清华AI技术创新带来校园新体验

随着人工智能技术深度融入高等教育，清华大学率先开启了220余门“AI+课程”全面落地、全功能智能体学伴面向全校试用的教育革新浪潮。本教程将从AI进课堂、智能学习空间、24小时学伴陪跑、学科知识引擎四大模块，带您全面了解这场“智慧、责任、创新”的教育变革。

一、AI进课堂：解锁上课新体验

1. 化工热力学课堂的“人机共生”

在化工系教授卢滇楠主讲的“化工热力学”课堂上，学生与AI学伴比拼解题速度，对比思路差异。2023年秋季学期，清华大学开启了首批8门人工智能赋能教学试点课程，将AI助教系统引入课堂。

2. 大学物理课堂的“隐形桥梁”

物理系副教授魏斌的“大学物理A”课堂上，课前增设“自主提问”环节，同学们向“雨课堂”AI学伴提问，系统自动分析高频问题，教师整理生成“答疑卡”。上课时，魏斌会抛出开放式问题，请同学们用AI快速检索资料并进行现场讨论。课堂从“单向灌输”变为了“思维训练场”。

小提示：AI辅助教学的核心不是替代思考，而是激发思考。教师可参考清华模式，在课前通过AI分析学生问题，课上设计更多开放式讨论，让全员参与思考。

3. 伦理规范：与AI共舞的底线

卢滇楠特别强调AI使用的伦理规范：学生需标注AI辅助内容，作业难度也相应提升。“人类擅长创新，AI擅长执行，我们要培养的是能指挥AI的‘将军’，而非被替代的‘士兵’。”

常见问题

问：用AI写作业会被算作弊吗？

答：在清华，鼓励学生合理使用AI，但必须标注AI辅助内容。作业难度会相应提升，考察的是学生在AI协助下的深度思考与创新能力，而非简单抄写。其他高校可以参考此做法，制定清晰的AI使用规范。

二、打造AI学习空间：场景化重塑教育关系

清华大学推出了内容多样、灵活自主、智能陪伴式学习的AI学习空间，包含虚拟数字人教师、多种智能体，实现“多向互动”的探索旅程。

1. 虚拟数字人教师“苏格拉底式”追问

例如“核辐射物理及探测学”课程中，虚拟数字人教师通过“苏格拉底式”追问引导思考，同时配备“知识小精灵”“知识检测员”等智能体，根据学习进度“量身定制”推送教学视频、文献及习题，形成“学习-检测-拓展”闭环。

2. 数据采集与学习可视化

通过伴随式、无感式数据采集，AI学习空间实现学习过程可视化：教师可通过数据看板调整教学，学生能回溯轨迹、强化薄弱点。

3. 跨校跨域共享

依托学堂在线平台，全国高校3000门慕课已升级为AI学习空间，1.5亿学习者可打破时空限制，在跨文化、跨学科交流中碰撞思维火花。

小提示：学校或机构在搭建AI学习空间时，可以优先选择已经成熟的平台（如学堂在线），避免重复开发；同时注重数据采集的隐私保护，做到“无感化”记录。

常见问题

问：AI学习空间适合哪些学科？

答：目前清华已在核辐射物理、化工、物理等多学科应用，理论上任何学科都可以打造专属AI学习空间。关键是建立高质量的知识图谱和题库，并设计符合学科特点的智能体互动方式。

三、24小时智能助手“清小搭”：助力个性化成长

2024年秋季学期，清华大学为每一位新生配备了AI成长助手“清小搭”，提供24小时在线的智能问答、智能伴学服务。2025年6月升级为全功能智能体学伴，面向全校学生开放试用。

1. 跨专业学习的“秘密武器”

新雅书院2024级本科生林月（化名）在学习“新城市科学”课程时，向“清小搭”提问“如何量化历史街区改造的社会影响？”立刻收获了基于一篇空间计量学文献的分析思路，并在后续问答中得到数据收集框架和可视化模型。

