
AI助教平台是北京欧倍尔一直在做的教学助手平台,致力于帮助老师完成知识整合、教学问答、教学实训等一系列可由AI代替的繁琐工作,以此解放教师的大脑和双手去做更有意义和价值的事情。

在AI助教平台中,藏着两个被大家低估的功能,自己搭交互界面和MCP工作流,这两个功能搭配起来完成的效果远超普通问答聊天机器人。


01
可以不止是模板化的聊天框界面
问答AI界面
这是平台最特别的地方:你不只是调一个现成的聊天框,而是可以自己搭交互界面。

1
工作流智能体的界面编排
在工作流智能体的界面编排里,左侧是组件列表,中间是画布,右侧是画布元素的属性。只需要将文本、图片、图标、按钮等组件拖到画布上,调调位置、改改尺寸、配个底色,一个专属的交互页面就出来了。
2
智能体搭配专属UI
用户搭建一个采集录入页面,它就是一个带输入框和提交按钮的表单应用;搭建一个功能导航首页,它就是一个带图标卡片和底部导航栏的入口应用;要做视频展示,就搭一个带封面列表和播放按钮的浏览页面。同一个平台,不同课程、不同场景,出来的界面可以完全不一样。


真实客户案例
图 | 界面编排
以我们真实的客户案例来说,搭建了一个"种质资源采集与查询分析系统",一共三张页面。
首页做功能入口、采集页做特征分析、数据库页做信息入库,整个过程全部拖拽完成,配合工作流逻辑,搭完学生就能直接用,一个老师一个下午就能搭出自己的专属应用UI界面,搭完还可以随时改!
02
界面背后的逻辑,也是拖出来的
工作流的搭建
界面是皮,工作流和MCP是骨!
工作流的作用就是:学生在界面上点一个按钮、提交一条信息,后台能自动按照你预设的链路处理,不用人干预。简单来说,工作流就是搭建的逻辑流程,像一条链条,从头到尾串起来。
工作流的搭建方式也非常简单,全程拖拽。

图 | 高级编排
03
= UI界面+ 工作流
工作流智能体
还是以“种质资源采集与查询分析系统”的数据库录入为例,学生在数据库录入页里写了一段植物的自然语言描述,比如"这种植物叫银杏,是银杏科银杏属,落叶乔木,高度可达20米,叶扇形",然后点提交。接下来发生的事都在工作流里自动跑:
开始节点—判断器
开始节点接收两个字段:学生填的内容question,以及类型type,用于区分学生点击的按钮是植物特征识别还是数据库录入。判断器根据type走不同分支,比如学生点击的按钮是数据库录入。
AI大模型
学生输入的自然描述传给AI大模型,模型按照老师提前写好的提示词,从描述里抽出固定格式的字段:植物名称、科、属、生活周期、植物高度、整体株型形态、叶型、叶质。
AI大模型
然后这条数据被送进"知识库数据添加"节点,自动写入关联的xls数据库模板。写完之后判断器检查isSuccess:添加成功返回"添加成功",失败返回"添加失败",最后结束节点把存储结果反馈给学生。
这就是工作流智能体的完整形态,前面搭好的UI页面给学生用,后台的工作流链路自动跑。整个流程在画布上拖拽:开始节点、判断器、大模型节点、变量更新、知识库添加、结束节点,用线一连,一条链路就串好了。


图 | 种质资源数据库录入工作流
04
N个工作流 = 一个MCP
把多个能力串在一起用
MCP则负责把多个工作流打包成一个服务,放在同一个对话里调用。它不是让用户记住不同入口,而是让AI自己判断用户想问什么,然后走对应的工作流。
比如你可以把"查设备信息"、"获取公司规章制度"、"获取标杆客户"三个工作流,通过MCP打包成一个整体。
用户问"这台设备的操作参数是多少",系统走查设备信息的工作流;问"报销流程怎么走",系统走获取规章制度的工作流;问"有没有和我们情况类似的客户案例",系统走标杆客户工作流。系统自动识别意图,调用对应流程,最后把结果汇总成一条回复返回。
落到教学场景里也是一样:一个对话窗口里可以打包多个工作流。学生不用知道后台有几套流程,他只需要提问,系统自己判断该调用哪一个,然后把答案推回来。

