当人工智能开始理解专业知识、参与真实工作、创造高质量内容，提供组织化的新质生产力，教育与行业的智能化才真正开始。

微末智学 WeMoreAI

摘要 微末智学（WeMoreAI）从高校教育与真实组织需求出发，建设学科/行业垂直模型、多智能体协作系统与高保真数字资源集群。

我们希望解决的，不只是“AI能不能回答一个问题”，而是三个更实际的问题：能不能把资料变成持续生长的专业知识资产，把机器人变成真正参与工作的智能系统，把零散素材变成可以进入课程的精品内容集群。

AI已经会回答问题，但真实工作远不止问答

过去几年，越来越多的教师、学生和组织开始使用人工智能。

从资料检索、知识问答，到文案生成、课程辅助，AI显著降低了信息获取和内容生产的门槛。一个通用模型，可以在几秒钟内生成一份教案、一段分析或者一个解决思路。

但当AI真正进入一门课程、一个学科或一个部门，问题很快会发生变化。

我们需要的不再只是一个“看起来懂很多”的聊天窗口，而是一个能够理解专业边界、调用组织知识、执行真实任务并留下可用成果的智能体系。

它需要知道哪些资料可以相信，哪些版本已经过期；需要理解一个任务应该由谁负责、经过哪些步骤、调用哪些工具；还需要把生成的内容变成可以编辑、可以使用、可以验收、可以持续更新的成果。

从“给出答案”到“进入工作”，中间还有很长的一段路。

AI进入真实工作前的三个断点

真正阻碍AI落地的，是知识、工作与内容之间的断点

第一个断点：有大量资料，却没有可持续使用的专业知识

高校从来不缺资料。

课程文件、教材案例、科研成果、制度规范、项目材料和专家经验，长期散落在文件夹、网盘、个人电脑和不同业务系统中。它们格式不一、版本混杂、口径不同，也缺少稳定的分类、关联和更新机制。

把这些文件一次性上传到知识库，并不等于完成了知识建设。未经治理的资料，只是从一个文件夹搬到了另一个系统。

真正有价值的专业知识，需要经过解析、清洗、去重、分类、切片、标签、关联、权限管理、版本控制和质量评测，才能在问答、检索、生成和任务执行中被可靠调用。

第二个断点：有很多AI工具，却没有真正参与工作的智能体

一个问答机器人可以解释问题，却不一定能够完成工作。

真实任务往往涉及多个角色、多轮判断、不同工具和明确流程。课程建设需要教学设计、专业内容、资源制作和质量检查协同；部门服务需要识别需求、查询制度、调用系统并留下记录。

如果智能体没有能力配置、任务分工、工具调用、权限边界和运行记录，它仍然只是一个更聪明的对话框。

第三个断点：能够快速生成内容，却难以稳定形成精品成果

AI可以快速生成文字、图片和视频，但“生成得快”不等于“适合教学”，更不等于“可以直接交付”。

专业内容需要符合课程目标，需要经过教师与专家审核；抽象、不可见、危险或高成本的知识点，需要通过高保真图像、三维模型、虚仿视频和交互课件被准确呈现；完成后的资源还要能够编辑、复用、组合和持续升级。

真正困难的不是生成某一张图，而是建立一条从知识点分析到精品内容交付的稳定生产链路。

微末智学是谁

微末智学（WeMoreAI）是上海微末智学科技有限公司旗下品牌，专注于人工智能技术研发与教育数字化应用。

“WeMore”意味着连接更多知识、更多角色和更多可能；“微末”代表我们对创新的理解——真正长期的变化，往往不是从宏大的口号开始，而是从一门课程、一份资料、一次备课和一个具体任务开始。

我们选择从这些细小却真实的场景出发，让知识得到组织，让智能体参与工作，让高质量内容持续生长。

微末智学的团队长期服务于高等教育行业

在课程建设、专业建设、数字资源和教育技术实践中，我们反复看到：高校最有价值的知识往往掌握在教师和专业团队手中，却很难被系统整理和持续复用；先进技术不断出现，却容易停留在演示和工具层面；每一次新项目开始，又要重新整理资料、重新描述需求、重新组织内容。

