用两天把一个智能体用顺手：怎么提问、怎么给材料、怎么看它调用工具。Agent 自选，够用就好。
选一个低风险高频任务
连续记录一周：谁在做、耗时多久、材料从哪里来、最容易错在哪。
跑通“输入—处理—核验—交付”
先人工带着 AI 做 10 次，固定模板、资料源、检查点和异常处理，不急着自动化。
复盘并沉淀为 Skill
比较前后耗时、错误率与使用感受；有效再共享，无效就停止，不让“沉没成本”绑架业务。
让机器做机器的事，让人做人的事
🤖 AI 负责“算得快”的事
- 计算——大规模数据与统计
- 检索——海量信息即时定位
- 归纳——材料快速结构化
- 起草——初稿与多版本生成
🧡 辅导员负责不可替代的事
- 价值判断——分寸、伦理与方向
- 关系建立——信任与陪伴
- 教育引导——因人而异的成长支持
- 最终决策——责任由人承担
守正创新：AI 赋能网络思政
育人的实践思考
技术越智能，育人越要有温度、有尺度、有方向。
关于未来，我的三个判断
未来的大模型订阅费用会成为一种基础设施——就像现在每个月的手机套餐一样，每个人都离不开。
未来占领辅导员工作最大市场的，不会是“某某智能系统”，而是 WorkBuddy、Codex 这种通用桌面 Agent。Word、Excel、PPT 为什么这么火？就两个字——通用。
未来各类系统都应具备通过 Skills 被接入的能力。就像现在的数据中台，未来可能会有一个Skills 中台——想让智能体做什么，就让它学习对应的 Skills，再操作数据中台。
AI 时代辅导员的新“五力”
在效率、伦理和育人之间作出专业选择——机器最不能替代的一力
把模糊诉求变成清晰任务——提示词质量的背后，是问题定义的质量
读懂统计口径、异常与局限——不被一张漂亮的图表带走判断
会布置任务、检查过程、验收结果——像带团队一样带 AI
把个人经验固化为可复用流程——让好方法不依赖某一个人
🌐 UNESCO《教师人工智能能力框架》（2024）同样以五大维度界定 AI 时代教师能力——人本思维与 AI 伦理位列其中。
一个 AI 应用面向学生前，先过六道关
“三不”是底线，“三必须”是保障
🚫 三不 · 底线
- 不把真实学生敏感信息随意上传公共模型
- 不把未经核实的 AI 生成内容作为事实发布
- 不用自动化取代面对面的教育、关心和陪伴
✅ 三必须 · 保障
- 重要结论必须人工核验
- 高风险事项必须有人负责
- 面向学生的算法规则必须可解释、可申诉、可纠偏
合规提醒：《人工智能生成合成内容标识办法》已经施行——面向学生发布的 AI 生成合成内容，应按要求进行标识。做网络思政的同仁尤其要注意。
守正与创新：不变的是根基，变的是形态
政治方向 · 坚守核心使命
根本任务｜立德树人，培养德智体美劳全面发展的社会主义建设者和接班人
根本目标｜为党育人、为国育才
政治属性｜坚持党对教育事业的全面领导，坚持社会主义办学方向
理论基础 · 学科属性不变
学科主导｜思想政治教育学科居主体地位，智能学科居于从属
意识形态｜AI 只是“催化剂”，不触动思想政治教育的意识形态内核
实践要义 · 坚持以人为本
主体地位｜尊重教师主导作用与学生主体地位，激发内在动力与独立思考
成才目标｜尊重学生成才规律，全面助力成长成才
主体之变 · 角色转型
对象之变 · 数字原住民
信息获取、社交与认知深受算法影响，习惯即时反馈、个性化、互动式体验——“我说你听”正在失效
生态之变 · 生产与呈现
工具之变 · 从平面到智能
最后，用三句话收个尾
① AI 时代来临，如果我们还未开始，不必惊慌——想拥抱 AI，任何时候开始都是好的。
② AI 赋能的价值，在于替代辅导员工作中机械、重复、低价值的环节；关键不是拥有多少工具，而是能否把经验变成数据、把数据变成流程、把流程变成系统。
③ 辅导员不会被人工智能替代；会使用人工智能、懂得教育规律、能够守住伦理边界的辅导员，将重新定义学生工作的专业水平。
📣 腾讯频道
辅导员 Agent Skills
AI 使用心得技巧分享 · 今天的 PPT 也会放在这里
欢迎加入，一起同频共振！