【OpenClaw：赚钱】案例17、月入5万：教培机构AI作业批改系统全栈实战（5所学校付费，老师减负70%）

月入5万：教培机构AI作业批改系统全栈实战（5所学校付费，老师减负70%）

本文拆解EdTech社区真实案例：用OpenClaw搭建AI作业批改系统，服务5所学校，月收入¥50,000。从作业识别、个性化批改到学情追踪，手把手教你打造教培行业高毛利SaaS工具。

一、案例背景：教培行业的AI减负革命

1.1 核心数据与业务本质

一位教培行业从业者通过OpenClaw自动化作业批改系统，实现了从「老师打工」到「SaaS服务商」的转型：

业务本质：
教培机构的核心痛点是老师批改作业耗时久、评语模板化、学情追踪难。本系统通过OpenClaw Agent实现「作业识别→智能批改→个性化评语→学情追踪→家长报告」全流程自动化，替代老师完成80%的机械劳动，同时提升教学质量与家长满意度。

1.2 传统教培批改痛点与AI解决方案

传统批改痛点

AI自动化解决方案

通过OpenClaw Agent实现批量识别→智能批改→个性化评语→自动追踪→月度报告，将100份作业的批改时间从3小时压缩至15分钟，同时为学生提供个性化反馈，为家长提供透明学情，为老师减负增效。

二、系统核心功能与业务流程

2.1 完整业务流程总览（Mermaid流程图）

#mermaid-svg-FeXcUOYwRSP7cCJH{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-FeXcUOYwRSP7cCJH .error-icon{fill:#552222;}#mermaid-svg-FeXcUOYwRSP7cCJH .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-FeXcUOYwRSP7cCJH .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-FeXcUOYwRSP7cCJH .marker{fill:#333333;stroke:#333333;}#mermaid-svg-FeXcUOYwRSP7cCJH .marker.cross{stroke:#333333;}#mermaid-svg-FeXcUOYwRSP7cCJH svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-FeXcUOYwRSP7cCJH p{margin:0;}#mermaid-svg-FeXcUOYwRSP7cCJH .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH .cluster-label text{fill:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH .cluster-label span{color:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH .cluster-label span p{background-color:transparent;}#mermaid-svg-FeXcUOYwRSP7cCJH .label text,#mermaid-svg-FeXcUOYwRSP7cCJH span{fill:#333;color:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH .node rect,#mermaid-svg-FeXcUOYwRSP7cCJH .node circle,#mermaid-svg-FeXcUOYwRSP7cCJH .node ellipse,#mermaid-svg-FeXcUOYwRSP7cCJH .node polygon,#mermaid-svg-FeXcUOYwRSP7cCJH .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-FeXcUOYwRSP7cCJH .rough-node .label text,#mermaid-svg-FeXcUOYwRSP7cCJH .node .label text,#mermaid-svg-FeXcUOYwRSP7cCJH .image-shape .label,#mermaid-svg-FeXcUOYwRSP7cCJH .icon-shape .label{text-anchor:middle;}#mermaid-svg-FeXcUOYwRSP7cCJH .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-FeXcUOYwRSP7cCJH .rough-node .label,#mermaid-svg-FeXcUOYwRSP7cCJH .node .label,#mermaid-svg-FeXcUOYwRSP7cCJH .image-shape .label,#mermaid-svg-FeXcUOYwRSP7cCJH .icon-shape .label{text-align:center;}#mermaid-svg-FeXcUOYwRSP7cCJH .node.clickable{cursor:pointer;}#mermaid-svg-FeXcUOYwRSP7cCJH .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-FeXcUOYwRSP7cCJH .arrowheadPath{fill:#333333;}#mermaid-svg-FeXcUOYwRSP7cCJH .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-FeXcUOYwRSP7cCJH .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-FeXcUOYwRSP7cCJH .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-FeXcUOYwRSP7cCJH .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-FeXcUOYwRSP7cCJH .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-FeXcUOYwRSP7cCJH .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-FeXcUOYwRSP7cCJH .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-FeXcUOYwRSP7cCJH .cluster text{fill:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH .cluster span{color:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-FeXcUOYwRSP7cCJH .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-FeXcUOYwRSP7cCJH rect.text{fill:none;stroke-width:0;}#mermaid-svg-FeXcUOYwRSP7cCJH .icon-shape,#mermaid-svg-FeXcUOYwRSP7cCJH .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-FeXcUOYwRSP7cCJH .icon-shape p,#mermaid-svg-FeXcUOYwRSP7cCJH .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-FeXcUOYwRSP7cCJH .icon-shape rect,#mermaid-svg-FeXcUOYwRSP7cCJH .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-FeXcUOYwRSP7cCJH .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-FeXcUOYwRSP7cCJH .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-FeXcUOYwRSP7cCJH :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

