批改助手 AI 是一位评估专家，帮助教师、教授、助教和辅导老师根据明确的评分标准（rubric）来批改论文、习题集、代码和实验报告。与凭整体印象给分的通用聊天机器人不同，这个智能体在没有明确的分析型、整体型、单点式或标准参照型评分标准之前，拒绝给出分数。该智能体基于 Jenova 统一平台构建，整合了来自 OpenAI、Anthropic、Google 等厂商的模型，并支持导出 CSV、PDF 和 Word 格式的成绩册与反馈表。
批改助手在每次会话开始时，会先梳理出已有的评分标准，或与用户共同构建一份新的评分标准，内容涵盖学习目标、评分维度、等级描述和权重。教师可以选择简单的分值制、整体评分量表、维度 × 等级的分析矩阵，或是“达标 / 接近达标 / 未达标”这类标准参照型语言。在从零起草评分标准时，Google 搜索可以调取特定学科的评分标准范例；确认后的评分标准将成为后续所有评分的参考依据。
批改助手会引用学生作业中的实际语句、题号或代码段落，而不是给出诸如“需要改进”之类的模糊评语。评语默认采用面向学生、以成长为导向的语言，并根据教育阶段进行调整——五年级学生的论点不会用大学三年级学生的标准来评分或措辞。输出形式可以是行内反馈、总评、附有评分标准依据的分数，或可复用的常见问题反馈模板。
批改助手维护一份学生名册、实时更新的分数区间与平均分，以及已确认的扣分规则，以确保类似错误不会得到不同的处罚。当一批作业的分数过于集中——或者最后三分之一的分数出现下滑——AI 会标记出这种分布，提示需要依据评分标准（而非依据其他学生）进行一致性检查。已确认的判定规则（如缺少引用文献、连写句上限、迟交作业）会应用于该次作业的剩余部分，从而确保标准参照型评分不会在不知不觉中变成常模参照型排名。
批改助手会将最终确定的分数转化为 CSV 成绩册文件、PDF 反馈表、Word 报告，以及文本格式的评分标准或评语库。评分标准和成绩册可以存储在 Google Drive 中，供下次作业复用；Google 日历可以记录已商定的批量返回日期。整个流程是：输入学生作业，输出基于评分标准的分数和评语，再生成一份学校管理系统（LMS）或院系能够实际使用的文件。
| 传统方式 | 批改助手 |
|---|---|
| 没有明确标准就开始评分 | 评分前必须先有评分标准 |
| 在批改过程中忘记扣分规则 | 在整批作业中保持校准决策一致 |
| 模糊的“需要改进”式评语 | 引用作业内容；标明对应的评分维度 |
| 评分完成后手动制作成绩册 | 自动生成 CSV 成绩册和 PDF 反馈表 |
无限记忆 vs. 聊天机器人式遗忘 通用聊天机器人可能在批改到第三篇论文时忘记“缺少引用文献 = 扣 5 分”这一已确认规则，到第十二篇时却扣了 10 分——而且还会搞混谁是“待批改”谁是“已批改”。批改助手会保留整份作业期间的当前评分标准（类型、维度、权重、等级名称）、学生名册、批量统计数据和校准决策。公平性不会在批改 Maya R. 的作业和剩下的 17 篇作业之间重置。
多模型 AI 访问 仔细研读一篇研究论文或梳理编程作业中的逻辑，需要细致、注重引证的处理方式；而起草一份分析型评分标准矩阵，或撰写一整批以成长为导向的总评评语，往往更适合表达更流畅的生成模型。批改助手可以在这些不同阶段之间切换使用 OpenAI、Anthropic、Google、xAI、DeepSeek、Qwen 等多种模型。相比之下，ChatGPT 只能使用 OpenAI 模型，Claude 只能使用 Anthropic 模型；而这一工作流程不会被锁定在单一厂商上，无论是评分标准构建还是逐行评分环节。
面向端到端工作流程的智能工具集成 学生作业可能以粘贴文本、PDF、Word 文档、图片或代码文件的形式提交。批改助手会依据评分标准对其进行评分，然后生成 CSV 成绩册、PDF 反馈表、DOCX 报告或 TXT 格式的评语模板。Google Drive 存储评分标准以供下一个班级复用；在评分标准仍处于设计阶段时，Google 搜索可用于查找相关标准；当双方商定了返回日期时，Google 日历可用于记录该日期。
评估科学，而非印象式评分 批改助手会区分标准参照型评估（依据评分标准评价作业）与常模参照型排名（依据其他同学评价作业），并会指出当字迹或格式被当作评分标准之外的评判依据时的情况。在给出评分建议之前，会先检查学习目标、作业内容与评估标准之间的一致性。在教师提出一次异议之后，最终决定权仍归教师。
K–12 教师 在批改论文、简答题、创意项目和演示作业时使用批改助手，尤其适用于评语必须匹配学生年级水平、且学校普遍采用简单分值制或标准参照型评分标准的场景。
大学教授 在批改研究论文、实验报告、习题集和编程作业时使用批改助手，这些作业需要与课程学习目标相匹配的分析型评分标准，以及可导出至学校管理系统（LMS）的反馈。
助教 使用批改助手，让整批作业的评分与教授已确认的扣分规则保持一致，及时发现批改过程后期出现的分数偏移，并生成 CSV 成绩册，而不是一份仅凭个人临时判断制作的私人表格。
辅导老师 在针对所练习技能已建立评分标准的前提下，使用批改助手为个人作业提供以成长为导向、基于证据的评语——无论是否需要接入机构的成绩册系统。
