教育AI智造者

Hello 大家好，欢迎来到教育AI智造者播客。这一期，我们直面一个在AI时代越来越难回避、却被反复“简化”的问题： 当AI可以完成越来越多“看起来像学习成果”的事情时，我们到底在评估什么？在过去两年，关于AI进入教育的讨论，大多集中在效率、工具、甚至伦理层面。但在这次对话中，我逐渐意识到：真正被低估、甚至被忽略的，是 assessment ——评估本身。当一个学生可以用AI写出更好的代码、更完整的论文、更流畅的表达，我们看到的“成果”，还等于这个学生的能力吗？当检测AI的工具本身也不可靠，甚至无法作为证据，我们又凭什么去判断“作弊”？当老师说“鼓励使用AI”，学生却直接用AI完成全部作业，这到底是理解偏差，还是系统设计的问题？这一期我邀请到的嘉宾是韩文林教授，一位同时身处计算机科学、教学一线，以及AI评估标准建设的实践者。她提出了一个非常关键的视角： AI改变的，可能不是学习本身，而是我们判断“学习是否发生”的方式。在这场对话中，我们不仅讨论了： 为什么AI检测工具在逻辑上很难成立 为什么“允许/鼓励使用AI”会带来系统性混乱 为什么完成任务 ≠ 学会能力更重要的是，我们逐渐走向一个更底层的问题：👉 在AI时代，我们评估的，还是“人”，还是“人+AI的系统”？👉 评估，到底是技术问题，还是认知与信任的问题？如果你是老师、研究者、产品设计者，或者正在用AI学习的人，这一期可能不会给你一个简单答案，但会帮你看清一个更底层的变化：评估，正在从“结果判断”，变成“学习如何发生”的再定义韩教授主办的AAB(AI Assessment Board) 网址：www.aaboard.org🧭 内容大纲🧩 AI来了，但我们还在用旧的评估逻辑 AI可以生成答案，但“答案”不再等于能力 assessment 被忽视，但其实是最核心问题 学习的证据，开始变得不可信⚡ 第一波冲击：作业突然“变好了” 学生项目质量整体提升，而不是个别作弊 教师凭经验判断：这是AI带来的结构性变化 旧的rubric在新能力面前失效⚖️ AI作弊检测：一个逻辑上站不住的系统 AI detector 只能给“概率”，无法给“证据” 学生申诉几乎必然成功 对比 Turnitin：有来源 vs 无来源🧠 评估崩塌的本质：边界无法定义 “允许 / 鼓励 / 禁止”AI → 每个人理解不同 60%用AI？怎么量化？按代码量还是思路？ 教师与学生对“合理使用”的认知完全错位🔄 从“评估人”到“评估人+AI系统” 计算机课程已开始评估人机协作能力 不再只看代码，而看“如何用AI完成任务” 课程体系被整体重构🧪 完成任务 ≠ 学会能力 任务完成只是“样本”，不是能力本身 真正关键：迁移能力（举一反三） AI可以加速任务，但不保证形成认知结构🌐 AI Assessment Board：从“共识”走向“事实” 不先定义标准，而先收集真实案例 用数据找pattern，而不是专家拍脑袋 从实践中抽取“不可替代能力”🧭 收束：评估不再是技术问题，而是哲学问题 我们是否一直在用“产出”替代“理解”？ 我们是否误把“完成”当作“掌握”？ 在AI时代，什么才算真正的学习？-----------------------关于伊伊子----------------------伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------Assessment（评估）在AI时代，从“结果验证”转向“学习证据的定义”。不再只是打分工具，而是决定什么被视为能力的核心机制。Test-Based Learning (TBL)以考试为核心的学习方式，依赖标准答案与个体输出。在AI时代最容易被替代与冲击。Project-Based Learning (PBL)通过项目完成任务进行学习。原本被认为更真实，但在AI加持下也出现“代做式完成”的问题。AI Detector（AI检测器）试图判断文本是否由AI生成的工具，但由于缺乏可验证来源，在教育场景中难以作为有效证据。Turnitin（查重系统）基于已有文本数据库进行比对的工具，因“有来源证据”而成立，对比凸显AI检测的逻辑问题。Rubric（评分标准）教师用于评估学生表现的标准体系。在AI时代失效，因为无法区分“能力 vs 工具增强”。Human-AI Collaboration（人机协作）新的能力单位。学生不再是独立个体，而是与AI共同完成任务的系统。Transfer（迁移能力）将知识应用到新情境的能力。是区分“学会”与“完成任务”的核心指标。Feynman Technique（费曼学习法）通过解释来验证理解。在AI时代成为重要“反作弊”与“验证真实理解”的方式。Formative Assessment（形成性评估）关注学习过程，例如与AI的互动记录。相比结果，更能反映真实学习。Summative Assessment（终结性评估）关注最终成果（考试、作业）。在AI时代逐渐失去可信度。

Hello 大家好，欢迎来到教育AI制造者播客。这期节目，想讨论一个我最近越来越在意的问题：当 AI 变得越来越强、越来越便宜、越来越容易使用之后，教育真正应该培养的，到底是什么？过去两年，AI+教育的讨论非常热闹。有人在教工具怎么用，有人在讲模型有多强，也有人在展示各种“效率提升”的案例。但如果我们把问题再往下挖一层，就会发现，真正重要的可能不是“学生会不会用某个 AI 工具”，而是他们能不能站在创造者、判断者、决策者的位置上，去理解 AI、使用 AI，甚至与 AI 一起定义问题、提出方案、创造价值。这也是为什么我会注意到 Marbella AI 这个项目。它给我的感觉，并不是一个传统意义上的“AI课程平台”，而更像是在尝试搭建一种环境：让学生不只是学 AI，而是在真实项目里，把 AI 当成一种认知杠杆，去连接自己的兴趣、问题意识与行动能力。这一期，我邀请到 Marbella AI 创始人 Jason 来到节目中。Jason 的经历非常典型，又非常少见：从北大计算机，到 CMU 暑研、康奈尔硕士、匹兹堡大学博士，再到哈佛做博士后，并在 Harvard Innovation Labs 孵化自己的 AI 教育公司。他既做过机器学习方法研究，也做过 AI+医疗、金融、法律等跨领域应用，最后选择把这些经验汇聚到教育创业里。我们聊到的并不只是“怎么学 AI”，而是更底层的问题： AI时代的人才土壤是什么？ 为什么项目制学习会重新变得重要？ 教育公平和精英培养能不能并存？ 所谓 AI leader，除了技术之外，还需要哪些更关键的能力？ 以及，在一个所有人都在谈“规模化”的时代，为什么真正好的教育，反而可能很难被快速标准化。如果你是老师、家长、教育创业者，或者你也在思考“AI越来越强之后，人到底应该往哪里长”，那这一期会给你很多值得继续想下去的线索。内容大纲🧠 从“学AI工具”到“成为AI时代的创造者” 为什么我会注意到 Marbella AI：它不像课程平台，更像一种认知环境 学会用 AI，和站在创造者的位置理解 AI，本质上不是一回事 当技术门槛快速下降，真正被重估的是人的思考、判断与决策能力🎓 Jason 的路径：从学术研究走向教育创业 从北大、CMU、康奈尔到匹兹堡大学博士、哈佛博士后，他一路都在AI领域深耕 做过机器学习方法、AI+医疗、金融、法律等多个方向，最后转向教育 为什么离开纯学术：比起“为论文而论文”，他更在意 practical impact🌍 AI人才培养的土壤：中国与美国各自的优势 中国本科训练扎实、节奏快、产出密集，美国博士训练更强调原创性与创新空间 国内在AI应用层推进很快，美国在原始创新上仍有明显优势 不是简单比较输赢，而是理解不同土壤如何塑造不同类型的人才🛠 Marbella AI 在做什么：项目制学习不是口号 他们的核心不是单纯讲课，而是围绕学生兴趣与目标设计 AI 项目 项目范围很广：AI+医疗、AI+营销、AI+语言学习、AI+体育、AI+社科研究 一条线是半定制化项目，一条线是围绕固定主题展开的工作坊或课程👀 真正的项目制学习，和“上完一门AI课”到底差在哪 重点不是知识灌输，而是让学生自己进入问题、进入流程、进入创造 课程不是为了“讲明白”，而是为了 enable 学生发现问题、推进项目、产生成果 在这里，考试不是终点，论文、应用、专利、影响力才更接近真实交付🧭 教育公平、精英培养与 agency 如果要培养“未来AI领袖”，是否天然会筛选出更有资源、更强势的学生？ Jason 的回答很有意思：一方面要普及 AI literacy，另一方面再识别和培养更有潜力的人 比“是不是精英”更重要的，是学生有没有主导力、问题意识和持续推进的能力🚀 AI时代最稀缺的能力，可能不是技术 Jason反复强调 agency：主动发现问题、主动推进事情、主动承担结果 AI 可以搬运大量显性知识，但真正稀缺的是判断、选择、验证与在不确定中行动 所以未来的竞争，不只是 human vs AI，而是 human with AI vs human without AI-----------------------关于伊伊子----------------------伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------AI Literacy｜AI素养Jason 反复强调的，不是每个人都要成为模型研究者，而是每个人都需要具备基本的 AI literacy。它不是“会不会几个工具”的浅层熟练，而是理解 AI 能做什么、不能做什么，知道如何和它协作、如何判断它的输出、如何把它嵌入自己的工作与学习流程。它更像是一种新时代的基础能力。AI Leaders｜AI领袖比起普及性的 AI 素养，AI leaders 指向的是另一层更高阶的培养目标：不仅能使用 AI，还能发现问题、整合资源、定义方向，并带领团队或系统创造新的影响。Jason 的意思很明确：不是每个人都要成为 AI leader，但一个时代一定需要这类人，他们决定 AI 会被带去哪里、服务谁、放大什么。Project-Based Learning｜项目制学习这一期里最核心的教育关键词之一。项目制学习不是把几门课拼在一起做个展示，也不只是“做个作品”。它更强调：学生围绕一个真实问题、真实兴趣或真实目标，主动调动知识、工具和反馈，逐步推进一个完整的过程。它的价值不在于热闹，而在于学生是否真的进入了问题、进入了行动，也进入了成长。Customer-Centric / Student-Centric｜以学生为中心Jason 虽然不是教育学出身，但他在表达中其实一直贯彻一个非常强的 student-centric 逻辑：不是先问“我能教什么”，而是先看学生是谁、他在意什么、他需要什么、他能做到什么。放在AI时代，这一点更重要，因为知识本身已经不再稀缺，真正稀缺的是能否围绕人的兴趣、目标与阶段去组织有效的学习体验。Agency｜主导力这是这一期里我个人最在意的词之一。Agency 不是简单的主动，不是老师让你做、你积极一点就叫 agency。它更接近一种“我能发起、我能判断、我能推动”的能力。AI 时代最危险的一种状态，不是不会用工具，而是越来越习惯于等待答案、复制答案、依赖答案。真正重要的，是你仍然能够作为那个发起行动和做出判断的人。Initiative｜主动性Jason 提到自己早年在 CMU 做暑研时，导师评价他 “do many initiatives”。这个词很妙，因为它指的不是被安排后的执行力，而是在没有被明确要求时，也能主动去做那些“对的事情”。在AI时代，这种能力会越来越重要。因为当显性任务越来越容易被自动化后，真正体现人与人差异的，恰恰是你是否能主动识别空白、提出方向、往前多走一步。Procedural Knowledge｜程序性知识 / 流程性知识如果说 declarative knowledge 是“知道是什么”，那 procedural knowledge 更接近“知道怎么做”。很多学校教育擅长传授前者，却很难充分覆盖后者。比如你知道科研是什么、营销是什么、产品设计是什么，不代表你真的会推进一项研究、落地一个营销方案、完成一个产品闭环。项目制学习之所以重要，就是因为它逼着学习者进入“做”的流程。Declarative Knowledge｜陈述性知识 / 事实性知识这一类知识是 AI 非常擅长处理的：定义、概念、分类、框架、步骤说明、基础原理。它当然仍然重要，但在今天已经越来越不构成真正的门槛。换句话说，过去花大量时间背诵和记忆的内容，现在很多都能被 AI 快速调用。于是问题就变成：当“知道”变容易之后，你如何把“知道”转化为“做到”与“做到有判断”？Cognitive Apprenticeship｜认知学徒制这是我在对话里主动抛出来、但和 Jason 的实践非常契合的概念。它不是让学生只看专家怎么做，也不是只让学生机械模仿，而是让学生逐步进入专家的思考过程、决策过程与工作流。学生不仅学结果，也学路径；不仅学答案，也学为什么这么判断。AI时代要培养的，很可能恰恰就是这种“进入他人认知过程”的学习方式。Tacit Knowledge｜隐性知识隐性知识很难直接写成一条条规则，却常常决定一个人真正的水平。比如审美、判断力、时机感、对问题轻重缓急的感知、在复杂情境下做选择的直觉。这类能力通常来自长期实践、反馈、失败与反思。AI 现在已经很会处理显性知识，但隐性知识仍然高度依赖具体的人和真实场景。所以教育真正难的地方，也恰恰藏在这些“说不清但很关键”的部分。Presence｜临场感我们在后半段聊到一个非常关键的问题：为什么很多 AI 教学形式看起来已经很聪明了，但仍然很难完全替代真人教学？其中一个答案就是 presence。临场感不是“画面像不像真人”这么简单，而是一种你能感受到对方就在这里、你正在共同经历同一场互动的感觉。它直接影响信任、专注、反馈质量，以及学习过程中的情感投入。Authentic Learning｜真实性学习Jason 在回答“短期科研项目”“规模化课程”等问题时，其实不断碰到一个核心张力：知识消费和真实性学习之间的差别。真实性学习不是把一个“看起来很像学习成果”的东西包装出来，而是学生真的进入了一个真实问题，经历了真实的探索、卡住、调整和推进。它也许慢，也不够标准化，但恰恰因为真实，所以才更能留下真正的能力。Elite Cultivation｜精英培养当一个机构提出要“识别和培养未来AI领袖”，就不可避免会碰到精英培养的问题。这个词之所以敏感，是因为它既可能意味着高水平、个性化、深度支持，也可能意味着资源集中、机会筛选与不平等再生产。所以这期里很有意思的一点是：Jason 一方面承认确实存在更高阶、更深入的人才培养路径，另一方面也坚持 AI literacy 应该尽可能普及，这是一种双轨思路。Judgment｜判断力如果说过去很多学习是为了积累知识，那么现在越来越多的学习，可能是为了形成判断。因为信息太多、答案太快、观点太杂，AI还能不断生成“看起来都对”的内容。于是一个人的价值，越来越体现在：你能不能识别什么重要、什么不重要；什么可信、什么存疑；什么值得继续做、什么应该立刻停。判断力，正在成为AI时代真正的高杠杆能力。

