职业院校 · 语料训练平台

把学校的教学资料,
做成能训练、能检索的数据

老师把各专业的原始材料传上来,平台按学院和专业归档,审核确认后做清洗、切分和标注,产出可以直接微调的数据集、检索问答用的向量知识库和知识图谱,最后接到课堂终端给师生用。

数据全景驾驶舱,全屏截图(演示环境的数据)。点图可以放大。
数据全景驾驶舱,全屏截图(演示环境的数据)。点图可以放大。
驾驶舱

一块大屏看全校语料的进度

驾驶舱可以一键全屏,投到会议室或展厅的大屏上。

六项核心指标

审核确认的原始语料、结构化语料总量、总 Token 数、知识图谱实体、微调样本数、语料课堂调用次数,每项都对着目标值显示进度。

语料加工全链路

原始语料 → 审核确认 → ETL 清洗 → 向量知识库 / 知识图谱 / 微调数据集,每一步现在有多少,一张图看完。

学院排行和分布

各二级学院的语料数量和近 30 天应用排行,哪个学院交得多、用得多,一眼能比。

实时动态

清洗队列、近 14 天入库趋势、存储使用和最新处理记录实时刷新;统计报告可以导出。

功能

从上传到课堂,每一步都有界面

本页截图都来自演示环境,语料是公开数据集,不含任何学校的真实资料。

01

语料上传和归档

老师上传教学资料,按学院、专业和分类归档。支持 PDF、Word、Excel、文本等格式,扫描件和图片用 OCR 识别,录音用语音识别转成文字。

  • 中文全文检索,标题和正文都能搜,可以选模糊或精确
  • 原始语料库、校本语料库、结构化数据集分库存放
  • 可以导出确认清单(Excel / PDF)
原始语料库:上传、全文检索、导出确认清单
原始语料库:上传、全文检索、导出确认清单
02

审核确认,全程留痕

语料入库前先过审:学院审核,再由学校审核确认。谁在什么时候审的、结论是什么都有记录,每份语料带确认编号、来源和许可信息。

  • 待审核、已确认、已退回分开列
  • 按角色分权限:学校管理员、学院管理员、教研室、教师各看各的范围
  • 所有操作有日志可查
审核签批:待学院审核、待审核确认、已确认、已退回
审核签批:待学院审核、待审核确认、已确认、已退回
03

清洗、切分,三步跑完

选一批语料,配清洗规则,执行。平台去页眉页脚、去重、脱敏,再按长度切成知识块,同时生成向量,供检索问答使用。

  • 清洗规则可以存成模板,下次直接套用
  • 切分长度和重叠可调
  • 处理进度和耗时在队列里看得到
ETL 流水线:选语料、配规则、执行
ETL 流水线:选语料、配规则、执行
04

知识图谱

从语料里抽出实体和关系,做成可以浏览的图谱。可以按名称搜实体、按类型筛选,点开看它的属性、关系和出处。

  • 实体类型可以自己定义
  • 每个实体能追溯到来源语料的具体位置
  • 实体和关系可以人工修改
知识图谱:实体检索和关系浏览
知识图谱:实体检索和关系浏览
05

微调数据工厂

选好已确认的语料,批量生成问答、指令这类训练样本,导出成可以直接拿去微调的数据集。

  • 支持 Alpaca、ShareGPT、BELLE 三种常用格式
  • 可以接学校已有的大模型来生成,没接时用规则模板
  • 数据集带版本,可以下载
微调数据工厂:选语料生成训练样本
微调数据工厂:选语料生成训练样本
06

接到课堂上用

老师在语料库里勾选资料,同步到课堂终端。上课时用翻页笔翻页、切换资源、打开课堂大屏,也可以按住说话,直接在语料库里查。

  • 翻页笔通过教室电脑上的桌面伴侣程序接入,按键可以配置
  • 语音在学校服务器本地识别,不上传外网
  • 终端设备统一登记,能看在线状态
课堂联动:翻页笔指令和课堂大屏
课堂联动:翻页笔指令和课堂大屏
07

开放给学校的其他系统

其他系统要用语料,在后台建一个应用密钥就能调接口:语料检索、文档和正文、知识图谱、向量检索。每个密钥可以限定功能和语料范围。

  • 带接口文档和调用示例
  • 支持 MCP,可以直接接到智能体里
  • 调用日志按应用可查,可以限流
开放接入:应用密钥、调用日志、向量检索
开放接入:应用密钥、调用日志、向量检索
08

数据放在学校自己手里

整套系统打成 Docker 镜像,部署在学校自己的服务器上,资料不出校园网。

  • 每天自动做存储健康检测和数据库备份
  • 存储配额和使用量在后台看得到
  • 系统监控:负载、磁盘、运行中的任务
数据存储:配额、健康检测、备份
数据存储:配额、健康检测、备份
更多功能

其他细节

中英文界面

平台有中文和英文两个版本,右上角切换。

每页使用提示

每个页面都有使用提示,另有帮助中心和接口文档。

学院与专业管理

学院、专业和课程在后台维护,语料按这套结构归档。

统计报告

驾驶舱里可以生成统计报告并导出 PDF。

批量导入

大批量的底座语料可以用脚本批量导入并清洗。

技术栈

Python FastAPI 后端,React + Ant Design 前端,SQLite 全文检索,Docker 部署。

联系

想给学校建语料库,可以聊聊

这套平台是我们给职业院校客户做的项目,按保密约定不写客户名称。发邮件说一下学校的情况和要求,我们回复方案;想看演示也可以来信约。

adolfmc@sina.cn