针对当前大学智能制造教学中存在的内容碎片化、个性化不足、实践脱节与评估滞后等问题，本文提出并验证了一种人 工智能驱动的“颗粒化教学模型”。该模型基于 BERT+NLP 技术自动抽取知识元、技能元与素养元，将课程内容颗粒化为可重组的最 小教学单元；继而利用 Neo4j 构建知识-技能-素养三维知识图谱，实现学习路径的动态规划和个性化推荐。论文以智能制造教学章 节为案例，面向名本科生的教学实践表明：模型能够有效地提升学习路径效率，通过与教学平台的结合，发布教学内容与测试，并 采集学习数据进行学习效果的量化评估。研究局限为小样本泛化与平台数据依赖。未来工作将扩展至全课程及多模态数据，并探索 跨学科迁移应用。