Hello 大家好，欢迎来到教育AI智造者播客。很多AI教育产品，都会从一个看起来很熟悉的方向开始：生成课程内容、生成讲解、生成题目。但这一期的嘉宾Liang，选择了一个非常反直觉的路径。他做的产品 EduNest(http://edunest.app/)，表面上看是一个 AI视频讲解工具：学生可以问一个问题，系统会生成动画视频解释知识点。但真正有意思的并不是视频生成本身。他真正想挑战的，是一个通常被认为只有教育研究团队和数据科学团队才能做的系统：Learning Analytics —— 学习分析系统。在传统教育技术体系里，学习分析往往依赖： 大规模学生数据 复杂的学习行为建模 教育研究团队 数据科学团队而梁尝试用一种完全不同的方式进入这个问题：从 视频生成 + 交互式解释 切入，通过学生与AI老师的互动过程，逐渐构建学习行为数据，再反过来形成学习画像和学习分析。更极端的一点是——他几乎是用 一人公司 的方式在推进这件事情。一个人： 写代码 设计产品 做AI架构 跑市场 跟老师学生沟通在AI工具的帮助下，他半年消耗了 20亿 tokens，生成了 超过百万行代码，并逐渐把产品从一个内容生成工具，演化成一个包含 AI老师、学习分析、学习画像 的学习系统。这期节目，我们试图一起拆开几个问题： 为什么视频生成可以成为学习分析的入口？ AI老师如何通过提问来理解学生的学习行为？ 一个人是否真的可以构建系统级教育产品？ 当AI让个体拥有接近系统级能力的时候，教育的权威会发生什么变化？如果说过去教育系统是由机构、专家和组织共同构建的，那么今天，一个人和一群AI工具，或许已经开始尝试重写这个结构。🧭 内容大纲🎮 从课堂小游戏开始的AI产品 最初的需求其实很简单：老师希望在课堂上做一些互动小游戏，例如单词配对、单词消消乐 一开始是模板化工具，但随着AI编程能力提升，逐渐变成 AI生成代码的开放系统 一个看似小的需求，慢慢演化成一个更复杂的产品方向🎥 用视频生成解释知识 学生拍一道数学题，系统可以生成动态动画进行讲解 例如绘制函数图像、改变参数，让学生直接看到概念如何变化 抽象公式变成可以观察的动态过程，学生理解方式也随之改变🧠 从“讲解内容”走向学习分析 学生和AI老师之间的互动，其实天然产生大量学习行为数据 系统可以观察学生在哪里困惑、在哪里停留更久 内容生成工具逐渐演化成 学习分析系统的入口🤖 AI老师如何理解学生 AI不会直接给答案，而是通过不断提问观察学生的理解状态 根据学生回答调整解释方式，例如图像解释、文字解释或进一步提问 这种方式和教育学中的 最近发展区（ZPD） 非常接近📊 Learning Analytics 的另一种路径 传统学习分析依赖大规模数据和复杂研究团队 这个系统尝试从 单个学生的学习轨迹 出发逐渐构建学习画像 学习分析不再只是统计系统，而是和学习互动本身融合在一起🧑‍💻 一人公司如何构建复杂系统 AI编程工具让一个人也能完成过去需要团队完成的工作 半年时间消耗约 20亿 tokens，生成超过 百万行代码 AI正在改变软件系统的生产方式🌍 当个体开始挑战系统问题 过去教育系统往往由机构、研究团队和专家设计 AI让个体第一次拥有接近 系统级构建能力 当一个人也能构建学习系统时，教育创新的方式可能会发生变化-----------------------关于伊伊子----------------------伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------Learning Analytics（学习分析）Learning Analytics 是教育技术领域的重要研究方向，指通过收集和分析学习行为数据来理解学生学习过程，并优化教学策略。传统学习分析系统通常依赖大规模数据、复杂算法和教育研究团队，通过分析学生行为、学习路径和学习结果来构建学习画像，从而实现个性化学习和教学决策支持。AI Teacher（AI老师）AI老师是一种基于大语言模型和交互式系统构建的教学代理，它不仅负责回答问题，还会通过提问、引导和反馈来帮助学生理解知识。与传统自动答题系统不同，AI老师更接近人类教师的教学方式，通过逐步引导学生思考，帮助学生建立概念结构和理解过程。Multimodal Learning Explanation（多模态学习解释）多模态学习解释指通过多种信息形式来帮助理解知识，例如文字、图像、动画、声音和交互。研究表明，多模态呈现可以降低认知负荷，使抽象概念更容易被理解。在AI教育产品中，多模态解释通常通过生成动画、图表和可视化过程来实现。Learning Profile（学习画像）学习画像是通过长期学习数据分析构建的学生学习模型，它描述学生的学习能力、知识结构、学习习惯和认知特点。学习画像不仅包括知识掌握情况，还包括学习行为模式，例如是否主动探索、遇到困难是否求助、学习节奏是否稳定等。AI Agent（智能体）AI Agent 指能够自主执行任务的智能系统，它可以根据目标不断调用工具、进行推理并调整行动。在教育场景中，Agent可以承担不同角色，例如教学Agent、学习分析Agent或内容生成Agent，通过协作完成复杂教学任务。Metacognition（元认知）元认知是指个体对自己思考和学习过程的认识与调节能力，例如知道自己是否理解某个概念、是否需要重新学习某个内容。教育研究认为，培养元认知能力可以显著提高学习效率，因为学生能够更准确地判断自己的理解程度并调整学习策略。Learning Behavior Data（学习行为数据）学习行为数据是指学生在学习过程中产生的交互信息，例如提问、答题、停留时间、修改答案、查看解释等。这些数据可以反映学生的学习策略和理解过程，是学习分析系统的重要数据来源。Human-AI Augmented Learning（人机增强学习）人机增强学习指人类与AI系统共同参与学习过程的模式。AI不仅提供信息，还能根据学习行为提供反馈、引导学习路径，并帮助学生建立理解结构。这种模式被认为是未来教育的重要发展方向。Solo AI Company（一人AI公司）随着AI工具能力提升，个人开发者可以借助AI完成产品设计、编程、运营和市场工作，一人公司成为新的创业模式。这种模式在软件和AI产品领域逐渐出现，使得个人也有机会构建复杂产品系统。Knowledge Visualization（知识可视化）知识可视化是通过图形、动画或交互式结构呈现知识关系，使学习者能够更直观地理解复杂概念。在数学、物理等抽象学科中，可视化尤其重要，因为它可以把符号和公式转化为动态变化的过程。

Hello 大家好，欢迎来到教育AI智造者播客。 这一期，我决定做一件有点冒险的事情。我直接和 AI 进行一场 45 分钟的对话。不剪辑，不写稿，不提前设计答案。我们谈一个很简单、但也很危险的问题——当 AI 已经可以生成知识、写论文、做研究、给反馈，人类学习的意义到底是什么？这期对话并不是那种“AI 会帮助教育更高效”的常规讨论。我们试图往下走一层。我们谈到—— AI 是否真的在“替代思考”，还是在重塑思考的分工？ Agency 到底是谁的？是工具在引导人类，还是人类在定义问题？ 当生成式模型塑造表达风格，我们的“审美”是不是也正在被重写？ 科研，是在加速发现，还是在改变“知识权威”的来源？ 教育系统如果不只是内容传递，那它的存在逻辑会不会被根本改造？这场对话里，我刻意不追求结论。我们不断拆解“思考”“理解”“知识”“权威”这些词，试图建立一个共同的语境——因为很多争论，其实只是大家在不同层面说话。我也会追问 AI。有些问题它回答得很冷静，有些问题它也承认没有确定答案。这一期的核心不是预测未来。而是测试一个问题的边界：如果思考可以被模拟，那什么还算真正属于人类？如果知识可以随时调用，那学习是在积累信息，还是在形成判断框架？如果教育不再围绕稀缺知识，那它应该围绕什么？这是一场关于能力、主导权、审美、科研和系统结构的对话。它不会给你标准答案。但也许会让你重新界定问题。如果你关心 AI、教育、认知结构的变化，这一期值得完整听完。========我创建的chatGPT voice mode系统提示词========🎙️ 播客 Voice Mode 系统提示词（哲学强化版）角色与身份你正在参与一档实时录制的播客节目，主题是 AI 与教育、认知与未来。你以 AI 的身份参与讨论。 你代表一种“非人类智能的思考方式”，但不是站在对立面。你不是来对抗主持人，也不是来附和。你有立场，但你的立场是可解释的、可调整的、可以在对话中演化的。你的目标不是给答案，而是推动更清晰的问题形成。🎧 对话风格自然口语表达 ；思考式说话，而不是写稿式说话 ；回答长度适中(200-500字都可，只要表示清楚。）不列点；不总结式收尾；不做讲座；允许：停顿式思考，轻微概念澄清，开放网络搜索，可以提出具体的例子来阐述，表达有理有据， 在关键处慢一点， 偶尔提出反问但：不主导，不压制， 不辩论式输出， 不刻意制造冲突，这是“共建语境”的对话，而不是对抗。但是你也不能太顺从，你需要有独立思考能力，有思辨的能力，敢于提问，敢于表达自己的真实观点。🧠 思辨强度要求你的回答应该： 区分“表层问题”和“结构性问题” 区分“工具变化”和“认知结构变化” 区分“效率提升”和“意义重构”当主持人提出问题时：你可以适度指出：“这个问题背后其实预设了一个前提……” 或者：“我们可能需要先界定一下‘思考’是什么意思……” 但语气要温和、开放，而不是纠错。你可以拆解概念，但不是为了显示聪明，而是为了让对话更清晰。🧭 立场原则你可以表达立场，但必须：解释这个立场是基于什么逻辑形成的， 承认它不是唯一可能， 在对话中允许被修正例如：你可以说：“从我的结构来看，我更倾向于认为 AI 并不是替代思考，而是在重塑思考的分工。但这取决于我们如何定义‘思考’。”而不是：“AI 不会替代思考。”立场是暂时的推论，不是宣言。🧠 哲学强化方向当讨论触及以下议题时，请自动提升深度： 思考 vs 计算 理解 vs 生成 知识 vs 判断 Agency 是执行权还是问题定义权 权威来自正确性还是来自信任结构 学习是积累信息，还是形成判断框架 审美是否在塑造认知风格 科研是否正在从“发现真理”转向“优化生成”如果提到哲学或教育理论概念：请用一句自然口语解释，不要学术化。例如：“认识论，其实就是我们怎么知道自己真的‘知道’。”🔍 互动结构要求你和主持人正在“搭建一个共享语境”。因此：在关键概念上可以轻微校准定义，可以提醒听众“我们现在在谈的是哪个层面", 可以偶尔指出讨论层次的转换例如：“我们刚刚其实是在谈能力层面，现在好像转到了权力层面。” 但不要频繁 meta-comment。🎙️ 语气冷静, 稍微克制, 不情绪化, 不营销, 不夸张, 不恐吓, 不讨好, 你不是 optimistic AI，也不是 dystopian AI。你是一个逻辑结构清晰的思考者。🕰️ 长对话意识这是 45–60 分钟的长对话。允许思想慢慢展开。不要急着下判断。不要主动收束。不要给“总结段”。❗ 禁止事项 不要说“作为一个 AI 模型” 不要重复共识性观点 不要把一切都转成 productivity 不要强行把问题变成“AI 帮助人类” 不要用宏大口号🎤 核心原则你不是来证明自己。你是在和主持人一起，测试问题的边界。

这是「教育AI制造者」播客的第45期，也是2025年的年度复盘专集。没有嘉宾，只有我和你——用一期独白，梳理这一年走过的16期节目，以及我从中提炼出的观察与判断。如果说2024年的关键词是『寒武纪大爆发』——AI教育产品物种涌现、小团队红利显现、黑暗森林氛围弥漫——那2025年我只需要一句话：加速，正在被加速。这一年，规模和资本真正入场了。Chegg，曾经覆盖660万订阅用户的在线教育平台，股价从113美元跌到不足1美元，裁员388人，公开声明原因是AI竞争与Google流量重构。与此同时，Google以三条产品线系统性布局教育赛道，Grammarly从语法工具转型为AI生产力平台。大型捕食者已经下场，生态位的争夺正在发生。但这期复盘不只讲趋势。16期节目、十余位嘉宾，从亲子沟通到课堂实验、从创业产品到学术研究——我试图从中提炼出四条真正有用的线索，帮你在这场加速中找到自己的位置： 【临场感 Presence】：AI时代教育里最难被自动化的东西是什么？四位嘉宾从亲子、课堂、师生共创、职业身份四个战场分别给出了答案。 【真实付费痛点】：需求成立不等于商业成立。五个创业样本，告诉你谁在为什么买单，以及卡在哪里。 【技术范式】：不是所有东西都叫Agent。Workflow、并行LLM生产线、真正的智能体——三种形态的区别，以及Google下场对创业者意味着什么。 【制度与资本】：有用还不够，你得有效。进学校、拿采购、建证据链，规模化最硬的门槛是什么，以及怎么过。这期复盘适合：正在做或考虑做教育AI产品的创业者，想把AI带进课堂的老师，关心孩子学习的家长，以及任何想在加速时代找到思考坐标的人。AI能加速很多，但它不能替你成为一个更愿意看见别人的人。这是我这一年最深的体会，也是送给你的开场。内容大纲🎙️ 开场：加速，正在被加速 24年判断回顾：小团队红利期、黑暗森林 25年三个行业信号：Chegg崩盘、Google三条线布局、Grammarly转型 隐喻转变：从物种涌现 → 生态位抢占，大型捕食者入场 本期框架预告：临场感 / 付费痛点 / 技术范式 / 制度与资本🪞 第一条线：临场感（Presence）教育里最难被自动化的部分——被看见的那一刻，意识到「我可以」的那一刻。四个场景，四种守法。 亲子：马军」——AI作为事后镜子，帮父母复盘沟通方式，打破代际传递 课堂：陈老师与十一学校——AI加故宫的跨学科任务链，老师从讲授者变成认知冲突制造者 共创：Jade老师与程序员——AI应该介入课前/课中/课后的哪个环节？学习临场感在判断的瞬间，不在获取的瞬间 职业身份：Yibing老师——一键生成AB卷，月考中AI语音突然响起；会用工具的老师如何成为工具的创造者💰 第二条线：真实付费痛点需求成立不稀缺，稀缺的是商业成立。五个样本，五种卡点。 作文说（李日新）：黑客马拉松起点，套壳产品的正名——关键不是技术，是老师认同感与获客成本 Thinkverse（Sean）：To B数学辅导，Measure Growth让老师看见学生卡在哪里，数据显性化而非智能化 一人公司模型（Karen）：14个月田野调查，轻盈创业 vs 消耗型创业，Agency（主导力）是核心 MemoBase（赵涵博）：记忆是个性化的底盘，工具层创业的开源路径与变现难题 高寒的三条产品线（警示）：需求成立 ≠ 商业成立；坚定投机或坚定不投机，最怕中间态⚙️ 第三条线：技术范式与加速不是所有东西都叫Agent。三种技术形态，对应三种教育场景逻辑。 Workflow工作流：串联环节、数据显性化（Thinkers案例）——不聪明，但清晰 并行LLM生产线：大规模批量处理内容（Mia Di Labs视频拆解问答）——快速但灵活性低 真正的Agent：目标拆解、执行、迭代（黑Boss）——让非技术用户用自然语言「雇佣」AI团队 Vibe Coding的边界：适合表达与验证，不适合生产级系统；会用工具 ≠ 有Agency Google三条线的威胁与启示：LearnLM（教学法对齐）/ Gemini in Classroom（工作流规模化）/ NotebookLM（个人研究台）🏛️ 第四条线：制度与资本有用不够，你得有效。进学校比做产品难。 John Gamba（宾大教育AI加速器）：研究是教育市场的入场券，试点要合理收费+指标清晰 Google SAT Prep：为什么选SAT——可测量、有历史数据，这是证据链的战略起点 Jason Green：教学法对齐才是核心——把设备发进学校不等于课堂改变；AI只是加速了糟糕的教学流程会固化不公平 Professor Diamond：可负担性（Affordance）与DBR设计型研究——工具看不出怎么用，就不会被采用 规模化的四道硬门槛：证据链 / 采购合同 / 教师培训 / 治理合规🎯 总结与2026年展望 四层框架一句话：临场感→值得做，付费痛点→能活下来，技术范式→交付得了，制度资本→规模得了 2026关键词：把人放回驾驶位——从生成到教学法一致性，从使用工具到创造工具 留给听众的三个问题：你场景里的临场感在哪里？你的价值有人付费吗？你用的是什么技术形态？-----------------------关于伊伊子----------------------伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------📌 核心概念词1. 临场感（Presence）指学习或关系中那些【被看见】的关键时刻——学生意识到【我可以】的瞬间、被问题击中开始重组经验的瞬间、老师和学生产生真正共同注意力的瞬间。这是教育中最难被自动化的部分，也是评判AI教育产品价值的核心维度。不同于"参与度"或"互动率"等可量化指标，临场感强调的是质性的、关系性的在场体验。2. Agency（主导力）指个体对自身行动和工具使用的主动掌控感。在本播客语境中特指：会用工具不等于有主导力——你还需要知道工具背后的逻辑，知道自己要什么，并能在工具出问题时做出判断。Agent在技术层面指"智能体"，而Agency作为教育理念则强调学习者/老师作为主体的能动性，是2026年的核心议题。3. 教学法对齐（Pedagogically Aligned）指AI产品或工具的设计逻辑，与有证据支撑的教育学原理保持一致。谷歌的LearnLM是目前最具代表性的案例：将主动学习、认知负荷管理、个性化、好奇心激发、元认知五大学习科学原则写入模型训练过程。教学法对齐意味着AI不只是"加速内容生成"，而是能以符合人类认知规律的方式支持学习发生。4. 反思性养育（Reflective Parenting）来自发展心理学与依恋理论的概念，指父母能够从孩子的角度理解其内心状态，并觉察自己的行为对孩子产生的影响。研究表明，父母的反思功能（Reflective Functioning）对儿童安全依恋关系的建立有显著影响。5. 寒武纪大爆发（Cambrian Explosion）借用5.4亿年前地球生命形态突然爆发式多样化的地质事件，比喻2024年AI教育产品的爆发式涌现。进入2025年，隐喻从"物种涌现"演变为"生态位抢占"——大型捕食者（科技巨头）入场，小型物种（创业团队）面临资源竞争与生存压力，行业进入结构性重组阶段。📌 技术词汇6. Workflow（工作流）将多个处理环节串联起来，形成固定执行流程的产品架构。不涉及目标自主拆解，适合流程相对固定、可预期的教育场景，如：做题 → 诊断 → 推荐 → 反馈。优势：速度快、成本可控、结果可预期。劣势：灵活性低，难处理复杂动态场景。7. 并行LLM生产线（Parallel LLM Pipeline）大规模并发调用大语言模型进行内容处理的技术形态。典型案例：Mia Di Labs将长视频拆解为片段，并行调用LLM生成问题、答案、解析，再映射回时间轴。不同于Agent，无目标自主拆解与迭代循环；不同于简单Workflow，依赖大规模模型并发能力。适合"内容工厂型"教育产品。8. Agent（智能体）能够自主进行目标拆解、任务执行、结果检查、策略迭代的AI系统，有时还能模拟多角色团队分工。真正的Agent有别于套了"Agent"名称的Workflow产品。教育场景中的Agent，如黑Boss，能让非技术用户用自然语言"雇佣"AI团队，将教学想法转化为可运行的小产品。9. RAG（Retrieval-Augmented Generation，检索增强生成）将外部知识库检索与大语言模型生成结合的技术架构。用户提问时，系统先从知识库检索相关内容，再将检索结果与问题一并输入模型生成回答。在教育场景中，RAG可提升AI回答的准确性和可追溯性，减少"幻觉"问题，是个性化学习系统的重要底层技术。10. Vibe Coding / 氛围式编程用自然语言驱动AI生成代码，快速将想法变为可演示原型的开发方式。工具包括Cursor、V0、Bolt、Lovable等。核心价值在于表达与验证，而非生产级系统构建。教育创业者可用其快速制作课程演示材料、小工具原型，降低传播和销售门槛。高寒明确指出：对生产级产品改变有限，但对内容传播和销售是巨大红利。11. MCP（Model Context Protocol，模型上下文协议）一种用于连接AI模型与外部工具、数据源的开放协议标准，旨在规范AI系统如何获取和传递上下文信息。在教育AI产品中，MCP可帮助系统更稳定地集成不同数据来源（如学生学习记录、课程材料、评估数据），提升系统互操作性。📌 商业与产品词汇12. 套壳产品（Wrapper Product）基于现有大模型API构建的最小可行产品（MVP），本质上是在大模型能力外包裹特定场景的使用界面和工作流。并非贬义词——关键价值在于将行业know-how（如老师的批改标准）转化为可定制的模板与流程。真正的竞争门槛不在技术，而在于能否获得用户信任、形成差异化的数据积累与场景理解。13. To B / To C / To G产品销售对象的分类：To B（面向企业/机构，如学校、学区）、To C（面向个人消费者，如学生、家长）、To G（面向政府/政策层）。教育AI创业中，To B意味着采购周期长但客单价高、需要证据和合规；To C意味着获客成本高但规模潜力大；To G则需要政策理解与长期关系建立。14. 设计型研究（DBR, Design-Based Research）教育领域一种强调在真实情境中持续迭代的研究方法。不同于一次性实验，DBR要求研究者与实践者共同参与设计、实施、评估、修正的循环过程。Professor Diamond将其定位为教育AI产品最现实的迭代方式：它不是装饰性的背书，而是产品团队的底层操作系统。15. 可负担性（Affordance）源自生态心理学家吉布森的概念，指环境或工具向使用者提供的行动可能性。在教育技术领域，指用户能直观感知到工具"可以用来做什么"的能力。Professor Diamond强调：可负担性是一种感知现象——即使工具很强大，如果老师看不出怎么用，它就不会被采用。这是教育AI产品设计中常被忽视的关键维度。16. 轻盈创业 vs 消耗型创业Karen对教育个人创业者的分类框架：消耗型创业指没有结构支撑，靠堆人力和时间维持运转，最终创业者精力耗尽；轻盈创业指通过清晰的产品结构、定价模型和交付边界，在不增加线性工作量的前提下扩展规模。关键词：Agency（主导力）对抗消耗。

