北大通知：开放多项AI应用

从DeepSeek到Manus

AI频频刷屏

也一次次刷新大众对技术的想象

面对新一轮科技浪潮

在北大， 从教职工到在校同学

如何应对、融合与运用的呢？

3月13日

北京大学计算中心发布通知

北大本地化部署的

deepseek满血版R1和V3

已深度适配教学应用场景

向校内多项人工智能应用

北大问学、AIMD、化小北、金融AI助教

提供服务

这些应用有何特别处？

和小北一起来看看

（后台回复关键词“北大AI”

可领取北大出品的Deepseek使用指南一份）

已上线多月，深受师生好评的“北大问学”，由 北京国际数学研究中心董彬教授团队发起、 北京大学教师教学发展中心参与打造。这款AI辅助教学系统不仅是北大学子的24小时智能答疑助手，更是高校智能教育的一次大胆探索。

△“北大问学”界面展示

早在“北大问学”诞生前，学生资助中心指导下的SDS“问吧”答疑群已是北大学生的常用学习交流的地方。群内同学们可以直接向助教提问，甚至发起学术讨论。然而，实际运行中，答疑群的“沉默大多数”现象十分普遍。 有些同学因为“提问羞耻”等原因，选择不发言，而是默默刷群里的历史记录， 与此同时，助教的时间精力有限，遇到考试周问题激增时，许多消息一不注意就刷过去了，没法兼顾，此时同学们也难以快速找到自己需要的解答。这一现象让教发中心和学生资助中心的老师思考：能否研发一个24小时在线的助教呢？带着这样的设想，团队开始构思“北大问学”，不久之后，第一版系统正式上线。

“北大问学”的面向同学们的核心功能包括MathCopilot、数学习题课、代码抓虫、代码精讲等多个模块，但其中最受欢迎的，莫过于“数学习题课”。 在这个模块中，北大数学相关公共课程的习题，大多已经录入了系统，学生只需选择对应的题目，系统便会给出解题思路，但答案不会直接呈现，而是按步骤逐步解锁。每一步的答案只有在学生做对后，才会显示下一步解析，确保真正理解，而非“照抄答案”。这样的方式模拟了真实的助教教学，使学生在互动过程中掌握解题逻辑。

△呈现解题步骤的“数学习题课”

此外， “数学习题课”是全国高校首例采用“AI+人工校对”的智能习题辅导系统。

最初，团队的目标很明确：先从高等数学 C 课程入手，试点推广，再逐步扩展到其他学科。 高等数学C考试前五天上线系统，令人惊喜的是，在短短五天内，便有近300名学生使用，占选课总人数的三分之一。目前，问学平台已经覆盖了数学分析、线性代数、概率统计等本学期所有数学基础课程，供本科生使用。

这一反馈让团队信心倍增，决定扩展至大学物理、大学化学、计算机等其他基础学科，并计划进一步优化AI学习能力，使其能更智能地匹配学生学习节奏，提供个性化答疑。

对于任课老师来说，“北大问学”也提供了高效的支持。在数学教学中，出题是一项耗时且重要的工作。许多教师在期中、期末考试前都会面临出题的压力，尤其是针对不同学期的课程，需要不断更新题库，避免重复使用旧题目。 “北大问学”的AI出题助手，能根据教师提供的知识点要求、课程背景和过往试题，生成多样化的新题，并提供不同情境下的变式题。

除了出题外，“北大问学”还提供了教学大纲辅助功能，教师可以利用AI自动生成课程教学大纲，并根据历年教学内容进行优化，使课程设计更加科学合理。教师还可以将自己的讲义、课件等上传至“北大问学”内置的知识库，这样学生在使用AI助教进行问答时，AI会优先从教师提供的资料中检索答案，而非直接调用通用大模型的知识。这一功能在文科课程中尤为重要，例如法学、历史等学科，AI可以准确引用教师提供的专业文献，避免错误信息的干扰。

在如今的AI生态中，DeepSeek已经成为国内最受瞩目的大模型之一。但早在去年项目刚开始开展的时候，团队就决定使用DeepSeek作为底层模型开发应用。

目前，“北大问学”已接入北大门户，拥有超过6000名用户，其中50%以上为本科生。未来，团队计划拓展更多学科、更多课程，并引入个性化AI学习规划，根据学生学习轨迹，提供定制化建议。

△AIMD问答界面

上线将近一年，由基础医学院教师陶昶煜作为主要负责人开发而来的人工智能医学博士（AIMD）在师生中好评如潮。这款人工智能助教不仅极大便利了北大师生，更为传统医学教育模式注入了智能化革新动力。

以多个学科的专业医学数字教材为基础，结合数字讲义、数字笔记与丰富的文献资源，AIMD构建了坚实的医学知识库，内容准确性好、权威性高；再结合大模型的语言生成能力，AIMD实现了智能问答、24小时学伴、教学设计和考试出题等核心功能。

现代医学生需要个性化、多元化发展，但受限于医学教育传统，课时往往十分紧密，留给同学们探索其他领域的空间较少。而AIMD可以为学生提供个性化学习支持，有了AIMD的帮助，同学们课前预习、课后复习更便利了，达到较好学习效果所需要的课堂时间也将逐渐变少。日后，借助AI带来的学时压缩，同学们将拥有更多可自主支配的时间，促进医学生把时间更多分配到自己感兴趣的方向。