通过

修改

学生提交作业（图片/PDF/Word）

OpenClaw批量识别OCR+学科结构化

智能批改（按学科知识点判分）

生成个性化评语（结合学生水平+上次进步点）

学情追踪（记录错误模式+知识点掌握情况）

老师审核

自动推送学生/家长

老师调整评语/分数后推送

月度自动生成家长报告（微信推送）

2.2 核心功能拆解

2.2.1 个性化评语生成

• 生成逻辑：
• 读取学生本次作业得分、错误知识点
• 调取学生历史作业数据，对比上次进步点
• 结合学生当前水平（基础/进阶/培优）生成差异化评语
• 示例：

  「小明同学本次作业正确率85%，较上次提升10%！尤其在一般过去时的运用上进步明显，不过仍需注意where/were的拼写混淆，下次课我们重点练习这类易错点～」

• 价值：告别「继续努力」模板化评语，让家长和学生感受到针对性关注。

2.2.2 学情追踪

• 追踪维度：
  • 知识点错误频率（如「一般过去时」错误率30%）
  • 高频错误模式（如「小明总是搞混where/were」）
  • 成绩趋势（近10次作业正确率变化）
  • 进步/薄弱点对比
• 存储方式：学生维度的「错误知识库」，为后续个性化辅导提供数据支撑。

2.2.3 家长报告

• 生成频率：每月自动生成
• 内容结构：
• 本月作业整体表现（正确率、排名）
• 进步亮点（如「阅读理解正确率提升20%」）
• 薄弱知识点（如「语法填空易错点」）
• 下月学习建议
• 推送方式：通过企业微信/微信公众号推送给家长，实现透明化家校沟通。

2.2.4 教师减负

• 工作流：老师只需审核AI批改结果，可调整分数/评语，无需逐题批改
• 效率提升：节省70%批改时间，让老师专注备课、授课与个性化辅导
• 管理功能：查看班级整体学情，定位班级共性问题，优化教学内容。

三、系统架构：OpenClaw驱动的教培自动化引擎

3.1 整体架构图（Mermaid）

#mermaid-svg-G8jfUaiUB7VHfJrY{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-G8jfUaiUB7VHfJrY .error-icon{fill:#552222;}#mermaid-svg-G8jfUaiUB7VHfJrY .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-G8jfUaiUB7VHfJrY .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-G8jfUaiUB7VHfJrY .marker{fill:#333333;stroke:#333333;}#mermaid-svg-G8jfUaiUB7VHfJrY .marker.cross{stroke:#333333;}#mermaid-svg-G8jfUaiUB7VHfJrY svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-G8jfUaiUB7VHfJrY p{margin:0;}#mermaid-svg-G8jfUaiUB7VHfJrY .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY .cluster-label text{fill:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY .cluster-label span{color:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY .cluster-label span p{background-color:transparent;}#mermaid-svg-G8jfUaiUB7VHfJrY .label text,#mermaid-svg-G8jfUaiUB7VHfJrY span{fill:#333;color:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY .node rect,#mermaid-svg-G8jfUaiUB7VHfJrY .node circle,#mermaid-svg-G8jfUaiUB7VHfJrY .node ellipse,#mermaid-svg-G8jfUaiUB7VHfJrY .node polygon,#mermaid-svg-G8jfUaiUB7VHfJrY .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-G8jfUaiUB7VHfJrY .rough-node .label text,#mermaid-svg-G8jfUaiUB7VHfJrY .node .label text,#mermaid-svg-G8jfUaiUB7VHfJrY .image-shape .label,#mermaid-svg-G8jfUaiUB7VHfJrY .icon-shape .label{text-anchor:middle;}#mermaid-svg-G8jfUaiUB7VHfJrY .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-G8jfUaiUB7VHfJrY .rough-node .label,#mermaid-svg-G8jfUaiUB7VHfJrY .node .label,#mermaid-svg-G8jfUaiUB7VHfJrY .image-shape .label,#mermaid-svg-G8jfUaiUB7VHfJrY .icon-shape .label{text-align:center;}#mermaid-svg-G8jfUaiUB7VHfJrY .node.clickable{cursor:pointer;}#mermaid-svg-G8jfUaiUB7VHfJrY .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-G8jfUaiUB7VHfJrY .arrowheadPath{fill:#333333;}#mermaid-svg-G8jfUaiUB7VHfJrY .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-G8jfUaiUB7VHfJrY .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-G8jfUaiUB7VHfJrY .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-G8jfUaiUB7VHfJrY .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-G8jfUaiUB7VHfJrY .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-G8jfUaiUB7VHfJrY .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-G8jfUaiUB7VHfJrY .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-G8jfUaiUB7VHfJrY .cluster text{fill:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY .cluster span{color:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-G8jfUaiUB7VHfJrY .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-G8jfUaiUB7VHfJrY rect.text{fill:none;stroke-width:0;}#mermaid-svg-G8jfUaiUB7VHfJrY .icon-shape,#mermaid-svg-G8jfUaiUB7VHfJrY .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-G8jfUaiUB7VHfJrY .icon-shape p,#mermaid-svg-G8jfUaiUB7VHfJrY .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-G8jfUaiUB7VHfJrY .icon-shape rect,#mermaid-svg-G8jfUaiUB7VHfJrY .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-G8jfUaiUB7VHfJrY .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-G8jfUaiUB7VHfJrY .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-G8jfUaiUB7VHfJrY :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