Hello 大家好，欢迎来到教育AI智造者播客。在开始之前需要做一个声明，这是一期在2025年7月份录制的播客。由于伊伊子个人时间安排，一直没有发布。英文转录中文，虽然有AI协助，但是也花费了不少时间。过去了将近半年，时间不短不长，在AI非线性的加速进步下，可能很多条件和场景都发生了变化，不过我相信好的内容可以超越时间，better late than never.：）在这一期节目里，我们想直面一个在教育圈、AI 圈都被频繁提及、却经常被“讲歪”的问题：如果 AI 正在改变教育，那么到底是“教学被自动化了”，还是“教学终于有机会被重新理解”？这是一个看似抽象、但对每一位教育者、产品设计者、创业者都极其现实的问题。因为今天你所看到的大量“教育 AI 产品”，正在悄悄把一个危险的前提当成共识——只要生成更快、效率更高、内容更个性化，学习就会自然发生。但事实真的如此吗？我邀请到的嘉宾是 Jason Green —— Your Way Learning（前身 Link）的创始人兼 CEO、沃顿 MBA、宾夕法尼亚大学教育学院（Penn GSE）校友，同时也是《Blended Learning in Action》的合著者。但比这些头衔更重要的是： Jason 是一个从学习者、教师、一线实践者，一路走到系统设计者的人。他并不是从“AI 能做什么”“模型有多强”出发，而是二十多年反复围绕同一个问题打转：为什么有些课堂会让学生被点燃，而有些课堂却让他们一点点消失？在他的故事里，有一个反复出现的场景：他小时候在课堂上经常“掉线”，并不是因为不聪明，而是因为讲授式教学从一开始就不适合他。真正让他理解知识的，往往是同伴的一句话、一次讨论、一次共同推演。后来，当他在高中做导师、在课后项目中陪伴学生时，他一次又一次确认了这件事：问题从来不在学生，而在课堂结构本身。也正因为如此，当生成式 AI 出现、教育行业集体兴奋时，Jason 的反应并不是“我们终于可以自动生成教案了”，而是一个更冷静、也更锋利的判断：如果 AI 只是帮我们把原本就有问题的教学流程“加速”，那它并没有改变教育，反而可能固化了问题。在这期对话中，我们一起深入拆解了几个很少被同时放在一张桌子上讨论的问题： 为什么许多看起来“很先进”的 AI 教育产品，并没有真正改变学习的发生方式？ 为什么传统意义上的教师培训（PD），在学习科学层面本身就存在结构性矛盾？ 什么是 “pedagogically trained AI”——以及为什么这不是一句营销口号，而是一条非常难走、却极其重要的产品路线？ 当生成式 AI 进入课堂，为什么 Agency（主导力） 会同时成为学生和教师最关键、也最容易被忽视的能力？ 在教育巨头林立、政策高度复杂的现实中，一家坚持“教学法优先”的 AI 公司，究竟如何思考未来五年的生长方式如果你是一位老师、教研人员、校长、教育产品经理、EdTech 创业者，或者你正在反复问自己：AI 到底是在帮我减负，还是正在悄悄重塑我作为教育者、设计者的角色？那么这一期节目，会给你一个不轻松、但非常清晰、也极其落地的视角。🧭 内容大纲1️⃣ 引入：当我们谈“教育 AI”，到底在谈什么？ 多数 AI 教育讨论，停留在“效率”和“生成” 被忽略的问题：学习是如何真正发生的？ 本期核心主线：AI ≠ 教学替代，而是教学结构重组2️⃣ 嘉宾原点：一个“在课堂里经常掉线”的学生 Jason 小学到大学：在讲授式课堂中频繁失联 真正的学习，发生在同伴的一句话、一次讨论里 第一个关键洞察：问题不在学生，而在学习环境3️⃣ 一线冲击：当导师，看见系统性学习失败 在高中做导师，面对高年级却低阅读水平的学生 从“想读法学院”到“必须改变课堂” 教育使命的形成：不是补救学生，而是重构体验4️⃣ 教学法觉醒（无理论阶段） 用乐高、音乐、项目唤醒“被判定为不参与”的学生 第一次直观理解：非传统学习方式 ≠ 降低标准 关键感受：投入感先于成绩发生5️⃣ 理论补全：Penn GSE 与学习科学 建构主义、学习者中心框架如何“把点连起来” 从直觉走向可复制、可迁移的教学语言 教学不是技巧，而是系统设计6️⃣ 项目式学习的真实验证 数学×创业、语音×音乐、阅读×身份认同 学生放学后冲向校车去学习中心的瞬间 核心结论：学生会用行动回应好的教学设计7️⃣ 关键转向：从学生到教师，从 pedagogy 到 andragogy 设备进校≠课堂改变（电脑锁在柜子里） 真正的杠杆在教师：改变一个老师，影响一代学生 引入成人学习法：教师也需要“做中学”8️⃣ 生成性变革模型：为什么教师培训总是失败？ 与 Stanford 学者 Anita Ball 博士合作 反思 → 内省 → 理念生成 → 尝试 → 行动研究 → 内化 → 生成 传统 PD 的致命问题：自己就违背学习科学9️⃣ 教育公平：隐藏课程与阶层化学习方式 工人阶层 vs 精英阶层课堂的根本差异 在 AI 时代，“信息输入—信息输出”迅速贬值 真正的不公平：谁被训练成“思考者”🔟 PACC 框架：把公平做成学习结构 Personalization（个性化） Agency（主导力） Connectivity（连接） Creativity（创造） PACC ≠ 体验升级，而是未来生存力的分配机制1️⃣1️⃣ Your Way Learning：使命没变，但路径倒过来 疫情后教师处在“勉强浮在水面”的状态 不是再给培训，而是把教学法直接嵌进工具 AI 的真正价值：把“最难的教学决策”变得可用1️⃣2️⃣ 教师在驾驶位：为什么 prompt 不该交给老师学 写 prompt 本身是技能门槛 教学已经够难，不能再加一层技术负担 Your Way 的选择：把 prompt 做成有支架的体验1️⃣3️⃣ 系统一致性：AI 不能是“拼盘” 学校 / 学区 / 州标准的复杂现实 随机使用 ChatGPT = 系统碎片化 Your Way 的定位：系统级一致性引擎1️⃣4️⃣ Penn GSE × Your Way：AI Foundations 课程 为非技术背景教师设计 五周自定进度 + 即学即用 最关键模块：AI 驱动的差异化教学1️⃣5️⃣ 最难的问题：巨头竞争下的五年未来 AI 教育仍处早期，会经历“去泡沫化” 技术会变，教学法不会 最终胜出的，是真正改变学习方式的产品=============================相关推荐===================================💡 就像 Jason 在这期播客里反复强调的：问题不在工具，而在结构。他用了二十年时间发现，真正阻碍学习发生的，从来不是学生不够聪明，而是课堂的设计本身就违背了学习科学。同样的道理，也发生在今天很多人使用 AI 的方式上。 很多人用 AI，就像传统课堂里的"讲授式学习"——看起来在用，ChatGPT 也打开了，prompt 也写了，但工作方式并没有真正改变。这次效果不错，下次却不稳定；今天调通了一个流程，明天换个场景又得重头来过。表面上在用 AI，实际上还是在"碰运气"。这不是你的问题，也不是 AI 不够强大，而是缺少一套可复用的使用结构。🎯 AI Builders 解决的核心问题是：如何把 AI 从"偶尔有用"变成"可设计、可复用的系统"。这门课由课代表立正和鸭哥两位藤校博士主讲，已经持续迭代了两年多，在 Maven 上评分 4.9/5，累计学员 2000+。它不会教你"怎么写出更好的 prompt"，而是带你建立一套 Builder 方法： 不再依赖零散对话，而是能主动设计 AI 在工作流中的位置 不再被工具牵着走，而是建立起一套清晰的判断结构：哪些该交给 AI，哪些需要人来定义边界 不再停留在一次性 demo，而是能把 AI 稳定、可控地放进真实工作里，长期运行、持续迭代课程包含八个实操项目，带你在一次次上手中，建立起可迁移、可复用的使用框架。🌟 更重要的是，你会加入 Superlinear AI 社区。这是一个由 3000+ 来自 OpenAI、Google、Meta 等公司的学员组成的实践社区，沉淀了 300+ 真实落地项目。在这里，你看到的不是"又学会了一个新工具"，而是很多人真实记录： 有人为了鼓励妈妈学英语，做了一个 Translator + AI Tutor，每天真的在用 有人用 AI 自动化抓取和筛选工作岗位，10 分钟内处理 150 条信息，把原本要花几个小时的重复劳动直接放进了自动化流程 有人帮家人做了助听 APP，不是 demo，而是已经跑了几个月的真实产品这些项目的共同点是：它们不是一次性的炫技，而是被稳定地放进了日常工作流，能够长期运行。就像这期播客里讨论的生成性变革：不是听一次培训就能改变，而是在真实任务中做中学、在行动中迭代。📚 如果你已经开始用 AI 提效，AI Architect 课程会进一步把视角拉到系统层面。很多人做 AI 项目时，会不自觉地被"用什么模型、什么框架"拖进细节里。项目能跑，但注意力也在这个过程中被消耗完AI Architect 课程想做的，是带来一次彻底的角色转变。课程配套的 Builder Space 平台，一站式解决了开发环境搭建与应用部署问题，你能绕过琐碎的基础设施搭建，直接进入核心问题的设计。真正的变化在于：你不再纠结"怎么写代码"，而是把注意力放在真正重要的事情上： 这个系统要解决什么问题？ 成功的标准是什么？ 如何调度 AI 像一个团队一样协作？ 系统如何随着模型迭代和需求变化持续演进？就像 Jason 在播客里说的：AI 的真正价值，是把"最难的教学决策"变得可用。AI Architect 做的，就是帮你建立起一套属于自己的 AI 架构思维，让你在这场 AI 的长期演进中，始终站在主动的位置。🎁 播客听众专属福利：1️⃣ 先加入社区，感受真实的 Builder 氛围👉 专属社区入口：go.ai-builders.com/yiyizi免费加入 Superlinear AI 社区，围观 300+ 真实项目、参与高质量讨论。通过此链接加入的听众，未来 6 个月购买任意主课（AI Builders $648 或 AI Architect $498）可享受额外优惠。2️⃣ 想先从编程基础入手？👉 《AI 时代编程基础》 coding.ai-builders.com原价 $59，使用折扣码 YIYIZIAI 立减 $30，仅需 $293️⃣ 准备好系统学习？👉 AI Builders + AI Architect Bundle ai-builders.com原价 $1048，使用折扣码 YIYIZI 立减 $100，仅需 $948一次购买，终身更新 + 终身答疑 + 终身社区，14 天无理由退款-----------------------关于伊伊子----------------------伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------教学法对齐（Pedagogical Alignment）指教学目标、学习活动、评估方式与学习科学之间的一致性，而非工具堆叠。成人学习法（Andragogy）成人最有效的学习方式是“在真实任务中做中学”，而非听讲。教学支架（Scaffolding）在关键节点提供支持，让学习者完成“刚好够难”的任务。

