夜雨聆风我研发的 AIP-TDA-MAS1.0 已发布：让 AI 真正服务于应用型高校 AI-PBL 教学改革
近日，我研发的 AIP-TDA-MAS1.1-MVP Hub｜AI-PBL教学设计多智能体主控 已发布到扣子商店，欢迎大家访问、体验和交流。
访问地址：
https://www.coze.cn/store/agent/7655312472789975049?bot_id=true&bid=6kfacj4h08g19
这标志着我持续探索的 AIP-TDA-MAS1.0 已经从理论构想、提示词设计、知识库建设、工作流测试，进入到一个可以公开试用的多智能体原型阶段。
AIP-TDA-MAS，全称为 AI-PBL Teaching Design Agent Multi-Agent System，即 AI-PBL教学设计多智能体系统。它不是一个简单的“AI教案生成器”，也不是让 AI 替教师完成教学设计，而是希望构建一个面向应用型高校和高职院校的 AI赋能教学改革系统平台。
它的核心理念是：
以行业真实问题为入口，以 PBL 问题导向学习为底层逻辑，以专业群垂直领域智能体为支撑，以 AI治理和教师审核为边界，让 AI 真正服务于课程改革、教师发展和专业建设。
一、为什么要研发 AIP-TDA-MAS？
近年来，AI 大模型和智能体快速发展，很多教师已经开始使用 AI 写材料、做课件、出题、查资料、改文字。但我越来越强烈地感到：如果 AI 只停留在“提高备课效率”的层面，还远远不够。
对于应用型本科和高职院校来说，真正重要的是：
如何把真实行业痛点转化为课程项目？ 如何把专业课程改造为 AI-PBL 项目化学习单元？ 如何帮助学生在真实问题中学习 AI、应用 AI、反思 AI？ 如何防止学生用 AI 直接找答案、交作业、绕过探究过程？ 如何让教师既用好 AI，又守住教学质量、伦理和治理边界？
因此，我希望研发的不是一个“帮教师写教案”的工具，而是一个能够支持 课程重构、项目设计、过程评价、治理检查和教师审核 的 AI-PBL 教学设计系统。
二、AIP-TDA-MAS1.0 的基本结构
目前完成的 AIP-TDA-MAS1.0，是一个最小可运行版本，即 MVP。
它主要包括三个核心部分：
1. Hub Router｜多智能体主控节点
Hub Router 负责识别教师输入的任务类型，判断用户是要生成 AI-PBL 教学任务，还是要进行治理检查，或者是先生成任务再进行 dry-run 检查。
它相当于整个多智能体系统的“调度中心”。
2. Xiaojiu AI Learning Coach｜小酒AI学习助手
“小酒AI学习助手”是我已经发布并持续迭代的酒店管理垂直领域智能体。它可以围绕酒店管理真实业务场景，生成项目背景、业务痛点、驱动问题、问题任务、学习证据和评价量规。
目前，小酒AI主要聚焦酒店管理及相关课程，例如：
酒店订单取消预测； 酒店在线评论情感分析； 客户分群； 前台服务流程； PMS业务； OTA订单管理； 收益管理； 酒店员工培训等。
3. AI-PBL Governance & Boundary Agent｜治理与边界智能体
这是 AIP-TDA-MAS1.0 中非常重要的一部分。
它负责对 AI-PBL 教学任务草稿进行 Governance Dry-run 治理预检查，重点检查：
Answer Leakage｜答案泄漏； AI Boundary｜AI使用边界； Evidence Completeness｜证据完整性； Rubric Alignment｜量规对齐； Privacy / PII｜隐私与个人信息风险； Teacher Review Required｜教师审核要求。
也就是说，AIP-TDA-MAS 不只是生成教学设计，还要检查这个教学设计是否安全、是否合规、是否符合 PBL 和 AI治理要求。
三、测试案例一：如何将 AI-PBL 应用于实际教学？
我用第一个问题测试系统：
如何将 AI-PBL 教学应用于实际教学中？
智能体的回答并没有停留在抽象概念，而是从酒店管理真实业务场景出发，提出了一个非常典型的 AI-PBL 驱动问题：
面对 OTA 订单取消率持续升高的情况，酒店如何基于历史订单数据识别高取消风险订单，并设计既能减少损失又不损害客户体验的管理策略？
这个回答体现了 AIP-TDA-MAS 的几个特点。
第一，它强调 真实业务场景。AI-PBL 不是为了“学一个算法”而设计项目，而是从真实酒店管理痛点出发，让学生理解为什么要学习数据分析、KNN、决策树、NLP 等 AI 方法。
第二，它强调 结构化问题链。系统会引导教师把一个大问题拆解为若干子问题，例如：
哪些订单特征可能影响取消风险？ 取消率升高会对房态管理和收益预测产生什么影响？ AI 模型的判断是否可靠？ 如果 AI 误判，酒店应如何补救？ 如何兼顾经营收益与客户体验？
第三，它强调 AI使用边界。系统提醒教师：AI 可以辅助学生理解数据、分析特征、模拟方案，但不能直接替学生给出标准答案或最终结论。
第四，它强调 教学闭环。从真实问题导入，到知识缺口发现，再到小组探究、方案展示、反思迭代，形成完整的 AI-PBL 教学流程。
这说明，AIP-TDA-MAS 并不是简单生成一份教案，而是在帮助教师设计一个真实、开放、可探究、可评价、可治理的 AI-PBL 学习单元。
四、测试案例二：如何引导学生进行数据特征分析？
第二个测试问题是：
如何在 AI-PBL 教学中引导学生进行数据特征分析？
这个问题看似技术性很强，但系统的回答特别强调：数据特征分析不能脱离业务场景。
