生成式人工智能因其数字孪生、编辑和创作能力，为教育数字化转型开辟了新通道。2025年5月，教育部等九部门发布了《关于加快推进教育数字化的意见》，要求探索大模型与教育教学深度融合。目前，生成式人工智能在高等教育领域取得了广泛应用，但仍表现为自发、零散、低阶的个体实践，缺乏针对特定学科、特定教学场景的垂直模型训练和系统化专业化应用，特别是对中医药学科及其核心课程群的应用实现较少。本文基于河南中医药大学的实践探索，系统总结了人工智能赋能高等教育高质量发展高效能治理的创新做法，为同类院校提供实践经验参考。

依托河南中医药大学的数据资源及前期数据治理成果，构建多模态语料库及“数智仲景”基座，打造中医药学科垂域大模型。在此基础上建设了“医典问对”“i中医”“智医通”“智护通”“仲景通”等智思体，实现中医药学科的智慧教学。大模型赋能中医药学科课程群建设思路如图1所示。

1.建设“数智仲景”基座，打造中医药大模型

依托前期数据治理成果，建成人工智能融合门户。集成大模型引擎与智能体开发工具链，提供算法仓库、算力调度、开源模型部署等核心能力，智能体开发工具链为低代码开发环境，支持师生快速构建教学管理、科研分析等场景的智能应用。构建“数智仲景”基座大模型，该基座采用“开源大模型+垂直领域优化”模式，集成豆包、DeepSeek等开源底座，整合中医、中药等学科核心课程群教学资源，研发出具备答疑解惑、知识归纳、智能分析等功能的垂域模型，建成了“张仲景智能辅助决策系统”、“张仲景机器人”、“COPD研究组”（慢性阻塞性肺疾病研究组）和“隐结构方法学”等中医药学科垂域模型，为教育教学提供智能化支撑。

2.建设多模态语料库，丰富中医药数字资源体系

构建中医药及相关学科的百万级数据量专用语料库，采用继续预训练与指令微调技术，结合检索增强生成技术提升模型时效性；嵌入人类反馈强化学习与多智能体协作对齐技术，确保模型输出符合社会主义核心价值观；建立“新知识注入+增量训练”机制，平衡模型稳定性与知识更新需求。打破传统以文本为主的单一模式，整合与中医药相关的文本、图像、音频、视频、结构化数据、传感器数据等多种模态的信息，构建一个全面、立体、可计算、可关联的数字资源体系。多模态语料库建设包含数据汇聚、数据治理和数据服务三大环节。

（1）扩源提质，数据汇集。通过收集和汇聚医古文、学术论文、新闻报道、自媒体知识等多种来源的数据，覆盖文本、图像、音视频等多种数据类型，基于真实数据、现有模型或者专业知识合成生成数据，丰富数据多样性，实现扩源。提质则强调的是提升数据的质量和准确性，对数据进行去重、格式化、迭代更新、标注、内容监督等深入挖掘和精细化处理，形成包含预训练数据集、指令微调数据集、测试数据集等内容高效可用的多模态语料库，以支持后续数据的深度分析、模型训练，以及数据应用与服务需求。

（2）安全为基，数据治理。在数据治理环节，既要考虑数据汇聚之后的治理，也要基于不同的场景需求，服务于数据运营需求。强调对数据安全、隐私保护和合规性的全面监管，采用先进审核技术、动态策略管理等中间层技术，对“有毒”数据进行拦截与修改，构建“技术+运维+管理”三元语料库安全防护体系，以保证语料库平稳运行。

（3）充分调研，数据服务。在数据服务环节，一方面，积极探索服务内容，语料库除主要提供数据目录、数据共享、数据交换、数据工具等服务内容外，还要加强探索合成数据的建设和应用；另一方面，建立合理的数据运营机制，在明确语料库运营主体之后，基于服务内容，科学设定数据定价机制和收益分配机制。

3.建设多种智思体，创新中医药智慧教学

着力构建四种智思体。一是知识型智思体，聚焦学科知识图谱构建、知识库管理与智能检索（如专业知识问答系统）；二是交互型智思体，基于自然语言处理技术实现教学互动（如智能答疑机器人、虚拟助教）；三是任务型智思体，支持教学流程自动化（如智能作业批改、考试命题系统）；四是工具型智思体，提供专项教学功能的应用型工具（如实验模拟平台、智能教学设计助手）。

自主研发“医典问对”“i中医”“智医通”“智护通”“仲景通”等智思体，聚焦中医药学科需求，集成方剂学、伤寒论、医古文、温病学、药用植物学、中医诊断学、中药炮制学、品掌故话中医、中医内科学、中药分析、中医基础理论、生物化学、金匮要略、中药鉴定学、中药药剂学、中药学、护理学基础、内经选读、中药化学、药理学等核心课程群资源，涵盖数字化教材、教案、题库、视频等全类型素材，构建“智慧助教助学—知识图谱导航—个性学习引擎”三位一体智慧教学体系。