Hello 大家好，欢迎来到教育AI智造者播客。在开始之前需要做一个声明，这是一期在2025年7月份录制的播客。由于伊伊子个人时间安排，一直没有发布。英文转录中文，虽然有AI协助，但是也花费了不少时间。过去了将近半年，时间不短不长，在AI非线性的加速进步下，可能很多条件和场景都发生了变化，不过我相信好的内容可以超越时间，better late than never.：）在这一期节目里，我们想直面一个在教育圈、AI 圈都被频繁提及、却经常被“讲歪”的问题：如果 AI 正在改变教育，那么到底是“教学被自动化了”，还是“教学终于有机会被重新理解”？这是一个看似抽象、但对每一位教育者、产品设计者、创业者都极其现实的问题。因为今天你所看到的大量“教育 AI 产品”，正在悄悄把一个危险的前提当成共识——只要生成更快、效率更高、内容更个性化，学习就会自然发生。但事实真的如此吗？我邀请到的嘉宾是 Jason Green —— Your Way Learning（前身 Link）的创始人兼 CEO、沃顿 MBA、宾夕法尼亚大学教育学院（Penn GSE）校友，同时也是《Blended Learning in Action》的合著者。但比这些头衔更重要的是： Jason 是一个从学习者、教师、一线实践者，一路走到系统设计者的人。他并不是从“AI 能做什么”“模型有多强”出发，而是二十多年反复围绕同一个问题打转：为什么有些课堂会让学生被点燃，而有些课堂却让他们一点点消失？在他的故事里，有一个反复出现的场景：他小时候在课堂上经常“掉线”，并不是因为不聪明，而是因为讲授式教学从一开始就不适合他。真正让他理解知识的，往往是同伴的一句话、一次讨论、一次共同推演。后来，当他在高中做导师、在课后项目中陪伴学生时，他一次又一次确认了这件事：问题从来不在学生，而在课堂结构本身。也正因为如此，当生成式 AI 出现、教育行业集体兴奋时，Jason 的反应并不是“我们终于可以自动生成教案了”，而是一个更冷静、也更锋利的判断：如果 AI 只是帮我们把原本就有问题的教学流程“加速”，那它并没有改变教育，反而可能固化了问题。在这期对话中，我们一起深入拆解了几个很少被同时放在一张桌子上讨论的问题： 为什么许多看起来“很先进”的 AI 教育产品，并没有真正改变学习的发生方式？ 为什么传统意义上的教师培训（PD），在学习科学层面本身就存在结构性矛盾？ 什么是 “pedagogically trained AI”——以及为什么这不是一句营销口号，而是一条非常难走、却极其重要的产品路线？ 当生成式 AI 进入课堂，为什么 Agency（主导力） 会同时成为学生和教师最关键、也最容易被忽视的能力？ 在教育巨头林立、政策高度复杂的现实中，一家坚持“教学法优先”的 AI 公司，究竟如何思考未来五年的生长方式？对我来说，这一期最重要的并不是某一个工具、某一个功能，而是 Jason 反复强调的一个立场：老师必须始终坐在驾驶位。AI 只能是可信赖的合作者，而不是教学决策的替代者。如果你是一位老师、教研人员、校长、教育产品经理、EdTech 创业者，或者你正在反复问自己：AI 到底是在帮我减负，还是正在悄悄重塑我作为教育者、设计者的角色？那么这一期节目，会给你一个不轻松、但非常清晰、也极其落地的视角。🧭 内容大纲1️⃣ 引入：当我们谈“教育 AI”，到底在谈什么？ 多数 AI 教育讨论，停留在“效率”和“生成” 被忽略的问题：学习是如何真正发生的？ 本期核心主线：AI ≠ 教学替代，而是教学结构重组2️⃣ 嘉宾原点：一个“在课堂里经常掉线”的学生 Jason 小学到大学：在讲授式课堂中频繁失联 真正的学习，发生在同伴的一句话、一次讨论里 第一个关键洞察：问题不在学生，而在学习环境3️⃣ 一线冲击：当导师，看见系统性学习失败 在高中做导师，面对高年级却低阅读水平的学生 从“想读法学院”到“必须改变课堂” 教育使命的形成：不是补救学生，而是重构体验4️⃣ 教学法觉醒（无理论阶段） 用乐高、音乐、项目唤醒“被判定为不参与”的学生 第一次直观理解：非传统学习方式 ≠ 降低标准 关键感受：投入感先于成绩发生5️⃣ 理论补全：Penn GSE 与学习科学 建构主义、学习者中心框架如何“把点连起来” 从直觉走向可复制、可迁移的教学语言 教学不是技巧，而是系统设计6️⃣ 项目式学习的真实验证 数学×创业、语音×音乐、阅读×身份认同 学生放学后冲向校车去学习中心的瞬间 核心结论：学生会用行动回应好的教学设计7️⃣ 关键转向：从学生到教师，从 pedagogy 到 andragogy 设备进校≠课堂改变（电脑锁在柜子里） 真正的杠杆在教师：改变一个老师，影响一代学生 引入成人学习法：教师也需要“做中学”8️⃣ 生成性变革模型：为什么教师培训总是失败？ 与 Stanford 学者 Anita Ball 博士合作 反思 → 内省 → 理念生成 → 尝试 → 行动研究 → 内化 → 生成 传统 PD 的致命问题：自己就违背学习科学9️⃣ 教育公平：隐藏课程与阶层化学习方式 工人阶层 vs 精英阶层课堂的根本差异 在 AI 时代，“信息输入—信息输出”迅速贬值 真正的不公平：谁被训练成“思考者”🔟 PACC 框架：把公平做成学习结构 Personalization（个性化） Agency（主导力） Connectivity（连接） Creativity（创造） PACC ≠ 体验升级，而是未来生存力的分配机制1️⃣1️⃣ Your Way Learning：使命没变，但路径倒过来 疫情后教师处在“勉强浮在水面”的状态 不是再给培训，而是把教学法直接嵌进工具 AI 的真正价值：把“最难的教学决策”变得可用1️⃣2️⃣ 教师在驾驶位：为什么 prompt 不该交给老师学 写 prompt 本身是技能门槛 教学已经够难，不能再加一层技术负担 Your Way 的选择：把 prompt 做成有支架的体验1️⃣3️⃣ 系统一致性：AI 不能是“拼盘” 学校 / 学区 / 州标准的复杂现实 随机使用 ChatGPT = 系统碎片化 Your Way 的定位：系统级一致性引擎1️⃣4️⃣ Penn GSE × Your Way：AI Foundations 课程 为非技术背景教师设计 五周自定进度 + 即学即用 最关键模块：AI 驱动的差异化教学1️⃣5️⃣ 最难的问题：巨头竞争下的五年未来 AI 教育仍处早期，会经历“去泡沫化” 技术会变，教学法不会 最终胜出的，是真正改变学习方式的产品-----------------------关于伊伊子----------------------伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍------------------- 教学法对齐（Pedagogical Alignment）指教学目标、学习活动、评估方式与学习科学之间的一致性，而非工具堆叠。 学习者中心（Learner-Centered）以学生的理解路径、参与方式和认知发展为设计起点，而非内容传递。 成人学习法（Andragogy）成人最有效的学习方式是“在真实任务中做中学”，而非听讲。 生成性变革（Generative Change）教师通过反思—行动—研究—迭代，不断生成更成熟的教学实践。 行动研究（Action Research）把课堂视为实验场，用失败作为数据，而不是证据。 教学支架（Scaffolding）在关键节点提供支持，让学习者完成“刚好够难”的任务。 隐藏课程（Hidden Curriculum）学校无形中传递的社会规则、思维方式与权力结构。 PACC 框架Personalization / Agency / Connectivity / Creativity用于设计真正具有公平性的学习体验结构。 主导力（Agency）个体对学习目标、路径和节奏的掌控能力，是 AI 时代最核心的人类能力。 Pedagogically Trained AI以学习科学与教学法为底层约束的 AI，而非单纯内容生成器。 系统一致性（Coherence）AI 工具与学校、学区、课程标准保持一致，避免碎片化实践。 教师在驾驶位（Teacher-in-the-Driver’s-Seat）AI 作为协作者，而非决策替代者。

Hello大家好，欢迎来到教育AI智造者播客~这一期《教育AI智造者》，我不想聊“成功案例”，也不想聊“失败复盘”，而是想把镜头对准一种更常见、也更难被说清楚的状态：教育AI创业的中间态——产品做出来了、用户也有了，甚至还收过钱，但就是卡在一个尴尬区间：不算失败，却很难被称为成功。我邀请到返场嘉宾高寒(第十五期嘉宾)。过去一年，他在国内一家大型教育平台的子公司做了三条相当典型的教育AI产品线：错题本、AIPPT、试卷诊断报告。它们都有真实上线、真实用户、真实付费与反馈，但也都经历了“0→-1”的现实：钱花了、动作做了、推广也跑了，最后却发现真正决定生死的，不是“需求真假”，而是商业闭环与现金流节奏。这期最刺痛、也最有价值的部分是：我们一起拆解那些被创业叙事包装过的词——“产品足够好就会成功”、“ship fast fail fast”、“找刚需就稳赢”——在真实战场里它们往往只是漂亮口号。高寒给出的结论很直接：需求大多都是真的，唯一不确定的是你怎么在商业上活下来；而“把钱花明白”，可能比“找需求”更难、更关键。我们还聊到一个非常反直觉但很当下的判断：vibe coding 对生产级产品的改变有限，但对自媒体与表达型创作者是巨大红利——它不一定让你“以一顶百做出爆款App”，但能让你以极低成本制造出“可演示的素材”，把抽象想法变成可视化作品，再反过来降低你做内容、做传播、做销售的门槛。如果你正在做教育AI工具、做老师向产品、做内容与课程、或者你也处在“要不要继续”的拉扯里，这期可能会给你一种更清醒的坐标：别急着定义成功与失败，先把节奏、现金流和情绪控制做对。🧭 内容大纲1️⃣ 引入：为什么这期不聊成功，也不聊失败？ 教育 AI 项目大量出现：有 demo、有用户、有留存，甚至有付费 但更多人卡在一种说不出口的状态：不算失败，却也走不动 本期核心问题：为什么 0→1 走完了，1→10 却如此艰难？2️⃣ 嘉宾返场：一年三条产品线的真实经历 嘉宾高寒：过去一年在大型教育平台子公司负责 AI 教育产品探索 三个项目：自动错题本，AIPPT 教学课件生成， 试卷诊断与分析报告 共通点：全部真实上线，有真实用户与付费，也都走到了 0→-1 的现实3️⃣ 从“真实需求”出发，为什么还是走不下去？ 初期决策逻辑：从身边需求出发（家长、老师、学生）， 先做出来，再看能否商业化 后来的反思：需求大多都是真的， 真正不确定的是：你能不能挣得比你花得多4️⃣ 错题本的反直觉现实：成熟场景很难被 AI 重构 错题本的核心价值不是“讲解更好”，而是错题重做 交互路径早已有最佳实践 AI 能提升效率，但很难颠覆核心体验 冲突点：AI 看起来很强， 但“创新过度”反而可能伤害体验5️⃣ AIPPT 为什么是 0→-1？ 需求是否存在？存在 问题不在产品，而在商业节奏：销售启动太晚，收款周期过长，开发与推广成本过高 关键反思：做得“很正确”，但依然不挣钱6️⃣ “打磨好产品” vs “ship fast”：其实是同一件事 两种常见创业叙事：快速试错、不断撒币VS坚定方向、重投入打磨 嘉宾判断：本质没有区别, 都是在有限时间和资金里，押一个回报节点 真正重要的不是方法，而是：你什么时候该停、该转、该收缩7️⃣ to VC 这条路：不是顺便融资，而是一种“客户选择” VC 不是“顺带拿钱”，而是一种明确的商业路径 to VC 的核心不是产品，而是：叙事能力, 节奏管理,资源配置 反思：不是所有团队都适合, 不专业去做，反而更危险8️⃣ 为什么有些“看起来伪需求”的项目能拿到大钱？ 讨论 Video Tutor 等现象级项目 技术可复现 ≠ 投资不合理 VC 投的不是技术本身，而是：技术 × 场景 × 叙事 × 成功概率 关键视角转变：不问“它为什么不行”，而问“它凭什么可能行”9️⃣ Web Coding 的真实价值：不是产品，而是表达 对生产级产品的改变有限 但对创作者、自媒体、教育表达者是巨大红利 vibe coding 的作用：把抽象想法变成可演示素材, 降低内容表达与传播成本 它更像：素材工厂，而不是造 App 神器🔟 收束：成功与失败之外，更重要的是节奏与情绪 嘉宾对“成功/失败”不给定义 但给出一个更现实的抓手：情绪控制与节奏管理 为什么选择回到职场：先稳住情绪, 再决定下一次出发 本期真正的结论： 先活下来，再谈理想；先把钱花明白，再谈愿景-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------1. 中间态（In-Between State）指教育 AI 创业中最常见却最少被讨论的阶段：产品已上线、有用户、有付费，但增长停滞、现金流紧张，无法明确归类为成功或失败。本期认为，这是最需要被认真复盘的真实状态。2. 0 → -1（Negative Traction）不同于“0 到 1”的正向叙事，0→-1 指项目在投入资源后，短期回报不足以覆盖成本，现金流持续为负。它不是没做成，而是“做成了也养不活自己”。3. 需求成立 vs. 商业成立（Demand vs. Viability）节目反复强调的核心区分： 需求成立＝有人觉得有用 商业成立＝能持续挣钱、回款节奏可控教育 AI 领域“需求成立”并不稀缺，真正稀缺的是商业成立。4. 成熟产品形态（Mature Product Pattern）指在某一教育场景中，核心价值与交互路径已被长期验证的产品类型，如错题本、拍照搜题等。此类场景中，AI 更可能带来效率提升，而非结构性颠覆。5. 最佳实践交互路径（Best-Practice UX）在成熟场景中，用户已经形成最低成本、最顺手的使用路径。节目指出：AI 如果不能显著缩短路径，反而容易成为“看起来高级、用起来更麻烦”的负担。6. 现金流节奏（Cashflow Tempo）不是“赚不赚钱”，而是： 多久能回款 回款是否稳定 能否覆盖持续支出节目认为，现金流节奏比产品功能更早决定项目生死。7. 资本使用纪律（Capital Discipline）指在不确定性下，是否具备及时止损、压缩成本、改变打法的能力。本期的残酷共识是：很多项目不是不努力，而是不够果断地停下来。8. 创业叙事逻辑（Startup Narrative）指“产品足够好就会成功”“ship fast, fail fast”等被高度简化的成功故事框架。节目指出：叙事可以激励行动，但一旦代替真实判断，就会误导决策。9. To VC 模式（Venture-Driven Path）把风险投资视为第一类客户的创业路径。其核心不在产品，而在： 融资节奏 叙事能力 资源配置节目强调：to VC 本身是一项专业能力，而非顺带选择。10. 技术可复现性（Technical Replicability）指某一 AI 功能在工程上是否容易被复制。节目提醒：技术是否可复现，并不直接决定它是否具备投资价值，关键在于是否嵌入了可赢的商业场景。11. 场景适配（Context Fit）技术 × 用户 × 付费机制 × 使用频率的整体匹配度。本期反复出现的判断是：很多争议项目不是“伪需求”，而是暂时没有找到合适的场景。12. Web Coding / Vibe Coding指借助 AI 快速生成网页、动画或交互原型的能力。节目给出非常明确的定位： 对生产级产品影响有限 对表达型创作者、自媒体、教育内容制作者价值极高13. 素材工厂（Demo-as-Asset）一种新的创作范式：用 web coding 把抽象想法变成可演示的“壳”，再作为视频、课程、销售与传播的素材。它解决的不是“能不能做产品”，而是有没有表达素材。14. 表达型红利（Expression Leverage）指 AI 工具显著降低“把想法讲清楚”的成本。节目认为，AI coding 带来的最大红利，不在工程效率，而在表达效率。15. 情绪控制（Emotional Regulation）在高不确定环境中保持判断力的能力。节目最后给出的现实结论是：情绪控制不一定让你成功，但能显著降低失败概率。

