이미지 마켓 · 원클릭 배포
이미지 마켓에서 AI 교육 클라이언트와 실행 환경이 사전 설치된 이미지 템플릿을 선택하여 실습실의 모든 단말에 일괄 배포합니다. 기기별 설치나 수동 구성이 필요 없고 버전이 통일되며 환경이 일관되어, AI 교육 환경의 도입 주기를 대폭 단축합니다.
신속하게 적용 가능한 솔루션
AI를 잘 쓰는 것이 AI를 이해하는 것과 같지는 않다
대학 AI 교육 플랫폼 신속 구축 솔루션
AI 시대의 경쟁은 누구의 모델 파라미터가 더 크고 누구의 신경망이 더 깊은지를 겨루는 것이 아니라, 누가AI를 더 빠르게 활용하기。 信管系、信息系、经管学院……아니다每个专业都需要成为算法工程师，但每一个专业的学生，都需要具备AI 시대에 효과적으로 일할 수 있는 능력。 vDisk AI 교육 플랫폼，让대학各院系在GPU 서버 구매도, 알고리즘 팀 구성도 필요 없음라는 전제 하에 AI를 진정으로 교실에 도입합니다.
0 台
추가 GPU 서버
며칠
프로젝트 착수부터 개강까지
완전 호환
DeepSeek · Wenxin · Tongyi · GLM…
95%+
자체 구축 대비 비용 절감
AI 교육, 진입 장벽은 도대체 어디에 있나?
AI 교육을 추진할 때 많은 대학이 이 두 가지 접근법 사이에서 종종 딜레마에 빠집니다.
처음부터 모델에 손대기
GPU 서버를 조달하고 로컬 대형 모델을 배포하며 알고리즘 튜닝 팀을 꾸려, 먼저 전교 교직원과 학생이 신경망과 Transformer 아키텍처를 이해하게 한다……
- 하드웨어 구매 비용 가중 200~300만 위안시작
- 배포에 몇 달이 걸려 한 학기를 통째로 놓침
- 배포 당일에 이미 모델이 상용 버전에 뒤처짐
- 비 CS 전공 교수·학생은 어떻게 시작해야 할지 전혀 모름
- 정보관리학과·경영대 학생에게는 전혀 필요 없음
먼저 사용해 보고 나서 깊이 들어가기
"AI 도구를 잘 활용한다"를 출발점으로 삼아 가장 뛰어난 상용 대형 모델 역량을 곧바로 수업에 도입하여, 학생이 첫 수업부터 AI가 학습과 업무 효율을 실제로 끌어올리는 것을 체감하도록 합니다.
- 일반 업무 서버 한 대로 실습실 전체 접속을 처리
- 이미지 마켓에서 일괄 배포해 며칠 만에 배포 완료
- 관리자 화면에서 언제든 모델 전환, 항상 최신 버전 사용
- 모든 전공 학생이 부팅 후 바로 사용, 설정 부담 제로
- Token 사용량을 제어할 수 있어 비용이 투명하고 초과 지출이 없습니다
운전을 한다고 해서 엔진 수리를 배워야 하는 것은 아니듯, AI 도구를 잘 활용하는 것도 모두가 신경망에 정통해야 한다는 뜻은 아닙니다.AI를 일상의 학습과 업무 흐름에 진정으로 들여오는 것이 이 시대가 고등교육에 요구하는 가장 핵심적인 과제입니다.우리가 해결하려는 것은 이것을 어떻게 실제로 실현할 것인가입니다.
도입 전 마주칠 수 있는 네 가지 난관
대학이 AI 교육을 추진할 때, 의지가 부족해서가 아니라 이러한 현실적인 문제에 막히는 경우가 많습니다.
하드웨어 투자 진입 장벽이 너무 높음
불편 사항
대형 모델을 자체 구축하는 데 필요한 GPU 서버는 가격이 엄청나며 모델 갱신 속도도 매우 빨라, 오늘 구입한 장비가 내년에는 최신 버전을 구동하지 못할 수 있어 지속적인 하드웨어 부담이 됩니다.
해법
API를 통해 클라우드의 주요 대규모 모델에 연결하고 추론은 클라우드에서 수행하며, 교내에는 접속과 관리·통제를 담당하는 일반 서버 한 대만 있으면 됩니다,하드웨어 투자 거의 제로。
배포가 복잡하고 기간이 길다
불편 사항
자체 구축 방식은 GPU 드라이버, 모델 가중치 다운로드, 추론 프레임워크 설정, 권한 체계 구축 등 모든 단계에서 전문 인력의 개입이 필요하며, 프로젝트 착수부터 가동까지 수개월이 걸리는 경우가 흔합니다.
해법
vDisk 이미지 마켓을 기반으로, AI 교육 구성 요소가 이미 통합된 이미지를 선택해 원클릭으로 실습실 단말에 일괄 배포합니다.배포부터 개강까지 최단 며칠이면 완료。
사용량 통제 불가, 비용 예측 어려움
불편 사항
토큰 과금 방식의 AI API는 통제가 부족하면 많은 학생이 동시에 사용할 때 비용이 급격히 치솟을 수 있어, 예산이 불확실한 프로젝트를 학교 경영진이 승인하기 어렵습니다.
해법
플랫폼 지원1인당 Token 상한 설정계정별 통계로 비용 상한을 사전에 고정하고 운영 비용이 완전히 투명하며 구매 승인을 기록으로 확인할 수 있습니다.
수업 관리와 데이터 연속성의 난제
불편 사항
학생이 수업마다 많은 양의 배경 정보를 다시 입력해야 하고 대화 기록이 수업 간에 이어지지 않으면 Token이 낭비되고 수업 흐름에도 영향을 줍니다. AI 생성 콘텐츠도 일관되게 저장·관리하기 어렵습니다.
해법
vDisk 네트워크 디스크는 가상 드라이브로 마운트되어 데스크톱, 문서, AI 산출물을 실시간으로 서버에 저장합니다.다음 수업에서 지난번 진도를 그대로 이어감, 컨텍스트를 반복 입력할 필요가 없습니다.