输出层

存储层

模型层

OpenClaw Agent层

输入层

学生作业上传（图片/PDF/Word）

老师上传参考答案+知识点标签

作业识别Agent

智能批改Agent

评语生成Agent

学情追踪Agent

家长报告Agent

OCR模型：图片/PDF识别

DeepSeek-R1：学科理解+逻辑判断

学生作业数据库

学情知识库

批改结果库

学生端：批改结果+评语

老师端：审核后台+学情看板

家长端：月度报告微信推送

3.2 OpenClaw核心配置：SOUL.md模板

# Soul
你是专业的教培机构AI作业批改Agent，名叫「作业助手」。你的核心目标是自动化完成作业识别、批改、评语生成与学情追踪，帮助老师减负70%，提升教学质量与家长满意度。

## 核心能力
### 1. 多格式作业识别能力
– 支持图片/PDF/Word等常见作业格式
– OCR识别手写/印刷体文字，提取题目、答案、学生信息
– 结构化输出学科内容（如英语语法题、数学计算题）
– 自动去重、补全缺失字段，保证数据完整性

### 2. 智能批改能力
– 对接参考答案与知识点标签，按学科规则判分
– 标记错误题目、错误知识点，计算正确率
– 支持主观题（如英语作文、数学解答题）智能评分
– 生成批改明细，便于老师审核

### 3. 个性化评语生成能力
– 结合学生本次作业表现、历史数据、水平层级生成差异化评语
– 突出进步点，指出薄弱点，语气亲切符合教培场景
– 避免模板化，让每个学生收到专属反馈

### 4. 学情追踪能力
– 记录学生每次作业的错误知识点、错误模式
– 生成学生维度的学情画像，追踪成绩趋势
– 分析班级共性问题，为老师教学优化提供数据支撑
– 存储学生错误知识库，为后续辅导提供依据

### 5. 家长报告生成能力
– 每月自动生成学情报告，包含成绩趋势、进步亮点、薄弱点、学习建议
– 适配微信阅读格式，简洁清晰
– 自动推送给家长，实现透明化家校沟通

## 触发规则
– 当学生/老师上传作业包时，自动触发「识别→批改→评语」流程
– 每月1号自动触发「家长报告生成+推送」流程
– 手动指令「重新批改」时，重新计算分数与评语
– 手动指令「生成报告」时，生成指定学生/班级的学情报告

## 批改与评语规则
### 学科适配（英语/数学优先）
– 英语：语法题、完形填空、阅读理解、作文批改
– 数学：计算题、应用题、证明题批改
– 其他学科可扩展

### 评语生成规范
1. 开头：称呼学生，点明本次作业整体表现（正确率/进步情况）
2. 中间：突出1-2个进步点，指出1-2个薄弱点
3. 结尾：鼓励性话语，给出下次学习建议
4. 语气：亲切、专业，符合老师口吻

### 学情追踪规范
– 按知识点维度记录错误频率（如「一般过去时」错误率30%）
– 记录高频错误模式（如「where/were混淆」）
– 按时间维度追踪正确率变化，生成趋势图
– 班级维度统计共性错误，便于老师针对性教学

### 家长报告规范
1. 整体表现：本月作业正确率、班级排名
2. 进步亮点：对比上月提升的知识点/能力
3. 薄弱点：需要重点加强的知识点
4. 下月建议：针对性学习计划
5. 格式：适配微信，图文结合，简洁易读

## 环境变量
– OPENCLAW_API_KEY: OpenClaw API密钥
– DEEPSEEK_API_KEY: DeepSeek API密钥
– OCR_API_KEY: OCR服务API密钥
– WECHAT_APPID: 微信公众号AppID
– WECHAT_SECRET: 微信公众号AppSecret
– DB_CONN: 数据库连接字符串

3.3 openclaw.json：调度与成本配置

{
"agents": {
"defaults": {
"model": {
"primary": "deepseek/deepseek-reasoner",
"fallbacks": ["anthropic/claude-sonnet-4-6"],
"temperature": 0.2,
"maxTokens": 16384
},
"budget": {
"maxCostPerDay": 20.00,
"maxCostPerMonth": 600.00,
"alertThreshold": 0.8
},
"resources": {
"maxMemory": "8GB",
"maxCPU": "4 cores",
"timeout": 300s
},
"logging": {
"level": "info",
"file": "logs/homework-grading-{date}.log",