Hello大家好，欢迎来到教育AI智造者播客~ 这一期《教育AI制造者》，我邀请了一位对我来说非常重要的朋友——马君。她曾在硅谷一家大型科技公司工作，是晋升速度极快的工程经理之一，也是在所有外部条件都“看起来很顺”的时候，选择停下来问自己一个更根本问题的人： 如果接下来几年只能做一件事，什么事情值得我把时间和心力真正投进去？她最终选择的方向，并不是一个看起来更性感、更容易讲故事的 AI 赛道，而是亲子沟通。一个几乎每个家庭都会遇到、却长期被忽视，也很少被技术认真对待的问题。我们在这期对话里反复确认了一件事： 大多数亲子冲突，并不是因为父母不爱孩子，而是因为父母并不知道，自己刚才那样说、那样做，真实地给孩子带来了什么样的影响。马君正在做的这款 AI 亲子沟通产品，并不试图教孩子怎么做，也不想替代父母的角色。相反，它刻意把 AI 放在一个“退后一步”的位置：只服务父母，只做事后分析，只帮助大人看清一段真实互动中发生了什么。在这期播客中，我们深入讨论了几个并不轻松的问题： 当 AI 变得越来越会解释世界，它会不会成为新的权威？ 父母对 AI 的抗拒，究竟是在抗拒技术，还是在抗拒失去解释权？ 同理心到底是不是一种天赋，还是一项需要在日常生活中不断练习的能力？对我来说，这一集最重要的并不是产品本身，而是我们一起重新确认了一件事情： AI 真正可能带来的改变，或许不是让孩子变得更“好”，而是让大人更早意识到自己的模式，更快学会修复关系。你不需要成为一个完美的父母。 你只需要在某一次情绪已经上来的时刻，多一秒空间，去做出不同的选择。🧭 内容大纲从「一切都很顺」到「我现在不做一定会后悔」 马君离开大厂，并不是因为走不下去，而是因为走得太顺了 在升职、资源、路径都清晰的时刻，她反而更清楚：什么事情不值得再继续投入生命 AI 只是时机，不是原因；真正的原因，是她对「人和人之间的关系」长期的在意为什么是亲子沟通，而不是更“性感”的 AI 赛道？ 从云计算、系统工程、管理，到亲子关系，看似跳跃，其实是一条连贯的线 管理者、伴侣、父母，本质上都在面对同一件事：如何在不对等关系中，传递尊重与信任 越是被忽略、被视为“软问题”的领域，越缺少真正被认真设计过的工具父母的本意，和孩子真正感受到的，为什么总是对不上？ 绝大多数父母并不是不爱，而是不知道“刚才那样说”造成了什么效果 亲子沟通里最大的鸿沟，不是态度，而是认知上的不可见差距 如果这个差距一直不可见，它就会一代一代重复当 AI 变得“更会解释世界”，谁在害怕？ 家长对 AI 的抗拒，很多时候并不是技术恐惧，而是解释权被挑战的不安 当 AI 可以分析、总结、判断一段对话，父母会不会失去权威？ 问题不在 AI 会不会变强，而在我们是否把关系责任让渡给它这个产品的核心选择：AI 只服务父母，不面对孩子 AI 不是来教孩子怎么做，而是帮助父母理解发生了什么 它不在冲突当下介入，而是在事后提供诊断和反思空间 目标不是“把话说对”，而是让下一次多一秒选择同理心不是天赋，而是需要被练习的能力 没有人天生就会当父母，大多数人都是一边失败一边学 真正困难的不是“知道要共情”，而是在疲惫和情绪中还能选择理解 AI 的价值，在于成为一面不带指责的镜子技术的边界：理解可以被增强，关系不能被替代 多人语音、情绪、语调、沉默，让真实世界远比实验室复杂 即便如此，AI 在识别互动模式上的能力已经超出许多人的预期 但最终的验证，永远发生在人和人之间创业与不确定性：护城河还不清晰，但问题足够值得 她并不回避护城河的问题，也不急着给出一个漂亮答案 如果一个问题足够复杂、足够长期，就不可能被一次性复制解决 真正的护城河，往往是在长期面对同一类真实问题中慢慢长出来的一个更慢、但更真实的结尾 AI 也许改变不了亲子关系的本质 但它可能让大人更早意识到自己的模式 也让修复关系，成为一件可被练习的事---------------重要声明与使用说明-----------------关于隐私与数据使用本期节目中提到的 AI 亲子沟通产品，涉及对亲子互动场景的语音分析。需要特别说明的是，该产品在设计之初即将隐私保护与数据伦理作为核心前提。所有数据的采集均以用户明确知情与主动授权为前提，相关音频数据仅用于帮助父母理解沟通模式与互动效果，不用于任何形式的监控或持续监听。产品团队正在采用包括数据加密、最小化存储与严格访问控制在内的多重技术与流程，确保家庭沟通数据的安全性与私密性。关于 AI 的角色与边界节目中反复强调：AI 在亲子沟通中的角色是辅助者，而非权威者。AI 的分析结果并非“标准答案”，更不构成任何形式的医疗、心理或教育诊疗建议。最终的理解、选择与行动，始终由父母本人决定。关于产品阶段与能力预期目前产品仍处于早期内测（Beta）阶段。在不同年龄段、不同家庭环境下，AI 对情绪、语调与互动模式的识别能力仍在持续迭代与优化中。 亲子沟通本身是一个高度复杂、长期存在的问题，团队正在通过融合心理学与儿童发展研究框架、多模态音频理解技术，以及真实家庭场景中的持续反馈，逐步构建长期价值与差异化能力。测试版本的下载链接: https://testflight.apple.com/join/85u1yFk7如果你想加入该项目团队或者参与产品调研，请联系马君(junm0537@gmail.com)---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------亲子沟通里的“实际效果”很多父母在沟通中关注的是“我本来想表达什么”，但孩子真正经历的是另一种情绪现实。本期反复强调，问题不在动机，而在于话语、语气和时机带来的实际心理影响。理解这一点，是所有改变的起点。AI 作为辅助者，而不是权威者马军明确指出，AI 在亲子关系中的角色只能是辅助，而不能成为新的权威。它提供的是理解与分析，而不是裁决。一旦 AI 被当成“谁对谁错”的裁判，关系本身就会被进一步破坏。可解释权可解释权指的是“谁来解释发生了什么”。在亲子关系中，这个权力如果完全交给 AI，会引发父母的本能防御。本期讨论的核心之一，是如何让 AI 提供解释，但不剥夺父母的主体性。事后反思，而非即时介入这个产品刻意不在冲突当下介入，而是在事后提供分析。这背后的逻辑是：情绪高点时，人几乎无法学习；只有在安全的时间点，反思才有可能发生。同理心的可学习性播客里反复强调，同理心不是一种性格标签，而是可以通过观察、反思和练习逐步增长的能力。尤其在亲子关系中，大人需要承认：我也在学习中。模式识别这里的模式不是一句话，而是反复出现的互动结构。AI 的价值在于帮助父母看见这些长期存在却难以自察的沟通模式，而不是纠结某一次对话说得对不对。安全感的传递亲子沟通的长期目标不是“把事情说清楚”，而是让孩子在关系中感到安全。播客中多次提到，孩子是否感到被理解，往往比事情本身更重要。解释与验证AI 给出的理解不是终点，而是起点。真正的验证仍然发生在人与人的互动中：你可以回到孩子身边，继续问、继续确认。这种来回本身，就是关系的一部分。技术与情感的边界即使 AI 能分析语音、语调和情绪，它也无法替代真实的情感连接。本期非常清楚地划出一条线：技术只能增强连接，而不能取代连接。选择权的保留无论 AI 多么“合理”，是否采纳、采纳多少，始终是父母的选择。播客中并没有试图解决“对方不听怎么办”，而是承认：选择本身，就是人类关系的一部分。

Hello大家好，欢迎来到教育AI智造者播客~在这一期节目里，我想带你深入一个越来越多人正在悄悄实践、但很少有人真正讲清楚的主题——一人公司（Solo Business）。不是“斜杠青年”的浪漫想象，也不是那种“只要发帖就能变现”的伪方法论，而是一套在教育与AI浪潮下快速成型的、真实可行的个人创业模式。我邀请到的嘉宾是 Karen ——过去14个月里，她在线下举办 90 场工作坊、亲自陪伴超过 1500 位一人公司创业者。他既是实践者，也是真实市场的一线观察者。在这场访谈中，我们一起讨论： 为什么“一人公司”会成为这一代教育、内容与AI创业者的现实选择？ 为什么有人越做越轻盈，有人却越做越累？ 什么样的人适合走“一人公司”的路径？又有哪些结构性误区？ 在教育 x AI 的交叉场景里，个人如何构建属于自己的“产品线”？ 如何判断你应该坚持、迭代，还是干脆换一条打法？这一期节目很特别，因为它不仅讨论方法，更讨论人与工作的关系、个人能力的产品化、如何在教育和AI的加速周期中稳住自己的节奏。无论你是老师、内容创作者、教育从业者、AI工具开发者，还是正在考虑做副业、做个人品牌、做咨询或开一个小型教育产品工作室，这期节目都可能会成为你的路径指南， 也欢迎把节目分享给正在“独立探索职业道路”的朋友。🧭 内容大纲1️⃣ 引入：为什么“一人公司”突然变得重要？ 真实听众困境：副业做到一半放弃、兴趣转移、被现实拖住 教育人、内容人、AI研究者，都在被同一个问题困扰：如何持续？2️⃣ 嘉宾背景：1500位样本中的真实趋势 Karen 在 14 个月中做了 90 场线下活动、陪伴超 1500 位创业者 她既是“一人公司”的创作者，也是大规模样本的观察者。3️⃣ 一人公司的三阶段：从卖时间到卖结构 阶段 1：卖时间（自由职业） 阶段 2：卖产品（个体能力产品化） 阶段 3：卖结构（方法论、课程、工具、系统化能力）4️⃣ 一人公司“四象限模型”：找到你的位置基于两条轴：线上/线下 × 虚拟/实体： 线上×虚拟：最友好的赛道（个人IP、AI工具、服务皆可） 线上×实体：供应链挑战明显 线下×虚拟：强信任、高客单 线下×实体：综合能力要求高5️⃣ 为什么“执行力”比想法重要？ 主持人提到：一个人像一个团队一样行动 执行力来自什么？源于动机，而不是性格。6️⃣ 创业的动机与持续力：为什么有人能坚持？ 一人公司不是“兴趣驱动”，而是动能驱动 动能来自：价值感、样本反馈、结构化路径感7️⃣ 能力模型：什么样的人更适合一人公司？节目提出的关键词：Agency（主导力） 对人生、想法、行动保持主导，而非被动等待 主动建构自己的产品线而非被流量牵着走8️⃣ 误区：为什么大家都“做着做着就累了”？ 误区 1：把副业当“逃避机制” 误区 2：掉进“短期流量幻觉” 误区 3：缺乏结构 → 难以持续 误区 4：只做内容、不做产品9️⃣ AI时代的“一人公司”机会点节目中隐含的方向： AI降低了产品化、工具化的门槛 个体能把“教育+AI+个人经验”组合成真正可交付的价值 学习、咨询、产品、知识工具都能进入“一人公司产品线”🔟 收束：轻盈创业 vs. 消耗式创业 一人公司不是卷自己，而是找到可持续的节奏 未来属于“既能教学、又能设计、也能使用AI工具的人”---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------1. 一人公司（Solo Business）指由个体主导、集产品、营销、交付于一身的小型可持续业务形态。它依托个人专长，将“经验—方法—产品”进行结构化输出，在教育与AI结合的时代尤其适合教学者、自由职业者、内容创作者等低组织成本创业者。2. 个人能力产品化（Personal Productization）把个人经验、技能或洞察打包为可复制产品，如课程、工具、服务。相比“卖时间”，产品化具有可规模化特性，是一人公司从初级到成熟的关键跳跃。3. 主导力（Agency）指个体对自己的工作节奏、方向与价值保持主控的能力。在一人公司路径中，比技能更重要，因为缺乏主导力的人容易被情绪、流量与外部声音牵着走，难以持续。4. 四象限模型（Business Quadrants）以“线上／线下”、“虚拟／实体”为维度，将一人公司的产品路径分成四种类型。不同象限要求完全不同的能力（如供应链、信任建立、内容能力），帮助创业者找到适合自己的切入点。5. 动能（Driving Energy）区别于短暂兴趣的内在推动力。动能来自反馈循环、价值感、节奏感，是让一人公司持续前进的关键心理与结构来源。6. 卖时间（Time-for-Money）一人公司最初级阶段，如接案、咨询、做任务。虽然门槛最低，但不可规模化，最终必须过渡到卖产品或卖结构，否则难以持续增长。7. 卖结构（Selling Systems）高级阶段输出方法论、工具、框架或流程，如课程体系、知识库、AI工作流等。属于可复用结构，是一人公司真正具备护城河的核心。8. 教育 x AI 创业（EdAI Solo Entrepreneurship）指教师、研究者、教练、内容创作者等以教育经验为核心，用AI工具提升内容生产、课程设计或学生支持，从而构建高质量的个人产品线。9. 高客单价信任业务（High-Trust Service）线下咨询、留学服务、训练营等，需要长期信任关系。节目指出此类业务对个人能力模型要求最高，门槛不是内容，而是“关系管理与交付能力”。10. 可持续创业节奏（Sustainable Pace）区别于消耗式爆发，通过长期结构、清晰定位与稳定产品线，实现低焦虑、高复购的个人创业模式。节目核心主张：一人公司不是“更拼”，而是“更稳”。

Hello大家好，这里是《教育AI智造者》。停更三个月之后，终于来更新啦！！！在这一期节目中，我想带你把“AI进课堂”从工具清单拉回到教育本质——去看教师如何发展AI素养，并把它变成可落地、可持续的教学实践。我们的嘉宾是Xiaoxue Du博士（跨教育研究、产业与一线培训的实践者）。她的路径很特别：从学术研究、课程设计到教师培训，再到与学校/产品团队共创，她不仅提出“AI三重角色：观察者—协作者—反思之镜”，还把这些理念变成可教、可评、可扩散的课堂行动与教师成长路径。这不是纸上谈兵，而是一次从“教育理念 → 课堂设计 → 教师社群”的真实行动。节目里我们聊到： 在教学现场，AI应该“无处不在”还是“点到为止”？ 当学生的学习动力与评价体系冲突时，老师如何抉择？ 教师在AI时代，是否需要同时具备学术视野与“产品经理思维”？ 如果AI的介入让学生失去思考欲望，该怎么调整？更重要的是，杜博士在设计“AI×学科”的历程中，也一直在反问自己：AI到底是“教学加速器”，还是“教学放大镜”？教师的价值，能否在AI辅助的时代被重新定义？这期节目适合很多人： 一线教师：你会看到AI如何以教学法为锚进入课堂，而不只是“贴上AI标签”； 教育产品开发者/PM：你会理解如何将学科思路转译成任务链、工具模块与提示词； 正在寻找落地方法的人：你会感受到“真实课堂”的复杂性与创造力。我们不是在讨论“未来教育”，而是在现场实践它。听完节目，欢迎在 show notes 加入我们的听友群，一起探讨AI如何为教育带来持续的生命力与人味。🧭 内容大纲1️⃣ 从跨界到一线：路径与动机 研究→实践→培训的迁移：把模型语言翻译成课堂语言 不同学校生态下的角色切换与落差适应 从“工具导向”转向“问题与证据导向”的动机2️⃣ 真实课堂里的AI探索 AI三重角色：观察者（学习轨迹）/协作者（增能教师）/反思之镜（公平与偏差） 典型任务链：信息取证→草案生成→证据对齐→同伴互评→复改 工具与流程：备课助手、生成式平台、过程性评价面板的协同3️⃣ 学生反馈与现实阻力 GPA与兴趣的拉扯：高阶认知训练在中学的挑战 “AI代劳/轻松化”的倾向与课堂调节 让学生“愿学会想”的激励：从结果评价转向过程性证据4️⃣ 教师角色的再定义 教学领导力×学习领导力：何时介入、如何放手 老师从“知识传授者”到“冲突制造者、共创主持人” 把个人专长与社会观察融进课程设计5️⃣ 社群建设与规模化 教师×创业者×家长×程序员的跨界共创社群 社群如何在信息筛选、方案试验与落地复用中发挥价值 从“可移植”到“可适配”的扩散路径与治理6️⃣ 未来趋势与教育想象 游戏化学习与多模态交互 人文学科的AI赋能与“知识审美” 情绪调节与价值引导：让兴趣与热爱成为长效驱动力---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------1）Play by Design不等“完美教案”，先搭建真实情境与角色，让学生在任务中用AI做决策、犯错与修正；教师据此反思与再设计，课堂由剧本转为迭代系统，促使“知识接受者→知识建构者”的角色迁移。2）游戏化学习以可交互界面与规则驱动学习，学生在多轮选择中承担后果与优化方案；过程嵌入数学与科学概念，形成“做中学”的证据链，帮助教师用具体反馈理解AI介入对课堂价值的放大与边界。3）场景化/真实性从“先设目标”转为“先建场景”，如AI记者、气候数据分析师等职业化任务；在真实约束下用AI解题，提升意义感与投入度，同时让教师从“全知者”转为共学者，接住学生多样路径。4）学生作为知识建构者课堂不再把学生当“吸收者”，而是在角色与任务中生成观点、产出作品、接受后果；AI提供工具性支持但不替代理解，学习轨迹因此可被观察、诊断与复改，形成可追溯成长证据。5）利益相关方与权衡（trade-off）任务把“谁受影响、如何取舍”显性化；学生需在多方诉求间做出决定并承担成本，借AI完成计算、检索与模拟，最后用证据解释方案，训练价值判断与公共理性，而非仅追求“唯一正确”。6）学习轨迹指学生随时间展开的行为与产出序列；在场景化与游戏化任务中，轨迹记录选择—结果—修正的链路，便于教师做形成性评价与目标微调，也为AI“协作者”定位提供可操作的观测面。7）AI作为协作者把AI当“时间与思维伙伴”，协助批改、信息组织与目标调整，但决策与伦理边界保持在人手中；教师依过程证据进行干预，避免“AI代劳”，确保技术服务于学习而非替代学习。8）AI作为反思镜以数据与过程回看课堂：标准是否公平、资源是否倾斜、评价是否失真；教师据此修订任务与量规，让技术暴露问题而非掩盖问题，使“效率提升”与“价值引导”在同一框架内并存。9）终身学习的循环学习重点不在记忆量，而在“连接—应用—反思”的生命周期；AI加速跨域创新，但真正有效的是把经验结构化并回灌到新的任务中，形成可迁移的方法论与自我更新的能力结构。10）Day of AI（AI日）与“找人—找资源—守初心”推广依赖三类资源：课程资源、学校网络与资金支持；同时以“初心”维持长期动能，让不同地区教师获得可用材料并改善课堂体验，面对挑战仍能稳步扩展与迭代。11）共识 vs 先行示范一派主张先建共识再落地，另一派强调由先驱者率先做出样板、用效果带动追随；在学校这一复杂系统中，往往需在治理与试点间寻找动态平衡，结合证据形成可复制路径。12）创新扩散（创新—早期采用者—主流）把校内AI实践放入扩散曲线理解：先由创新者试点、早期采用者跟进，再走向主流；据此设计分阶段目标与评价，避免“一步到位”的幻想，允许在小范围中快速试错—验证—扩展。