生成式人工智能带来了新的可能。

我们希望把行业经验、专业知识和AI原生工作方式连接起来，让AI不只是提高某一个环节的效率，而是逐步参与知识建设、任务协作和内容生产，并把每一次使用重新沉淀为下一次工作的基础。

这就是微末智学 WeMoreAI 想要解决的问题。

从 AI 见万物，从微末见未来

我们目前的探索

我们目前的探索

微末智学当前围绕三条彼此独立、又可以按需组合的主线开展产品与内容建设：

·学科/行业垂直模型：解决专业知识如何被清洗、组织、验证和持续调用；

·多智能体协作系统：解决不同角色、任务、工具和流程如何协同执行；

·高保真数字资源集群：解决课程与学科精品内容如何高质量、结构化生产。

三者不是简单的上下级关系，也不与教学、科研或管理等场景一一对应。

在具体项目中，一所学校、一个部门或一名教师，可以根据自己的知识基础、任务目标和使用方式，选择其中一种能力，也可以进行组合。

概括来说：学科/行业垂直模型把资料变成专业知识资产，多智能体协作系统把AI变成智能工作能力，高保真数字资源集群把知识点变成精品数字内容。

学科/行业垂直模型：先把专业知识变成可以持续使用的资产

学科/行业垂直模型

学科/行业垂直模型不是在通用模型外面增加一个专业名称，也不是简单上传一批文档。

它首先是一项持续的专业知识工程。这里的“模型”也不是一组孤立的模型参数，而是基础模型、专业知识、检索机制、质量评测和持续运营共同形成的专业智能能力。

课程资料、教材案例、科研成果、行业标准、业务规范和专家经验，需要经过内容解析、清洗去重、分类切片、标签标注、概念关联、专业词汇规范、权限设置、版本管理和质量评测，才能逐步形成可靠的专业知识基础。

在此基础上，系统可以建设并持续维护：

·学科或行业语料库；

·专业知识库；

·教学与业务案例库；

·标准规范库；

·面向具体任务的知识服务。

这些知识资产既可以为教师备课、学生学习、科研资料整理和专业建设提供依据，也可以成为各类智能体执行任务时调用的专业能力。

它的价值不只是让AI“知道得更多”，而是让AI知道信息从哪里来、适用于什么范围、当前是否有效，以及在什么权限下可以使用。

通用模型提供广度，学科与行业知识工程建立深度、边界和可信依据。

多智能体协作系统：不是增加一个机器人，而是建设一套智能工作能力

多智能体围绕真实任务协同

多智能体协作系统是用于组织角色、任务、工具和工作流程的技术产品。

一个复杂任务可以被拆解给不同角色的智能体：有的负责理解需求，有的负责检索专业知识，有的负责调用工具和业务系统，有的负责生成内容，有的负责检查结果并推动下一步流程。

不同智能体既可以独立工作，也可以围绕同一个目标进行协作。整个过程可以配置任务边界、执行步骤、使用权限和结果留痕，让AI从单轮对话走向可管理的工作过程。

每个智能体都拥有可配置的能力中心

我们建设的智能体不是只能从知识库中寻找答案的问答机器人。

每个智能体都可以拥有自己的能力中心，并根据实际角色和任务，自由组合五类核心能力：

·知识库：提供制度、课程、学科、行业和组织知识；

·案例库：提供经过整理的典型案例、历史成果和参考路径；

·工具库：连接检索、文档、数据、内容生产和业务系统工具；

·技能库：沉淀可以重复调用的专业方法、任务流程和工作规范；

·MCP服务库：通过标准化协议连接外部数据、业务系统和专业服务，扩展智能体可以访问和执行的能力边界。

知识、案例、工具、技能和MCP服务可以彼此解耦，也可以重新组合。同一项能力可以被多个智能体复用，同一个智能体也可以根据角色、任务和权限配置不同能力。

这意味着，智能体不只是“拥有一个角色名称”，而是拥有完成任务所需的知识依据、参考案例、执行工具、工作方法和外部连接能力。

五类能力的作用并不相同：知识库和案例库回答“依据什么”，工具库回答“能够做什么”，技能库回答“按照什么方法完成”，MCP服务库则回答“如何连接外部数据、系统和服务”。它们共同组成可配置、可复用、可扩展的智能体能力中心。

