零代码搭建作业批改工作流：华为云智能体平台实战指南

凌晨一点半，办公桌上还摆着两摞作业本。这是我做老师时最熟悉的画面，也是很多一线老师至今躲不掉的日常。每天课后要收几十份、甚至上百份作业，逐题看、逐题批，还要写评语、改错别字，耗时且重复。如果你也有过“能不能让机器帮我批改作业”的念头，又不想一上来就写代码，那么用华为云智能体平台搭一个辅助批改作业的工作流，是一个值得花一个下午去折腾的方案。它把“收作业—看作业—批改—反馈”这个过程拆成机器可以执行的步骤，让人只处理机器判断不了的部分。这篇文章是我的实操记录，适合老师、教务人员、教育产品开发者，也适合所有刚接触智能体和低代码工作流、想找一个具体场景练手的同学。

1. 先别急着拖节点：在画布之前把批改需求拆解清楚

经常看到有人第一次进智能体平台，上来就把“开始”节点拖到画布，然后对着左侧的节点库发呆十分钟。其实搭建批改作业工作流之前，最该做的是把“批改作业”四个字拆成计算机能理解、能执行的动作。不夸张地说，需求拆解的深度，直接决定了后面流程改来改去的次数。

1.1 作业批改的三种类型，决定工作流的三种路线

同样是“批改作业”，背后处理逻辑完全不同。我一般把常见的作业分成三类：

• 客观填答型：选择题、判断题、填空题、计算题。答案基本确定，适合用规则匹配或者字典比对来完成。
• 半开放型：比如数学应用题、物理计算题。最终答案可能不唯一，但解题步骤和关键采分点可以提前约定，适合用大模型“按点给分”。
• 完全开放型：作文、论述题、案例分析。没有标准答案，依赖语义理解，必须用能力较强的大模型，并且一定要有老师人工复核环节。

明确要处理的是哪一类，直接决定了工作流是走规则分支还是大模型分支，也决定了后面提示词怎么组织。我见过有人非要让同一个工作流处理“数学填空题”和“语文作文”，结果要么规则匹配太死板，要么大模型回答不稳定，最后两头都费劲。正确的做法是先选一个切入点，比如“先只做作文批改”，或者“先只做数学主观题批改”，跑通一个场景，再横向扩展。

1.2 一条可以复用的四段式工作流骨架

如果把三类作业强行统一到一个框架里，你会发现流程本质上长这样：

1. 输入预处理：接收作业文件或文本，必要时调用OCR识别，把图片变成纯文本。
2. 题目拆分：把一整份作业拆成一道一道的独立题目，明确每一题的题型和分值。
3. 批改判定：客观题走规则对比，主观题走大模型语义判断。
4. 结果反馈：输出得分、问题点、批改建议，供老师复核使用。

这个四段式骨架是我反复验证后觉得通用性最强的一套结构。在华为云智能体平台的工作流画布上，它对应的节点并不复杂，无非是“开始”节点、文本/OCR处理节点、条件分支节点、大模型节点、输出/通知节点。后面无论扩展多少场景，骨架基本都是这一套，变的只是每段里的具体参数和提示词内容。

1.3 “辅助”两个字的设计边界：保留人工复核

我必须反复强调一件事：这个工作流是“辅助批改”，不是“自动批改”。差在哪里？自动批改意味着系统直接给出最终结论并被直接采信；辅助批改意味着系统给出建议，由老师来决定是否采纳。

我从一开始就按“辅助”来设计。原因有两点：大模型偶尔会犯错，尤其是主观题，同样的答案换个问法可能就得到不同评价；教育场景里，老师对评语的语气和尺度有自己的判断，AI替老师做最终决定并不合适。所以我的工作流里一定会留一个“人工复核”的出口。最简单的做法是：输出节点除了评分和建议，还附带一个“需要老师确认”的状态字段。老师看到结果后，可以一键采纳或者修改后再发给学生。这一步看起来毫不起眼，但正是它让整个工作流真正可落地。

2. 平台准备：账号开通、配套服务与模型选型

在动手拖节点之前，先把环境和配套服务准备好。这一节偏操作流程，但每一步都很关键，缺了某个服务，后面跑工作流时会卡住。

2.1 进入华为云智能体平台的三个步骤

第一步，访问华为云官网，注册账号并完成实名认证。实名认证是必须的，不完成的话很多云服务无法购买，也无法调用API。

第二步，在控制台搜索“智能体平台”或相关入口，进入服务页面。不同批次的控制台里，这个入口位置不完全一样：有的在“EI企业智能”分类下，有的在“AI服务”或“应用编排”分类下。判断标准其实很简单，看到“创建智能体”“工作流”“智能体广场”这些概念，就说明你已经进入了正确的平台。