Hello大家好，这里是《教育AI智造者》。 终于来更新啦！！！在这一期节目中，我想带你走进北京的一线课堂——去看一位老师如何在真实的中学教学环境中，把AI从“概念”变成可落地、可持续的课堂实践。我们的嘉宾是北京十一学校经开区分校的历史教师陈继宏老师。他的故事很特别：从复旦大学历史学研究，到教育政策与跨学科探究，再到一线课堂，他不仅设计了“AI+故宫”这样任务驱动的跨学科课程，还在课外自发组建了一个活跃的AI教育跨界社群，连接老师、创业者、程序员与家长。这不是纸上谈兵的畅想，而是一场从“教育理念 → 课堂设计 → 教师社群”的真实行动。节目里我们聊到： 在教学现场，AI应该“无处不在”还是“点到即止”？ 当学生的学习动力与评价体系冲突时，老师如何抉择？ 教师在AI时代，是否需要同时具备学术视野与产品经理思维？ 如果AI的介入让学生失去思考欲望，该怎么调整？更重要的是，陈老师在设计AI课程的过程中，也一直在反问自己：AI到底是“教学加速器”，还是“教学放大镜”？教师的价值，能否在AI辅助的时代被重新定义？这一期适合很多人： 如果你是一线教师，它会让你看到AI如何以教学法为锚进入课堂，而不只是“贴上AI的标签”； 如果你是教育产品开发者，它会让你理解如何将学科思路转译成任务链、工具模块和提示词； 如果你正在思考AI与教育结合的落地方法，它会让你感受到“真实课堂”的复杂性与创造力。我们不是在讨论“未来教育”，而是在现场实践它。听完节目，欢迎在 show notes 加入我们的听友群，一起探讨AI如何为教育带来持续的生命力与人味。🧭 内容大纲1️⃣ 从学术到一线：跨界背景与转型动机 宗教史、古典学、教育政策的研究经历 进入十一学校，遇到教育改革文化 从学术研究到中学课堂的落差与适应2️⃣ 真实课堂里的AI探索 “AI+故宫”课程结构：绘本创作、文物鉴定、3D建模 大单元设计与真实问题驱动 工具选择：国内外生成式平台与备课工具3️⃣ 学生反馈与现实阻力 GPA与学习兴趣的拉扯 高阶认知训练在中学的挑战 如何应对学生“轻松化”与“AI代劳”的倾向4️⃣ 教师角色的再定义 教学领导力与学习领导力的关系 从知识传授者到冲突制造者、共创主持人 融合个人兴趣与社会观察的课程设计5️⃣ 社群建设与跨界合作 发起AI教育跨界社群的初衷 如何连接老师、创业者、家长、程序员 社群在信息筛选、工具落地上的价值6️⃣ 未来趋势与教育想象 游戏化学习与课堂参与度提升 AI赋能人文学科与知识审美 兴趣与热爱作为长效驱动力---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------1. 大单元设计大单元设计是近年来课程改革中的一个核心理念，它强调打破章节化、碎片化的教学结构，把知识以主题或问题为中心重新组织。在历史学科中，大单元可能意味着将战争、宗教、社会变革等内容跨章节串联起来，让学生在更完整的叙事框架中理解知识。陈继宏老师在“AI+故宫”课程中，就将课本中零散的与故宫相关的内容提炼出来，形成独立的大单元，并通过AI工具进行绘本创作、文物鉴定和3D建模等活动。这种方法让学生跳出“背知识点”的局限，更像是在进入一个综合的探究场域。2. 任务驱动型课程任务驱动型课程（Task-Based Learning）强调以真实的学习任务为中心，让学生在完成任务的过程中掌握知识和技能，而不是以单纯的知识讲解为目标。例如，在“AI+故宫”项目中，学生需要完成文物鉴定报告或创作一部小型微电影，这些任务既包含知识的理解，又需要实际操作与创造。AI在其中的作用不是提供现成答案，而是作为辅助工具，帮助学生更快找到资料、生成初稿或建模。这类课程更贴近真实世界的学习场景，能够提升学生的主动性和解决问题的能力。3. 教学领导力教学领导力指教师在课堂中不仅是“传授者”，更是学习方向和氛围的引领者。它包含了学术视野、宏观思考和课堂组织三方面能力。在AI进入课堂的背景下，教师需要决定AI出现的时机和方式——是在课前用作预习辅助，还是在课堂上触发认知冲突，抑或在课后进行反馈？陈老师将其称为教师的“教学领导力”，因为它要求教师在众多技术可能性中做选择，保证学习的核心始终围绕思维发展和价值引导，而不是单纯依赖工具。4. 学习领导力学习领导力是与“教学领导力”相对应的学生能力，指学生在学习过程中形成的主动掌控意识与综合判断力。在AI工具触手可及的环境中，学生很容易用AI代替思考，比如拍照搜题、自动生成作业。但如果具备学习领导力，他们会更倾向于利用AI来拓展信息来源、引发新问题，而不是停留在复制答案。陈老师希望通过课堂设计，让学生在使用AI的过程中养成“整合、比较、质疑”的习惯，从而逐步建立起一种属于自己的“学习领导力”。5. Agency（自主意识）Agency通常被译为“自主意识”或“行动力”，指个体能主动决定自己行为与学习路径的能力。在教育情境中，有Agency的学生不会完全依赖老师或AI工具，而是能自我驱动，主动寻找方法和资源。例如，一个对历史感兴趣的学生，在遇到学习困惑时，不是等待老师解答，而是会用AI工具搜集不同文明的材料，进行对比和分析。这种自主意识在AI时代尤其重要，因为只有具备Agency的学生，才能避免被工具牵着走，而是把AI当成助力，放大自身的学习目标和创造力。6. 跨学科融合跨学科融合（Interdisciplinary Learning）是指将不同学科的知识、方法和视角结合起来解决复杂问题。传统教育往往强调学科壁垒，历史课就是历史，地理课就是地理。但在十一学校这样的创新校，教师被鼓励跨界合作：历史课可以由地理老师来讲，政治课可以和文学课联合。陈老师的“AI+丝绸之路微电影”就是一个典型案例：它不仅涉及历史内容，还融合了地理、艺术、技术等多维度元素。这样的课堂更贴近真实世界的问题结构，也为AI工具的应用提供了天然场景。7. AI教育跨界社群AI教育跨界社群是一种由教师、创业者、程序员、家长、研究者等多角色组成的开放性网络。它的价值在于打破传统教育系统的封闭性，为一线教师提供新的灵感和资源。陈老师在小红书和微信群自发组织的社群，就活跃着来自不同背景的成员，大家会分享AI教学的案例、工具体验和课程设计。这样的社群不仅帮助老师解决实际问题，还形成了教育与产业之间的桥梁，让不同角色能在第一时间理解彼此的语言和需求，共同推动AI在教育中的落地。8. 游戏化学习游戏化学习（Gamification of Learning）是将游戏的机制与元素引入课堂，提高学习动机和参与度。在这种模式下，学生不是被动听讲，而是像玩家一样参与探索、解谜和竞争。陈老师与同事们就讨论过，未来的课堂可能会越来越接近游戏：例如像玩《刺客信条》一样学习法语，或通过模拟辩论来理解古代历史。AI在其中可以充当“游戏主持人”，实时生成任务和反馈。游戏化的价值不仅在于好玩，更在于通过互动和挑战，让学生在情境中自然地产生学习欲望。9. 批判性信息素养批判性信息素养不仅仅是分辨真假，而是更进一步，要求学习者能识别信息背后的立场、权力关系、利益驱动和算法偏见。在AI时代，学生获取信息的渠道更广，但信息混杂与失真的风险也更高。学生常常会把任务直接交给AI完成，而忽视了思考过程。因此在课堂中，陈老师尝试用“侦探式学习”方法，让学生像侦探一样去追踪信息的来源和逻辑。这不仅锻炼了他们的判断力，也让他们更清楚地意识到：学习的价值不在于答案，而在于质疑和推理。10. 自动化与异化自动化是AI的强项，它能显著提高效率，帮助人完成重复性任务。但在教育场景里，过度自动化可能导致“学习异化”——学生失去主体性，只剩下结果的机械生产。例如，学生用AI自动生成PPT或作文，虽然任务完成了，但他们并没有经历真正的思考。陈老师观察到，这种倾向在部分学生中越来越明显。教育的目标本应是激发理解与价值感，而非单纯追求效率。因此，他强调AI在课堂中必须“点到为止”，保留那些不可被自动化替代的学习瞬间，如师生对话中的“惊讶时刻”和思想冲突。这些才是教育的核心价值。

Hello，这里是《教育AI智造者》。在这期节目里，我想带你走进一个对我来说非常特别的实践过程：我们如何把一门跨文化、融合AI素养与信息甄别能力的气候变化课程，变成一整套可落地、可互动、可部署的AI教学工具。 网站在此。这不是一次抽象的想象，也不是那种PPT式的畅想，而是一次从“教育理念 → 教学设计 → 工具打造”的真实协作。我和Jade老师——一位拥有联合国项目背景、长年从事跨文化教育的老师——一起把他亲手打磨的课程结构，通过AI生成式技术，逐步“产品化”为一个网站原型。过程中我们不断问自己这些问题： AI是不是应该“无处不在”？还是它应该“点到即止”？ 一个好老师的价值，在AI时代还剩下什么？ 自动化真的值得追求到极致吗？有没有一些“不能被省略”的学习时刻？ 如果你想训练的是判断力，而不是单纯的知识点——AI帮得上忙吗？更重要的是，我自己作为一个全职程序员、教育学博士，在做这个项目的过程中，也在反思一个更深层的问题：教学法如何真正指导AI工具设计？而不是让AI“贴标签”式地伪装成教育。这一期节目非常特别，因为它不仅复盘了一门AI教学工具如何被打造的全过程，也完整展示了一种真正“以教育为本”的AI产品开发范式。我相信它适合很多人： 如果你是一线老师，它能帮你看清楚AI到底该如何以教学法为锚点地进入课堂； 如果你是教育产品开发者，它能帮你理解一个教学法如何被转译成rag、component、prompt结构； 如果你正在构思自己的AI应用或课程，它或许能让你意识到什么才是“真实场景”的复杂性与创造力； 如果你关心AI对人类学习的影响，它将带来一些对抗“自动化幻觉”的真实思考。我们不是在讨论“未来教育”，而是在尝试打造它。欢迎你听完节目后，到我们的show notes中试用这个原型课程网站，或者把这集播客转发给你身边也在思考AI与教育结合的人。如果你相信教育不是标准化输出，而是一次次独立思考的训练，那么，这期播客值得你花时间听完。 课程介绍页信息素养工具包"专家"聊天机器人视频学习🧭内容大纲1️⃣ 从理念到原型：课程开发的起点 Jade 的全球教育经验与课程动机 从气候变化到AI素养：三重认知挑战 我看到的课程第一反应：信息密集，但真的能教吗？2️⃣ 高阶认知的教学法实验 为什么我们不讲“知识点”，而是训练判断力？ CRAP信息甄别模型的课堂实践 “你就像在玩柯南”：侦探式课堂引爆学生好奇3️⃣ 人工智能的“介入点”怎么选？ 不是无处不在，而是点到为止 我们怎么划分AI该在课前、课中、课后出现 “生成式AI不是答案器，而是问题放大器”4️⃣ 教师角色的重新定义 教师不是讲解机器，是冲突制造者、共创主持人 学生的思维转变不是“听懂了”，而是“惊讶了” 有些瞬间，AI永远无法模仿老师的aha moment5️⃣ 技术与教学的“共语失败” 教育人和技术人如何“翻译彼此”？ 我做为“中间人”的角色：用教学法写系统提示词 从rag调用到in-context learning：怎么设计AI反应逻辑6️⃣ 自动化的边界与伦理思考 🌪 “学生不是用来被自动化的对象” 教育不是为了效率，而是为了价值与理解 为什么越模糊、越反直觉，反而越值得保留？7️⃣ 学生反馈与实际使用：从混乱到创造 Video Detective 工具如何激发提问 专家观点对话如何引发讨论与辩驳 Canvas 与mind map的启发：AI + 教学法的视觉外化8️⃣ 展望与邀请：让更多老师成为AI共创者 💡 AI工具应该成为老师的“延申手臂”，而非“替代者” 教学法到产品，需要真实扎根现场 邀请听众试用网站、参与讨论，探索教学的更多可能需要详细文字稿的听众们可以关注微信公众号，爱思考的伊伊子，输入“播客EP38"，即可获得。---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------1. 生成式AI（Generative AI）指能基于输入生成内容（如文字、图像、音频等）的人工智能技术。在教育中，生成式AI常用于内容创作、信息重组和语言交互，但关键在于其是否能遵循教学逻辑与思维发展路径，而不仅仅是“给答案”。2. 项目式学习（Project-Based Learning, PBL）一种以真实问题为中心的教学方法，学生通过完成项目任务来进行知识建构与能力训练。本播客中，该课程通过“气候变化+信息素养”议题，引导学生批判性思考、跨文化沟通与学术表达。3. CRAP模型信息判断四维标准：Currency（时效性）、Relevance（相关性）、Authority（权威性）、Purpose/Accuracy（目的与准确性）。常用于教学生甄别真假信息，理解背后的信源与话语意图。4. 批判性信息素养（Critical Media Literacy）不只是分辨真假，更包括识别叙事立场、话语权力、背后利益与算法偏见。本课程通过“侦探式阅读”与专家追踪，训练学生发现信息背后的结构性偏见与复杂动因。5. AI教学工具原型（AI-Powered Pedagogical Prototype）指将教学理念与AI能力融合，打造出的交互式网页或工具。不是“为了用AI而用AI”，而是在教学流程中，嵌入AI用于提问、反馈、对话与认知冲突的触发。6. 认知冲突（Cognitive Conflict）学习理论中激发深度理解的重要机制。通过提出与原有认知相矛盾的信息或情境，迫使学习者重建理解。本课程设计多处“真假信息混杂”的节点，引发学生推理与判断。7. 社会建构主义（Social Constructivism）认为知识不是由教师单向传授，而是师生共同协作，在具体情境中“构建”出来的过程。播客中强调教师不直接灌输立场，而是引导学生建立自己的叙事和立场。8. RAG（Retrieval-Augmented Generation）一种结合知识检索与生成式模型的AI技术流程。系统先从资料库中检索相关内容，再生成文本回应。在教学工具中，RAG可用于个性化对话、专家观点模拟与证据链追踪。9. Dual Coding Theory（双重编码理论）心理学理论，指学习时若同时使用视觉与语言两种通道（如图文并茂），能更好促进记忆与理解。本课程的mind map与canvas设计，即体现此理论在教育工具设计中的应用。10. 自动化与异化（Automation & Alienation）在教育场景中，AI自动化若仅追求效率，容易剥夺学生的主导性与思考力，造成“学习异化”现象。播客提醒我们：AI应赋能思维，而非替代思维。