플랫폼 핵심 기능 한눈에 보기
완전하고 실제로 구현 가능한 AI 교육 인프라
OpenAI 호환 게이트웨이 · 소프트웨어 연결 즉시 사용
플랫폼 외부 제공统一的 OpenAI API 호환代理端点。VS Code、Cursor、各类 AI 编程插件、自研教学系统，只需在设置中填写统一的网关地址与密钥，即可接入 DeepSeek、文心一言、通义千问、智谱 GLM、豆包、讯飞星火、腾讯混元、Kimi 等国产主流大模型，无需为每家模型单独对接。
vDisk 네트워크 디스크 · AI 산출물 손실 없음
가상 디스크(예: D:)로 마운트하여 바탕화면, 내 문서, AppData 등의 디렉터리를 자동으로 서버로 리디렉션하여 실시간 저장합니다. AI 대화 기록, 코드 초안, 실험 보고서가 모두 디스크에 저장되어 다음 수업에서 이전 중단 지점부터 이어가므로, Token 반복 입력을 크게 줄이고 교사가 학습 과정을 열람하기에도 편리합니다.
Token 사용량 관리 · 비용 예측 가능
계정별로 Token 사용 한도를 설정할 수 있고 학생별 소비 현황을 실시간으로 집계하며, 시스템이 한도 초과 요청을 자동으로 차단합니다. 학교의 예산 계획은 근거가 명확하고, 일부 학생의 남용으로 전체 비용이 늘어날 걱정이 없으며, 전체 운영 비용이 완전히 투명합니다.
백오피스에서 언제든 모델 전환 · 항상 최신 버전 사용
대규모 모델의 발전 속도는 매우 빠릅니다. 플랫폼 백엔드에서 연결된 국산 모델을 언제든 전환할 수 있으며 프런트엔드 교육 인터페이스는 어떤 변경도 필요 없어, 학생은 항상 업계 최고의 모델을 사용하게 됩니다. 하드웨어 종속으로 인한 구버전 장기 사용을 방지하여 교육 콘텐츠와 도구 계층을 늘 기술의 최전선에 유지합니다.
AI 조교와 수업 관리 · 더 낮은 운영 비용
AI 비전을 기존 감시 카메라와 연동하여 수업 자동 순회 점검, 이상 경보, 시간표 연동을 구현합니다. 시간표 시간대에는 전원, 출입통제, 에어컨을 자동으로 켜고 수업 후 자동으로 끄므로 인력 상주가 필요 없어 실습실 관리자를 반복 작업에서 해방합니다.
서로 다른 학과, 동일한 플랫폼
AI 교육은 컴퓨터학과만의 것이 아니며, 모든 전공에는 고유한 AI 활용 시나리오가 있습니다
컴퓨터 / 소프트웨어공학 / AI 전공
코딩 보조 · 코드 리뷰학생은 VS Code 또는 Cursor에서 통일된 OpenAI 호환 주소를 설정하기만 하면 프로그래밍 실습 수업에서 AI 보조 자동 완성, 코드 설명, 버그 위치 파악을 사용할 수 있습니다. AI 산출물은 자동으로 디스크에 저장되어 다음 수업에서 이전 수업의 프로젝트 진행 상황을 이어갈 수 있으므로, 개발 환경을 반복적으로 구축하는 시간 비용을 줄입니다.
- AI 보조 프로그래밍으로 효율이 크게 향상
- 코드 기록과 대화 기록을 자동 저장
- 개인별 API Key 등록 불필요, 통합 권한 부여
정보관리학과 / 경영경제대학
AI 소양 · 데이터 분석정보 관리, 경영 관리, 마케팅 등 전공의 학생에게 중점은 모델 학습이 아니라 AI 도구를 활용해 시장 분석, 기획서 작성, 데이터 처리 등 업무 시나리오 과제를 효율적으로 완수하는 방법을 익히는 것입니다. 플랫폼에는 대화 인터페이스가 내장되어 부팅 후 바로 사용할 수 있으며, 진입 장벽 없이 현재 가장 강력한 상용 대규모 모델에 접근할 수 있습니다.
- AI 보조 보고서 작성 및 시장 분석
- 대화 기록 실시간 저장, 언제든 복기 가능
- 시간표 연동으로 교육 질서가 정연
이공계 실험 수업
실험 보고서 · 데이터 처리화학, 물리, 생물 등 실험 과목에서 학생은 AI를 활용하여 실험 원리를 빠르게 조회하고 실험 보고서 프레임워크를 생성하며 데이터 분석을 보조받을 수 있습니다. 실험 과정에서 생성된 데이터와 AI 상호작용 기록은 네트워크 디스크에 동기화 저장되며, 교사는 실험 보고서의 완성도를 실시간으로 추적할 수 있습니다.
- 실험 기록과 AI 산출물을 한곳에 통합 저장
- 교사가 학생의 AI 보조 과정을 열람 가능
- 시간표 연동으로 실험실 자동 켜짐/꺼짐
전교 교양 AI 수업
기초 지식 불필요 · 즉시 사용 가능전교 각 전공을 대상으로 AI 교양 선택 과목을 개설합니다. 학생은 AI 기초 지식이 전혀 없어도 클라우드 데스크톱에 로그인하는 것만으로 대규모 모델과의 대화, Prompt 엔지니어링 입문, AI 툴체인 실습을 체험할 수 있습니다. 통합 계정 체계로 개인별 등록·충전·설정이 필요 없어 교양 과목의 교육 운영 비용을 크게 절감합니다.
- 부팅 즉시 사용, 사전 설정 불필요
- 전 전공 학생을 통합 관리 및 권한 부여
- 사용량 제어 가능, 비용은 예산 내
기획부터 개강까지, 모두 몇 단계?
우리의 목표는 AI 교육 역량을 최단 시간 안에 실제로 가동시키는 것입니다.
01
1~2 영업일
환경 평가 및 솔루션 확정
당사 컨설턴트와 전산실 서버 수량, 네트워크 대역폭, 사용 중인 클라우드 데스크톱 버전, 대상 학과의 요구 사항을 확인한 후, 귀교의 실제 상황에 맞는 도입 방안과 예상 비용을 제시합니다.
02
1~3 영업일
이미지 준비 및 게이트웨이 구성
vDisk 이미지 마켓에서 AI 교육 컴포넌트가 이미 통합된 이미지를 선택하거나 맞춤 제작하고, 관리단에서 OpenAI 호환 게이트웨이를 구성하여 대상 대규모 모델에 연결한 뒤 Token 사용 정책과 계정별 권한을 설정합니다.