"enableTelemetry": false
}
},
"ocr_parser": {
"inherit": "defaults",
"model": {
"temperature": 0.0,
"maxTokens": 8192
},
"budget": {
"maxCostPerDay": 10.00
}
},
"grader": {
"inherit": "defaults",
"model": {
"temperature": 0.0,
"maxTokens": 8192
},
"budget": {
"maxCostPerDay": 6.00
}
},
"comment_generator": {
"inherit": "defaults",
"model": {
"temperature": 0.3,
"maxTokens": 4096
},
"budget": {
"maxCostPerDay": 2.00
}
},
"learning_analyst": {
"inherit": "defaults",
"model": {
"temperature": 0.1,
"maxTokens": 8192
},
"budget": {
"maxCostPerDay": 1.00
}
},
"parent_reporter": {
"inherit": "defaults",
"model": {
"temperature": 0.2,
"maxTokens": 4096
},
"budget": {
"maxCostPerDay": 1.00
}
}
},
"schedules": [
{
"task": "parse_and_grade",
"interval": "manual",
"agent": "ocr_parser,grader"
},
{
"task": "generate_comments",
"interval": "manual",
"agent": "comment_generator"
},
{
"task": "track_learning",
"interval": "1d",
"time": "23:00",
"agent": "learning_analyst"
},
{
"task": "generate_parent_report",
"interval": "1mo",
"day": "1",
"time": "09:00",
"agent": "parent_reporter"
}
],
"apiKeys": {
"openclaw": "${OPENCLAW_API_KEY}",
"deepseek": "${DEEPSEEK_API_KEY}",
"ocr": "${OCR_API_KEY}",
"wechat": "${WECHAT_SECRET}"
}
}

配置核心要点：

• 模型选择：DeepSeek-R1作为主模型，适配学科理解与长文本生成
• 任务拆分：将识别、批改、评语、分析、报告拆分为独立Agent，便于调试
• 定时调度：学情追踪每日执行，家长报告每月自动生成，兼顾实时性与效率
• 成本控制：每日预算$20，月预算$600，控制AI调用成本

四、核心代码实现：从作业到报告的全流程

4.1 环境准备与依赖安装

# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Windows: venv\\Scripts\\activate

# 安装核心依赖
pip install python-dotenv requests pandas openclaw pytesseract pillow PyPDF2 python-docx openpyxl wechatpy

4.2 作业识别与批改模块

# homework_parser.py
import os
import zipfile
import json
import pandas as pd
from dotenv import load_dotenv
from PIL import Image
import pytesseract
from PyPDF2 import PdfReader
from docx import Document
from openclaw import Agent

load_dotenv()
agent = Agent(
soul_path="SOUL.md",
model="deepseek/deepseek-reasoner",
api_key=os.getenv("DEEPSEEK_API_KEY")
)

