用飞书自建机器人调用DeepSeek API，把答疑、批改与学情分析放进群聊、多维表格和文档，AI指导老师即可低成本落地。
很多AI指导老师项目停在单个网页对话框，真正影响效率的是协作链路没有打通。DeepSeek API提供兼容OpenAI的推理接口，飞书承载群聊、文档、多维表格和审批，二者结合后，学生提问、教师批改、教研复盘可以在原有工作台内闭环。接入的重点不是写多少代码，而是确定机器人形态、事件订阅、数据权限和成本边界，让模型能力稳定嵌入日常教学流程。
1. 应用创建与密钥配置
进入飞书开放平台创建企业自建应用，填写应用名称与描述，开启机器人能力，并获取App ID和App Secret。随后在权限管理里按最小必要原则勾选消息与群组、云文档、多维表格等权限，例如接收消息、以应用身份发消息、读取和写入多维表格记录、创建云文档。权限过多会拉长管理员审批时间，也会扩大数据暴露面，因此AI指导老师场景只需围绕答疑、批改、学情记录和文档生成配置权限。版本发布后，由企业管理员在飞书管理后台审核通过，应用才能对指定部门或全员生效。
在DeepSeek开放平台创建API Key，记录接口地址与模型名称。DeepSeek API兼容OpenAI格式，常用模型包括deepseek-chat和deepseek-reasoner，前者适合日常答疑、作文批改和摘要生成，后者适合复杂推理与多步骤解题。密钥必须放在服务端环境变量中，不能写入前端页面或飞书机器人卡片。服务端通过OpenAI SDK或HTTP请求调用chat completions接口，并在系统提示词中固定AI指导老师身份、回答边界、安全规则和输出格式。温度参数也应按场景区分，批改类任务设为较低值以保证评分稳定，头脑风暴类任务可适当提高。
完成基础配置后，先用飞书开发者后台的调试工具发送测试消息，确认机器人能收到事件并返回文本。再将服务部署到具备公网地址的服务器，或采用飞书长连接接收事件，减少内网穿透和证书配置成本。AI指导老师通常需要拉群使用，因此还要设置机器人可被拉入群聊，并允许单聊提问。API Key要建立轮换机制，结合代码仓库密钥扫描和日志脱敏，避免因一次泄露导致教学数据与调用额度同时受损。
2. 事件订阅与会话链路
飞书事件订阅决定机器人能否实时响应。进入应用后台的事件订阅页面，配置请求网址、Verification Token和Encrypt Key，并订阅接收消息事件。飞书会先发送challenge验证请求，服务端校验后原样返回，才算回调地址有效。若采用长连接模式，可以通过飞书官方SDK建立WebSocket通道，无需公网域名也能接收事件，适合校内内网或快速验证阶段。无论哪种，都要在服务端完成签名校验和事件去重，防止伪造请求和重复消费。
收到消息事件后，解析事件体中的message内容，提取文本并去除对机器人的@提及。会话上下文可以用chat_id与sender open_id组合作为键，存入Redis或飞书多维表格，保存最近若干轮对话。上下文超过模型窗口时，先调用DeepSeek生成摘要，再与最新问题一起提交，既保留连续性又控制token成本。调用DeepSeek时开启流式输出，但飞书消息更新有频率限制，可以先用消息卡片回复“正在思考”，拿到message_id后通过更新卡片分段展示答案。对于超过三秒的推理任务，应放入异步队列，避免飞书回调超时重试。
实际教学中，学生在群里问“二次函数顶点式怎么推”，机器人应给出推导步骤并附一个变式练习；教师@机器人要求“根据今天错题生成三道同类题”，机器人则读取多维表格中的错因字段再生成题目。多轮追问依赖会话链路，例如学生继续问“为什么对称轴是负二a分之b”，机器人要能结合上一轮内容解释。权限上只允许群成员触发，敏感词和人身攻击内容要拦截，日志只记录message_id、耗时和token用量，不记录完整原文，降低隐私泄露风险。
3. 多维表格与文档联动
多维表格是AI指导老师沉淀学情的关键载体。应用通过飞书开放平台的多维表格接口创建记录，字段可以包括学生标识、知识点、错因、推荐练习、掌握度、日期和会话ID。DeepSeek输出结构化JSON，服务端解析并校验字段类型，再批量写入表格。每次答疑后自动归档错题，教师就能在飞书里按知识点筛选薄弱项，而不是翻找散落的聊天记录。批量写入要注意接口限流，使用message_id作为幂等键，避免重试造成重复记录。
云文档联动让模型产出直接进入教研流程。定时任务每天读取当天多维表格记录，调用DeepSeek生成学情日报、教案草稿或家长反馈，再通过文档接口创建云文档并写入标题、段落和表格。生成后的文档链接可以封装成消息卡片发到教研群，教师点开即可编辑和批注。作文批改场景更典型，DeepSeek按内容、结构、语言和书写维度评分，输出修改建议，服务端将评分写入多维表格，同时生成带批注的文档。这样AI指导老师不仅回答问题，还能把过程数据转化为可追踪的教学资产。
工程实现上要重视JSON schema校验和失败重试，模型偶尔会输出多余文字，服务端需要提取有效JSON并记录异常。飞书多维表格和文档接口都有频率限制，批量任务应拆分为小批次并加入退避策略。教师端可增加审核状态字段，只有审核通过的反馈才推送给家长。对于班级规模较大的机构，可以用飞书审批流做发布前确认，让AI生成内容先进入待审列表，再由教研组长确认，既保留自动化效率，也避免错误信息直接触达学生和家长。
4. 教学数据权限与成本控制
权限最小化是AI指导老师接入飞书的第一原则。应用只申请完成业务必需的权限，通讯录字段谨慎使用，学生姓名可用学号或内部ID替代，手机号、身份证号和家庭住址不应进入提示词。日志需要脱敏，数据库和对象存储要加密，并设置保留期限。根据个人信息保护法和未成年人保护相关要求，面向未成年人的答疑记录、批改结果和学情分析都应限定访问范围。DeepSeek开放平台的数据使用说明显示API调用数据通常不用于模型训练，但企业仍应阅读最新条款，必要时签署数据处理协议并保留合规记录。
成本控制要落到token、并发和模型选择三个层面。DeepSeek API按token计费，deepseek-chat适合大多数指导场景，deepseek-reasoner只在复杂推理时启用。上下文保留最近几轮加摘要，避免每轮都携带全量历史；长文档先分块再汇总，重复知识库内容可利用缓存降低费用。监控RPM和TPM限额，遇到429错误使用指数退避，记录每次调用的输入输出token、延迟和失败率。按班级灰度发布，先观察一周的准确率、响应速度和教师满意度，再决定是否扩大范围。
教学边界同样重要，AI指导老师不能替代教师做最终评价。模型可能产生幻觉，尤其是数学推导、作文评分和知识点归因，必须保留教师审核环节。飞书审批流可以记录谁在何时调用了哪个模型、查看了哪条建议、是否采纳，形成审计日志。对于高利害场景，例如升学建议和心理辅导，机器人应只提供信息整理和初步分析，并明确提示需要教师或专业人员介入。把权限、成本和质量控制做成默认配置，DeepSeek API接入飞书才能真正成为可持续的AI指导老师工作流。