03
반나절~1영업일
이미지 일괄 배포 · 전산실 전체 커버
vDisk 통합 관리 플랫폼을 통해 이미지를 실습실 단말에 일괄 배포하고, 네트워크 디스크 마운트 정책과 사용자 디렉터리 리디렉션 설정을 동시에 완료하여 AI 산출물과 학습 기록이 자동으로 저장되도록 합니다.
04
영업일 1일
교사 연수 · 수업 시범 운영
과목 담당 교사를 대상으로 짧은 운영 교육을 실시하여 Token 사용량 조회, 모델 전환, 학생 데이터 열람을 중점적으로 설명합니다. 첫 시범 수업으로 검증하고 수업 진행이 원활함을 확인한 후 정식으로 개강합니다.
전체 과정 최단 5영업일, AI 교육을 정식으로 교실에 도입.
긴 하드웨어 조달 주기를 기다릴 필요도, 알고리즘 팀이 갖춰지기를 기다릴 필요도 없습니다. 바로 이번 학기에 시작할 수 있습니다.
왜 자체 모델을 구축하지 않는가?
이는 많은 학교가 의사 결정 시 묻는 핵심 질문입니다
대다수 대학에 있어 자체 대규모 모델 구축의 핵심 논리는 성립하지 않습니다. 문제는 기술이 어려운가가 아니라——자체 모델을 구축하면 첫날부터 이미 뒤처지게 됩니다。
상용 대형 모델은 월 단위로 발전하며, 오늘 200만을 들여 구매한 하드웨어와 거기에 배포한 모델은 반년 후면 더 강력한 차세대 버전에 추월당할 가능성이 큽니다. 그러나 학교의 장비는 모델 발전에 맞춰 자동으로 업데이트되지 않으므로, 학생들이 오랫동안 사용하는 것은 특정 시점에 "동결"된 AI 역량이며, 이는 업계와도, 시장과도, 졸업 후 실제로 사용하게 될 도구와도 단절되어 있습니다.
vDisk 플랫폼의 논리는 학교가 항상 업계 최고의 상용 대규모 모델에 접속하도록 하는 것입니다. 백엔드에서 모델을 전환해도 프런트엔드는 이를 인지하지 못하며, 수업의 지식 포인트와 양성 목표는 교사가 결정하지만,도구 계층이 항상 주류 사례와 동기화 유지. 이는 기술 역량에 대한 타협이 아니라 교육 목표를 실현하는 가장 실용적인 경로입니다.
AI 교육의 진정한 경쟁력은 얼마나 큰 모델을 배포했는지가 아니라, 학생이 실제 업무 환경에서 AI를 효과적으로 활용할 줄 알게 되었는지에 달려 있습니다.
자체 구축 vs. API 연동: 핵심 항목 비교
| 차원 | 자체 구축 AI 서버 | vDisk API 연동 |
|---|---|---|
| 초기 하드웨어 비용 | 200만~300만 위안부터 | 거의 0원 |
| 배포 주기 | 몇 개월 | 며칠 |
| 모델 업데이트 방식 | 하드웨어 재구매 | 백오피스 원클릭 전환 |
| 모델 성능 수준 | 고정 버전, 점차 뒤처짐 | 항상 최신 상용 모델에 연결 |
| 운영·유지보수 요구 사항 | 전담 AI 엔지니어 필요 | 기존 전산실 운영만으로 충분 |
| 비용 예측 가능성 | 일회성 대규모 구매 + 지속적 유지보수 | Token 단위 과금, 상한 제어 가능 |
| 학생 사용 경험 | 직접 구성 필요, 진입 장벽 높음 | 전원만 켜면 사용, 설정 불필요 |
2026년, 오늘
교실 속 보이지 않는 벽
이것은 학생의 문제도 교사의 문제도 아닙니다. 도구와 시대 사이에 단절이 생긴 것입니다.
학생의 목소리
혼란 · 저항 · 소모
"왜 VB6를 배워야 하나요? 지금 어느 회사가 아직도 이걸 쓰나요?"
"수업에서는 손으로 for 루프를 타이핑하고, 기숙사에 돌아와 휴대폰을 켜면 전부 AI가 원터치로 코드를 생성한다 —— 이건 두 개의 세계다."
"VC++를 배워서 Hello World는 작성했지만, 막상 취업할 때는 이력서에 무엇을 써야 할지도 몰랐다."
"배우기 싫은 게 아니라, 이걸 배워서 뭐에 쓰는지 모르겠어요."
악순환
교사의 목소리
지침 · 무력감 · 소극적
"요즘 학생들은 배우려고 하질 않아요. 교과서보다 휴대폰을 더 자주 듭니다."
"기초가 탄탄하지 않은데 걷기도 전에 뛰려 한다."
"바깥에서는 다들 AI를 쓰는 걸 압니다. 하지만 시험 범위는 이게 전부인데, 제가 어쩌겠어요?"
"수업 분위기는 점점 나빠지고, 가르치는 열정도 서서히 사라집니다."
학생의 생각
배워도 쓸모없음
배워도 쓸모없음
수업 참여도
지속적 하락
지속적 하락
교사의 의견
학생들이 배우려 하지 않음
학생들이 배우려 하지 않음
계속 사용
노후 교육 콘텐츠
노후 교육 콘텐츠
진짜 문제는 태도가 아니라 도구다
当课堂里用的是 VC 6.0 和 VB6，而学生手机里看到的是 Cursor 一键生成完整项目、 Claude Code 통과对话重构整个代码库——这种认知落差，아니다靠"올바른 학습 태도 정립"能弥合的。 真正有效的做法，是2026년 현재 실제로 쓰이는 진짜 도구를 교실로 가져오기， 让学生从第一堂课就感受到：这东西出去真的能用。
也不需要一上来就讲 Transformer 原理、反向传播、神经元激活函数—— 那是研究生和算法工程师的课题。对大多数学生而言， 먼저 활용하고, 효과를 내며, 긍정적인 피드백을 만드는 것이 모든 것의 출발점입니다. 기초 원리는 흥미가 생긴 뒤에 자연스럽게 탐구하면 된다.