第三步，创建智能体。点击“创建智能体”，填写名称，比如“作业批改助手”，系统会自动生成一个智能体空间。在这个空间里可以创建多个工作流，后续测试和发布都在这里完成。

2.2 工作流运行前需要准备的配套服务

这个工作流最少会用到以下几类服务：

很多人只关注大模型，忽视了OCR。但就批改作业这个场景来说，文本解析往往是决定成败的一环。作业如果是拍照上传的，识别不到干净文本，后面大模型再强也是巧妇难为无米之炊。如果你预算有限，我甚至建议先把钱花在OCR的准确率上，而不是一上来就选最贵的大模型。

2.3 模型选型：不同题目类型用不同能力档位

模型选型的核心原则是：在满足效果的前提下，控制成本。

• 客观题：完全不需要大模型参与，用规则节点即可。
• 半开放题：选中档模型即可。只要提示词写得清楚，一般都能按采分点来判断。
• 开放题：选上下文窗口大、指令跟随能力强的模型。因为作文和论述题的输入通常不短，模型需要能“读完全文”再评价。

我自己的习惯是，如果平台允许在同一工作流里挂不同模型，就把客观题和主观题拆成两个分支。客观题走规则，主观题才调用大模型。这样做的好处是省钱，尤其是一个班几十份作业批量批改时，成本差异会非常明显。当然，如果平台只支持全局绑定一个默认模型，那就选中间档位，靠提示词来约束效果。

3. 第一版工作流实操：从画布到节点的完整配置过程

平台环境准备好之后，就可以开始搭了。我建议第一版尽量简单，目标是先跑通“作业进来，批改建议出去”的最小闭环。不要一开始就想着加各种分支和通知，先把主线打通，再逐步往上面挂东西。

3.1 创建空白工作流并搭好基础画布

在智能体空间里点击“创建空白工作流”，命名后进入画布。画布左侧是节点库，右侧是属性配置面板，中间是拖拽区。节点之间用连线表示数据流向，上游节点的输出会作为下游节点的输入。

第一版的节点顺序建议这样排：

开始 → OCR/文本解析 → 大模型批改 → 输出结果

先不急着加分支、加通知，跑通后再逐步增加节点。用最小流程理解工作流的运行机制，比一开始堆一堆节点高效得多。很多平台示例模板为了让用户感觉“功能强大”，连了一堆可选节点，看着很全，真跑起来反而因为环节太多、链路太长，出了问题都不好排查。

3.2 配置“开始”节点：让老师能够提交作业

“开始”节点是工作流的入口，它决定调用方（也就是老师）需要提供哪些信息。我给这个节点设计两个字段：

• 作业内容（必填）：可以是纯文本，也可以是图片或文件地址。
• 批改要求（选填）：给老师填写本次批改的特殊要求，比如“只批改第三题”“这是初二作文，内容40分，语言40分，结构20分”。

给字段起名的时候尽量用“作业内容”“批改要求”这种一眼能看懂的名字，后面引用时才不会晕。我见过有人用“text1”“arg2”这类命名，等节点一多，自己都分不清哪个字段对应哪个数据，调试时非常痛苦。字段名一旦确定，后面所有节点都要用它，所以宁可前面多花一分钟想名字。

3.3 文本解析节点：把图片变成大模型能读的文字

如果老师提交的是图片，那你需要在画布里拖入一个文本解析节点，并调用OCR服务。配置要点如下：

• 识别类型：选择“手写体识别”或“印刷体识别”，取决于作业类型。
• 图片地址：引用“开始”节点的“作业内容”字段。
• 输出变量：给识别结果起一个变量名，比如“识别文本”。

这里有个容易被忽略的细节：手写体识别前，最好在“开始”节点上就要求老师按规范方式拍照，比如提示“保证光线充足、正对作业本、不要斜拍”。斜拍的图片经过OCR后，识别准确率下降得非常快。我实际测过，同样一份作业，正拍和斜拍的识别结果差别非常明显。

3.4 大模型节点：主观题批改的核心调用

接下来拖入“大模型”节点，这是整个工作流里最值得花时间配置的部分。

配置项一般包括：

• 模型选择：选一个能处理长文本的对话模型。
• 用户提示词：把上游字段引用进来，拼成一段完整提示。
• 输出变量名：给模型输出起名，比如“批改结果”。

用提示词模板把“识别文本”和“批改要求”拼起来，这一步是关键。大模型节点的输出默认是文本，如果你让模型输出JSON，那这里拿到的就是JSON字符串。后续如果想用输出节点按字段展示，可以再接一个代码节点或变量提取节点，把JSON里的得分、错误点、评语分别拆出来。

