AI 批改的终点不是打分，是把每道题的错因汇成一张学情表

摘要：

试题批改 Agent 返回的字段里，正误、错误类型、知识点与错误坐标比分数更值得用；学情表并不在返回结果里，而要由集成层基于这些字段汇成，聚合的维度决定了它能不能用。按题计费意味着成本随题量走，采购前要先估年用量。

一、分数之外的增量：批改留下了什么数据

一份试卷批完，先被看见的结果是分数。但从教学场景的实际使用来看，分数的增量价值有限——学生知道分数，教师也知道分数，这个数字在被算出来之后，能支撑的决策并不多。

真正影响下一步教学的是什么？是班上多少人错在同一道题、错误集中在哪个类型、涉及哪个知识点、错误发生在解题的哪一步。有了这四类信息，教师才能决定下一节课是重讲概念、还是补练计算、还是只针对几个人单独辅导。而这些信息，恰恰是纯人工批改很难顺手系统化产出的部分——人工能批对，但很难在批对的同时把所有错因按知识点累计成一张表。

所以评估一套 AI 批改方案时，值得看的不是"它能不能判对错、打多少分"，而是"它批完之后有没有留下可继续计算的数据"。分数是终点还是起点，决定了这套系统到底只是把人工抄分变成了机器抄分，还是真的减少了后续工作量。

把定位落到具体能力上：试题批改 Agent 面向 K12 全学科（语、数、英），支持单题或整卷的一键上传，自动完成切题、识别、批改、回显的全流程，并输出一批可以继续往下计算的字段。

二、批改返回的字段有哪些

2.1 正误与得分：能直接用的部分

一道题批完，先拿到的判断是正误，以及对应的得分。这两个字段的作用是替代人工判卷中重复度很高的那部分动作——客观题逐题对答案。它们可以直接用于出分、统计平均分和及格率，也是教师快速掌握整体情况的一个入口。

判断质量方面，批改准确率为 89% 以上，切题准确率为 90% 以上，坐标准确率为 91% 以上。这几个数字对应三层不同的能力：切题决定一道题有没有被完整地框出来，批改决定判分对不对，坐标决定结论能不能精确落到卷面位置。

2.2 错误类型与知识点：能用于归因的部分

比正误更有价值的，是错误类型与知识点。批改还支持答案解析，也就是说，一次批改除了知道"这题错了"，还能知道"错在哪一类"、"属于哪个知识点"。

这就是错因汇总的原始材料。错误类型回答的是"怎么错的"，知识点回答的是"错在什么内容上"。前者用来判断是计算粗心、概念混淆还是理解偏差，后者用来判断是某个章节整体薄弱，还是只有个别知识点没掌握。两类信息交叉之后，才能区分"全班都需要重讲"和"个别学生需要加练"。

2.3 错误坐标：能把结论钉回卷面的部分

错误坐标解决的是另一类问题：教师想看到的不是一行结论，而是原来那张卷面上、学生写的那一步到底错在哪。批改结果可以高亮显示错误步骤位置，靠的就是坐标。

坐标在集成层的实际用法有两种。一是复核，教师点开某个学生的批改结果，直接在原卷图上看到被标出的错误位置，判断这个错误类型下得对不对。二是回显，把原卷、批注、得分叠在同一个视图里展示给学生或家长，比只给一个分数更容易被理解。没有坐标，结论只能以文字列表的形式呈现，"第 3 步算错"这句话对学生来说是抽象的。

三、从字段到学情表：集成层要做什么

学情表并不是在返回结果里现成给出的，而是要基于上一节那些字段在集成层汇成。把这一步想明白，才不会在选型和对接时提错需求。

集成层要做的第一件事是建立题目 ID 与知识点标签的映射。批改返回的是题目维度的信息，而教学决策需要的是知识点维度的视图，中间必须有一层题库数据把题目 ID 翻成知识点，这一步的质量直接决定学情表能不能用。

第二件事是按维度聚合。学生维度看个人错题分布，班级维度看同一知识点的正确率，时间维度看某个知识点连续几次考试的走势。这些聚合都不是一次调用能算出来的，需要把多份批改结果按同一套标签体系累计起来。

第三件事是把异步任务的工程部分补齐。试题批改 Agent 采用异步任务模式，提交任务走 SubmitQuestionMarkAgentJob、查询任务走 DescribeQuestionMarkAgentJob。集成层因此需要维护一张任务表：记录每次提交的 JobId、处理状态与对应的学生和试卷，再按状态轮询取回结果。并发限制为 10 张/分钟，批量批改需要做提交排队，否则请求会积压。

第四件事是把坐标用起来。除了在原卷上高亮，坐标还可以用来还原学生的作答区域，把错题按原始版式重排成个性化的错题集，让学生看到的是自己做错的那道原题，而不是一段被抄录出来的文字。

四、按题计费怎么算账

试题批改 Agent 的计量单位是"题"，不是"次"。这一点对成本结构影响很大：一张试卷有多道题，上传一次却会计多次费用。采购前要先按"人均题数 × 份数"估出题量，而不是按上传次数估。

免费额度方面，试题批改 Agent 为 1000 题/用户，首次开通服务时一次性发放，有效期 1 年。资源包同样为 1 年有效期，1 年内未使用完的题数会过期作废。

把题量代进去算一遍。一个 40 人的班级、每人一份 20 题的试卷，一次批改是 800 题，后付费为 120 元。如果每周批改一次，一个月按 4 次计是 3200 题，后付费 480 元；按这个节奏走满一年约 38400 题，后付费口径为 5760 元。同样这个量，按年采购 4 个 1 万题档（共 4 万题）需要 4400 元，折算下来低于按量付费；若为了凑量拆成更小的档位，折算单价会一路走高。所以要不要买包，不能只看包的绝对价格，而要把年用量先估出来，看它能对上哪一档、又会不会用不完。用量还在爬坡、年用量尚不确定时，先用后付费把真实题量跑出来更稳妥。

五、教师复核的位置

最后回到流程里教师的位置。批改结果用于错因汇总和精准教学，不能替代教师对学生学业的最终评价，这既是教育场景一贯的应用口径，也是实际落地中必须保留的环节。

复核可以落在三个具体动作上。一是判定的合理性：错误类型的归因是否符合这道题的实际情况，尤其是同一道题存在多种解法、或者学生用了非标准但正确的思路时。二是主观题的评分：客观题的正误判定相对确定，涉及过程表达、推理完整性的部分仍需教师判断。三是最终认定：进入成绩册、评语、家长沟通的结论，应当由教师确认后再使用。

从工作流看，合理的顺序是先看聚合视图定位薄弱知识点，再抽样点开几份原卷、借助坐标回显核对批改结果，最后确认需要重讲或加练的范围。数据承担的是"把全班错因先归拢起来"的工作量，教师承担的是"判断这份归拢对不对、接下来怎么教"的判断。两者分工清楚，减负才成立。

六、总结

批改的终点不是一次考试的分数，而是把每道题的错因沉淀成可继续计算的数据。当批改结果能被稳定拿到并持续累计，学情分析才从一次性的报表变成日常可用的工具。

如果正在评估落地节奏，不妨先用试题批改 Agent 首次开通即发放的 1000 题免费额度（一年内有效）拿一批真实试卷跑一轮，把错因字段的沉淀链路验证一遍，再比照年用量决定采购形态。确认要放量之后，可对照 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，按实际题量逐档测算更划算。