실전 배포 가이드
Cursor · Claude Code · Codex
전산실 실전 구성 전 과정
이 세 가지 도구는 2026년 엔지니어와 학생이 가장 자주 사용하는 AI 코딩 어시스턴트입니다. 이를 전산실에 구성하여 학생들이 수업에서부터 실제 현장의 도구를 사용하도록 합니다.
Cursor
교실에 가장 적합한 AI 코딩 IDEVS Code를 기반으로 깊이 개조하여 AI 대화, 코드 자동 완성, 전체 파일 수정, Composer 다중 파일 연동을 내장했습니다. 학생은 도구를 전환할 필요 없이 코드를 작성하면서 AI와 실시간으로 상호작용할 수 있어 진입 장벽이 매우 낮습니다.
Claude Code
터미널 속 AI 코딩 에이전트Anthropic이 선보인 명령줄 AI 프로그래밍 도구로, 프로젝트 디렉터리를 직접 조작하고 파일을 읽고 쓰며 명령을 실행하고 코드를 커밋할 수 있습니다. 컴퓨터 전공 고학년 학생이 실제 AI 협업 개발 흐름을 체험하기에 적합합니다.
GitHub Copilot / Codex
가장 널리 사용되는 AI 코드 자동 완성VS Code 플러그인 형태로 인라인 코드 자동 완성, 함수 생성, 주석-코드 변환을 제공합니다. 호환성이 뛰어나 거의 모든 프로그래밍 언어를 지원하며, 초보자에게 가장 부드러운 AI 입문 방식입니다.
01
Cursor · 전산실 배포 및 API 구성
배포 단계
-
이미지 마켓에 등록
vDisk 관리단의 이미지 마켓에서 Cursor가 사전 설치된 수업용 이미지를 선택하거나, 기본 이미지에 Cursor를 설치한 후 스냅샷을 만들어 교실 내 전체 단말기에 일괄 배포하여 버전 일관성을 보장합니다.
-
통합 API 게이트웨이 구성
Cursor 열기 →
Settings → Models → OpenAI API Key, 학교에서 일괄 배포한 Key를 입력하세요.Override OpenAI Base URL에 vDisk의 OpenAI 호환 게이트웨이 주소를 입력합니다. 완료되면 Cursor의 모든 AI 요청이 학교 게이트웨이를 통해 국산 대형 모델로 라우팅됩니다. -
프로젝트 디렉터리를 네트워크 디스크로 지정
학생이 Cursor의 작업 공간(Workspace)을 vDisk 네트워크 디스크 드라이브 문자 아래(예:
D:\projects\). vDisk 네트워크 디스크는각 학생이 로그인 후 개별 마운트되는 개인 디스크, D: 드라이브 자체가 현재 로그인한 학생에게만 속하므로 학번별로 하위 디렉터리를 만들어 구분할 필요가 없습니다. 모든 코드 파일, 대화 기록(.cursor디렉터리)는 실시간으로 서버에 저장되어, 다음 수업에서는 바로 열기만 하면 지난 수업의 진행 상황과 AI 대화 맥락이 그대로 이어집니다.
API 구성 예시
Cursor Settings → Models
OpenAI API Key sk-school-xxxxxxxxxxxxxxxx Override Base URL https://ai.school.edu.cn/v1 Model deepseek-chat # 或 gpt-4o / qwen-max # 学生无需注册任何大模型账号 # 统一由학교网关鉴权与计量 # Token 超额后自动提示，不产生额外비용
대화 기록 저장 경로(네트워크 디스크)
# D: 是每位学生登录后独立挂载的개인 전용盘 # 无需学号子目录，D: 本身就只属于当前学生 D:\projects\ # 개인 디스크 바로 아래에 프로젝트 생성 ├─ .cursor\ # AI 대화 기록 ← 자동 저장 │ └─ chat-history\ ├─ src\ # 코드 파일 ← 서버에 실시간 기록 └─ README.md
교육 제안:학생의 첫 수업 과제를, Cursor + AI 대화를 사용해 실제 작은 프로젝트를 처음부터 끝까지 동작시키는 것으로——20줄짜리 Hello World를 먼저 베끼는 것이 아니라——만드십시오. 학생이 AI가 자신의 의도를 이해하고 함수 전체를 자동 완성하는 것을 처음 보는 순간, 수업 분위기는 완전히 달라집니다.
02
Claude Code · 터미널 배포 및 프록시 구성
배포 단계
-
Node.js 및 Claude Code 설치
전산실 이미지에 Node.js(LTS 버전 권장)를 사전 설치한 후 실행합니다
npm install -g @anthropic-ai/claude-code. 이 단계를 이미지 제작 과정에 포함해 수업 중 학생 작업에 시간이 소요되지 않도록 권장합니다. -
API 프록시 환경 변수 설정
vDisk 게이트웨이는 OpenAI 호환 프로토콜을 제공하므로, 시스템 환경 변수(또는 로그온 스크립트)에 프록시 지정을 설정하여 Claude Code의 요청이 학교 통합 게이트웨이를 통해 전달되도록 해야 합니다. 사용자 로그온 시 GPO 또는 로그온 스크립트로 일괄 배포할 수 있으며, 학생이 로그온하면 자동으로 적용되어 수동 구성이 필요 없습니다.
-
프로젝트 디렉터리 및 세션 디스크 저장
학생 입장 안내
D:\projects\my-project디렉터리로 이동한 후 Claude Code를 실행 (claude명령). vDisk 네트워크 디스크는 각 학생에게로그인 후 독립적으로 마운트되는 개인 디스크, D: 드라이브는 자연스럽게 격리되어 서로 보이지 않으므로 학번 하위 디렉터리가 필요 없습니다. Claude Code는 현재 디렉터리의 모든 파일을 컨텍스트로 읽으며, 대화 기록과 파일 수정은 모두 실시간으로 디스크에 저장되므로 다른 기기에서 로그인해도 프로젝트 상태가 완전히 일치합니다.