例如，在酒店 OTA 订单取消预测项目中，学生首先要理解每个数据字段背后的业务含义：
lead_time：提前预订天数； deposit_required：是否需要押金； previous_cancel：是否有历史取消记录； customer_type：客户类型； is_holiday：是否节假日； cancellation_status：是否取消。
学生不是机械地把数据丢给 AI 工具，而是要先提出业务假设：
提前预订时间越长，取消风险是否越高？ 需要押金的订单是否更不容易取消？ 有过历史取消记录的客人是否更容易再次取消？ 节假日订单是否更稳定？ 不同客户类型的取消行为是否存在差异？
然后再使用 AI 工具进行辅助分析，如分组统计、可视化、相关性分析、特征比较等。
这一回答很好地体现了我一直强调的一个观点：
AI-PBL 中的 AI，不是替学生得出结论，而是帮助学生更好地提出问题、分析证据、解释现象和反思局限。
在数据特征分析中，系统还特别提醒学生注意：
相关性不等于因果性； 模型结果必须回到业务逻辑中解释； 特征选择可能带来偏见； 预测结果不能作为拒绝客户或区别对待客户的唯一依据； 所有数据应使用模拟或脱敏数据，不得使用真实客户隐私信息。
这就把数据分析、酒店业务、AI工具和伦理治理结合起来了。
五、测试案例三：AI安全、伦理、治理和边界如何嵌入 PBL？
第三个测试问题是：
在 PBL 问题导向课程开发过程中，如何考虑 AI 安全、伦理、治理、边界、隐私等？
这个问题正是我研发 AIP-TDA-MAS 的关键出发点之一。
系统回答中明确提出：
AI 应作为学习脚手架 scaffold，而不是权威 authority。
这句话非常重要。
在 AI-PBL 教学中，AI 可以帮助学生：
理解概念； 扩展思路； 检查逻辑； 生成可视化建议； 提供反思提示； 比较不同方案。
但 AI 不应该：
替学生完成最终答案； 直接给出标准答案； 替学生完成小组讨论； 替教师做最终判断； 处理真实个人隐私信息； 成为唯一决策依据。
系统还强调，所有 AI-PBL 教学任务都应经过 Governance Dry-run 检查。如果出现标准答案泄漏、真实个人信息、隐私风险、AI越界替代学生探究等问题，就需要进行安全改写，严重时应判定为 BLOCK，不允许直接用于课堂。
这正是 AIP-TDA-MAS 区别于普通 AI 教学助手的地方：
它不仅关注“能不能生成”，更关注“能不能安全地用于教学”。
六、AIP-TDA-MAS 的几个核心特点
通过以上三个测试，我认为 AIP-TDA-MAS1.0 已经初步体现出以下特点。
1. 真实场景驱动
系统不是从教材章节出发，而是从行业痛点和真实业务场景出发。例如酒店订单取消、客户投诉、在线评论、客户分群、收益管理等。
这非常适合应用型高校和高职院校的课程改革。
2. PBL问题链支撑
系统强调 Driving Problem 和 Question Tasks，帮助教师从“讲知识点”转向“设计问题链”。
学生不只是完成任务，而是在问题中学习、探究、合作和反思。
3. 专业垂直领域应用
目前的小酒AI以酒店管理为样板，未来还可以扩展到旅游管理、市场营销、人力资源管理、财务会计、工商管理、物流供应链等专业群。
我希望未来形成一个专业群垂直智能体矩阵。
4. AI治理内置
AIP-TDA-MAS 将答案泄漏、AI边界、隐私保护、证据完整性、量规对齐和教师审核内置到教学设计流程中，而不是事后补救。
5. 教师在环
系统所有输出都只是工作草稿 Draft。最终是否使用、如何修改、如何评价，仍然由教师负责。
AI 可以辅助教师，但不能替代教师。
6. 可持续迭代
1.0版完成后，我还将继续推进 2.0 和 3.0 版本建设：
2.0 将重点扩展专业群垂直智能体和 DesignHub 项目库； 3.0 将进一步发展为学校级 AI-PBL 课程改革与专业群建设平台。
七、未来设想：从一个智能体走向一个系统平台
AIP-TDA-MAS1.0 只是第一步。
我的长期设想是：建设一个面向应用型高校和高职院校的 AI赋能教学改革系统平台。
未来它可以服务于：
教师课程设计； AI-PBL教学改革； 专业群建设； 产教融合项目开发； 教师发展培训； 学校教学质量评价； AI教学治理； 教学成果培育。
例如，围绕酒店管理专业群，可以逐步建设：
酒店行业痛点场景库； 酒店管理 AI-PBL 项目库； 酒店管理课程项目包； 教师培训工作坊； 学生学习支持智能体； 企业员工培训智能体； AI治理规则库。
这样，AI 就不再只是一个工具，而会成为应用型高校课程改革和专业群建设的重要基础设施。
八、欢迎大家试用与交流
AIP-TDA-MAS1.1-MVP Hub｜AI-PBL教学设计多智能体主控 已经发布到扣子商店，欢迎大家访问、体验、测试，也欢迎高校教师、教学管理者、AI教育产品开发者、行业企业培训负责人提出建议。
访问地址：
https://www.coze.cn/store/agent/7655312472789975049?bot_id=true&bid=6kfacj4h08g19
如果您对以下问题感兴趣，欢迎与我交流：
AI 如何真正赋能课程改革？ PBL 如何与 AI 深度融合？ 应用型高校如何建设 AI-PBL 项目化课程？ 酒店管理、旅游管理、经管类专业如何开发 AI-PBL 项目？ 教师如何用智能体进行教学设计？ 学校如何构建 AI 教学治理机制？ 如何共同开发专业群垂直领域 AI 教学智能体？
欢迎试用，也欢迎合作交流。
微信号：treeye_1961
