为全面落实国家教育数字化战略行动，推动人工智能技术与高等教育教学的深度融合，提升本科课程建设质量与课堂教学水平，计算机科学与网络工程学院吴昱老师团队结合多年的教学实践经验，精心打造了《编译原理》智慧课程，课程团队包括汤茂斌、何锫、冯元勇、陈康民、田灿等老师。

作为计算机专业出身的课程老师，在智慧课程的建设上果然非比寻常。不仅使人工智能技术为我所用，更是开拓创新，突破“AI自动出题”在推理计算等综合主观题评测上的痛点，研发智能管控解题过程的线上答题系统。通过专业赋能，让智慧课程更加智慧！

课程介绍

《编译原理》是计算机专业的一门重要专业基础课程，处于计算机科学知识体系的核心位置，连接了计算机软件的理论知识和实际应用，包括了词法分析、语法分析、语义分析与中间代码生成等教学内容。本课程所涵盖的知识和技能，是计算机专业学生深入理解计算机系统运行机制、掌握软件开发核心技术的关键。

为了全面提升教学质量，课程团队不断探索创新，开展了多期融合智能识别技术与自动模块化分解技术的编译原理探索性实验教学，共同研发了智能管控解题过程的线上综合主观题答题系统，智能辅助引导学生完成各项画图、建表等复杂答题步骤，真正实现了整个答题过程的线上自动评阅，同时能精准检测到学生具体出错的位置并给出参考建议。2025年年初该系统正式挂载在智慧树平台供学生使用。经过升级后的AI智慧课程，贯通了“教—学—练—评—研”的“全链智教”智慧教育闭环，设计了五重护航的智慧学习系统，为专业核心课程建设及课堂教学创新注入了新能量。

（课程网址：https://wisdomh5.zhihuishu.com/course/resources/1769555193613127680?mapVersion=0）

图1 《编译原理》智慧课程

1、教：智创工坊——智备中枢AI生成数字讲堂

智能备课中枢——智创工坊平台配备全场景AI工具箱，涵盖AI生成教案、智能出题、教学设计优化等实用功能，为教师提供便捷的“一键式”教学资源与策略推荐，显著提升备课的效率与质量。

图2

图3

运用大模型技术，对课程的内部资料库（包含视频、图谱、教材、题库等）以及通过检索爬取的外部资料进行自动梳理整合，同时借助AI搜索推荐知乎、百度百科、CSDN博客等知名网站上与编译知识点相关的补充说明。将编译过程各阶段模块细化，以微小知识点为单位重新整合内外资源，并通过数字讲堂对具体概念、理论方法及应用进行讲解。这一举措不仅使学生能够突破时间与空间的限制进行学习，还打破了资源壁垒。

图4

此外，教师组织的线上线下、课上课下教学活动，如通知公告、单元练习、签到点名等，均可通过平台生成对应二维码，方便师生查看与布置。

图5

2、学：碎片化学习云库——智能关联的多模态资源+24h智慧学伴

在学生学习端，智慧平台打造了碎片化学习云库，为课程学习提供智能关联的多模态资源及24小时智慧学伴。学生通过课程首页的“知识点卡片”，能快速了解自身学习进度、知识点掌握程度以及课程重难点。从“知识点学习空间”进入，学生可获取各知识模块完整学习资源，包括配套视频、练习题、关联教材文本、PPT及外部拓展等多模态资源；也可从各类课程图谱页面进入，课程图谱以树状、环形、网状等多种形态展示编译课程中各知识节点间的包含、递进、依赖或共生关系，学生点击图谱节点即可查看对应知识点学习资源。

图6

图7

在学习任务方面，平台从知识点掌握度和学习进度两个维度对学生提出要求，并依据学生已学知识点掌握情况，智能规划个性化学习路径，强化对已学及未学但相关联知识点的巩固提升。

同时，课程配备基于deepseek大语言模型的AI助教作为全时交互学伴，在学习过程中为学生提供24小时AI问答服务。在各知识点的“AI教研室”，学生与教师互动讨论问题时，可引入AI助教答案，开展讨论式学习并获得学习行为引导。

3、练：智能训练营——课后精准测评+智能管控综合答题系统

课程团队在智慧平台自建题库中储备260余道客观题，满足学生日常检测知识点掌握情况的需求。“课后复习”模块中的“掌握度分析”方便学生快速定位学习薄弱的知识点，结合页面个性化推送的关联资源自主学习，提升知识点掌握度。“薄弱测试题”自动归纳学生在知识点学习或作业测试中的错题，学生可在PC端或小程序端多次复习错题。

图8

本课程经常涉及专业图表分析、设计和绘制的教学。囿于“AI自动出题”功能难以实现推理计算等综合主观题的智能化评测，课程团队和本课程的优秀学员们开拓创新，共同研发智能管控综合大题答题系统。图9和图10中展示了词法分析和语法分析示例答题过程，学生可在系统上按要求输入任何待分析的正规式或文法、输入串等，只有在上一步回答正确的情况下才能进入下一步，在每步回答时系统给出不同引导信息辅助学生分析已知条件，并设置了每步回答多次修正机会，实现了完全意义上的智能线上作答和自动过程监督的“新智慧式”评测。尤其是LL(1)、LR(0)和SLR(1)三种语法分析模块，系统在答题评测后会给出详细的分析表展示，以及语法分析示例中栈模拟计算机内部存储的过程细节。

图9

图10

4、评：学情诊断雷达——动态学情观测+预警分析

智慧平台基于学生学习行为数据生成学生画像进行风险评估，实时推送预警信息，定期输出学习进度报告与掌握度分析。同时“教学观测”模块还可通过掌握学生与AI交互的使用数据进行分析，协助教师总结教学经验、发现教学问题，实时调整教学决策从而优化课程教学活动安排、提高课程教学质量。学生端的“成绩分析”模块可快速了解个人学习基本数据，便于更好地开展后续学习(如图11所示)。

图11

5、研：知识逻辑星图——知识、能力和问题的三维关联网络建构

本课程具有理论性强、实践环节复杂等特点，教学上存在一定的难度。智慧平台依据课程内容构建了知识图谱、能力图谱、问题图谱三维可视化关联网络(图12)，动态关联教学资源与学习路径，支撑教研决策与课程优化。此外，学生可通过知识点学习后来到问题图谱，在应用层面上查看知识点与问题的内在联系，并通过习题巩固知识点的掌握程度，提升课程教学效果。

图12

通过PPT插件，知识图谱中的各项内容均可智能关联线下课堂的课件，教师可采取知识点联动学习、资源联动学习等多种方式(图13)以新的形态将线上平台和线下课堂进行融合贯通，实现真正意义上的线下线下相辅相成的混合教学。

图13

课程总结

《编译原理》智慧课程，设计了“五重护航”智慧学习框架，贯通了“全链智教”智慧教育闭环，搭建了“智能管控”综合答题系统。这是我校计算机专业课程教学改革创新的一次生动实践，更是人工智能与人类智慧深度融合共生共荣的一次积极探索。