基于华为云智能体平台的作业批改工作流搭建实践

批作业这件事，谁干谁知道——它不累，但极其磨人。尤其到了期中、期末这种节点，左手一摞卷子，右手一个答案本，机械性地打勾画叉，一小时批完一个班，眼睛都快看花。我今年在华为云智能体平台上搭了一套“辅助批改作业工作流”，把大部分重复性批改工作交给智能体去处理，自己只做最后的复核和反馈补充分。这篇就完整梳理一下我当时从0到1搭建这套工作流的操作流程、踩坑过程，以及一些可复用的设计经验。

这套方案面向的主要人群是：日常需要处理大量作业/试卷批改的教师、教育机构的教务人员，以及在做AI教育应用开发的开发者。它不追求“完全替代老师”，而是把“批改-统计-反馈”这条链路上的机械环节自动化，让老师把省下来的时间投入到更重要的面批和个性化辅导上。如果你有类似需求，可以直接照着下面的流程在华为云智能体平台上复现一套。

1. 项目背景与整体设计思路

1.1 为什么选“辅助批改作业”这个场景

我在学校做过一段信息化的技术支持，接触过不少老师的批改场景。看起来批改就是对着答案打勾叉，但实际上它包含好几个隐性环节：判断正误、圈出错点、标注原因、计算得分、登记成绩、统计班级整体掌握情况。这些环节全串起来，一位老师批一个班五十份作业，光数学卷子就得两小时起步，语文作文这类主观题更久。

AI能不能做？能，但要拆解清楚。批改的本质是“比对”：学生的作答内容和参考答案、评分标准做比对。这种结构化比对任务，恰好是大语言模型和规则引擎的强项。输入是作业图像或文字，经过OCR识别、内容归一化、模型判断、结果结构化输出，最后再汇总成一份可读的批改报告。这整个链路，用智能体平台的工作流编排能力来做，比写一套独立后端服务要灵活得多，改动节点不需要重新发版。

我选择华为云智能体平台，核心原因有三点：一是它原生集成了盘古大模型和各类华为云服务，OCR、语音转写这种基础AI能力不用单独搭；二是工作流编排支持可视化的“积木式”设计，后期调整批改规则、增加节点非常方便，不用改代码；三是它的运行日志和监控很全，跑批的时候追问题很方便。当时我也对比过dify、coze这类社区热度高的智能体平台，dify的工作流自由度确实不错，但要从零接OCR等云服务还得自己配连接器，coze则默认面向C端功能，教育场景的私有化部署和数据合规做法比较绕。如果你们学校有自己的云资源或华为云资源，智能体平台基本是开箱即用。

1.2 工作流的整体架构与节点规划

开始搭之前，我先把“一次完整的作业批改”拆成了下面几个阶段：

• 作业提交：学生作业以拍照图片或PDF文件形式上传，这是工作流的输入端。
• 内容识别：对图片做OCR识别，转成可编辑的文本；如果是PDF，先按页拆分再逐页识别。
• 试卷归一化：把OCR出来的杂散文本按题号、小问切分成结构化的题目列表，去掉页码、页眉等噪声。
• 批改引擎：把每道题的题干、学生作答、参考答案、评分标准一起提交给大模型，让模型输出每道题的对错判断、得分、错误原因、知识点标签。
• 结果汇总：把所有题目的批改结果聚合成一份完整反馈，统计出总分、正确率、错题分布、薄弱知识点。
• 反馈生成：生成适合学生阅读的批改报告（含评语、错题解析），同时给老师生成一份班级学情摘要。

对应到华为云智能体平台的工作流设计上，我把后面几个阶段落成了具体的节点：识别节点、切分节点、批改节点、统计节点、报告节点。工作流整体是线性的，但“批改节点”内部会有并行分支，不同题型走不同的提示词策略。这个设计思路很关键，你不能让一个大模型提示词处理所有题型——数学计算题和语文阅读理解题的评判逻辑完全不同，硬放一起会互相干扰。

2. 核心细节解析：批改工作流的节点设计与模型选型

2.1 五个核心节点的功能与配置要点

工作流里最核心的五个节点，我从头讲一遍配置思路。

输入节点。这个负责接收作业数据。当时我支持了两种方式：手动上传和API回调。手动上传适合老师小批量测试，API回调适合跟学校的作业系统打通。输入的数据格式我统一定义为JSON：包含学生ID、作业ID、作业类型（数学/语文/英语）、题目列表，以及每道题的题干、参考答案、学生作答内容。如果你走的是图片识别链路，这个节点就先把原始文件传给OCR服务。

