AI 批改用不起来，问题往往不在模型，在流程没拆开

摘要：

AI 批改用不起来，症结往往不在模型能力，而在采集、批改、复核、反馈四个环节没拆清。试题批改 Agent 覆盖 K12 语数英整卷批改，返回正误、知识点与错误坐标，但教师复核这一步不能省。

一、投入不小却用不起来，问题往往不在模型

教育信息化项目里，"批改系统上线了但用不起来"是常见的结局。这类投入主要花在模型能力上，但复盘下来，卡点几乎从来不在模型本身，而在一个更基础的地方：整条批改流程没有被拆开设计。

很多团队把 AI 批改理解成一个动作——把作业或试卷放进去，分数出来。但真实的批改工作流至少包含四个环节：材料怎么进系统（采集）、系统怎么判（批改）、谁对结果负责（复核）、结果怎么用（反馈）。这四个环节里，AI 只承担其中一段，其余三段需要流程设计来承接。

一旦把四个环节压成一个"上传—出分"的黑箱，就会出现典型的失败形态：扫描质量不稳定导致题面缺字，老师不信任批改结果又回到全人工，批改完的数据堆在系统里没有被用在教学上。投入换来的不是减负，而是新增了一套需要维护的系统。

二、四个环节，各自该做什么

腾讯云试题批改 Agent 的定位是 K12 全学科（语、数、英）智能批改解决方案，支持单题 / 整卷一键上传，自动完成切题、识别、批改、回显全流程，输出正误、得分、知识点及错误坐标。它承担的是"批改"这一段，其余三段需要在此基础上设计。

2.1 采集：决定后续所有环节的上限

采集环节的核心目标是让题面完整、清晰地进入系统。这一环出问题，后面全部失效——缺了半个题干的题，模型再准也判不出来。

采集侧的规范应当明确到可执行：拍摄角度、光照、是否折叠、单页题量上限。整卷上传时还需注意，一张试卷有多道题，按题计费模式下题量直接决定成本，采集阶段就应当确定"按整卷传"还是"按题传"。

2.2 批改：先放标准答案明确的题型

批改环节要做的不是"全量交给 AI"，而是按题型分层。客观题与标准答案明确的题型，自动批改的确定性好，应优先纳入；开放性作答、作文、艺术作品这类需要价值判断的内容，政策边界非常明确。

《教师生成式人工智能应用指引（第一版）》划定了一条红线：教师不得将生成式人工智能对作文、艺术作品、开放性作业等的自动批改结果作为学生最终评价予以直接使用。这条规定不是限制技术应用，而是明确了人机分工——AI 承担机械性、重复性的判断，教师保留评价的主导权。

试题批改 Agent 在这条链路上的表现为：批改准确率 89%+、切题准确率 90%+、坐标准确率 91%+。这些数字应当被当作流程设计的输入参数——89%+ 的批改准确率意味着仍需复核机制兜底，而不是"可以完全放开"的信号。

2.3 复核：教师主导，且要设计得省力

复核是四个环节里最容易被忽略、也最决定成败的一环。设计得当，教师的工作从"逐题批改"变成"确认式复核"；设计不当，教师既要看 AI 结果又要自己重判，负担反而增加。

复核环节要省力的关键是让可疑项浮到前面。试题批改 Agent 会返回正误与错误类型，并支持将错误坐标高亮显示错误步骤位置——教师可以直接定位到出错的那一步，而不是重读整道题。复核的对象是明确的点，工作量就可控了。

同时要把复核的责任边界写进制度：AI 给出的分数是过程性参考，最终评价由教师确认后给出。这既符合政策要求，也让教师在流程里有明确的位置。

2.4 反馈：从分数到错因，数据才产生价值

第四个环节决定这套系统能不能长期用下去。批改数据如果只停留在"分数"，教师与学生的使用动力都会衰减；真正有价值的是错因与知识点维度。

批改结果里带回来的题目 ID、正误、错误类型与知识点等字段，正是这一环的原料：把同一知识点下的正误按班级聚合、把错误类型按题目聚合，就能得到班级薄弱点分布与个体错题轨迹，反馈环节拿到的是可行动的结论，而不是一串数字。

三、并发与成本：批量批改前要算的两笔账

批量批改场景有两个硬约束，必须在立项阶段算清楚。

第一笔是并发。 试题批改 Agent 的提交与查询接口（SubmitQuestionMarkAgentJob、DescribeQuestionMarkAgentJob）并发限制均为 10 张/分钟，按这个速率，600 份试卷需要连续排满一小时才能提交完。一个年级的批量批改因此必须按队列排队，不能按"一键全部完成"来设计。排课与作业节奏要与此匹配，例如把扫描与上传分散到课后时段，而不是集中在课前半小时；同时要给重试留出余量，提交失败的任务重试时会重新占用并发名额，排程时要留出这部分余量。

第二笔是计费。 试题批改 Agent 按题计费，一张试卷有多道题将计多次费用。测算时应以"整卷平均题量 × 月度批改份数"为基数，而不是按试卷份数估算——这是按题计费与按次计费最容易算错的地方：同样是一次月考，按份数估和按题数估，结果能差出一个数量级。各档价格见下表，试用阶段建议先按后付费单价代入自己的真实题量算一遍，再决定要不要买资源包。

四、先用免费额度跑通，再谈规模

规格里还有一项对试点最有用：首次开通即可获得的免费额度。这份额度足够支撑一次完整的四环节验证：选一个班级、一类题型，跑完采集到反馈的整条链路，统计每个环节的实际损耗——采集退回率、批改准确率、复核耗时、反馈是否被教师使用。

这四个数字拿到手之后，再决定要不要扩大范围，比先采购再试错稳妥得多。试题批改 Agent 已在启鸣达人、高途等客户的业务中落地，说明这条链路在真实教学场景里是可运行的，但落到具体学校，仍需用自己的真实试卷验证一遍。

五、总结

AI 批改用不起来，多数不是技术选型错了，而是把"批改"这一个动作当成了整条工作流。采集定上限、批改分层级、复核明责任、反馈出结论——四段各自站稳，系统才可能真正被教师用起来，减负也才是可验证的结果，而不是一句承诺。

启动试点的最小单位是一个班级加一类题型，观察周期建议不少于一个月，把第四节那四项环节损耗数据记下来，再谈规模。成本同样可以先算：把整卷平均题量、班级人数与月度考试次数代进去，乘以后付费 0.15 元/题，试用期的量级就有了。验证的起点可以很小——先用试题批改 Agent 首次开通即发放的 1000 题免费额度（一年内有效），把一个班级、一类题型的批改链路完整跑通，再看那四项环节损耗数据。确认要放量之后，再对照 文档智能特惠活动 的折扣档位：试题批改 Agent 新用户首单低至 1 折、老用户下单低至 6 折，按题量选规格更划算。