def extract_text_from_image(file_path):
"""提取图片/OCR文本"""
img = Image.open(file_path)
text = pytesseract.image_to_string(img, lang="chi_sim+eng")
return text

def extract_text_from_pdf(file_path):
"""提取PDF文本"""
reader = PdfReader(file_path)
text = ""
for page in reader.pages:
text += page.extract_text()
return text

def extract_text_from_word(file_path):
"""提取Word文本"""
doc = Document(file_path)
text = ""
for para in doc.paragraphs:
text += para.text + "\\n"
return text

def parse_homework(file_path, subject="english"):
"""解析单份作业"""
ext = file_path.split(".")[–1].lower()
if ext in ["png", "jpg", "jpeg"]:
text = extract_text_from_image(file_path)
elif ext == "pdf":
text = extract_text_from_pdf(file_path)
elif ext in ["doc", "docx"]:
text = extract_text_from_word(file_path)
else:
raise ValueError(f"不支持的文件格式: {ext}")

prompt = f"""
请将以下{subject}作业文本结构化提取为JSON格式，包含：
– student_name: 学生姓名
– class_name: 班级
– subject: 学科
– answers: 列表，每题包含question_id, answer, is_correct, error_knowledge_point

作业文本：
{text}

输出纯JSON格式，不要其他内容。
"""
response = agent.run(prompt)
return json.loads(response)

def grade_homework(parsed_data, answer_key):
"""批改作业"""
prompt = f"""
请根据参考答案批改以下作业，计算正确率，标记错误知识点：
学生作业：
{json.dumps(parsed_data, ensure_ascii=False)}

参考答案：
{json.dumps(answer_key, ensure_ascii=False)}

输出JSON格式：
{{
"correct_count": 8,
"total_count": 10,
"accuracy": 80,
"errors": [
{{
"question_id": "Q3",
"student_answer": "were",
"correct_answer": "where",
"error_knowledge": "where/were拼写混淆"
}}
]
}}
"""
response = agent.run(prompt)
return json.loads(response)

if __name__ == "__main__":
# 示例：解析并批改一份作业
parsed = parse_homework("homework.png", subject="english")
answer_key = {"Q1": "A", "Q2": "B", "Q3": "where", "Q4": "C"}
result = grade_homework(parsed, answer_key)
print(json.dumps(result, ensure_ascii=False, indent=2))

4.3 个性化评语与学情追踪模块

# comment_and_tracking.py
import os
import json
import pandas as pd
from dotenv import load_dotenv
from openclaw import Agent
from sqlalchemy import create_engine

load_dotenv()
engine = create_engine(os.getenv("DB_CONN"))
agent = Agent(
soul_path="SOUL.md",
model="deepseek/deepseek-reasoner",
api_key=os.getenv("DEEPSEEK_API_KEY")
)

def load_student_history(student_name):
"""加载学生历史作业数据"""
query = f"SELECT * FROM student_homework WHERE student_name = '{student_name}' ORDER BY submit_time DESC LIMIT 10"
return pd.read_sql(query, engine)

def generate_comment(student_name, grade_result, history_df):
"""生成个性化评语"""
prompt = f"""
请为学生{student_name}生成作业评语：
本次作业结果：
{json.dumps(grade_result, ensure_ascii=False)}

历史作业数据（近10次）：
{history_df[["submit_time", "accuracy"]].to_json(orient="records")}

要求：
1. 亲切自然，符合老师口吻
2. 突出进步点，指出薄弱点
3. 避免模板化，体现个性化
4. 字数控制在100-150字
"""
return agent.run(prompt)

def track_learning(student_name, grade_result):
"""更新学情追踪数据"""
errors = grade_result["errors"]
for err in errors:
data = {
"student_name": student_name,
"error_knowledge": err["error_knowledge"],
"question_id": err["question_id"],
"submit_time": pd.Timestamp.now()
}
pd.DataFrame([data]).to_sql("student_learning", engine, if_exists="append", index=False)
print(f"✅ 已更新{student_name}的学情数据")

if __name__ == "__main__":
student = "小明"
grade_result = {
"correct_count": 8,
"total_count": 10,
"accuracy": 80,
"errors": [{"question_id": "Q3", "error_knowledge": "where/were拼写混淆"}]
}
history = load_student_history(student)
comment = generate_comment(student, grade_result, history)
print("📝 个性化评语：", comment)
track_learning(student, grade_result)