能力、运行环境与使用入口彼此解耦

能力中心、智能体配置与多渠道发布

智能体既可以在微末智学平台中使用，也可以发布为独立机器人入口，生成机器人码或嵌入代码，接入学校官网、微信公众号及其他校园业务平台。

在接口、安全和权限条件允许的情况下，同一套智能体能力可以面向不同渠道发布，具体能够查询和执行的内容仍由身份、权限和业务边界决定。知识和技能的更新，也不需要在每个入口重复建设。

这种解耦方式把“智能体拥有什么能力”和“用户从哪里使用智能体”分开处理，使学校和部门能够保留原有服务入口，同时逐步增加新的智能能力。

从技术系统形成四类产品化形态

多智能体协作系统的四类产品化形态

基于同一套多智能体协作与能力配置框架，微末智学正在形成四类面向高校的产品化形态：

1. 校园智能体服务中心

面向学校总体建设统一的智能服务与管理入口，并支持根据校内不同单位的知识、权限和任务边界配置专属智能体。它不是把所有业务塞进一个机器人，而是在统一框架下组织多个可管理、可运营的校园智能服务。

2. 部门管理与服务类智能体

面向教务、科研、学生工作、招生就业、图书信息及其他职能部门，将部门制度、常见事项、业务流程和服务工具配置为专属能力，帮助部门完成咨询、资料查找、任务办理辅助和日常服务。

3. 学院/教师专属智能体协作平台

面向学院整体与教师个人两个层级，建设共享能力与个性空间相结合的智能体协作平台。学院可以围绕重点学科、专业群、课程群和建设任务，组织共享知识库、案例库、工具库、技能库、MCP服务库与协作流程，形成可管理、可复用、可持续更新的公共能力。

教师可以在学院共享能力之上，配置自己的课程资料、专业方向、工作习惯和常用任务，形成保留个人知识边界的专属智能体团队，用于备课、资源建设、内容创作、资料分析、项目申报与成果沉淀。学院的公共能力与教师的个性空间既能协同，又可按权限自由解耦。

4. 学生个性化学习智能体

面向学生的课程学习、自主训练和能力成长，基于课程目标、知识结构、学习记录、练习结果和教师要求，逐步形成个人学习画像与阶段性诊断。

学生可以使用智能体进行自主学习，获得更有针对性的内容讲解、错因分析、练习建议和学习路径；教师也可以参与设置学习目标、知识范围、任务难度和评价标准，查看阶段性反馈，并根据学生实际情况调整后续学习安排。

它追求的不是让AI替学生完成作业，而是逐步实现“一生一测、因人定策”：发现每名学生当前掌握了什么、薄弱点在哪里、下一步适合学习什么，并形成可以持续调整的个性化辅导意见和成长路径。

这种个性化建立在明确授权、必要数据和教师专业判断之上。学习画像不是给学生贴上固定标签，智能体给出的诊断与路径也应当允许教师调整、学生反馈，并随着新的学习表现持续更新。

四类形态面向学校、部门、学院、教师与学生等不同服务对象，但共享可配置、可协作、可解耦发布的技术与能力框架。

高保真数字资源集群：让课程知识变成真正可用的精品内容

从知识点到高保真数字资源集群

教育智能化不仅需要模型和智能体，也需要真正进入课堂和学习过程的高质量内容。

许多课程中都存在难以直接呈现的知识：微观结构不可见，复杂设备难以拆解，危险实验不能反复操作，昂贵场景无法随时进入，抽象过程仅靠文字又难以理解。

微末智学以课程核心知识点为建设单元，将教学目标分析、教学脚本设计、高保真图像、三维建模、虚仿讲解视频、HTML交互课件、练习反馈和版本迭代组织为完整的内容生产链路。