환경 변수 구성(로그인 스크립트로 일괄 배포)
Windows 로그온 스크립트 / 사용자 환경 변수
# GPO 또는 vDisk 정책으로 일괄 배포 ANTHROPIC_API_KEY = sk-school-xxxxxxxxxxxxxxxx ANTHROPIC_BASE_URL = https://ai.school.edu.cn/v1 CLAUDE_CODE_MAX_OUTPUT = 8192 # 学生열기终端直接运行： # cd D:\projects\my-project # claude # 无需任何额外구성即可开始 AI 编程对话
Claude Code는 전체 프로젝트 디렉터리를 직접 읽고 코드 구조를 이해한 뒤 대화식으로 수정을 수행할 수 있습니다. 고학년 학생이 "AI에게 실제 프로젝트를 맡기는" 전체 과정을 체험하기에 적합하며——이는 현재 기업 엔지니어가 AI와 협업하는 가장 실제적인 방식 중 하나입니다.
03
VS Code + GitHub Copilot · 진입 장벽이 가장 낮은 입문 솔루션
배포 단계
-
이미지에 VS Code + 확장 기능 사전 설치
이미지에 VS Code 및 GitHub Copilot 확장을 사전 설치(
GitHub.copilot). 국산 모델로 대체하려면 OpenAI 호환 프로토콜을 지원하는 서드파티 Copilot 대체 플러그인(Continue, Codeium 등)을 설치하고 학교 게이트웨이를 가리키도록 구성하면 됩니다. -
OpenAI 호환 프록시 구성 (Continue 플러그인을 예로)
VS Code에 Continue 확장을 설치한 후 해당 구성 파일을 엽니다
~/.continue/config.json, 학교의 게이트웨이 주소와 Key를 입력합니다. 학생은 VS Code를 열기만 하면 편집기 사이드바에서 AI와 직접 대화하거나 인라인 코드 자동 완성을 실행할 수 있습니다. -
작업 영역을 네트워크 디스크로 설정
VS Code의 Workspace 폴더를 바로
D:\projects\하면 됩니다. vDisk 네트워크 디스크는 각 학생에게개인 전용마운트 드라이브는 로그인 시 연결되고 로그아웃 시 해제되며, D: 자체가 현재 학생에게만 속하므로 학번으로 하위 디렉터리를 만들 필요가 없습니다. Continue 플러그인의 대화 인덱스와 기록은 프로젝트 디렉터리 아래에 저장되어 실시간으로 디스크에 기록되므로, 기기 간·수업 회차 간에 매끄럽게 이어집니다.
Continue 플러그인 구성 예시
~/.continue/config.json
{
"models": [
{
"title": "학교 AI 게이트웨이",
"provider": "openai",
"model": "deepseek-chat",
"apiBase": "https://ai.school.edu.cn/v1",
"apiKey": "sk-school-xxxxxxxxxxxxxxxx"
}
],
"tabAutocompleteModel": {
"title": "자동 완성",
"provider": "openai",
"model": "deepseek-coder",
"apiBase": "https://ai.school.edu.cn/v1",
"apiKey": "sk-school-xxxxxxxxxxxxxxxx"
}
}
04
세션 기록 통합 저장: vDisk 네트워크 디스크 완전 솔루션
AI 编程工具最大的价值之一，是上下文的延续——AI 记得你上次在做什么，不用每次重新解释。 而这一切，의존성于대화 기록 파일을 통합 스토리지에 영구 저장, 로컬 임시 디렉터리에만 존재하는 것이 아니라.
통합 디렉터리 구조 규격
# D: 是每位学生登录后独立挂载的개인 전용盘 # 登录即挂载，注销即卸载，天然隔离互不可见 D:\ ← 학생 개인 vDisk 네트워크 디스크 ├─ .cursor\ ← Cursor 대화 기록 │ ├─ chat\ │ └─ composer\ ├─ .continue\ ← VS Code Continue 기록 ├─ claude-sessions\ ← Claude Code 세션 요약 └─ projects\ ├─ week01\ ← 1주차 과정 프로젝트 ├─ week02\ └─ final\ ← 기말 프로젝트
수업 간 이어지는 실제 효과
- 1과 학생이 AI와 대화하며 프로젝트 골격을 만들고, AI는 프로젝트 배경을 이해합니다.
- 2과 동일한 워크스페이스를 열면 AI가 자동으로 컨텍스트를 복원하여, 지난 수업의 기능 개발을 바로 이어갑니다.
- N과 한 학기 전체의 AI 대화와 코드 변천이 온전히 보존되어, 학기 말에 전체 학습 궤적을 되짚어 볼 수 있습니다.
- 다른 기기로 전환 네트워크 디스크에 로그인하면 어느 머신에서나 동일한 작업 공간을 열 수 있고 이력도 완전히 보존됩니다.
교사에게 주는 추가 가치
- 학생의 AI 대화 기록을 열람하여 학습 사고 과정을 파악합니다
- 학생이 능동적으로 탐구하는지, 아니면 AI 출력을 그대로 가져다 쓰는지 평가합니다
- 대화 기록은 과정 평가의 일부로 활용 가능
- 학생들의 공통 난관을 파악하여 수업 속도를 맞춤 조정합니다
05
교사가 AI 프로그래밍 수업을 설계하는 법: '도구를 가르치기'에서 '도구로 실제 문제를 해결하기'로.
전통적 교실
VC/VB6 문법을 가르치고 교재 예제 코드를 베끼기
학생에게 API 매개변수 순서를 외우게 함
디버그는 눈으로 찾고, 못 찾으면 포기
과제: 정렬 알고리즘을 직접 구현하기
AI 도구 수업
Cursor와 대화하며 실제 요구사항에서 시작해 첫 번째 Python 스크립트를 작성
AI가 API를 설명하여 학생은 형식 암기가 아닌 로직 이해에 집중
把报错粘给 AI，学习"如何描述问题"这一핵심技能
과제: AI로 세 가지 정렬 구현을 생성하고 성능을 비교한 뒤 분석 보고서를 작성
핵심 전환:AI 프로그래밍 수업의 목표는 "학생에게 특정 도구의 모든 기능을 가르치는 것"이 아니라, 학생에게AI와 협업하여 실제 작업을 완수하는 능력— 문제를 어떻게 기술할지, AI의 출력을 어떻게 평가할지, AI의 도움을 받아 어떻게 지속적으로 개선할지를 포함합니다. 이것이 바로 2026년 모든 일자리가 요구하는 역량입니다.