我第一次搭的时候漏了这个拆解步骤，导致输出节点只能把一长串JSON原样抛给老师，完全没法看。所以如果你要让结果好看一点，一定不要忽略JSON解析这一步。

3.5 分支与输出：让结果按需分流

第一版跑通以后，再考虑增加条件分支。常见的分支场景：

• 如果“作业内容”是文本，直接进大模型批改；
• 如果“作业内容”是图片，先进OCR再进大模型批改。

用条件分支节点可以判断输入格式或内容标识，把不同输入导到不同处理路径。最后拖入“输出”节点，配置返回字段，比如“得分”“错误点”“评语”。如果开了通知服务，还可以在输出前加一个“通知”节点，把批改结果直接推送到老师绑定的消息渠道。

我建议第一版先不加通知节点，直接在平台里查看输出结果就够了。等验证完整套流程可靠了，再把通知加上。节点越多，排查链路越长，第一版保持精简是提高成功率的有效方式。

4. 批改逻辑设计：提示词、评分标准与防误判机制

很多人觉得工作流搭好了，剩下无非是填一段提示词。其实提示词才是“批改质量”真正的主战场。节点连接方式决定流程能不能跑通，提示词决定批得准不准、稳不稳。

4.1 提示词四层结构，让大模型的输出稳下来

我平时写批改类提示词，固定使用四层结构：

1. 角色设定：告诉模型你要扮演什么角色。
2. 任务说明：明确指出要批改的对象和范围。
3. 评分标准：把分值分配、采分点、扣分规则写清楚。
4. 输出格式：约束模型输出的结构，方便下游解析。

拿数学解答题举例，我会这样写：

code复制你是一位初中数学老师，擅长按步骤给学生打分。
请批改下面这位学生的解答过程，并严格按评分标准给分。

学生解答：
{{作业内容}}

评分标准：
- 设未知数：2分
- 列方程正确：4分
- 解方程过程正确：4分
- 答句完整：2分

只输出JSON，不要任何额外解释：
{"得分": 0, "错误点": [], "改进建议": ""}

注意“只输出JSON”这个约束非常重要。如果不加约束，大模型很可能输出一大段“根据您的要求……”之类的说明，原本要接输出节点展示结构化结果，结果全乱了。我还见过模型在JSON后面补一句“希望能帮到你”，直接把下游解析器干崩。

4.2 降低误判的四个约束策略

主观题批改最怕误判。我总结出四个约束策略，能明显降低翻车率：

• 限定范围：明确告诉模型“只批改指定的题目，不要扩展到其他内容”。
• 约束格式：指定输出JSON，字段固定，不许额外发挥。
• 允许未知：当模型判断不了时，输出“无法判断”，而不是硬着头皮给分。
• 设置兜底：如果识别文本为空或内容与题目无关，统一输出“需要人工复核”。

这四句话看起来简单，但在实际测试中非常管用。很多稳定性问题不是因为模型不够聪明，而是因为提示词给了模型太多自由发挥空间。有一次我把评分标准里一个字段名写得不清楚，模型每次都在该字段里塞一长段解释，最后只能靠加一条“严禁额外解释”的约束才解决。

4.3 批改意见的表达方式，决定产品能不能让老师放心用

提示词里还有一类容易被忽略的细节：模型输出评语时的语气。

我建议在提示词里加一句：

code复制如果你发现学生答错了，请用“这里可能需要重新检查”的口吻提示，不要使用“你做错了”“这都不会”等刺激性表达。

不是讨好学生，而是为了安全。AI的误判率再低，也免不了偶发情况。如果模型直接说“你做错了”，老师又没有逐字核对，就这样发给学生，很容易引起误会。把批改意见设计成“建议”而非“裁决”，既保留了老师的权威，也降低了AI犯错带来的影响。说白了，这就是让AI“好好说话”。

5. 测试与调优：从“流程能跑”到“结果能看”

工作流画布上把节点连好，只是万里长征第一步。我见过太多人把这个状态当成“做完了”，结果拿真实作业一测全是问题。测试这个环节，永远值得多花时间。

5.1 准备一份有代表性的测试集

不能只拿一两份正常答案来测。我建议至少准备这样几份样本：

用这五类样本各测一遍，基本能发现八成以上的隐患。尤其是“空白答案”和“跑题答案”，很多模型在这两种情况下容易强行为自己“圆场”，给一个看起来合理但实际没有依据的分数。

5.2 用节点日志定位问题发生在哪一环

工作流运行完，平台一般会记录每个节点的输入和输出。排查问题的顺序应该是从最上游看起：

如果OCR节点输出的就是乱码，问题在识别环节，不要浪费时间改大模型提示词。如果OCR输出正常，但大模型结果不对，才去调整提示词或换模型的档位。

很多初学者一看到批改结果不对，就疯狂改提示词，改来改去没效果，其实问题出在更早的解析阶段。养成看节点日志的习惯，能省下大量无效调参时间。平台上的“运行记录”就是你的排查地图，每一条数据流怎么走的，一翻就知道。