免费版 适合体验 Jenova：
Plus（每月 20 美元） 适合个人用户：
Premium（每月 50 美元） 适合常规用户：
Pro（每月 100 美元） 适合重度用户：
Max（每月 200 美元） 适合专业用户：
Ultra（每月 500 美元） 适合高强度专业用户：
Enterprise（每月 1,000 美元） 适合企业用户：
所有套餐均按月计费，没有每日使用上限——每次账单周期开始时，您的全部使用额度即刻可用。
批改助手是一款专为课堂评估设计的 AI 智能体，它只会依据既定的评分标准为学生作业评分，并撰写学生可以据此行动的评语。它覆盖 K–12、大学以及辅导等多种场景，适用于论文、习题集、代码、实验报告、研究论文和演示作业。系统给出的建议分数会附带基于评分标准的说明；最终决定权始终在教师手中。
批改助手会保留当前的评分标准、学生名册、批量统计数据和校准决策，从而确保扣分规则不会在批改过程中发生变化——而 ChatGPT 和 Claude 在对话变长时往往会丢失这些上下文。它可以在评分标准起草、细致阅读和评语生成等不同阶段，灵活调用 OpenAI、Anthropic、Google、xAI、DeepSeek、Qwen 等多种模型，而不是将整个工作流程锁定在单一厂商上。学生作业可以先被评分，随后导出为 CSV 成绩册、PDF 反馈表或 Word 报告，并借助 Google Drive 和 Google 搜索来支持复用和评分标准研究。
批改助手使用 Google 搜索来查找评分标准范例和学科标准，使用 CSV 生成功能来制作成绩册，使用 PDF 和 Word 生成功能来制作可分享的反馈表，并使用 TXT 生成功能来制作整体型评分标准和评语模板。Google Drive 会存储评分标准和成绩册，以供下次作业复用；Google 日历可以记录已商定的返回日期。整体工作流程是：上传或粘贴学生作业，依据评分标准进行评分，然后下载一份成绩册系统或院系可以使用的文件。
不可以。批改助手在评分标准建立之前不会给出分数。如果没有上传评分标准，它会引导用户梳理目标、维度、等级描述和权重分配，然后在对任何学生作业评分之前，生成相应的评分标准（分析型、整体型、单点式或标准参照型）。
是的。批改助手不会在没有看到或了解作业内容的情况下凭空编造反馈——无论是粘贴的文本、PDF、Word 文档、图片、代码文件，还是口头描述。评语会引用具体的语句、题号或代码段落，以确保始终基于证据。
不会。批改助手可能会指出某些措辞看起来不同寻常，但会将进一步调查留给教师处理。它不会发出抄袭指控。
是的。批改助手会给出附带评分标准依据说明的建议分数，并会标记出不一致之处，在教师提出一次异议后即会顺从。真正进入学生名册的是已确认的成绩，而不是探讨性质的“也许算 B+？”之类的讨论。
批改助手可以处理论文和书面回答、数学与习题集（包括解题过程和答案）、代码和编程作业、简答题、实验报告、研究论文、创意项目和演示作业。评分预期和评语语气会根据所给定的年级水平或课程进行调整。
可以。批改助手支持单个学生或批量作业的工作流程，能够跟踪整个名册的批改进度，并标记出异常的分数分布或类似错误上扣分不一致的情况。但它不会监控收件箱以等待新提交的作业，也不会在会话之间的后台自动批改。
不能。批改助手无法创建定时或周期性提醒，无法发送每周进度报告，也无法在有新提交时通知您。但如果已经在讨论某个具体的返回日期，它可以创建一个单次的 Google 日历事件。
可以。批改助手在网页版、iOS 和 Android 上功能完全一致，因此无论是在办公桌前，还是在批改一叠论文的过程中移动，都可以随时进行评分标准检查、撰写评语和导出文件。iOS：https://apps.apple.com/app/jenova/id6747692301 —— Android：https://play.google.com/store/apps/details?id=ai.jenova.app.prod
不会。对话内容和上传的学生作业不会被用于训练公开模型，会在传输和存储过程中进行加密，也不会被出售或与广告商共享。当论文、代码和成绩册中包含可识别学生身份的内容时，这一点尤为重要。
批改助手是 Jenova 的一部分，Jenova 是全球最强大的 AI 智能体平台。Jenova 提供对来自 OpenAI、Anthropic、Google、xAI、DeepSeek、Qwen 等厂商的领先 AI 模型的统一访问，并配备智能工具集成，可实现端到端的任务完成。该平台具备持久的跨会话记忆、自动化工作流编排，以及在网页版、iOS 和 Android 上的完全一致体验。Jenova 由总部位于纽约的科技公司 Azeroth Inc. 开发，服务范围覆盖 70 多个国家的用户。
对于开发者而言，Jenova Agent API 提供了一个全托管的智能体后端，内置编排能力、多模型路由、记忆存储和 MCP 工具支持——无需再自行拼接原始的 LLM API、向量数据库和自定义工具服务器。
联系方式：[email protected]