1 团队介绍
|
本团队由内蒙古科技大学2025届信息管理与信息系统专业的孙静怡、邹仕源、冀禹希三位同学组成。三人因对数字化校园建设的共同兴趣而走到一起，在调研中发现校园诉求反馈存在渠道分散、分类困难、处理流程不透明等痛点，决定合作开发一款智能化的校园诉求反馈系统。团队采用敏捷协作模式，邹仕源负责需求分析与表单设计，冀禹希负责AI能力集成与流程配置，孙静怡负责测试优化与推广落地，三人优势互补，高效推进项目从0到1的落地。
|
2 作品背景（开发该应用的原因，期望解决什么问题，改善何种事务）
|
高校日常管理中，师生对教学、生活、设施等方面的诉求反馈渠道往往分散在微信群、意见箱、线下走访等多个途径，存在以下痛点：
（1）反馈渠道分散：学生需要记住多个反馈入口，提交不便，信息容易遗漏；（2）分类效率低：人工审核诉求内容并分类耗时耗力，紧急事项容易被延误；（3）处理进度不透明：提交后无法追踪处理状态，师生体验差；（4）缺乏智能分析：无法对诉求数据进行统计分析和趋势预测，管理决策缺乏数据支撑。
本作品旨在利用零代码开发平台，结合AI大模型能力，打造一套集"智能提交—AI分类—多级审批—进度追踪—数据分析"于一体的校园诉求反馈系统，实现诉求处理的标准化、智能化和透明化，切实改善校园管理效率与师生满意度。
|
3 制作流程（背景驱动下，作品的整体思路、逻辑、框架和实现方式等）
|
本项目基于零代码开发平台完成，整体开发分为三个阶段，围绕"需求驱动、AI赋能、流程闭环"的核心思路推进。
第一阶段：需求调研与方案设计
通过走访师生、发放问卷，梳理出校园诉求反馈的核心业务流程，确定"学生提交—AI智能分析—部门处理—多级审核—反馈归档"的六步流程框架。明确系统需覆盖教学问题、学工问题、生活服务、心理辅导、校园设施等5大类诉求场景，并设计对应的分类标签与处理规则。
第二阶段：表单设计与AI集成
在零代码平台上搭建诉求表单，包含以下核心模块：（1）基本信息区：流水号、班级、姓名、联系方式、所在院系、联系电话、定位与地址等；（2）诉求详情区：多行文本、图片上传、附件上传，支持用户详细描述问题；（3）AI辅助区：集成DeepSeek大模型，实现AI违规词判定、AI紧急程度分析、AI诉求类型分析、AI辅助提取（自动归类为教学/学工/生活/心理/设施等类别）及AI辅助预测；（4）AI自助问答：用户提交前可通过AI获取引导建议，减少无效提交。
第三阶段：流程配置与测试优化
设计分支审批流程：AI分析后自动分流至对应部门（院系/团委），经"部门处理→院系审核→院系复核→学校复核"四级审批，支持二次整改与诉求人反馈。流程设计中设置了AI分类正确性校验与纠正机制，确保智能分类的准确性。经过多轮测试优化，完善各节点逻辑与异常处理，确保流程闭环、数据可追溯。
|
4 成果展示
|
本系统实现了校园诉求反馈的全流程数字化管理，核心价值体现在：AI自动分类诉求类型，减少人工审核时间约70%；四级审批流程全程可追踪，处理进度实时可见；支持二次整改与多级审核，确保诉求件件有回应；AI辅助预测与计数器功能为管理决策提供数据支撑。系统已在校内小范围试运行，覆盖教学问题、学工问题、生活服务、心理辅导、校园设施等5大类诉求，师生反馈良好。
模块一：智能提交表单
学生通过移动端或PC端进入诉求表单，填写班级、姓名、联系方式等基本信息，描述诉求内容并上传图片或附件。表单内置AI自助问答功能，可实时引导用户规范填写，减少因信息不全导致的退回重填。提交后系统自动生成流水号，并记录提交时间与当前位置。
模块二：AI智能分析
诉求提交后，系统自动调用DeepSeek大模型进行三项分析：（1）AI违规词判定——过滤不当内容；（2）AI紧急程度分析——识别紧急诉求并优先推送；（3）AI诉求类型分析——自动归类至教学、学工、生活、心理、设施等类别，并支持人工校验与纠正，持续提升分类准确率。
模块三：多级审批与闭环管理
AI分析完成后，诉求自动分流至对应处理部门（院系或团委）。处理人员填写处理结果后，依次经过院系审核、院系复核、学校复核三级审批，任一环节可驳回并说明原因。支持二次整改与处理评价，确保问题彻底解决。诉求人可随时查看处理进度，形成"提交—处理—审核—反馈"的完整闭环。
模块四：数据统计与预测
系统内置计数器与AI辅助预测功能，可实时统计各类诉求的数量、处理时效、解决率等关键指标，生成可视化数据看板，帮助管理层掌握校园诉求的整体态势，提前预判潜在问题，实现从"被动响应"到"主动治理"的转变。
|
5 总结与分享
|
在开发过程中，我们深刻体会到零代码平台的强大生产力——无需编程基础，通过拖拽式表单设计和可视化流程配置，即可搭建功能完整的应用系统，极大地降低了开发门槛，让非技术背景的同学也能参与数字化建设。AI能力的集成更是让传统流程焕发智能光芒，DeepSeek大模型的接入使系统具备了智能分类、紧急度识别、违规检测等能力，显著提升了处理效率。
团队配合方面，三人明确分工、每日同步进度，遇到流程分支逻辑复杂的问题时，通过绘制流程图逐一梳理，最终实现完整闭环。踩过的"坑"：初期AI分类准确率不高，通过优化提示词和增加分类标签逐步改善；流程配置时分支条件设置不当导致流程死循环，经反复测试才修复。这些经验让我们认识到，零代码不等于零思考，业务逻辑的严谨性才是系统成功的关键。未来，我们计划进一步扩大系统覆盖范围，接入更多AI能力，并探索跨校复用与开源分享，让更多校园受益于零代码+AI的数字化变革。
作品链接：https://st-demo.frjdy.com/a/6a9924452c4c55ccbafd8d14
|
| 