OCR识别节点。我用的是华为云通用文字识别接口。这里有个配置要点：一定要开“手写体识别”选项，而且把识别语言设为“中英文混合”。学生作业多数是手写的，很多人把OCR识别失败归因于模型不行，其实大概率是参数没调对。另外，图片分辨率也对识别率影响很大，我建议从源头控制，上传规范统一为“整页A4纸平铺拍摄、光线充足、分辨率不低于200dpi”，并在输入节点的说明文档里写清楚。

题目切分节点。这是最容易被忽视但最影响效果的一个环节。OCR识别出来的文本是一整页的文字流，没有结构化信息。我的做法是用规则加正则，按“1.”“（1）”等题号模式做切分，再结合模型对切分结果做二次修正。如果你处理的作业题型比较固定，规则切分就够了；如果跨科目，建议在切分节点后面加一个低成本的分类模型，把文本片段先分到对应题型再切。

批改节点。这是核心节点，本质是一个大模型调用节点。我单独针对不同科目配置了不同的提示词模板，模板里会注入评分标准。比如数学题，评分标准可能包含“解题步骤占60%，计算结果占40%”；语文阅读理解，则更侧重“要点覆盖率”。工作流平台支持变量引用，所以我在每个分支节点里把提示词和输入的字段动态拼接。具体提示词模板的设计，下一节单独展开。

报告生成节点。批改节点输出的是每道题的结果，报告节点负责把它们聚合成两份内容：一份给学生，一份给老师。学生端的重点在错题解析和鼓励性评语；老师端的重点是统计数据和学情预警，比如“第7题全班错误率高达80%”“第3题学生普遍在哪个步骤丢分”。这一步我直接用平台内置的文本生成能力，把JSON结果喂给模型，让它按模板生成自然语言报告。

2.2 模型选型：盘古大模型还是第三方模型

工作流平台一般允许你配置不同的模型，当时我优先试了平台默认集成的盘古大模型。批改任务有个特点：规则性强、需要稳定可控的输出。盘古大模型在处理中文教育语料时表现不错，尤其是在识别学生“解题思路对了但过程不规范”这类情况时，比某些通用英文模型要灵光。不过某些数学证明题、理科推导题的逻辑判断，它也偶有误判，我实际用下来准确率大约在90%-95%之间。

另外我也对比过接入第三方开源模型，比如通过Ollama部署的Qwen系列，效果接近，但运维成本和响应速度不占优势。对于批改这种对延迟有要求的场景，我更推荐用平台托管的模型服务，省心。有一点必须注意：任何模型都不能完全替代老师做最终判定，尤其涉及主观题和分数评定，工作流里必须保留“人工复核”环节，不能让AI给学生的作业批改结果直接推送出去，否则出了纠纷很难处理。

2.3 批改提示词模板的两条核心设计原则

提示词是批改效果的灵魂。我调试了无数版后，总结出两条核心原则。

第一条：给模型清晰的角色和输出格式，最好用JSON约束。我见过太多人写“请批改下面这道题”，这种提示词10秒就能生成一段“看起来很有道理”的批改结果，但完全不结构化，没法接入下游统计。我最终的模板格式固定是：

text复制你是一名有20年教学经验的中小学数学老师，现在要批改一道[科目][题型]题。

题干：
{{question}}

标准答案：
{{answer}}

评分标准：
1. 正确列式得2分
2. 计算过程正确得3分
3. 最终答案正确得2分
4. 书写不规范酌情扣1分

学生作答：
{{student_answer}}

请严格按照以下JSON格式输出批改结果，不要输出其他内容：
{
  "judge": "对/错/部分对",
  "score": 7,
  "full_score": 7,
  "error_points": ["学生漏掉了...", "计算第一步...出错"],
  "knowledge_points": ["一元二次方程求解", "因式分解"],
  "comment": "写给学生的简短评语"
}

第二条：“让模型当老师，而不是当判官”。这个有意思，同样是判断对错，你让模型“挑刺”它就只找错处，你让它“以批改促进步”它就会连正确答案之外的其他合理解法也认。我后期把所有提示词里的“判断对错”都改成了“评估解题过程是否合理，指出进步点和待改进点”，这样批改反馈的友好度提升很明显，家长看到也不容易焦虑。

3. 实操过程：在华为云智能体平台上搭建工作流

3.1 准备工作与环境开通

先要有华为云账号，这个不多说。进入控制台后，搜索“智能体平台”或从AI服务大类下进入。首次使用会要求开通一些依赖服务，我这边主要开通了三项：对象存储服务（用来存作业图片）、OCR服务（文字识别）、以及对话模型服务。如果你的作业文件不大，可以直接用平台自带的对象存储，不用单独去配复杂权限。

