随着教育数字化转型的深入推进，智慧校园与教育大数据系统产生的海量多源异构数据，对数据治理的安全性、合规性与智能化水平提出严峻挑战。传统人工规则或关键词匹配方法存在泛化能力弱、语义理解不足等局限，难以适配教育场景的动态演化特征。为此，本文提出面向教育领域的可解释智能数据分类分级框架 EDCF-LLM（Educational Data Classification and Grading Framework with LLM）。该框架将预定义分类体系建模为有向树结构，引入智能体（Agent）作为流程控制器，通过分层提示策略引导大语言模型（LLM）构建从粗粒度到细粒度的递归推理路径；设计多轮决策校验机制抑制语义漂移，并融合检索增强生成（RAG）机制缓解 LLM “幻觉” 风险。实验结果表明，该方法在准确率、召回率与 F1 分数上显著优于传统基线模型，实现高精度自动分类与推理路径可追溯，为教育数据安全管控与可信共享奠定技术基础。