학생 과제 공간
스크린샷으로 평가 · 파일로 제출 · 네트워크 드라이브로 보관
vDisk 교육 공간에 통합된 학생용 도구 — 과제 작성부터 제출까지 AI가 전 과정에 참여하고, 데이터는 전 과정 디스크에 저장됩니다.
학생 측 워크플로: AI 지원 과제 제출의 완전한 한 사이클
학생은 Cursor, VS Code 또는 임의의 AI 도구에서 단계별 작업을 마친 후, 작업 공간을 벗어나지 않고 교육 공간에서 바로 완료할 수 있습니다.스크린샷 평가与파일 제출두 가지 동작——AI가 즉시 피드백을 제공하고, 교사는 제출 기록을 동시에 수신.
AI 도구 안에서 코드/작품 완성
Cursor · VS Code · 모든 도구
현재 화면 캡처
원클릭 캡처, 영역 선택 지원
AI 모델 자동 평가
대형 모델로 전송 → 채점과 피드백 생성
결과를 네트워크 디스크에 저장
截图 + 评价结果 → D:\assignments\
첨부 파일을 함께 제출
코드 파일 · 보고서 · 프로젝트 압축 파일
교사 단말에서 실시간으로 제출 수신
스크린샷 보기 · AI 채점 · 원본 파일
스크린샷 → AI 평가 → 수치 성적
핵심 역량학생이 현재 작업 화면(코드, 실행 결과, 디자인 시안 모두 가능)을 캡처하고, 캡처 이미지를 과제 요구사항과 함께 대형 모델로 전송합니다. 모델은 사전에 설정된 평가 항목(정확성, 코드 규범, 논리 명확성, 완성도 등)에 따라 생성합니다.구조화된 채점 및 서면 피드백, 학생은 즉시 확인하고 교사 측은 동기화하여 기록합니다.
정확성
완성도
코딩 규약
명확한 논리
평가 항목은 교사가 과제를 부여할 때 직접 설정하며, AI가 항목별로 채점하고 개선 제안을 제시하되 교사의 최종 평가를 대신하지는 않습니다.
실제 파일 제출
아카이브 보장스크린샷 평가 외에도 학생은 실제 프로젝트 파일(소스 코드, 보고서 문서, 데이터 파일, 압축 파일 등)을 함께 제출할 수 있습니다. 파일은 vDisk 네트워크 디스크의 과제 디렉터리에서 직접 선택하므로 별도의 업로드가 필요 없으며, 교사 측에서는 통합 과제 패널에서 각 학생의 제출 상태와 파일 내용을 확인할 수 있습니다.
- 소스 코드 파일 (.py / .js / .java…)
- 실험 보고서 (.docx / .pdf)
- 전체 프로젝트 압축 파일
- 스크린샷 + AI 평가 결과(자동 첨부)
vDisk 네트워크 디스크 · 과제 저장 디렉터리 구조
작업 공간의 모든 데이터(스크린샷, AI 평가 결과, 제출 파일)는 모두 vDisk 네트워크 디스크의 표준화된 디렉터리에 저장되어 실시간으로 디스크에 기록되므로, 교사와 학생 모두 언제든지 이력을 조회할 수 있습니다.
D:\assignments\ ← 학생 개인 vDisk 네트워크 디스크
# D:는 각 학생의 개인 전용 디스크로, 자연스럽게 격리되어 학번 하위 디렉터리가 필요 없습니다 D:\assignments\ ← 개인 디스크 아래에 바로 과제 폴더 생성 ├─ week03_作业1\ │ ├─ screenshot.png ← 스크린샷 원본 │ ├─ ai_eval.json ← AI 채점 결과(구조화) │ ├─ ai_feedback.md ← AI 텍스트 피드백 │ └─ main.py ← 제출된 소스 코드 ├─ week05_作业2\ │ ├─ screenshot.png │ ├─ ai_eval.json │ └─ project.zip ← 프로젝트 압축 파일 └─ final_project\ ├─ screenshot.png ├─ ai_eval.json ├─ report.pdf └─ src\ ← 전체 프로젝트 소스 코드
실시간 디스크 기록
스크린샷 촬영, AI 평가 생성, 파일 선택을 하는 순간 데이터가 네트워크 디스크 서버에 기록되어 로컬 캐시에 의존하지 않으며 종료해도 손실되지 않습니다.
이력 추적 가능
학기 내내 모든 과제의 스크린샷과 평가 기록을 완전히 보존하며, 학기 말에는 학생의 AI 보조 학습 전 과정 보고서를 생성하여 형성 평가의 근거로 삼을 수 있습니다.
권한 격리
각 학생은 자신의 과제 디렉터리만 볼 수 있고, 교사 측은 반 전체 학생 디렉터리에 대한 읽기 전용 권한을 가지며, 서로 간섭하지 않고 데이터가 안전합니다.
일괄 내보내기
교사는 학급 전체 학생의 과제 파일과 AI 평가 결과를 원클릭으로 내보내 표준 형식으로 정리할 수 있으며, 일괄 채점과 성적 집계를 지원합니다.
AI 평가는 어떻게 작동하나요?
1
교사가 사전 설정한 평가 기준
教师在布置作业时구성评价차원（如"代码是否能运行"、"是否满足作业要求"、"逻辑层次是否清晰"等）及权重，形成结构化评分 Prompt 模板，后续所有提交自动套用此模板。
2
학생 스크린샷으로 평가 자동 실행
学生在教学空间点击"스크린샷 평가"，系统自动捕获当前屏幕画面，将截图与教师구성的评价模板一同发送至大模型（지원视觉理解能力的模型，如 DeepSeek-VL、GPT-4o 等）。
3
모델이 구조화된 점수를 출력
대형 모델이 스크린샷 내용을 분석하여 항목별로 차원에 따라 점수를 매기고 텍스트 개선 제안을 생성하며, 구조화된 JSON 형식(각 차원 점수, 총점, 피드백 요약 포함)으로 반환합니다. 학생은 인터페이스에서 시각화된 채점 결과를 즉시 확인합니다.
4
결과를 네트워크 드라이브에 저장하고 교사에게 전송
AI 평가 결과는 학생의 네트워크 디스크 내 해당 과제 디렉터리(ai_eval.json + ai_feedback.md)에 자동으로 기록되며, 동시에 해당 학생이 제출을 완료했음을 교사 측에 알립니다. 교사는 AI 채점을 수동으로 검토·조정하여 최종 성적의 근거로 삼을 수 있습니다.