AIMD对提升教学质量也大有裨益。医学教育学制、课程体系都十分复杂，在本科阶段，四年制、五年制、六年制、七年制、八年制等长短不一的学制并行；此外，在北大，医学既有以学科为中心的课程体系，也有以器官、系统为中心的课程体系，与其他文理工农等学科大相径庭，这种复杂的课程体系对学生的学习和老师的备课、教学都构成极大挑战。 而AIMD可以自行设计教学方案，通过追问-验证-延伸培养批判性思维，在考试方面，AIMD以基础层、进阶层、高阶层等难度分层为基础，已经实现选择题、填图题、案例分析题、论述题等多题型结合，分层-关联-溯源检验知识转化能力，二者形成"理论→实践→反思"的闭环学习系统。 AIMD的出现，将为教师教学工作提供极大的帮助。

2024年初，开发团队与北大软微学院的学生志愿者合作搭建了AIMD的基础框架，而后，团队开始自主摸索构建更符合医学生需求的人工智能，使用海量医学数据对智能体进行训练是重要环节，而高标准的医学数据正是AIMD作为医学垂直领域人工智能模型，其核心竞争力所在。对于AIMD的数据来源，开发团队精细梳理，严格把控数据质量，这就需要投入大量的人力物力。在基础医学院副院长杨恩策看来，这反而是北大医学的优势， “我们有顶尖的教师和顶级的学生，大家可以互促互进，共同修订、校对。”

为了更加贴合学生需求，AIMD更是融入了多年来学生汇总撰写的各学科“学习大礼包”，涵盖各学科学习心得、知识点总结、题型梳理等多个维度。经师生共同整合、订正得来的一批高水准医学数据，为构建性能更优、更加可靠、更具医学特色的人工智能提供了关键支撑。师生的共同打磨，正逐渐锻造出出更好用、更强大的AIMD。

AIMD在开发之初即采用了本地化部署的国产大模型，不仅响应速度快，还能有效保护用户的隐私和信息安全。目前，AIMD也已接入DeepSeek大模型，借助底层架构的持续优化，接下来，人工智能医学博士也将大跨步迭代更新，为师生提供更好的体验。

通晓校园百事，亦有实习秘籍。2024年，北大AI智能校园学习生活助手“小北学长”上线。 其借助知识库与大语言模型相结合的架构，整合多种资源，针对北大师生学习、工作与生活中出现的问题，提供即时、详细且准确的解答，以信息技术为校园生活“保驾护航”。

△“小北学长”提供的问答

接入DeepSeek-R1、DeepSeek-V3，即将上线的“小北Explore”将为北大教职工及同学，带来当下大热AI的实时体验。 与“小北Explore”开展交流对话，既可直接提问，也可加入相关文档信息，借助“知识库”和提示词工具箱，获得更精准的回答。

△“小北Explore”应用界面

除了技术工具助力，知识也以讲座形式在燕园不断更新流动。深入一线研究的学者专家与科技行业前沿导师齐聚北大，现场分享实时成果与研究洞察。

今年年初，北京大学校友、人工智能创业公司Deepseek研发工程师王炳宣回校作题为“拥抱通用人工智能”的专题分享；腾讯云高级架构师吴飞燕以“腾讯在教育教学中AI的应用实践与探索”为主题，结合行业动态开展产研合作探讨。

△活动现场

以“数智化转型促进教育均衡发展”为主题，2025年北京大学教育数智化论坛在多方支持下落地举办。校内外专家结合各部门实际经验，分享国内外利用人工智能等前沿技术促进教育均衡发展、赋能乡村教育振兴的实践和研究，切实推进前沿技术与教育研究和实践的深度融合。

△论坛合影

依托专业研究成果，结合DeepSeek热点话题，智能学院博士研究生程振荣在“信息素质工作坊•AI工具应用分享会”上，作“以智为翼，AI助学启新航”主题分享，通过具体案例，生动剖析AI技术理论应用与实践调用。

△分享会现场

在“DeepSeek从入门到精通”专题讲座中，北京大学重庆大数据研究院智能创新与赋能中心副主任黄晶对炼制大语言模型的核心要素以及其能力边界进行深入剖析，并且对比了DeepSeek-V3和DeepSeek-R1的差异。讲座以DeepSeek的基础认知为起点，深入讲解提示语的基础概念、设计原则与技巧，帮助听众逐步掌握DeepSeek提示语的设计方法，实现了从入门到精通的蜕变。

△讲座现场

此外， “燕园智声系列沙龙” 也在校内跨部门联动，针对技术发展动态，开展热门话题研讨，搭建交流共创平台，促进学校学科发展和人才多维培养。

从课程教学、知识学习的工具辅助

到各类讲座的一线研究分享

无论是教职工，还是在校同学

北大多维度的技术应用实践

为不同群体提供着

自我数字化需求的匹配与满足

未来，北大人仍将

积极融入技术创新趋势

将学术研究与实际需求深度结合

服务好中国式现代化建设大局

来源 | 北京大学融媒体中心、北京大学计算中心、北京大学教师教学发展中心、北京大学医学部

图片｜ 北大新闻网、大数据分析与应用国家工程实验室、朱成轩

文字&编辑 | 史童月、李加逸、张祺祺

排版 | 卫雅伦

责编 | 郭雅颂