开通之后第一件事不是创建工作流，而是建一个“应用空间”。这个空间相当于一个隔离的工程目录，把工作流、知识库、模型配置都归类管理。我当时建了两个空间：一个“dev”用来测试调优，一个“prod”跑正式批改任务。强烈建议你这么分，因为工作流迭代很频繁，直接在正式环境改容易把历史数据弄脏。

3.2 创建工作流：从空白画布到可运行任务

进入工作流编排界面，选择“从空白创建”，然后按下面的顺序拖节点连线。这里我把每个节点的配置参数也一并提供了，你可以直接照着填。

第一步，拖一个“HTTP触发”节点作为工作流的入口，请求方法选POST，数据格式选JSON。这个节点用来接收作业数据，我把请求体Schema设计为：

json复制{
  "student_id": "string",
  "homework_id": "string",
  "subject": "math",
  "images": ["url1", "url2"],
  "answers": [
    {
      "question_id": "Q1",
      "question": "已知x^2-5x+6=0，求x的值",
      "standard_answer": "x=2或x=3",
      "student_answer": "x=2, x=3"
    }
  ]
}

第二步，加一个“条件分支”节点，按subject字段区分数学、语文、英语三种批改策略。这里要注意分支条件的写法，我当时用平台内置的表达式，类似{{subject}} == "math"，返回true就走数学分支。不同分支后面接的提示词模板不同，但节点结构一致。

第三步，配置“OCR识别”节点。把输入节点里传进来的图片URL批量传给OCR连接器，输出存成变量ocr_results。这里有个平台细节：OCR连接器的输出默认是数组，但工作流后面的大模型调用节点只接受单条文本，所以我在OCR节点后面加了一个“数组转文本”的脚本节点，把识别出的所有行拼成纯文本。这个拼接操作别用空格，用换行符\n，不然切分节点会把题目粘连在一起。

第四步，配置“题目切分”节点。我用的是一个Python脚本节点，在里面写了一个简单的正则切分函数：

python复制import re

def split_questions(text):
    pattern = re.compile(r'(?m)^(\d+)[\.、．](?=\s*\S)')
    matches = list(pattern.finditer(text))
    questions = []
    for i, m in enumerate(matches):
        start = m.start()
        end = matches[i+1].start() if i+1 < len(matches) else len(text)
        questions.append(text[start:end].strip())
    return {"questions": questions}

切分出来的题目列表存为questions变量，供后续批改节点循环处理。

第五步，也是最关键的一步——配置“批改节点”。这是一个“循环”结构，遍历questions数组，把每道题和对应的参考答案传给大模型节点。循环体内的处理逻辑是：先从questions里取当前题目，再根据subject字段选对应的提示词模板，组装好后调用大模型API，输出结果追加到一个叫batch_results的数组里。大模型节点的参数我建议用temperature=0.2、top_p=0.5，因为批改要的是稳定一致的输出，也不是创意生成，温度调太高容易“发挥不稳定”，同一个答案两次批改分数不一致，就麻烦了。

第六步，配置“统计汇总”节点。等循环跑完，把batch_results里的分数、知识点做统计，算总分、正确率、错误知识点分布。这个节点依然用Python脚本实现，逻辑不复杂。统计结果生成两份输出：student_report和teacher_report，分别调用两次文本生成节点写报告。

最后是“输出节点”。把报告和统计数据封装成一个JSON返回给调用方。整个工作流保存后，先点“测试运行”，用一份假数据验证各节点连通，确认无报错后再发布成正式版本。

3.3 知识库：让批改更贴合自己的教学大纲

如果你只是通用批改，可以跳过知识库；但如果要批改的内容有特定教材版本、特定评分细则，强烈建议建一个知识库。我当时在平台的知识库模块上传了一份“本校数学校本作业答案册”PDF，按章节做了分段切片。然后在批改节点的提示词里，把“标准答案”字段替换成“从知识库检索到的相关参考答案片段”。

这样做带来的好处很明显：模型不再只凭自己训练时的“标准解题步骤”判题，而是能对照你们学校的答案体系和阅卷习惯。尤其是在批改开放性题目和“一题多解”题时，知识库里的参考答案不一定覆盖所有解法，所以提示词里我会额外加一句：“如果学生使用了与答案不同的解题方法，请根据数学逻辑判断其正确性，不要机械比对答案。”这句很重要，不然很多合理的创新解法会被盲判为错。