图 | 工作流MCP服务

图 | 工具
05
两者结合,交互式问答才真正有用
UI界面+MCP
单独的工作流没有页面展示使用起来并不方便;单独的自建UI只是一个静态页面,没有智能判断。但把两者接起来:学生问了一个模糊的问题,系统不瞎猜,而是弹出你搭好的引导页面让学生选清楚,选完提交后走MCP里的工作流链路处理,结果通过UI页面原路返回。
举几个实际的场景:
实验课答疑。学生问"实验数据对不上怎么办"——太模糊了,什么实验?哪个环节?偏差多少?系统直接弹出老师提前搭好的引导页面,学生选完"精馏塔实验",填写完"数据处理环节"、"温度偏差超过5%",提交后MCP判断意图、调用对应工作流查知识库,返回针对性的排查方案。

图 | 聊天应用
但有意思的是,同一个对话窗口里MCP打包的工作流不止实验答疑这一个。
比如学生填完引导页面后,追问了一句"这个偏差在理论上是什么原因导致的",MCP判断这个问题超出了实验操作范畴,自动调用"查理论知识点"的工作流,把精馏塔传质原理的相关知识库内容推出来。或者学生问"有没有往届同学碰到过类似问题的实验报告",MCP调用"查往届优秀案例"的工作流,返回对应的参考报告。
甚至学生问了一句"下周想做这个实验,实验室有空吗",MCP直接调用"预约教室"的工作流,弹出预约页面让学生选时间、选实验室编号,提交后自动写入预约记录,不需要学生再跑去教务系统单独操作。

图 | 实验室查询

图 | 实验室预约
这才是UI+MCP结合的意义:自建UI界面解决了"怎么让学生方便地输入和查看",MCP解决了"怎么让一个对话窗口覆盖多种能力"。两者一接,问答就从"问一句回一句文字"变成了"弹页面、填表单、看视频、查案例"的完整交互体验。
06
不想搭界面?
问答智能体也能解决问题
上面说的是工作流智能体,适合需要自建交互界面的场景。如果你的需求不需要特殊的UI,比如就想搭一个专门回答课程问题的AI,也有更简单的选择:问答智能体。
配一个开场白"你好,我是精馏塔工艺助手,可以问我操作参数、故障处理等问题",绑一个知识库,调一下检索参数,就能用了。
学生问"塔底液位一直降怎么回事",系统自动去知识库里匹配故障排查方案,返回专业答案,还能把对应知识库里的文件和资源一起推送出来,学生不只是看到一段文字回复,还能直接打开相关的操作手册PDF或者查看具体的参数表格。

图 | 精馏工艺助手

图 | 界面预览
07
所有能力的底层支撑
知识库
前面提到的工作流、问答智能体,背后都靠它撑着。Word、PDF、PPT、视频、3D模型都能往上丢。视频传上去会自动出字幕、按主题分段、生成思维导图。3D模型可以在线旋转缩放预览。
但知识库本身不是卖点,真正有意思的是:知识库里的东西被前面的工作流和问答智能体吃进去之后,能变成学生随时可查、可交互的知识服务。

图 | 文件导入

图 | 视频解析

图 | 思维导图

AI助教不止是"问一句回一句"的聊天机器人。当能自己搭界面、自己串工作流、多个能力打包进同一个对话窗口,出来的东西就不一样了。每个课程有自己的样子,每个学生的问题有自己的处理路径,而不是千篇一律的问答模板。
如果你也在做类似的事情,或者想看看实际效果,欢迎联系我们,我们可以聊聊。

北京欧倍尔提供
智慧实验室 建设、升级 全流程解决方案
联系我们 获取一站式建设方案


推荐阅读 了解更多




夜雨聆风