当大模型走向教育现场：基于 OpenClaw 为班主任定制 AI 助理的实践与思考

1、家里的班主任工作忙，恰逢春节期间 OpenClaw 应用落地大爆发，我决定做点什么

家有一位可爱的人民教师，目前正担任初中班主任，上过学的朋友都知道，这是一项富有挑战的工作。张老师工作尽职尽责，除了照看几十个活泼的孩子，还要在各种群、多个表格中来回穿梭，做成绩分析、量化统分，以及字斟句酌地做家校沟通，每周还有一些突发小情况要去处理。我的语言比较苍白，相信同行更能理解其中的付出。

在前面动手摸了一遍 OpenClaw 部署后，我基本上搞清楚了它的能力和场景，我发现班主任这个角色，实际上非常需要一个 AI 助理，作为其得力助手（副班主任），时刻就绪帮忙。我决定基于 OpenClaw 框架，为她打造一个能打通数据孤岛、拥有教育专业度、且能自主运行的班主任助理——“班小智”。接下来我做了几件我认为非常关键的事情：

• 基于张老师班级管理和教育理念的深度访谈。通过这个产出，来构建 AI 助理的价值观、教育理念、经验技能等。
• 数据清洗，数据库与知识库的搭建。给 AI 助理高质量的数据，以便更加高效、个性化的协助管理班级。
• 加固服务器的信息安全配置，数据安全很重要。

下面请听我细细道来。

2、架构哲学：让技术迁就业务，而非业务适应技术

有了前面折腾 OpenClaw 的经验，这次在技术上轻车熟路，还是简单介绍下系统架构。

买一台 Mac mini 大可不必，服务器选择租用云电脑。本次选择了腾讯云的轻量应用服务器，一键部署 OpenClaw，支持快速接入企业微信、QQ、钉钉、飞书四大国内主流IM（非广告），4核4G 3M配置，79/年，性价比拉满。当然这里不包括日常大模型 API 调用费。大模型选择 Kimi，对比几家后觉得稳定、质量高。

数据方面，采取冷、热数据分离设计。

热数据在飞书多维表格：考勤、纪律等高频碎片数据，保持张老师用手机“随手记”的习惯，通过 OpenClaw 打通飞书多维表格，实现 AI 对数据的完美读取，这里 OpenClaw 的权限是只读，不能修改热数据，保证数据一致和安全。

冷数据在本地（SQLite）。班级基础信息、历次大考成绩等，沉淀在本地数据库，保证数据安全。

另外，原来的原始数据存在碎片、关联性不强、不一致、数据重复等常见的问题，如果直接使用会有问题，所以在数据结构设计和数据清理上，我花了一些时间整理。磨刀不误砍柴工，何况清洗数据的过程也可以让 AI 来帮忙，最终整理的数据结构如下：

3、 给 AI 助理注入灵魂：通过 Skills 实现教育理念的具象化

技术架构搞好后，现在到了最核心的部分：定义这个 AI 助理（我取名为“班小智”），这个过程没什么玄学，就是扎扎实实把几个所谓的文本文件写清楚就行了，不过这里需要深度思考，这也是我前面访谈张老师的原因。如果你是某个行业老手，或许你已经有自己这方面的积累了，因为最好的 Prompt（提示词）工程，其实就是对垂直行业 Know-how 的深度萃取。

OpenClaw 这几个 md 文件，就是所谓的 AI Skills 的核心组成

展示其中一个 Skill 文件： IDENTITY.md

把这些定义清楚后，再结合之前的数据连通能力，“班小智”的回答质量就有了质的飞跃。如果要系统性地学习如何撰写 Skills，可以参考我之前的文章如何构建跨平台可移植的 AI Skills

4、AI 助理成果展示：这里无须多言，直接上图

（数据人为构造做功能演示用，非真实数据）

联合多次考试，分析成绩，给出重点工作建议

考勤分析（联动飞书多维表格）

根据需求，制作家长会的幻灯片/邀请函等，拿到初稿后老师负责精细打磨

为2月份的学生制作生日贺卡，打包后发给我

所谓的开学前“收心提醒”，虽然我以前认为没什么用😄

实际例子还有很多，就不多举例了，使用过程中如果有非常惊艳的进化，有时间的话我再来分享。

5、一些思考与觉醒

折腾完这套系统，我脑海里涌现出一些对未来的推演：

• “超级个体”的私人专家团队：未来的知识工作者不再需要去痛苦地适应臃肿的通用软件。借助 Agent 框架，每个人、每个组织，都能搭建完全贴合自己工作流的“私人专家团队”。
• LUI（自然语言界面）的全面爆发。AI 也让命令行工具变得更智能，CLI 交互将迎来新的机会。一句话指令，AI 就能自动跨表查询、关联、生成 PPT 甚至发送邮件。这次用 OpenClaw 非常快速的打通了飞书多维表格，这和飞书的开放性以及 AI 原生属性有着莫大的关系，这也提醒了产品创造者：产品除了给人用，必须非常方便地给 AI 用（如 API 化、无显示器），这是必然的趋势。
• 教育的终极回归：AI 越强大，教育中“人”的价值就越凸显。当算分、排版此类低价值工作被 AI 代劳后，老师省下的时间，将更多投入到真正的“育人”之中。毕竟，孩子们未来要从事的岗位，或许现在还没被发明出来。
• AI 架构师的黄金时代：未来，既精通业务能深挖需求、又懂 AI、还能解决工程问题的“AI 布道者（架构师）”将极度稀缺。
• 管理学重构：当 AI 作为“硅基生命”加入团队，领导力、企业管理等传统学科将被重写。我又翻了翻书柜里的《领导力》，显然，作者当年并没考虑过如何领导不知疲倦的 AI 去达成目标，有点意思。
• 更大的安全挑战：AI Agent 的爆发必将带来海量安全问题。我曾尝试让 OpenClaw 直接控制家里的打印机打印文件，打印机自动运转那一刻，惊艳之余，我也感受到了一丝微妙的后背发凉——从物理安全到数据安全，考验才刚刚开始。

我们现在唯一能做的，就是拥抱 AI，并全力以赴保证组织和个人处于 AI Ready 的状态。而这除了观念的转变，更需要时刻践行三件事：成熟且不断进化的核心业务流程、高质量的私有知识库、以及持续的数据治理。

祝大家，开工快乐！

【风险提示】

API 密钥安全：所有大模型 API Key 请严格保管，禁止直接暴露在公开代码、第三方镜像中，避免泄露导致恶意扣费；建议给 API Key 设置单日消费上限，开通扣费提醒，从源头控制风险。

权限管控原则：给 OpenClaw 开放权限时，严格遵循「最小权限原则」：本地执行仅开放必需的文件夹权限，避免开放全盘读写权限；IM 接入仅开通必需的消息、事件权限，禁止盲目开通全量权限，避免数据泄露或恶意操作风险。

执行风险兜底：新手测试时，优先在云电脑 / 虚拟机中运行，不要直接在主力电脑上开放高权限，避免 AI 执行误操作（如删除文件、修改系统配置）导致不可逆的损失；建议先从低风险任务（如日程管理、邮件撰写）开始测试，验证稳定性后再逐步开放更高权限。