华东理工大学材料科学与工程学院开发了一款专为高分子化学实验课程设计的AI助手，“高分子化学实验AI助手”通过智能化的问答系统，能够为学生提供即时的实验指导和答疑，帮助学生更好地掌握实验技能。

“高分子化学实验AI助手”不仅能够理解学生在实验过程中的问题，还能结合课堂教授的知识与最新研究成果，为学生提供个性化的解答和实验指导。2个月实验课运行下来，已累计112人访问，回答问题200余次。当然在使用过程中，在回答的准确性、智能性、覆盖面等方面尚有改进空间。如何进一步优化该AI助手的性能，使AI助手能够处理更多复杂的实验问题，提升其在教学中的应用效果，从而推广运用到其他课程建设中，推动高等教育教学模式的革新，是申报此项目的意义所在。

1、 高分子化学实验AI助手教学原理

2、 高分子化学实验AI助手教学效果评价

AI助手的性能测试：通过让更多的同学从不同角度提问，测试AI助手的响应能力，收集不满意的回答。

使用效果调研：通过调研高化实验教师和高化实验学生使用AI助手的满意度，分析传统实验与AI辅助实验的差异，发现待改进之处。

3、高分子化学实验AI助手知识库扩充

搜集并整合国内外高分子化学实验课程资料，不断丰富课程知识库。

4、完善高分子化学实验AI助手

结合性能测试和调研结果，持续优化AI助手，使其更智能和实用。

5、未来展望

总结经验成果，探索AI助手在其他课程中的应用前景。

随着大模型和生成式AI技术的迅速发展，人工智能正以前所未有的速度深刻改变着各行各业。尤其是在高等教育领域，生成式AI技术的应用为高校教学模式的变革注入数智因素，带来了全新的教学模式及对传统教学模式的突破。在高分子化学实验教学中，复杂的实验操作和理论知识常常使学生感到困惑，传统教学方法难以满足学生的个性化需求。生成式AI技术在数据分析、智能反馈、虚拟仿真实验教学等方面的优势，为实验教学及实验课程建设提供了全新的思路与解决方案，能有效助力实验教学从传统模式向数字化、智能化方向转型。

1、生成式AI技术与课程教学的融合：将目前大热的生成式人工智能与课程建设相融合，创建一个智能化问答系统。通过整合国内外高质量教学资料和收集大量的用户反馈，不断丰富扩充知识库，持续改进AI助手的生成模块，提升智能性与准确性。

2、个性化学习和教学支持：根据学生的学习需求和水平，训练AI助手提供定制化的学习路径和教学内容。AI助手根据学生的学习表现和数据，智能评估学生的知识掌握程度，并提供相应的反馈和支持。

3、提供人工智能赋能课程建设的未来可发展性：通过高分子化学实验AI助手的不断完善优化，探索生成式AI技术与更多课程的融合发展。

本项目的技术路线与拟解决的问题：

1、生成式人工智能工作原理和工作流程学习：项目开始阶段，学生团队将在企业导师的指导下学习LLM+RAG架构的工作原理，通过流程图了解其技术流程。

2、优化完善高分子化学实验AI助手：首先，通过大量搜集整理国内外高分子化学实验课程资料，并将整理的资料载入向量数据库，扩充丰富高分子化学实验AI助手知识库。其次，调研本科生高分子化学实验过程中常见的问题与困惑，从不同角度对AI提问，进行大语言模型训练，不断改进生成模块，提高AI助手的响应能力，使其问题的回答更智能、更全面。

本项目的预期成果：

1、开发软件。优化并完善“高分子化学实验AI助手”系统，使其更好地服务于高分子化学实验教学。

2、完成一篇学术论文。撰写高分子化学实验AI助手的优化报告及论文，探讨生成式AI在实验课程建设中的应用前景，为后续其他实验课程的智能助手开发提供借鉴经验，推动AI技术在更多教学场景中的应用。

2024年12月-2025年1月:学习LLM+RAG工作原理，规划AI助手的性能测试流程。

2025年2月-2025年3月:开展AI助手的性能测试，收集反馈。

2025年4月-2025年5月:进行高年级学生使用效果调研，收集使用体验反馈。

2025年6月-2025年7月:整理和分析调研结果。

2025年8月-2025年9月:完善AI助手的生成模块和知识库。

2025年10月-2025年12月:撰写项目研究报告及论文。