4. 批改效果实测：三类题型的真实表现

4.1 数学计算题、语文阅读理解、英语选择题的对比

工作流跑通之后，我拿一个40人的班级作业做了实测，分数学、语文、英语三组，每组随机抽10份作业，由工作流先批，再由老师人工复批一遍，结果汇总如下：

英语选择题这类有标准答案的客观题，工作流基本能做到零误差，前提是OCR识别没把A认成D。数学计算题的差异主要出现在“解题步骤部分正确但结果算错”这类题目上，模型有时会在步骤分上少给，这在提示词里把步骤分标准写得更细之后有改善。语文阅读理解的开放性题是最难做到完全一致的，它本身存在主观判断，同一位老师两次批改都可能给不同的分，所以工作流做到“给出参考分数+采分点评析”就够用了，最后由老师来确认最终分数。

4.2 实测中的效率数据与隐藏收益

时间方面，原来一位老师批改40份数学作业大约需要80分钟，用工作流辅助后，老师只需要花15到20分钟复核机器批改结果、处理少数争议题，整体效率大概提升了75%。而且因为OCR识别和模型批改是异步跑的，老师完全可以上午提交作业，下午看汇总好的批改报告。

还有一个设计之初没想到的收益：知识点统计数据对教学的指导价值。有一次实测数据显示班上有17个学生都在同一道“分式方程应用”题上丢分，老师在第二天的课上专门重新讲了这个知识点。手动批改时代，老师知道“这道题错得多”，但很难快速量化到具体知识点维度，工作流统计节点把这些数据自动生成了，对教研活动非常有帮助。

5. 常见问题与排查技巧实录

5.1 问题速查表与定位思路

搭建和运行过程中，我遇到不少问题，整理成一张速查表，遇到类似情况的直接对照查：

定位问题最大的技巧：善用平台的工作流日志和节点输出预览。每一个节点的输入输出都能展开看详情，哪个环节数据不对，一眼就能锁定。我第一次遇到批改结果不准时，就是逐个节点看输出，最后在切分节点发现正则表达式把“第1题”这种中文序号漏掉了，导致多道题被合并成一大段文本，后续批改自然全乱。

5.2 三条独家避坑经验

第一，不要一上来就追求“全自动批改”，先跑通“人机协同”模式。我的做法是工作流跑完后生成一个供老师快速复核的网页，每条批改结果旁边都有“确认/修改”按钮，老师一键确认就能归档。等积累一段时间、确认机器批改准确率足够高后，再对客观题开放自动归档权限。

第二，工作流的“版本管理”一定要用起来。每次调完提示词或节点逻辑，别在旧版本上直接覆盖，先创建新版本跑一跑，用同样的测试数据对比新旧版本输出，确认没退化再切正式流量。批改任务的稳定性优先级高于一切，你今天手滑改了一个参数，可能明天整个班的作业批改结果就全乱了。

第三，Prompt和脚本里的字段命名要有全局一致性。我踩过一个大坑：OCR节点输出的字段叫text，切分节点里读的是ocr_result，两边对不上，运行时报错提示还不明显。后来我养成了一个习惯，画完工作流先做一个“字段清单”，把每个节点的输入输出字段名都列出来核对一遍，再开始接逻辑。这个习惯省了我后期大量调试时间。

6. 从辅助批改到一个可扩展的教学助手

工作流稳定运行之后，我开始思考怎么把它扩展成更大的教学工具集。批改只是教学闭环中的一个环节，把整套链路延伸开：作业批改完后，统计分析节点输出的“班级知识点薄弱项”，直接可以触发一个“练习试卷推荐”节点，自动从题库里挑出对应知识点的配套练习题，生成一份新的个性化作业。再往后走，还能在期中考前根据每位学生的历史错题，生成“个人复习清单”。这些都是在已有工作流基础上，增加几个节点就能实现的事。

这套方案的另一个价值在于复用。换个场景，输入从“作业图片”变成“简历文本”，批改节点换成“简历筛选提示词”，统计节点换成“候选人排序”，它就变成了一套招聘场景的简历筛选工作流。工作流编排这种“积木式”架构，优势就在于此：核心的识别、切分、调模型、汇总逻辑都是通用的，要变动的只是提示词和评分标准。

如果你也想搭一套类似的教育类工作流，我的建议是：先找一道最典型的题型跑通最小闭环，比如先只处理数学计算题，把输入到输出的整条链路跑顺，再逐步扩展题型。一开始就想着覆盖所有科目、所有题型，只会把自己陷在提示词调试的无底洞里。把“一个点”做到足够好用，再复制到其他场景，这是我这几个月实践下来最深刻的体会。