학생에게 주는 가치
- AI 피드백을 즉시 받아, 교사의 채점을 기다리지 않고도 어디가 잘못됐는지 알 수 있습니다.
- 여러 번 스크린샷 평가를 받아 스스로 개선한 뒤 정식 제출할 수 있습니다
- 과거 과제와 AI 평가를 모두 보관하여 학기 말에 전체 성장 과정을 되돌아볼 수 있습니다.
- 제출 절차가 간단합니다. 익숙한 작업 환경에서 한 번에 완료되며 플랫폼을 전환할 필요가 없습니다.
교사에게 주는 가치
- AI가 1차 채점을 수행하고 교사는 검토와 심층 피드백에 집중하여 채점 효율이 크게 향상됩니다.
- 스크린샷 + 파일 + AI 채점을 삼위일체로 결합해 과제 평가 정보가 완전
- 학급 전체의 AI 채점 분포를 한눈에 파악하여 집중 지도가 필요한 학생을 빠르게 식별합니다.
- 형성 평가를 데이터로 뒷받침하여 더 이상 기말고사에만 의존하지 않음
Token 사용량 관리
통합 계정 체계 하의 할당량 배분, 사용량 모니터링, 모델 스케줄링——AI 리소스 사용을 완전히 통제 아래 둡니다
왜 토큰을 통합 관리해야 하나요?
学生통과학교统一网关调用大模型，每一次请求都会消耗 Token。 如果缺乏管控，少数高频사용的学生可能挤占大量资源，而大多数学生的사용体验反而受影响； 管理员也无法了解 AI 资源的实际사용效率，更难以在下一学期制定合理的配额计划。
Token 사용량 관리的目标，아니다限制学生사용 AI， 而是确保모든 학생이 안정적이고 공정한 AI 사용 할당량을 받습니다， 同时让教师和管理员对整体资源消耗保持清晰的感知与掌控。
학생 계정
Token 요청
vDisk 게이트웨이
할당량 검증 · 계량 · 라우팅
할당량 검증 · 계량 · 라우팅
대규모 모델로 전달
클라우드 대형 모델 API
개인별 할당량 배정
학생 계정별로 Token 한도를 개별 설정할 수 있으며, 수업 차시·주·학기 단위로 지정할 수 있습니다. 한도를 모두 사용하면 요청이 자동으로 일시 중지되고 학생에게 알림이 표시되며, 교사는 원클릭으로 추가할 수 있습니다. 일부 고빈도 사용자가 전체 리소스를 잠식하는 것을 방지합니다.
실시간 사용량 대시보드
교사와 관리자는 백엔드에서 학급 전체 소비 추세, 학생별 사용량 순위, 각 수업의 Token 분포 히트맵을 확인할 수 있습니다. 데이터는 실시간으로 업데이트되며, 사용량 이상(극도로 높거나 낮음)은 자동으로 표시되어 적시에 개입할 수 있습니다.
잔여 용량 경고 푸시
학급 전체의 잔여량 임계값을 설정하면 사용 가능 한도가 경고선 아래로 내려갈 때 담당 교사와 관리자에게 자동으로 알림을 보냅니다. 자원 추세를 미리 파악하여 여유롭게 보충함으로써 한도 소진으로 수업 연속성이 영향받지 않도록 합니다.
모델 온디맨드 스케줄링
강좌 시나리오에 따라 서로 다른 모델을 구성할 수 있습니다. 일상적인 코드 자동 완성에는 경량의 빠른 모델을, 심층 분석과 아키텍처 설계에는 플래그십 모델을 사용합니다. 동일한 학생 계정이 시나리오에 따라 자동으로 라우팅되어 응답 속도와 사용 효율을 모두 만족시킵니다.
사용량 보고서 내보내기
반별, 과목별, 기간별로 Token 사용 내역을 내보낼 수 있으며 형식은 일반적인 스프레드시트 도구와 호환됩니다. 보고서는 학기 말 자원 점검, 다음 학기 할당 계획, 학교 정보화 부서에 제출하는 사용 현황 요약 등에 활용할 수 있습니다.
학급별 / 과목별 격리
같은 학교의 서로 다른 반과 과목별로 독립적인 Token 풀을 설정할 수 있어 서로 영향을 주지 않습니다. A반의 사용량이 초과되어도 B반의 정상 사용에는 영향을 주지 않으며, 교사는 중점 과목에 별도로 더 넉넉한 한도를 배정하여 서로 다른 수업 강도에 유연하게 대응할 수 있습니다.