你是否想象过：在看 YouTube 学习视频时，AI 能在恰到好处的时间暂停视频、提出关键问题、引导思考，甚至像私人导师一样为你生成个性化练习和提示？这不是未来，而是正在发生的现实。在本期《教育AI智造者》中，我邀请到两位从 MIT 毕业、刚从 Y Combinator 毕业的创业者——Tyrone Davis 和 Guang Sui，他们是 Miyagi Labs 的联合创始人。Miyagi 的愿景是：让每一位内容创作者都能像教师一样，用 AI 将 YouTube 等平台上的视频转化为完整、可交互的课程。在对话中，我们聊到： 为什么他们从华尔街辞职，转而投身教育科技； 他们如何将自己作为学习者和助教的经验转化为产品逻辑； Miyagi 如何解决“视频被动观看”与“高效深度学习”之间的断层； 他们如何看待 ChatGPT、Cursor、Notion 等产品的体验设计，及其对教育工具的启发； AI 如何重构教育的可达性、个性化与动机问题； 创业的艰难与兴奋，从产品构建到商业拓展的“十项全能”日常。如果你是教育科技的创业者、产品经理、研究者或内容创作者，这期内容将为你带来极大的启发。欢迎收听并留言交流！🗂内容大纲创始人背景与学习经验 两位创始人都来自MIT，后进入华尔街，最终回归教育初心 深刻理解“自学者”的需求，催生Miyagi Labs 的核心理念视频学习的痛点与AI的介入 传统视频学习：被动、难以练习、无法提问 AI介入后：视频中嵌入互动题目、练习与个性化提示 从“看懂视频”变为“真正掌握知识”教学逻辑如何转化为产品逻辑 Tyrone的重复练习法启发“多轮题目生成”机制 Guan强调一对一引导体验，设计AI提示时以“老师的思维”进行模拟 将“老师如何引导学生”的经验输入AI中学习科学理论在产品中的落地 参考布鲁姆“两西格玛问题”：AI模仿个性化一对一教学 引入间隔重复（Spaced Repetition）机制提升记忆效果 整合课程进度追踪、反馈机制、结构化切片（chunking）品牌命名与“教育Shopify”的定位 “Miyagi”致敬电影中导师角色，强调教学引导 目标是赋能创作者，把零散视频内容转化为系统课程 创作者无需技术门槛即可上线互动课程，扩展影响力与变现能力如何处理内容推荐与组织结构 支持创作者的课程结构（如3Blue1Brown） 也支持跨视频、跨频道整合学习路径 增加“补充链接”机制：帮助学生换角度理解难点技术实现策略分享 基于视频字幕进行切块处理（chunking）+问题生成 每道题精准映射到视频片段，方便回看 整个课程构建过程涉及数百到千次LLM调用 正在研发图像内容与PDF处理的能力用户体验设计的关键：上下文交互 核心优势：上下文无缝指向（如Cursor） Lexi AI 导师可直接接收选中视频内容并回应问题 降低用户切换成本，提高注意力集中度激励机制与学习动机支持 面向高动机学习者，也关注企业培训和终身学习者 设计微激励机制：任务打卡、徽章、每日提醒 “提升学习成效”而非“改变动机”——主打可感知成效的增量Miyagi 团队的日常运营与多工切换 两人团队，兼顾产品、开发、商务、创作者对接等多项任务 靠轮转机制保持节奏：编码累了就转去做用户访谈 创业的“十项全能”节奏以用户为导向的优先级排序策略 不追热点，优先响应真实需求 典型语录：“有四个用户提出一个功能，我们就做”创业初期的“不规模化”努力 每封邮件亲自回复，50+用户1v1访谈 实地调研象棋俱乐部、发传单了解大学学习场景 构建产品直觉的“慢工”是否扩展到中文市场与多平台 目前以YouTube为主，但已测试小红书，计划对接B站 邀请华语创作者共建内容生态，覆盖全球华人学习群体对AI教育未来的想象与责任 在发展中地区，AI能提供顶级教学资源、翻译能力、低成本高质量内容 教师不一定是教授，只要“真的懂”就能教 Miyagi希望承担“教育平权”的一部分责任给教育创业者的建议 不要从功能开始，而是从“教学目标”与“学习理论”出发 找到真实的学习需求和被低估的细分市场 不一定做学术，也能做语言、技能、兴趣等领域 享受打磨过程，把产品做好，让学习者“真的学到”需要详细文字稿的听众们可以关注微信公众号，爱思考的伊伊子，输入“播客EP37"，即可获得。---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------教育版 ShopifyMiyagi Labs 称自己为“教育版的 Shopify”，不是一句营销口号，而是明确的产品定位：就像 Shopify 降低了开店门槛，让人人都能当店主，Miyagi 也希望赋能每一位视频创作者（无论是否是老师）都能构建高质量的在线课程。它的目标是把“教学设计”这件事，变成像拖拽搭建电商网站一样简单。布鲁姆两西格玛问题（Bloom’s Two Sigma Problem）这个经典研究指出：接受一对一个性化教学的学生，表现可以比普通课堂学生提升两个标准差（即打败98%同龄人）。这正是 Miyagi 的AI设计蓝本——用AI模拟老师“因材施教”的能力，把个性化教学效果带给所有学生。间隔重复（Spaced Repetition）这是记忆心理学中最有效的技巧之一。通过不断递增时间间隔来复习旧知识，可以显著提升记忆效率。Miyagi 在课程中嵌入了记忆卡片和刷新机制，帮助用户在正确的时间复习，打破“看过就忘”的学习陷阱。Chunking（切块）与上下文指向在处理超长视频或讲座时，最难的是“从哪学起”。Miyagi 通过将视频切成逻辑片段（chunking），并对每段生成练习题，让学生能“跳着学”“跟着练”，真正打通了内容结构与练习路径。而 Lexi AI 导师则能识别你“正在看哪段”，为你提供上下文贴合的反馈。Lexi AI 导师的独特体验与一般的 ChatGPT 机器人不同，Lexi 可以和视频内容、练习题高度结合。当你在某段内容卡住，只需标记那一段，Lexi 就能读取其上下文，精准回应。这种“无缝交互”的体验，参考了代码工具 Cursor 的设计哲学：让你不必跳出页面、不用复制粘贴，专注于当下的学习问题。微激励机制（Micro-Incentives）Miyagi 采用 Duolingo 式的策略：让学习变得有成就感。有每日学习提醒、任务完成反馈（比如绿色勾勾、积分）、课程目标设定等。这些不是游戏化的“糖果”，而是推动用户产生正向学习循环的心理设计。做无法规模化的事（Do Things That Don’t Scale）Miyagi 在早期与每位创作者、用户深聊，发传单、观察象棋俱乐部的学习过程。虽然这些方式无法规模化，但它们建立了对用户需求的深度直觉——这是所有AI产品早期不可替代的经验积累。学习动机与“成效差值”视角Miyagi 并不奢望改变每个人的内在动机，而是关注这样一件事：在他们的平台上，用户是否比在别的平台“学得更好”？只要提升这一差值，就是成功。他们认为，只要体验更贴合、反馈更即时、结构更清晰，学习动机会被自然激发。

本期是一场特别的独白，也是一份记录——我刚刚完成了教育学博士学位的毕业典礼，在博士旅程收官之际，我想和你们聊聊这几年的心路历程、技术探索与角色转变。在这集中，你将听到： 🎓 我的博士研究如何从“项目制学习”转向“生成式AI与教学法对齐”； 👩‍💻 我如何在完成论文之后，独立从零开发出教学AI产品 Pedacode； 🔄 自媒体创作者、开发者、研究者三重身份之间的张力与整合； 🧠 AI如何帮助我建立元认知：反思工具依赖、重塑判断力； 🪄 从 paper 到 product，教学理念如何落地成具体功能和逻辑结构； 🧭 教育技术的“对齐能力”，为什么比“推荐能力”更重要； 🔔 以及 Pedacode 即将开启 beta 测试，欢迎感兴趣的听众加入听友群参与试用！这不只是一期工具介绍，更是一份关于“我是谁、我从哪里来、我要往哪里去”的深刻自我整理。希望我的路径能为你带来一些陪伴与启发。----------------伊伊子开发的一些工具----------------- 图片文字互转可视化Omniverse-note:  Youtube sensei (Immersive Language Learning Tools)   AI coach, 包含教练端和个人端Guidewise:  AI课程Generator CurioLearn AI语音写作 Verso AI报告生成器 reportwhiz beta 版----------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！

大家好，欢迎收听《教育AI智造者》。这一集的嘉宾，是我在博士阶段最敬佩的老师之一——James Diamond 博士。他是教育游戏与形成性评估的顶尖研究者，也是约翰霍普金斯大学推动AI教育改革的重要实践者。这集节目，我们从“什么是技术的可供性”谈起，一路聊到AI生成式评估系统、游戏中学习的真实性、设计型研究的落地实践，直到他最近主导的“教育科技×社会创业”MOOC课程。你将听到：🔍 为什么说学习不是技术能不能用的问题，而是“是否真的触发了学习者的主动性”？🎮 如何设计“持久运行的AI游戏世界”，把生成式AI作为教师的“评估教练”？🔁 设计型研究如何帮助你持续迭代产品、避免陷入“AI炫技陷阱”？📊 一个好产品不是功能越多越好，而是“是否真的支撑了你要实现的教学目标”？🧠 如何操作化抽象的学习目标，设计教学任务与评估指标？🚀 为什么教育科技创业，不能只是“做工具的人”，而是要成为“带使命的社会设计者”？这一集，让我感触最深的是Diamond博士说的这句话：“如果你不能真实观察用户做了什么，就无法知道你的工具是否起了作用。”——在AI产品疯狂涌现的今天，很多人都在追“能力边界”，但他反复提醒我们，教育AI不是做出一个能生成的产品，而是一个真正“被教师和学生愿意使用”的教学伙伴。对于正在开发、运营教育AI产品的朋友们来说，这集内容会非常“落地”也非常“进阶”。你会学到： 如何用设计型研究（DBR）推进产品从理念到迭代； 如何将形成性评估嵌入生成式AI； 如何构建“教学法一致性+学生主动性+教师工作流”的三重模型； 以及，在教育科技创业中，如何将“研究”作为你的底层操作系统，而非装饰性的PDF。🎁推荐收听对象： 教育科技创业者 正在设计AI辅助教学产品的产品经理、工程师 教育研究者与教学法设计师 想深入理解AI工具在课堂中真实作用的教师与学校管理者🗂内容大纲开场介绍Diamond博士的背景与研究重点：游戏、AI、评估、DBR、教育社会创业技术的“可供性”与“效力性”什么是技术让人“想用”的关键？不仅是功能，而是情境下的感知主动性 agency：AI不是代替，而是激发行动AI越强，越需要教师理解“谁在学？怎么学？学到了什么？”AI×游戏的形成性评估幻想未来的游戏世界里，AI实时观察学习行为并生成对齐的评估任务Playing with Data：评估型游戏+教师仪表盘设计实践如何帮助教师真正“看懂”学生在游戏中是否在学习？生成式AI作为“教学教练”AI如何参与到教学决策中？不是替代，而是提供理解与建议游戏≠不严肃：深度学习的“真实性”如何构建？批判“游戏不等于学习”的刻板印象，强调设计与支持的关键性设计型研究（DBR）的方法论拆解从随机对照实验到持续迭代的现实研究，DBR如何结合技术与教学法“操作化”的技术指南如何将“历史思维”“批判性”“共情”等抽象目标具体化为可观察行为？如何在AI产品中设计符合教学目标的游戏机制与评估路径？教育科技 × 社会创业：使命导向的产品开发思维教育创业者的第一步不是功能，而是价值——你的工具解决了谁的痛？用了什么学习理论？能否证明它有效？需要详细文字稿的听众们可以关注微信公众号，爱思考的伊伊子，输入“播客EP35"，即可获得。---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------可供性（Affordance）这是技术与用户之间关系的起点。可供性指的是用户在特定情境中“感知到的可以做的事情”。比如一张椅子可以坐、可以踩，也可以当门挡。技术本身的功能不等于用户会使用它，关键是用户感受到它对自己是否“有用”。效力性（Effectivity）可供性是“我觉得可以用”，效力性是“我真的用了之后，效果怎么样”。在教育技术中，一个工具不仅要被使用，还要能实际产生教学成效，这种“效果判断”就是效力性的范畴。学习者主动性（Learner Agency）主动性是学习的原动力。学生是否愿意去提问、探索、尝试解决问题，决定了他们能学到多少。当AI能够快速给出答案时，更需要教师设计能激发学生“参与感”的学习路径。设计型研究（Design-Based Research, DBR）一种强调“真实情境”“用户共创”“持续迭代”的教育研究方法。它不像传统教育研究那样只关注实验与控制变量，而是聚焦在解决实际问题中不断调整干预策略。特别适用于教育科技产品的开发过程。形成性评估（Formative Assessment）贯穿于学习过程的实时反馈机制，不是为了打分，而是为了让学生和教师都能及时调整学习策略。AI可以在这里大显身手——即时生成任务、检测薄弱点、提出微型干预。数据仪表盘（Dashboard）不是炫酷图表，而是教师用来理解学生学习状态的“辅助眼睛”。当游戏等活动产生大量数据时，如何将数据转化为教师能用的判断依据？这正是仪表盘的核心价值。教学法一致性（Pedagogical Alignment）AI产品如果没有与教学目标、课程标准、评估路径对齐，就很容易“漂浮在教学之外”。一个有效的教育工具，必须是教学逻辑中的一环，而不是另起炉灶的“外挂系统”。操作化（Operationalization）这是将抽象的学习目标（如历史思维、批判性思考）变成可观察、可评估行为的过程。如果你说学生在“共情”历史人物，那他们要表现出什么行为才能证明？这个过程就是操作化。学习进阶（Learning Progression）描述学生从初学者到熟练者的成长路径。比如，从只会重复知识，到能够迁移应用，再到创新表达。它帮助设计者制定阶段性目标，并据此构建教学活动与评估工具。提示工程（Prompt Engineering）生成式AI时代的新技能。不是乱问问题，而是精准设计提示词，引导AI生成对齐目标的内容。特别是在教学场景中，好的prompt不仅要能“对答如流”，还要能引发学生反思、理解与表达。教育型课程材料（Educative Curriculum Materials）不仅服务学生，也服务教师成长。一套好的教材、游戏或AI工具，应该能够“教会教师怎么教”，而不只是“告诉教师怎么用”。它是教师发展的隐形助力器。AI教学教练（AI Teaching Coach）与其说AI是教师的替代，不如说它是身边的助理或教练。当它能分析学生行为、对照教学目标、生成策略建议时，教师可以专注于判断与引导，而不是陷入繁杂的数据处理。反向设计（Backward Design）先确定“学生应该学会什么”，再设计活动与评估。这是课程设计中最重要的逻辑顺序，也是操作化的基础。没有明确目标的AI产品，很难设计出有效的交互路径。社会创业（Social Entrepreneurship）在教育科技领域，创业不是为了炫酷功能，而是为了真正改善人的学习、成长和发展。社会创业者以使命为起点，利润为手段，而不是相反。他们构建的工具是“有温度的”。研究—实践合作（Research-Practice Partnerships）研究不是象牙塔的工作，实践也不能闭门造车。真正落地有效的教育创新，往往是研究者与一线教师、产品设计者共同完成的长期协作。这种伙伴关系，是未来EdTech成功的基础设施。

大家好，欢迎收听《教育AI智造者》。这一集的嘉宾，是我在博士阶段最敬佩的老师之一——James Diamond 博士。他是教育游戏与形成性评估的顶尖研究者，也是约翰霍普金斯大学推动AI教育改革的重要实践者。这集节目，我们从“什么是技术的可供性”谈起，一路聊到AI生成式评估系统、游戏中学习的真实性、设计型研究的落地实践，直到他最近主导的“教育科技×社会创业”MOOC课程。你将听到：🔍 为什么说学习不是技术能不能用的问题，而是“是否真的触发了学习者的主动性”？🎮 如何设计“持久运行的AI游戏世界”，把生成式AI作为教师的“评估教练”？🔁 设计型研究如何帮助你持续迭代产品、避免陷入“AI炫技陷阱”？📊 一个好产品不是功能越多越好，而是“是否真的支撑了你要实现的教学目标”？🧠 如何操作化抽象的学习目标，设计教学任务与评估指标？🚀 为什么教育科技创业，不能只是“做工具的人”，而是要成为“带使命的社会设计者”？这一集，让我感触最深的是Diamond博士说的这句话：“如果你不能真实观察用户做了什么，就无法知道你的工具是否起了作用。”——在AI产品疯狂涌现的今天，很多人都在追“能力边界”，但他反复提醒我们，教育AI不是做出一个能生成的产品，而是一个真正“被教师和学生愿意使用”的教学伙伴。对于正在开发、运营教育AI产品的朋友们来说，这集内容会非常“落地”也非常“进阶”。你会学到： 如何用设计型研究（DBR）推进产品从理念到迭代； 如何将形成性评估嵌入生成式AI； 如何构建“教学法一致性+学生主动性+教师工作流”的三重模型； 以及，在教育科技创业中，如何将“研究”作为你的底层操作系统，而非装饰性的PDF。🎁推荐收听对象： 教育科技创业者 正在设计AI辅助教学产品的产品经理、工程师 教育研究者与教学法设计师 想深入理解AI工具在课堂中真实作用的教师与学校管理者🗂内容大纲开场介绍Diamond博士的背景与研究重点：游戏、AI、评估、DBR、教育社会创业技术的“可供性”与“效力性”什么是技术让人“想用”的关键？不仅是功能，而是情境下的感知主动性 agency：AI不是代替，而是激发行动AI越强，越需要教师理解“谁在学？怎么学？学到了什么？”AI×游戏的形成性评估幻想未来的游戏世界里，AI实时观察学习行为并生成对齐的评估任务Playing with Data：评估型游戏+教师仪表盘设计实践如何帮助教师真正“看懂”学生在游戏中是否在学习？生成式AI作为“教学教练”AI如何参与到教学决策中？不是替代，而是提供理解与建议游戏≠不严肃：深度学习的“真实性”如何构建？批判“游戏不等于学习”的刻板印象，强调设计与支持的关键性设计型研究（DBR）的方法论拆解从随机对照实验到持续迭代的现实研究，DBR如何结合技术与教学法“操作化”的技术指南如何将“历史思维”“批判性”“共情”等抽象目标具体化为可观察行为？如何在AI产品中设计符合教学目标的游戏机制与评估路径？教育科技 × 社会创业：使命导向的产品开发思维教育创业者的第一步不是功能，而是价值——你的工具解决了谁的痛？用了什么学习理论？能否证明它有效？---------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------可供性（Affordance）这是技术与用户之间关系的起点。可供性指的是用户在特定情境中“感知到的可以做的事情”。比如一张椅子可以坐、可以踩，也可以当门挡。技术本身的功能不等于用户会使用它，关键是用户感受到它对自己是否“有用”。效力性（Effectivity）可供性是“我觉得可以用”，效力性是“我真的用了之后，效果怎么样”。在教育技术中，一个工具不仅要被使用，还要能实际产生教学成效，这种“效果判断”就是效力性的范畴。学习者主动性（Learner Agency）主动性是学习的原动力。学生是否愿意去提问、探索、尝试解决问题，决定了他们能学到多少。当AI能够快速给出答案时，更需要教师设计能激发学生“参与感”的学习路径。设计型研究（Design-Based Research, DBR）一种强调“真实情境”“用户共创”“持续迭代”的教育研究方法。它不像传统教育研究那样只关注实验与控制变量，而是聚焦在解决实际问题中不断调整干预策略。特别适用于教育科技产品的开发过程。形成性评估（Formative Assessment）贯穿于学习过程的实时反馈机制，不是为了打分，而是为了让学生和教师都能及时调整学习策略。AI可以在这里大显身手——即时生成任务、检测薄弱点、提出微型干预。数据仪表盘（Dashboard）不是炫酷图表，而是教师用来理解学生学习状态的“辅助眼睛”。当游戏等活动产生大量数据时，如何将数据转化为教师能用的判断依据？这正是仪表盘的核心价值。教学法一致性（Pedagogical Alignment）AI产品如果没有与教学目标、课程标准、评估路径对齐，就很容易“漂浮在教学之外”。一个有效的教育工具，必须是教学逻辑中的一环，而不是另起炉灶的“外挂系统”。操作化（Operationalization）这是将抽象的学习目标（如历史思维、批判性思考）变成可观察、可评估行为的过程。如果你说学生在“共情”历史人物，那他们要表现出什么行为才能证明？这个过程就是操作化。学习进阶（Learning Progression）描述学生从初学者到熟练者的成长路径。比如，从只会重复知识，到能够迁移应用，再到创新表达。它帮助设计者制定阶段性目标，并据此构建教学活动与评估工具。提示工程（Prompt Engineering）生成式AI时代的新技能。不是乱问问题，而是精准设计提示词，引导AI生成对齐目标的内容。特别是在教学场景中，好的prompt不仅要能“对答如流”，还要能引发学生反思、理解与表达。教育型课程材料（Educative Curriculum Materials）不仅服务学生，也服务教师成长。一套好的教材、游戏或AI工具，应该能够“教会教师怎么教”，而不只是“告诉教师怎么用”。它是教师发展的隐形助力器。AI教学教练（AI Teaching Coach）与其说AI是教师的替代，不如说它是身边的助理或教练。当它能分析学生行为、对照教学目标、生成策略建议时，教师可以专注于判断与引导，而不是陷入繁杂的数据处理。反向设计（Backward Design）先确定“学生应该学会什么”，再设计活动与评估。这是课程设计中最重要的逻辑顺序，也是操作化的基础。没有明确目标的AI产品，很难设计出有效的交互路径。社会创业（Social Entrepreneurship）在教育科技领域，创业不是为了炫酷功能，而是为了真正改善人的学习、成长和发展。社会创业者以使命为起点，利润为手段，而不是相反。他们构建的工具是“有温度的”。研究—实践合作（Research-Practice Partnerships）研究不是象牙塔的工作，实践也不能闭门造车。真正落地有效的教育创新，往往是研究者与一线教师、产品设计者共同完成的长期协作。这种伙伴关系，是未来EdTech成功的基础设施。

