期末出成绩
多系统数据分散，期末集中汇总与诊断——大量人工整理校验，教学问题难以及时呈现给管理层。
客户真实场景
校领导与教务最头疼的时刻
督导评估
指标散落各部门，跨系统汇总靠催报；缺口临检才暴露，整改窗口被压缩。
排课季
教师、教室、课程约束复杂，人工排冲突耗时长，错排漏排影响开学秩序与师生满意度。
课后答疑
教师难以覆盖全部即时问题，共性薄弱点往往要等到大考后才被看见。
课题申报
文献与案例搜集挤占研究设计时间，申报材料质量与进度双承压。
好教案去哪了
优质教案与课题成果在个人电脑上，人走经验走，学校资产无法复用。
解决方案
对准学校痛点的可落地场景
覆盖教务、教研与教育管理：对接校内系统后即可试点，先跑通一个场景再扩展。
查看全部业务场景·3 个分组 · 10 个场景
查看全部业务场景收起
教务管理
考试成绩分析
对接学校现有成绩系统后，可自动获取考试数据。除了生成常规统计结果，还支持从班级、学科、知识点等多个维度分析教学情况，辅助发现影响教学质量的问题。支持逐级追溯至班级、学生、试题等原始数据（依据学校已接入系统能力）。教务人员无需重复整理 Excel，即可快速获得支持教学分析与质量诊断的数据结果。
督导评估管理
督导评估的压力不在于最终的检查，而在于检查前的信息盲区——各指标的数据散落在不同部门，达标状况不透明，问题往往在临近节点才暴露。Fellow持续对接校内各业务系统，自动汇总教务、教学、教研等系统相关数据，与督导指标逐项对照分析，以看板形式呈现当前完成情况、缺失数据及重点改进项。将督导迎检由阶段性准备转变为常态化的数据治理。
排课冲突检测
对接教师、教室、课程等基础数据后，自动识别教师、教室、课程等资源之间的冲突关系，输出调整建议。经教务人员确认后生成建议课表，发布前保留人工审核环节。学期中临时调课，可根据调整需求快速生成可选方案。
客户获得的结果
试点跑通后，学校拿到什么
把已经存在的成绩、教案、制度与流程，变成能持续复用的校本生产力——而不是又多一套闲置系统。
关键节点少加班
期末、迎检、排课等高峰期减少重复整理，教务与骨干教师回归教学与管理。
管理看得见
打通已有系统形成可下钻的分析与看板，问题提前暴露、改进有依据。
校本知识留得住
教案、课题、制度与案例可检索复用，人走经验不丢。
资产持续增值
成功路径沉淀为 Skills，越用越稳，新教师上手更快。
数据与合规可控
私有化部署，数据留校，权限与全流程审计可满足督导与档案要求。
决策更快更准
管理者更早掌握教学质量与运行状况，支撑日常管理与专项改进。
不替代老师，不推倒教务系统——让学校把时间花在教学与决策上，而不是拼表与催报。
系统打通
不换系统，也能把智能化接到生产流程
保留 ERP、CRM、HIS、OA 等既有系统——通过统一 AI 网关接入模型 API、MCP 工具与企业 REST 接口，在授权边界内读数据、调能力，形成一个可审计的智能化入口。
L1–L4 自下而上升级，L5 安全与治理贯穿全栈
智能化升级路径（自下而上）
L4价值产出层
接到现有数据与业务接口
连接已有系统与数据库，Agent 基于真实业务上下文决策与执行，而不是空转聊天。
一个入口覆盖检索、分析、撰写与执行
员工少在多系统间切换；复杂任务自动编排后端能力，交付物可直接进入审批或归档。
把沉睡数据变成可交付资产
报表、文档与接口数据变成可问答、可分析、可复用的成果，并沉淀为 Skills 与团队记忆。
L3智能能力层
对接已有系统
直连教务、教学、教研、德育、后勤等校内业务系统，在授权边界内读取数据与调用能力。
多智能体协同
长任务自动拆解，子智能体并行检索、分析与撰写，统一交付可用成果。
沙箱与可交付物
学生实操与数据分析在隔离沙箱完成，教案、报告、看板等成果可直接导出使用。
L2集成接入层
统一模型 API 网关
OpenAI 兼容 /chat/completions 接口，100+ 模型统一路由、负载均衡与 Fallback，切换提供商无需改代码。
MCP 工具网关
注册 ERP、CRM、数据库等 MCP 服务；REST 与 JSON-RPC 直连调用企业工具，权限白名单与调用审计同一套管控。
Virtual Key 与配额
按用户/团队发放虚拟密钥，预算、用量与限流集中追踪；Guardrails 在接入层统一拦截敏感调用。
L1业务系统层
教务与教学系统
对接教务、选课、成绩、课表等系统，Agent 直接读取业务上下文生成分析与报表。
教研与知识资源
接入校本资源库、数字图书馆与课题成果，备课与科研检索在同一入口完成。
智慧校园数据平台
汇总教务、德育、后勤、财务等指标，支撑督导看板、驾驶舱与决策分析。
L5安全与治理
部署方式
支持校内私有化部署，试点可与生产系统隔离，后续可迁移至统一信息化平台。
合规与权限
按院系/角色隔离权限，学籍与科研等敏感数据访问可审计、可追溯。
过程可观测
任务步骤、引用来源与产出文件全程记录，满足督导复核与档案管理要求。
落地路径
如何用最小成本验证价值
Fellow建议：选一个学期内能算清账的痛点试点 → 形成稳定闭环 → 再扩展到相邻业务，避免大而全改造。
第一步
选一个能算账的痛点
优先选数据基础好、结果可量化（少加班、少返工、更快出报告）的场景，例如：
- 单次考试成绩分析与质量报告
- 年级/学科教学质量快照
- 基础统计与报表自动生成
第二步
跑通闭环，证明能用
接入必要数据后持续使用，把人工整理变成可复用流程，例如：
- 砍掉重复 Excel 整理工时
- 质量分析会可直接用产出
- 同一标准下提高分析频率
第三步
扩展到相邻业务
单点稳定后再扩展，例如：
- 成绩分析 → 教学改进支持
- 教务统计 → 督导评估辅助
- 数据分析 → 校级驾驶舱
试点怎么部署
试点通常部署在信息中心指定的测试环境或独立服务器，与生产隔离、统一管控；验证后再迁入校内统一平台。支持对接现有业务系统，具备权限控制与日志审计。
选型对比
为什么学校选择 Fellow
校领导与信息中心通常只问三件事：数据能否留校？能否接上现有教务系统？能不能在一个学期场景里证明省时、少返工？
| 能力维度 | 个人 AI 助手 | 通用智能体平台 | Fellow |
|---|---|---|---|
| 教育行业场景内置 | |||
| 数据留在校内服务器 | |||
| 直连学校已有教务/教学/教育系统 | |||
| 多智能体自动协同完成任务 | |||
| 完成部署与数据接入后即可使用 | |||
| 学校的教案、课题、流程可沉淀复用 | |||
| 每一步操作可追溯可审计 |
个人 AI 助手（Kimi、ChatGPT、WorkBuddy）
适合个人写教案提效，但难接校内系统、难满足学籍等敏感数据不出校与审计要求。
通用智能体平台（Coze、Dify、HiAgent）
提供搭建工具，教育场景、系统对接与治理仍需学校自建——从试点到可用周期长。
Fellow
部署在校内，对接已有系统；教务、教研、教育管理场景已预置，先用一个高频场景验证价值再扩展。