토큰 데이터 + 프롬프트 분석
학생의 AI 사용 과정을 교육 인사이트로 전환
AI 교육의 가장 큰 부가 수확은 학생이 AI와 상호작용할 때마다 정량화 가능한 학습 데이터가 남는다는 점입니다
데이터 밀도: 전통 수업 vs AI 수업
전통적 수업에서 얻을 수 있는 학습 상황 신호
- 출석률(출결)
- 과제 제출률 및 채점
- 중간 / 기말 시험 성적
- 수업 중 질문(소수 참여)
신호 약함, 지연, 좁은 커버리지
AI 수업이 추가로 생성하는 학습 신호
- 1인 1회당 Token 소비량
- 대화 턴 수(멀티턴 vs 단일 질의)
- 프롬프트 키워드 및 의미 분석
- 작업 완수 시 토큰 효율 비교
- 코드 파일의 반복 횟수와 수정 빈도
- 빈번한 오류 유형(오류 설명에서 추정)
실시간으로 전원을 포괄하며 사고 과정을 반영
하나의 핵심 인사이트
학생이 AI와 상호작용할 때, Prompt의 품질은 그 학생의사고의 명료성과 지식 숙달 정도。 一个描述模糊、只会说"프로그램을 작성해 주세요"的学生，与一个能精确描述需求、指定边界条件的学生， 处于完全不同的学习단계——而这个差异，在传统시험中几乎无法被量化捕捉。
Token 사용량 또한학습 몰입도의 대리 지표： 主动探索的学生会持续追问、修改、延伸； 被动应付的学生往往只取第一个答案、不做进一步交互。 两种学习行为，在데이터上清晰可见。
네 가지 차원의 학습 분석
01
프롬프트 품질 분석
학생의 문제 기술(記述) 능력을 측정
⚠ 저품질 Prompt
"帮我写代码"
"这个怎么做"
"报错了怎么办"
맥락이 부족해 요구사항이 아직 정리되지 않았을 수 있음
✓ 고품질 프롬프트
"用 Python 实现一个读取 CSV 并按第3列排序的脚本，需要处理空值"
"这段代码在并发访问时会有线程安全问题吗？"
의도를 정확히 표현하고 기본 개념 틀을 이해함
对持续输出저품질 Prompt 的学生，针对性补充"如何描述技术问题"的专项练习
02
토큰 소비 패턴 분석
학습 깊이와 몰입도 정량화
⚠ 매우 낮은 소비량
한 수업에 메시지를 2~3개만 발송
단일 대화 후 창을 닫음
실질적으로 참여하지 않았거나 AI 출력을 복사만 했을 수 있습니다
✓ 건전한 소비량
여러 차례 대화하며 세부 사항을 지속적으로 추궁
같은 문제를 다양한 각도에서 반복 탐색
능동적 학습 행동, AI를 사고 도구로 깊이 활용
消耗量异常低的学生在课堂中可能处于"隐性失联"상태，需教师主动介入
03
학급 인기 Prompt 클러스터링
공통 막힘 지점을 발견하여 수업 속도를 조정
→ 빈번한 오류 키워드
"ImportError"、"undefined"、"null pointer"
"这个语法怎么写"、"为什么不能运行"
특정 개념을 충분히 설명하지 못했거나 설명 방식의 효과가 좋지 않음
↑ 학급의 기대를 뛰어넘는 탐구
많은 학생이 자발적으로 아키텍처 설계 질문을 하기 시작함
교과 범위를 넘어선 자기주도 확장
이 반은 다음 모듈로 다소 앞당겨 진입해도 됨
聚类分析可在每课结束后自动生成"本课学生最常遇到的 5 类问题"摘要，辅助备课
04
코드 반복 추적
학생의 실제 프로그래밍 역량 성장을 평가
⚠ 낮은 반복 동작
한 번 생성한 뒤 그대로 제출하고 전혀 수정하지 않음
매번 완전히 다른 질문으로 연속성이 없음
AI 출력을 그대로 가져다 쓰며 자기 주도적 이해를 형성하지 못했을 수 있습니다
✓ 고반복 동작
여러 차례의 수정 기록이 있는 코드 파일
같은 프로젝트를 단계적으로 완성하며 기능을 지속적으로 추가
AI를 보조 도구로 활용해 프로젝트를 주도적으로 진행
vDisk 네트워크 디스크의 파일 수정 이력과 결합하여 학생의 한 학기 전체 코드 성장 궤적을 추적할 수 있습니다
개인정보 및 규정 준수 안내
학습 분석은 비식별화된 사용량 통계와 키워드 클러스터링을 기반으로 하며, 핵심 원칙은:학생을 감시하기 위함이 아니라 수업을 돕기 위함. 강좌 시작 전에 학생에게 데이터 수집 범위를 설명하고, 분석 결과는 평가·채점의 직접적 근거가 아니라 교수 설계 개선에 활용할 것을 권장합니다.
- 데이터는 교내 서버에 저장되며 캠퍼스 네트워크를 벗어나지 않음
- 대화 내용은 교사만 열람 가능하며 관리자는 집계 데이터를 봅니다
- 학생은 자신의 사용 기록을 확인할 수 있음
- 학기 종료 후 원본 대화 기록은 필요에 따라 삭제 가능
자주 묻는 질문
저희 학교에는 GPU 서버가 없는데, 연동할 수 있나요?
完全可以。vDisk AI 교육 플랫폼的핵심逻辑是"推理在云端、管控在校内"——大模型的计算在各大模型厂商的云端서비스器上完成，校内只需일반 업무 서버 한 대，负责账号鉴权、Token 路由与计量통계即可。无需 GPU，无需고성능计算资源。
컴퓨터 전공이 아닌 학과도 AI 교육을 도입할 필요가 있을까요?
这是我们认为最值得认真对待的问题。信管系、经管学院、法学、新闻、이공계 실험 수업……这些专业的学生，未来会在各自的工作领域大量사용 AI 工具。会用 AI，是一种基础工作能力，和会用 Excel、会写이메일一样重要。越早让学生在课堂中建立사용习惯和评估能力，越有竞争优势。
학생이 AI로 과제를 베끼지 않을까요? 수업 관리는 어떻게 보장하나요?
这是每一个推进 AI 교학的학교都会遇到的问题。平台提供完整的对话历史记录与学习过程追踪，教师可查阅每位学生的 AI 사용记录，了解学生是在主动探索还是在被动复制。此外，통과合理的课程设计——如要求学生对 AI 输出进行评估、修改与批判——可以将 AI 从"作弊工具"转化为"思维训练工具"。
어떤 대형 모델을 지원하나요? 언제든 전환할 수 있나요?
目前지원接入的主流国产大模型包括：DeepSeek、文心一言、通义千问、智谱 GLM、豆包、讯飞星火、腾讯混元、Kimi 等。平台后台可按학교需求灵活구성，언제든지切换后端模型；前端教学界面无需任何改动，学生无感知。这意味着每当有更强大的新模型发布，학교可以第一时间让学生用上。
월별 비용은 대략 얼마인가요?
비용主要由 Token 消耗量决定，按实际사용量计费。플랫폼 지원设置单人 Token 上限，管理员可以在开수업 전预估用量、设定上限，将整体비용控制在预算范围内。通常情况下，相比自建大模型的硬件与운영·유지보수 투입，API 接入的综合成本可降低 95% 以上。具体견적可문의하기根据전산실 규모与课程数量测算。
이 솔루션은 시중의 다른 AI 교육 제품과 무엇이 다른가요?
vDisk AI 교육 플랫폼아니다一个独立的 AI 애플리케이션，而是深度集成在 vDisk 융합 클라우드 관리 플랫폼之上的能力体系。这意味着它与机房단말 관리、이미지 배포、네트워크 디스크、시간표 연동、IoT 기기控制完全打通，是一套真正意义上的"可运营的 AI 교학基础设施"，而非一个需要单独유지보수的孤立系统。