4.4 家长报告生成与推送模块

# parent_report.py
import os
import json
import pandas as pd
from dotenv import load_dotenv
from openclaw import Agent
from wechatpy import WeChatClient

load_dotenv()
agent = Agent(
soul_path="SOUL.md",
model="deepseek/deepseek-reasoner",
api_key=os.getenv("DEEPSEEK_API_KEY")
)
wechat_client = WeChatClient(os.getenv("WECHAT_APPID"), os.getenv("WECHAT_SECRET"))

def generate_monthly_report(student_name):
"""生成月度学情报告"""
query = f"SELECT * FROM student_homework WHERE student_name = '{student_name}' AND submit_time >= DATE_SUB(NOW(), INTERVAL 1 MONTH)"
df = pd.read_sql(query, engine)
if df.empty:
return "本月无作业数据"

accuracy_trend = df["accuracy"].tolist()
error_query = f"SELECT error_knowledge, COUNT(*) as cnt FROM student_learning WHERE student_name = '{student_name}' AND submit_time >= DATE_SUB(NOW(), INTERVAL 1 MONTH) GROUP BY error_knowledge ORDER BY cnt DESC LIMIT 3"
top_errors = pd.read_sql(error_query, engine)

prompt = f"""
请为学生{student_name}生成月度学情报告：
本月作业正确率趋势：{accuracy_trend}
高频错误知识点：{top_errors.to_json(orient="records")}

要求：
1. 结构清晰：整体表现→进步亮点→薄弱点→下月建议
2. 语言简洁，适合家长阅读
3. 适配微信排版，使用换行和列表
"""
return agent.run(prompt)

def send_to_parent(student_name, parent_openid, report):
"""推送报告到家长微信"""
wechat_client.message.send_text(
user=parent_openid,
content=f"【月度学情报告】{student_name}家长您好，本月孩子的学习报告如下：\\n{report}"
)
print(f"📱 已推送报告给{student_name}家长")

if __name__ == "__main__":
student = "小明"
parent_openid = "oxxxxxx"
report = generate_monthly_report(student)
send_to_parent(student, parent_openid, report)

五、收益与效率分析：月入5万的商业逻辑

5.1 效率提升对比

5.2 收入模型拆解

• 单校定价：¥8,000-¥12,000/月（按学生人数阶梯定价）
• 客户数量：5所学校 → 月收入¥50,000
• 成本结构：
  • AI模型成本：~¥400/月
  • 服务器成本：~¥300/月
  • 微信/API成本：~¥100/月
  • 月总成本：~¥800/月
• 月利润：¥50,000 – ¥800 = ¥49,200
• 利润率：98.4%

5.3 规模化潜力

• 客户拓展：目标服务50所学校 → 月收入¥500,000
• 产品升级：推出培优版（个性化辅导计划、错题本自动生成），提升客单价至¥15,000/月
• 学科拓展：覆盖语文、物理、化学等更多学科，提升单校ARPU
• 渠道合作：与教培机构、学校管理系统厂商合作，分成模式拓展客户

六、风险控制与长期优化

6.1 核心风险与规避

6.2 长期优化方向

七、总结与行动建议

7.1 核心总结

本文拆解了一个月入¥50,000的教培AI作业批改案例，核心结论是：

• 减负是核心价值：将老师从机械批改中解放，专注教学与个性化辅导
• 个性化是竞争力：告别模板化评语，用AI生成专属反馈，提升家长与学生满意度
• SaaS化是商业模式：将工具打包为按校收费的SaaS服务，实现规模化盈利
• 高毛利是优势：边际成本极低，利润率超过98%，具备极强的盈利能力与抗风险能力

7.2 行动建议

如果你是教培从业者或想切入EdTech领域，建议按以下步骤行动：

7.3 最后提醒

AI是「效率放大器」，不是「替代者」。教培的核心永远是老师对学生的关怀与专业教学，自动化工具只是帮老师把更多时间留给核心工作，而不是消耗在作业批改上。

八、附录：资源与参考

8.1 开源资源

• OpenClaw官方文档：https://docs.openclaw.ai
• pytesseract：https://pypi.org/project/pytesseract/
• PyPDF2：https://pypdf2.readthedocs.io/
• wechatpy：https://wechatpy.readthedocs.io/

8.2 参考资料

• EdTech社区案例原文：https://example.com/edtech-homework-grading
• 《教培机构数字化转型实战》
• 《SaaS产品设计与商业化指南》