痛点:批改作业,真的占用了老师太多时间
每次批改完数学计算作业,我都得逐题核对、数对了几道、算正确率、再手工登记到表格里。一个班四五十个孩子,一轮下来,大半天就过去了。
更关键的是,错题的规律很难快速看出来:哪个孩子最近总错进退位?哪类题型全班都容易栽?这些问题靠手抄小本本根本追不上。
于是我想:能不能让 AI 帮我「看一眼」作业,就把对错、正确率、错因都整理成一份报告?最好还能按学生、按班级、按时间长期追踪?
就这样,「AI 智能批改小助手」诞生了。
两天,十几次迭代,我把想法变成了能用的工具
从有这个念头到做出第一个能跑通的版本,我用了整整两天。听起来不长,但过程一点不比做一个大项目轻松:
提示词写了 2000 多字,前后迭代了十多版; 从「AI 能不能看懂手写数字」,到「能不能稳定输出 JSON 格式」; 从字段对不上,到接口偶尔超时,再到图片太大传不过去……
几乎每跑通一步,都会遇到下一个坑。但也就是这样一次又一次的调试,整个工具才慢慢成型。
最难的不是让 AI 看懂题,而是让它每次都能稳定、可预期地输出。为此我把提示词拆成了「角色设定 → 识别规则 → 输出格式 → 异常处理」四层,逐步收敛。
它到底能做什么?三句话讲清楚
拍一张照片:学生作业拍下来,系统自动识别每一道题; AI 自动批改:逐题判对错,统计总题数、做对数、正确率,并做简单错因分类; 生成追踪报告:按学生、班级、日期查看正确率趋势,长期记录学习变化。
一句话:拍照 → 批改 → 保存 → 追踪,全流程自动化。
整体是怎么搭起来的?
下面这张图是整个项目的设计概要,从目标到技术架构都列清楚了:

核心思路是:前端用 React + Vite 做界面,后端用 Node.js + Express 接收图片并调用豆包视觉模型做识别,结果写入飞书多维表格长期保存,再用 cpolar 做内网穿透,让手机也能随时访问。
一条作业是怎么被批改的?
四步走完,基本不需要人工干预:

第一步:拍照或上传作业图片 手机端和电脑端都能用,老师随手一拍就能传。
第二步:AI 自动识别与批改 调用火山方舟豆包视觉模型,逐题判断对错,同时给出总题数、做对数、正确率和错因分类。
第三步:选择学生并保存记录 系统把批改结果连同原图一起写入飞书作业记录表,方便以后翻查。
第四步:数据分析与导出 可以按班级、学生、日期筛选,看正确率变化趋势和错因统计,还能导出 CSV。
现在跑得怎么样了?
直接看当前状态:

电脑端 http:正常;手机端 https:正常,可以拍照、保存、查看;固定域名、飞书存储、数据分析全部打通。
也就是说,它已经不是 demo,是一个能日常用起来的小工具了。
对我这样的老师来说,它最实用的地方在哪里?
第一,省时间。 原本要逐题批改、统计、登记,现在拍一张照片就能完成。
第二,有数据。 每个学生的正确率变化、常见错因一目了然,复习和个别辅导更有针对性。
第三,好追踪。 按班级、按学生、按时间维度随时查看,不再依赖记忆和手抄。
第四,零门槛。 手机打开网页就能用,不需要学生下载 App。
写在最后
这个工具的诞生,其实就是一个小小的念头:
「能不能让 AI 帮我省出批改的时间,把精力放回学生身上?」
两天时间,从提示词到接口、从字段调试到页面打磨,虽然一路上坑不少,但看到第一张作业照片被正确批改、第一份报告成功生成的时候,还是挺有成就感的。
如果你也在为批改作业发愁,不妨也试试用 AI 做一个自己的小助手。工具不必很大,能解决一个真实问题,就够了。
本文提到的 AI 批改小助手目前主要面向小学数学计算类作业,后续计划支持更多题型和更细粒度的错因分析。
夜雨聆风