4.建设能力图谱，完善“知识—问题—能力”三级图谱体系

（1）学习能力建设。辅助个性化学习：基于学生个体学术背景、科研兴趣、研究方向等信息，利用人工智能进行智能匹配，帮助学生分析理清所需学习的学科知识范围，提供多元化精准化的课程教材等资源推荐。辅助跨学科学习：解构多学科课程、教材内容，形成跨学科知识图谱和能力图谱；关联不同课程中的共性知识点与习题、教材等资源，使跨学科知识点交叉覆盖，有助于学生直观理解跨学科知识点间的内在联系；基于跨学科知识点的交叉覆盖情况，智能推荐学科相关知识点、课程与学习路径。

（2）教学能力建设。人工智能技术通过多模态学情分析和教学过程画像，可以破解个性化差异带来的学习效率参差不齐、兴趣流失等难题。在知识建构层面，人工智能技术可自动生成知识图谱系统，促进教学内容从教材体系向教学体系转化，为学生提供个性化诊断和精准学习内容推送。在技能培养层面，智能助教的广泛应用可实时反馈、指导学生自主学习，拓宽探索空间，培养学生的创造性思维和问题解决能力。借助人工智能评课、实时学情反馈、课堂分析和学业预警，为教学督导、辅导学生和教师培养提供强有力的数据支撑。

（3）研究能力建设。辅助研究选题：利用人工智能辅助师生确立选题方向，推荐阅读文献。学生可就学术问题、实验平台等在线发起提问，平台智能匹配问题内容与导师研究领域，精准推送。师生互选智能匹配：基于学生选题方向，智能匹配相似科研信息的导师，给出导师和学生的匹配度，智能分析导师所指导过的学生，分析就业去向和发展前景，辅助双向选择。跨学科合作伙伴推荐：基于对教师科研活动及成果的智能分析，赋予教师个性化学术标签；面向跨学科重大科研任务，根据标签智能匹配，为教师推荐科研合作者，辅助跨学科科研攻关团队建立，促进跨学科合作与交流。

1.教育教学模式创新，构建“跨域融通·智思共生”的一流学科教研新范式

创新性提出“智思体+学科群”建设方案。打破传统单一学科壁垒，整合中医药学科核心课程资源，形成跨学科知识体系。通过知识型、交互型、任务型和工具型四类智思体实现智慧教学、案例测试等场景化教学，推动以学科群知识点为向导的教学改革，实现创新教育中“多学科交叉融合”的要求。

依托“数智仲景”基座打通教学管理数据，训练中医药学科大模型，构建“助教助学—知识图谱—个性学习”三位一体智慧教学体系。一是智能助教助学，包括实时答疑、作业批改、图文识别、自主练习、命题测试、知识点强化等功能；二是课程群知识图谱，包括创新“知识点—课程—专业—学科”四级映射，动态展示知识关联网络，辅助薄弱点诊断；三是个性化学习推送，打通教务数据，基于学情画像智能推荐资源与路径。垂域大模型与教务系统信息互通，具备实时学习反馈机制，根据学生个性化数据优化教学内容。通过知识点强化练习功能，即时分析学生薄弱环节并调整教学策略，形成“教学—反馈—优化”闭环，有效提升教学适应性与精准度。

2.科研范式创新，打造“AI赋能·学科交叉”的一流学科科研新形态

以智能挖掘替代假设检验、以多元知识耦合激发智能涌现，人工智能逐步从“辅助工具”转变为“科研主体”，形成人机协同的科研组织模式。跨学科、跨领域的融合将更加紧密，创新的速度和质量将不断提升。利用人工智能技术挖掘和优化中医个体诊疗方案，形成精准病证分型和群体性有效治疗方案，有望彻底解决高质量证据产生能力不足等长期困扰中医临床研究的瓶颈问题。

3.应用实践创新，探索“产教数融·协同共生”的一流学科建设新模式

“数智仲景”基座与智思体功能集成，提前布局智能门户与数据联动基座，整合校内医、教、研资源，构建统一数据平台，实现跨系统协同。集成智能助教、学科群知识图谱构建、个性化学习推送、知识点强化练习等功能，形成一体化教学支持。通过数字基座、垂域大模型和智思体集成，实现教学从标准化到个性化的跃升，具有以学生为中心重塑教育流程的意义。

2025年是智慧教育元年，开辟了中医药教育新纪元。建设面向中医药学科的高质量多模态语料库和垂域大模型，打造功能多样的智思体，能够有效赋能教育高质量发展高效能治理。全面推动人工智能赋能教育改革创新，应充分考虑中医、中药等学科教育的特点和需求，聚焦人工智能助学、助教、助管、助研等应用场景，围绕中医药学科的能力图谱和知识图谱建设、场景开发和语料库建设、垂直领域大模型构建与训练、应用案例建设、对齐与安全、教学产品设计与推广、算力建设与维护多维度全链条研究内容展开建设。不断优化教育数字化转型顶层设计与配套制度的动态协同机制，实现工具理性与教育人文价值的融合共生。（文章来源河南教育信息化）