5.3 每次只改一个变量，让调优有迹可循

调提示词时，我最常犯的错就是一改改三四处。改完角色、改了评分标准、改了输出格式，结果跑完测试发现结果变好了，却不知道是哪一步起的作用，下次效果退化了也没法定位。

后来我固定了一套方法：每次只改一个变量，改完跑整个测试集，人工记录这几个指标：

• 得分是否与人工判断一致；
• 错误点是否真正命中；
• 改进建议是否可采纳；
• 输出格式是否始终符合预期。

测试集不大时，人工复核成本其实很低。把每次调优的结果记录下来，下次回退版本时也有依据。这个方法听着笨，但效果非常稳。

5.4 发布、分享与给同事的使用说明

跑完测试后，点击“发布”。发布后的工作流会生成一个可调用的版本，可以生成浏览器访问链接，也可以作为一个API接入教学系统。

如果要给其他老师使用，建议附上一页极简说明，写清楚三件事：

1. 作业按什么格式上传（图片/文本/文件）；
2. 哪些情况需要人工复核（字迹潦草、答案空白、模型提示“无法判断”）；
3. 出问题后找谁来调整配置。

千万别把未通过完整测试的工作流直接发给同事。同一份作业，你拿测试集验证过没问题，不代表在同事手里也一定没问题，尤其是他们的手机拍照质量千差万别，一旦出了问题，反而容易对整个方案失去信任。

6. 实际使用中踩过的坑：解析、成本、并发和数据安全

连续跑了一两个月真实批改场景后，我总结出几个最值得警惕的坑。写在这里，希望你可以在搭建初期就直接规避掉，不用再走一遍我踩过的弯路。

6.1 手写识别是最容易翻车的一环

不同学生的书写差异巨大，横线、涂改、连笔、拍照倾斜都会导致识别错误。识别不准，后面的批改全成了“在垃圾数据上做判断”。

目前比较实用的应对办法：

• 拍照时保证正对作业本、光线均匀，减少歪斜；
• 重要作业尽量让学生提交电子版；
• 如果必须识别手写，选择手写体识别专用模型，并把识别结果展示在页面上，让老师一眼就能发现识别错误。

我实际用下来的感受是：OCR不能完全替代人工录入，但可以显著减少工作量。只要识别准确率在七成以上，配合人工快速校对，已经比纯手工批改高效很多。你若想达到九成以上的准确率，就需要在实际使用中不断积累该班级学生的常见字体特征，这不是一两天能完成的。

6.2 成本控制：别让一次批改吃掉太多token

大模型调用一般是按token计费的。批改场景里，token消耗主要在三个地方：

• 提示词本身：角色设定、评分标准；
• 学生答案文本：答案越长越耗token；
• 模型输出：评语越长越耗token。

要控制成本，可以从几个方向入手：

• 客观题尽量走规则分支，不调用大模型；
• 提示词不要写重复内容，精简评分标准，把不必要的前缀说明删掉；
• 批改结果只输出关键字段，不要长篇大论；
• 超长答案可以截取前N个字，或在提示词中告诉模型“只关注前600字内是否出现采分点”。

如果你把工作流嵌入教学系统，建议给每份作业设置一个调用上限，比如“单份作业最多调用两次”，避免异常情况下的循环调用导致费用飞涨。模型调用次数和批改质量之间要找一个平衡点，这个平衡点是靠长期看账单和实际批改效果摸索出来的。

6.3 并发限制下，批量作业应该怎么提交

工作流在平台上通常会有并发限制。一个班几十份作业同时提交时，容易出现排队或超时。解决办法：

• 在提交端做分批处理，比如每10份一批；
• 给每份作业建一个唯一编号，方便批量提交后做结果对账；
• 如果平台支持异步处理，优先使用“创建任务—回调结果”的模式，而不是同步等待所有结果都返回。

我自己的经验是：批量批改不要贪多，稳比快重要。宁可让老师多等几分钟，也不要因为并发问题导致整个任务失败。一次任务失败后重试的代价，往往比最开始分批次慢慢提交要大得多。

6.4 学生作业的数据安全底线

学生作业内容属于个人信息，涉及姓名、学号、书写笔迹等信息。这一点必须重视。我的做法是：

• 在上传前对作业图片中的姓名、学号做脱敏处理；
• 工作流里不持久化存储完整的学生个人信息；
• 分享或导出工作流时，不携带任何真实学生数据；
• 如果系统内有历史批改记录，设置好访问权限，避免无关人员查看。

数据安全不是技术细节，而是底线问题。前期多花十分钟做好脱敏，后面