2. 定制学习路径

医学院2024级本科生汪瑞（化名）通过“清小搭”定制了学习路径，AI分析其知识基础和学习志趣，推荐修读“生物统计学基础”课程，更快进入专业学习节奏。

3. 强大功能网络

目前“清小搭”已覆盖10多个学科领域，上线200多个伴学智能体，能够进行深度思考和推理，自动完成网页浏览、信息采集等任务，形成覆盖学业辅导、科研创新、职业规划以及校园生活、成长陪伴等方面的全场景服务网络。截至目前：

• 累计提问人数超7万人
• 提问超过18万次
• 准确率达到98%

小提示：学生使用“清小搭”时，建议从具体问题入手（如“帮我找一篇关于XX的文献”），而非泛泛提问。AI越能理解上下文，给出的回答越精准。同时，不要完全依赖AI，要将其作为思考的起点而非终点。

常见问题

问：“清小搭”只能清华学生用吗？其他学校能用吗？

答：目前“清小搭”是清华大学专属的AI学伴，但类似功能的智能体平台很多（如智谱清言、Kimi等）。其他学校可以通过引入大模型API、自建知识库，打造自己的AI学伴系统。清华的经验可供参考：注重全场景服务、持续迭代、开放多智能体。

四、搭建学科知识引擎：为教育新生态筑基

近两年，清华已建成220余门人工智能赋能教学试点课程，搭建了环境、工业工程、集成电路3个学科知识引擎，“AI原生”教育生态构建如火如荼。

1. 环境学院“AI动态导航系统”

环境学院正在开发的“AI动态导航系统”，将传统分科课程内容压缩重构，学生可根据兴趣自主探索学习路径、规划培养方案。例如系统会为关注“海绵城市”的学生自动关联流体力学、水处理技术等跨学科知识点，形成个性化知识网络。

2. 工业工程系“学术前沿探索智能体”

工业工程系基于国际通用定义和专业积累，形成20万实体知识图谱，通过RAG和多智能体结合的技术，为学生提供学科探索导航，鼓励以问题为导向开展学习。

3. 集成电路学院“芯·智”学习框架

集成电路学院以“101计划”知识图谱为基石，利用大模型及学院18门核心课程、1500万字资料，搭建清华集成电路学科知识图谱，自开发集成电路虚拟工厂，形成“芯·智”学习框架，推动自驱式创新人才培养。

4. “三层解耦”架构支撑

清华全力推进建设“三层解耦”架构：

• 应用层：连接“雨课堂”等平台
• 引擎层：开发专业学科模型
• 模型层：引入智谱清言、Kimi、DeepSeek等大模型支持

这为人工智能融入教育教学全过程提供坚实支撑。

小提示：其他高校或教育机构可以参考“三层解耦”架构：不必自研大模型，直接接入已有大模型（模型层）；重点打造专业学科知识图谱和引擎（引擎层）；再通过现有教学平台（应用层）触达师生。这样投入小、见效快。

常见问题

问：学科知识引擎与普通AI搜索有什么区别？

答：普通AI搜索（如百度、ChatGPT）是通用型，回答可能不精确或缺乏学科体系。而学科知识引擎基于专业的知识图谱和向量化知识库，例如环境学院的引擎能精准关联“海绵城市”与“流体力学”“水处理技术”等跨学科知识点，并动态推荐学习路径。这是“超越课程、超越课堂”的高效学习工具。

总结与未来展望

从知识获取到思维跃迁，从课堂革新到成长引领，清华大学以AI赋能教育教学的探索，已经实现了：

• 课堂互动更密：全员参与思考，师生实时交互
• 个性学习更准：动态导航、定制路径、因材施教
• 知识积累更快：AI辅助检索、生成框架、加速探索

未来，大语言模型将在更多专业领域直接应用，为实现课程、课堂乃至生态的全面突破提供重要支撑。无论是一线教师、教育管理者还是学生，都可以从清华的实践中汲取经验，共同开启“智慧、责任、创新”的AI教育新范式。

⚠️ 重要提醒：使用AI辅助教学时，务必遵守所在机构的伦理规范。合理标注AI生成内容，确保创新性与独立思考不被取代。

—— 本文基于清华大学AI教育实践整理改写 ——

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：清华AI技术创新带来校园新体验要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题