每个知识点可以形成一个结构化资源单元：

·一套清晰的教学设计与讲解逻辑；

·一组准确、统一的高保真图像；

·可观察、可拆解的三维模型与动态过程；

·面向课堂与自主学习的虚仿讲解视频；

·可以操作、反馈和持续更新的交互课件。

这些资源既可以独立服务课堂讲解、实验实训和课后学习，也可以按照章节和课程目标组合为完整的数字资源集群。

它的目标不是“多制作一些素材”，而是降低精品内容持续生产的门槛，让优质课程资源可编辑、可复用、可扩展，并逐步沉淀为学科长期拥有的数字内容资产。

产品与场景不是一一对应，而是按真实需求组合

产品能力与应用场景按需组合

教学、学习、科研、专业建设和校园管理，不是五个固定模块，也不应被机械分配给某一个产品。

不同场景需要的是不同能力组合：

·教学可以调用学科知识服务、教师智能体和高保真课程资源；

·学习可以调用专业知识、学生个性化学习智能体和交互式内容，由学生自主使用，也可以由教师参与目标、范围和路径设置；

·科研主要需要学科知识服务、科研资料治理和科研协作智能体；

·专业建设可以组合标准规范库、案例库、建设任务智能体和成果资料；

·校园管理主要由校园智能体服务中心连接部门知识和业务工具；

同一个产品可以服务多个场景，同一个场景也可以调用多个产品。最终方案取决于客户真正需要解决的问题，而不是为了填满一张架构图。

我们不重复建设通用底座，更专注完成落地的最后一公里

今天，大型科技厂商已经提供了基础模型、知识库、工作流、智能体开发平台和丰富的云服务。一些厂商也在持续建设教育大模型、学科智能体、智慧校园和虚拟仿真产品。

因此，微末智学要做的并不是重复建设一个更大的通用平台，也不是通过否定大型平台来证明自己。基础模型和通用平台会持续进步，而真正进入学校、学科和部门的工作，仍然需要专业知识、场景理解、内容生产和持续服务。

我们看到的机会，存在于通用能力和真实成果之间：

·平台可以导入文件，但谁来完成专业资料的清洗、组织和持续治理？

·平台可以创建智能体，但谁来理解学校、部门和教师的真实工作，并把角色、权限、工具和流程配置正确？

·AI可以生成内容，但谁来保证专业准确、教学适用、成果可编辑，并把图像、三维、视频和交互内容组织成完整资源？

·技术可以快速上线，但谁来陪伴使用、吸收反馈、更新知识并让系统长期有效？

通用技术解决“能不能做”，专业知识、场景理解、内容生产和持续服务决定“能不能真正用起来”。

微末智学希望补上的，正是这段容易被忽略的最后一公里：从分散资料到专业知识资产，从单一问答到协同工作，从快速生成到精品内容，从一次性交付到持续更新。

从通用AI能力到可用成果

不只是会聊天，更要形成可以留下来的成果

在相应的权限、工具和业务边界内，智能体可以逐步参与资料整理、知识检索、内容创作、任务协同、数据处理和业务服务，并形成可编辑、可使用、可保存的成果。

学科与行业知识可以在使用中持续完善，智能体的技能可以在工作中不断沉淀，高保真数字资源也可以伴随课程建设持续迭代。

对于教师和组织而言，真正重要的不是使用过多少AI工具，而是AI有没有帮助他们形成新的知识、新的内容和新的工作能力。

多学科高保真数字资源案例

13大类学科高保真数字资源案例

与高校和行业伙伴一起，让知识持续生长

我们都处于人工智能变革世界的奇点当中。

未来，我们会在这里分享学科与行业知识工程、多智能体协作、校园智能服务、智慧课程和高保真数字资源的实践与思考。

愿每一次微小的改进，都能沉淀为面向未来的能力。

从 AI 见万物，从微末见未来

微末智学 WeMoreAI

人工智能教育与专业场景创新品牌