目标
西北大学物理学院·现代物理研究所致力于在物理专业的教学与科研一线引入生成式 AI。依托 NVIDIA DGX Spark，物理学院在本地、可控、可复现的环境中构建面向物理专业的”教学助教”与”科研工具协同”智能体，把原本需要申请机房与云资源的科研项目，变成可以在桌面上每天迭代的工程项目，为智能体从原型验证到全院推广提供完整的孵化路径。
客户
西北大学物理学院·现代物理研究所
用例
生成式 AI/智能体 (Agentic AI)
产品
- NVIDIA DGX Spark
- Open Shell
- NIM
背景：AI 时代教学科研新范式探索
生成式 AI 正在逐步影响知识获取、内容生成与科研协作方式，也推动高校探索面向 AI 时代的教学与科研新范式。在科研领域，基于大语言模型的智能体已开始应用于文献分析、实验方案辅助设计和科研工具协同等环节；在教学领域，相关教辅工具不断涌现，但其实际价值仍取决于与课程体系、专业知识和具体场景的深度结合。
基于这一判断，西北大学物理学院开始探索更加贴近物理学科需求的教学与科研新范式：在教学方面，推动学习方式由单向知识传递向更具互动性、启发性和个性化的方向发展；在科研方面，将教师和团队长期积累的专业知识、研究方法与实践经验，逐步沉淀为可复用、可检索和可交互的知识资源。
然而，从理念探索走向实际应用，仍面临四方面挑战：
- 想法落地难度大
教师对 AI 与教学、科研结合已有不少设想，但多数人缺乏相关开发经验，从需求梳理到原型实现，往往需要较长时间。
- 工程迭代效率低
原型能够运行之后，还需要持续调试、验证和优化。若依赖机房或云端资源，资源申请、环境配置和排期都会影响开发节奏。
- 数据安全要求高
课程资料、教学知识库、科研数据和学生数据涉及隐私、知识产权管理要求，因此需具备本地部署和可控运行能力。
- 长期成本可控制
如何以可控的硬件投入和运营成本，持续支撑智能体的开发与运行，直接决定了全院规模化推广的可行性。
借助 NVIDIA 端到端软硬件技术，西北大学物理学院加速 AI 教学与科研落地
西北大学物理学院选择 NVIDIA DGX Spark，主要是希望在本地、可控的环境中完成模型部署、场景验证和应用开发，降低教师接触和试用生成式 AI 的门槛。
基于 DGX Spark，教师可从基础模型体验逐步扩展到教学、科研工作流及个性化智能体开发，在实际使用中形成对模型能力、适用边界和落地方式的判断，并为后续在学院内推广相关应用积累经验。
在完成本地模型部署和初步验证后，西北大学物理学院进一步将 DGX Spark 用于具体教学与科研场景，先后开发了教学智能体 Maxwell，以及面向量子化学软件 BDF 的 BDFAutotest 和 BDFAssistant。
- 教学智能体：Maxwell
电动力学知识体系严密、数学推导复杂，学生在预习、课堂学习和课后复习中常需要持续辅导。电动力学教学智能体 Maxwell，作为课堂教学的补充，可结合课程进度，为学生提供预习、复习和答疑支持，并通过提问和引导帮助学生理解概念与推导过程，而不是直接给出答案。教师则可根据学生的学习情况调整教学内容和节奏。
以上实践也进一步明确 AI 在教学中的定位：可以承担部分知识辅导和重复性支持工作，但教师在思维引导、课堂互动和学生成长方面仍发挥着核心作用。
- 科研智能体：BDFAutotest 与 BDFAssistant
BDF 是西北大学现代物理研究所参与开发的量子化学软件，以往软件更新、编译、测试和报告生成主要依靠脚本完成，出现异常时需科研人员逐项排查。
利用 BDFAutotest，可将代码更新、自动编译和测试流程串联，通过分析运行日志，生成错误报告，科研人员可快速定位问题。同时问题处理过程中的经验也可进一步沉淀，用于后续诊断规则和知识库建设。
进一步的，团队开发了 BDFAssistant，支持通过自然语言完成计算参数设置、输入文件生成、任务执行和结果分析。用户只需关注研究方向本身，而无需掌握 BDF 的复杂输入规则，不仅降低专业软件的使用门槛，也加快科研数据的生产节奏。
DGX Spark 支撑构建本地、可控的智能体开发环境
- NVIDIA DGX Spark：本地 AI 开发平台
DGX Spark 集成 DGX OS 与 NVIDIA AI 软件栈，提供本地模型运行、应用开发和流程验证的统一环境。相比依赖远程共享云资源的方式，减少了资源申请、环境配置和排期等待，使部分原型开发、验证周期由数周缩短至数天。
对物理学院而言，DGX Spark 是学院 AI 赋能教育的切入点，即“以较低门槛启动本地 AI 实践”，并为后续智能体开发与迭代提供基础环境。
- 本地部署与安全运行
原型验证阶段，在 DGX Spark 上部署基于 Qwen3.6-35B-A3B 的 NIM 容器，并基于 OpenClaw 框架构建教学智能体 Maxwell 原型，实现对话交互、课程资料访问、知识检索、工具调用和任务执行，用于电动力学文本处理、公式整理及基础教学素材生成。
产品化阶段，围绕模型调用、上下文与记忆管理、课程知识检索、任务编排和工具执行等模块进行工程化重构，支持课程内容、模型策略和工具能力的持续扩展。同时，结合 OpenShell 构建隔离、受控的运行环境，限制文件系统、网络、代码执行及工具访问权限，提升智能体运行稳定性并保障教学数据安全。
- 本地与云端协同
采用本地与云端协同的模型调用机制，将模型服务与智能体的任务编排、工具执行进行解耦，并通过 LLM Router 根据任务复杂度、数据敏感性和模型能力需求进行动态模型路由。课程资料检索、公式整理和常规教学问答等任务优先由 DGX Spark 上的本地模型处理；编程、复杂推理等高能力需求任务则按需调用如 GLM 5.2、DeepSeek-V4 外部模型服务。在保障敏感数据优先本地处理的同时，能够灵活补充云端模型能力，兼顾安全性、任务效果、响应效率与使用成本。
- 集群扩展与弹性部署
DGX Spark 可通过 ConnectX-7 高速互联接口组成集群，支持从双机部署向更多节点扩展。当前双机环境中，已验证 DeepSeek-V4-Flash (284B) 模型的加载与推理可行性，对于更高并发或更重的推理任务，还可引入服务器资源，而 DGX Spark 可继续用于智能体开发、流程编排与应用验证。
从 Maxwell 到 BDFAutotest 与 BDFAssistant，西北大学物理学院逐步验证了 AI 在教学与科研场景中的应用价值。基于 DGX Spark 构建的本地、可控开发环境，能够兼顾数据安全、快速验证与持续迭代，适合用于教学科研智能体的原型设计与早期孵化。未来，学院将继续围绕实际需求，拓展 AI 在更多教学与科研场景中的应用。
备注：
- 文中 Maxwell 是西北大学物理学院开发的教学智能体的名称。
- Qwen3.6-35B-A3B NIM Container for DGX Spark 容器中嵌入的模型 Qwen3.6-35B-A3B 并非由 NVIDIA 拥有或开发。