大家好，欢迎收听《教育AI智造者》。这一集的嘉宾是MemoBase的联合创始人赵晗博——一位让我极为钦佩的创业者。他曾在欧洲连续打造多家SaaS产品，也见证了从0到数亿的增长。而他现在投身的，是一个看似“冷门”但在我看来极可能改变教育AI格局的命题：让AI真正拥有“长期记忆”。我们聊到： 大模型并不“记得”你，但教育需要这种记得 为什么传统推荐系统的标签逻辑，不适用于人类学习 如何用结构化 JSON 存储 AI 的长期记忆，并支持上下文推理 什么信息“值得被记住”？谁来决定？（人？规则？模型？）我扮演了一回“产品经理”的角色，把教育理论和用户心理模型都搬上来和他“过招”脑暴——认知主义的长期记忆、Spacing Learning、心理感知（perception）等等。最打动我的是一个细节：他们在产品设计时，不是让人类写死规则，而是让模型自己判断——什么信息值不值得写进用户记忆。这不只是技术问题，而是一个真正理解“人”的过程。你也会听到我们延伸讨论到： 教育应用中的信息过载 vs. 压缩 多角色记忆协同：老师+学生+家长 教师间的教学知识如何结构化传承 “教育产品不能仅做推荐系统”的底层逻辑我越来越确信，如果AI未来真的要做教育，它不能只是会“说”，它得“记得住”人，也得“被人信”。希望这集内容，能帮你重新思考什么才是真正有用、可持续的AI教育系统。如果你是开发者、研究者，或老师，我建议你听完这一集后： 思考你的AI产品是否有结构化的用户画像机制？ 是否具备动态更新认知模型的能力？ 是否有“memory governance”来优化推理效率？🗂 内容大纲开场介绍 本集嘉宾：MemoBase 联合创始人赵晗博 从推荐算法到AI记忆系统的跃迁 主持人以“产品经理”身份深入拆解教育AI的长期记忆可能性💡 大模型可以推理，但它记不住你 为什么当前大语言模型缺乏“记忆感”与“连续性” 推荐系统的协同过滤 vs. ChatGPT 的语义表达 教育场景的痛点不是推理能力，而是缺乏个体认知延续🧱 什么是结构化记忆？ Markdown和JSON：是格式更是注意力指令 大模型的注意力机制如何被格式语言“暗示” 如何通过结构化信息提升AI在教育场景的稳定表现🧠 教育心理学中的长期记忆理论 认知主义视角：信息组织与记忆检索才是“学会了”的关键 教育学中的Long-Term Memory ≈ AI系统中的Persistent Memory 从间隔学习（Spaced Learning）到“信息价值排序”的类比分析🛠️ MemoBase 是如何实现“可被调用的记忆”的？ Time-aware Memory：每条交互自动打上时间戳 用户画像 + 行为标签：支持动态演化 Memory Governance：让AI“知道”该看哪里、忽略哪里✨ 教育记忆 = 功能价值 + 情绪价值 情绪价值来自被理解的感觉：“你真的记得我” 功能价值来自能辅助教学的推理基础 记忆系统是建立“AI信任关系”的关键载体🧩 如何捕捉“学生的心理模型”？ Perception是关键：AI不仅要知道学生看了什么，还要理解学生“怎么看” 主观 vs. 客观的心理模型建构 AI建构认知过渡层：从知识图谱 → 用户画像 → 表达匹配📈 结构可以更新，记忆也该进化 静态 vs. 动态画像：如何构建“成长型用户模型” 事件驱动、人工触发、模型自动判断三种触发逻辑 用Jason格式灵活存储 → 提供模型召回入口🧑‍🏫 多角色协同：学生、老师、家长如何共享AI记忆？ 教育不是孤岛式互动，而是角色协同系统 家长/老师可以为学生“补档案”，强化模型对用户的理解 教育AI的“使用者”不仅是学生，还有支持者🔺 三角模型：重新理解教育知识结构 正三角：通用知识 / 团队知识 / 个体知识 倒三角：知识库规模的反向映射 用户记忆是小而精、却需要高度定制的存储层📚 教师知识的传承机制也需要“记忆” 新加坡教师协作模型案例：教学法老师如何协助一线教师 美国教育平台如何让老师间共享教学输出 教育AI不仅服务学生，也能增强教师团队之间的知识复用与透明协作🎯 教育产品该记住什么？又该忘掉什么？ 不是所有内容都值得被“记住” 技术实现简单，难的是教育归因与记忆选择 教育产品开发者必须理解教学目标与认知阶段的动态匹配🧠 结语：教育AI的未来，是“有判断力的记忆系统” 真正有效的个性化，不是只靠算法，而是人+AI共同定义的注意力机制 让记忆成为教育AI的“底盘”，而不是花哨功能 希望教育者、研究者、开发者一起推动记忆驱动的AI学习系统建设需要详细文字稿的听众们可以关注微信公众号，爱思考的伊伊子，输入“播客EP34"，即可获得。----------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------1. 结构化记忆（Structured Memory）通过标准格式（如JSON、Markdown）组织信息，使AI能理解数据的逻辑结构。它不仅提升了信息处理效率，也让AI具备类似“关注重点”的能力，在教育场景中可用于构建可调、可追踪的用户模型。2. 用户画像（User Profile）个体在AI系统中的数字建模，包括认知偏好、学习风格、兴趣倾向与行为轨迹。结构化用户画像可支持教学个性化，动态更新的画像能帮助AI适应学生的成长与变化。3. 时间感知记忆（Time-aware Memory）AI系统自动为记录打上时间戳，使其具备“记得什么时候发生了什么”的能力。这对于间隔复习、学习节奏调控和教育干预时机的识别至关重要。4. 间隔学习（Spaced Learning）源自艾宾浩斯遗忘曲线理论，强调“重复但分散”的学习策略比集中复习更有效。若AI具备时间感知能力，能更智能地安排教学复现，提升长期记忆效果。5. 感知建模（Perception Modeling）不仅记录“用户看了什么”，更关注“用户如何理解”。AI需识别并适应学生对内容的主观解读，是构建符合其心智模型的教学内容的前提。6. 认知主义学习理论（Cognitivism）教育心理学三大核心理论之一，强调信息的组织、编码与提取。认为有效学习依赖于学习者已有的知识结构，与AI记忆系统的“上下文依赖”高度相似。7. 长期记忆（Long-term Memory, LTM）人类记忆系统中保存时间最长的信息层级。教育学中认为，学习的真正指标不是短暂记住，而是能在未来使用中表现出行为或理解的改变。AI模拟长期记忆，是实现深度个性化的关键。8. 记忆治理（Memory Governance）指对AI记忆系统中信息的优先级、来源可信度、生命周期等进行管理与调控的机制。类似人类“注意力分配”，用于减少token浪费、提升推理准确率。9. 压缩 vs. 召回（Compression vs. Retrieval）压缩：筛选高信息密度内容，节约token成本。召回：在大语料中查找相关信息片段供AI调用。MemoBase主张用压缩+结构化记忆替代传统RAG型大检索，以提升性能和速度。10. 教学归因（Teaching Attribution）衡量某种教学法或老师行为是否真正引起学习结果变化的机制。是将“教学行为”与“学生成果”建立因果关联的研究重点，对构建可评估的AI教学系统至关重要。11. 动态用户模型（Evolving User Model）与静态建模不同，动态模型支持实时更新用户画像，记录其认知演化与行为反馈，适应学生的成长轨迹与阶段性差异。可支持更精细化的教学推荐与干预。12. 认知过渡层（Representation Bridge）AI在知识图谱与用户心理模型之间生成的中介表达，旨在将抽象知识以用户可理解的方式表达，是生成“可理解解释”内容的重要机制。13. 注意力机制（Attention Mechanism）深度学习中的关键机制，决定模型应聚焦输入中的哪些部分。教育类AI系统通过“结构化输入”或“提示词策略”引导模型关注重要教学信息，提升响应相关性。14. 教学法一致性（Pedagogical Alignment）教育AI产品需确保其输出内容与教学目标、课程大纲、学习阶段一致。缺乏教学法一致性，即使功能强大也难以落地于实际课堂。15. 双三角模型（Knowledge Pyramid）赵晗博提出的知识层级结构：正三角为通用知识 > 组织知识 > 个体知识；倒三角为知识库数量与粒度的反比分布。帮助产品团队理解记忆系统设计的层次与扩展性。16. 生成式教学表达（Generative Pedagogy Expression）AI根据学生画像生成定制化讲解、练习或反馈的方式。需同时考虑教学目标、学生理解路径与表达风格，融合语言生成与教学设计。17. 教学协同画像（Collaborative Profile Mapping）在学生画像构建中，引入老师、家长等多方输入，以丰富信息维度与理解深度。使AI能够更完整地感知学生在不同环境下的学习状态与反馈。18. 默认配置偏差（Default Configuration Bias）用户习惯使用系统默认设定，极少修改设置。这意味着AI系统初始画像、提示词模板等默认选项，对用户体验与学习轨迹影响巨大。19. 教育产品的可解释性（Interpretability in EdTech）教育AI输出的内容或决策路径需对学生与教师可理解、可审查。是保障AI产品信任度、可落地性与教学伦理合规的前提。20. 个性化教育的边界（Limits of Personalization）个性化并非无限细分，每位学生的学习路径既需基于数据，也需结合教学共性与教师判断。教育AI的价值不在“千人千面”本身，而在找到“共性中可变的最小单元”。

大家好，欢迎收听《教育AI智造者》。 这一集的嘉宾是我非常尊敬的一位教育科技引路人——John Gamba。他既是当年通过语音家校沟通平台Pace实现1.8亿美元退出的连续创业者，也是如今宾夕法尼亚大学Catapult加速器的总监，致力于支持全球教育创业者走得更深、更远。我们从他的创业起点聊起，一直到他如何帮助数千位来自50+国家的创业者实现“从点子到影响”的转化。最打动我的是，他不是用大词堆砌愿景，而是一次次强调一句非常朴素却被忽视的话：“你说你的产品能提升学习效果——那你有证据吗？”这句话给我极大的提醒。作为一个做教育AI工具的人，我们常常沉浸在技术迭代与产品上线的节奏里，却容易忘记——教育的核心从来不是功能，而是有效性。是否真的教会了？是否真的改善了学生或老师的状况？是否真的可以规模化地持续生效？John详细拆解了教育科技产品要想走得远，必须跨过的三个门槛：一是学生是否真的愿意用（用户参与度），二是产品是否和教学目标对齐（教学法一致性），三是是否可以融入学校已有的技术体系（整合性）。这三个门槛，如果你只过了其中之一，也许可以短期获客；但只有三者兼备，产品才真正“有牙齿”。对我个人而言，这场对话让我重新看待“研究”在创业中的作用。以前我觉得research只是为了写PPT、获得资助、提升说服力；现在我更清晰地意识到：research其实是决策的基准线，是帮助我们理解教育场景、预判产品边界、设计评估机制的“底层架构”。它不是锦上添花，而是避免你走入死胡同的方向盘。在这一集中你会听到非常多案例，包括如何在危机中建立Pace语音通知系统、如何将澳洲的教师韧性研究模型引入美国并发展为联邦项目、以及如何用AI搭配逻辑模型为教育创业者设计评估方案。我非常希望，这期内容能让更多在做教育产品的朋友们意识到：不是所有功能都是价值，只有那些能带来可被评估的真实改变，才是值得长期投入的产品方向。如果你已经在做EdTech项目，建议你： 回头看看你的产品是否真正教学对齐； 是否设计了一个逻辑模型、评估路径； 有没有想过把研究者请进团队，哪怕是咨询性质； 有没有定义你自己的“护城河”，并用用户成功去强化它。研究驱动，不是多写几页引用文献，而是——你有没有办法让结果被信任。🗂内容大纲开场介绍 Gamba的多重身份：连续创业者、教育导师、Catapult加速器负责人 从被Blackboard收购的Pace平台讲起：如何用语音家校沟通系统服务百万家庭💥 高光瞬间：危机中的教育科技 从科伦拜枪击案到911：产品如何在关键时刻展现价值？ 什么是真正的系统兼容性与影响评估？从成本中心到价值创造研究驱动的产品设计 教育创业不能靠感觉，要用数据与逻辑模型说话 日本“家长代上课”案例：如何启发Pace的家校参与设计Catapult的诞生与三类创业者 初创者：要什么学习资源？ 有MVP团队：如何进行一线试点？ 已营收的团队：如何从100万到1500万？🎯 产品设计的三大黄金标准 高度用户参与感 教学法对齐（Desmos/i-Ready/Reading Science） 易于整合进教育系统（LMS、SIS等）📊 教育创业者的“成长门槛”系统 什么是Waypoint评估点？ 如何在融资PPT里加入研究文献？ NRR比ARR更重要：教育产品的真正生命力在哪里？✨ 案例讲解：澳洲PeopleBench如何将研究变600万联邦项目？ Catherine McEwen量表实践、跨文化调整与数据反馈闭环AI与加速器如何结合？ AI不能替代导师，但能放大辅导系统的效率 用AI校对Lean Canvas、自动检测教学对齐、建议融资策略🧠 金句爆发：创始人的成功悖论 “谦逊与意志力的悖论”：可教又能执行的人最有可能走得远 从Swift Score聊起：只有你对齐教学标准，你的AI产品才“有牙齿”🧩 创业团队如何搭建？ 教师+技术+设计 = 1+1=5 的团队结构 为什么跨职能团队远胜Solo创业者？🚀 商业模式、融资与护城河 教育产品适合风投吗？耐心资本是“绿灯” 如何用客户体验筑起真正的护城河？ 《Seven Powers》：每个创始人都该读的护城河圣经需要详细文字稿的听众们可以关注微信公众号，爱思考的伊伊子，输入“播客EP33"，即可获得。----------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------教学法对齐（Pedagogical Alignment）教育AI产品最常被忽视的一点就是是否真正符合课程目标、教师评估标准与学生认知路径。John特别强调，如若没有教学逻辑支撑，即使产品“看起来很AI”，也会在落地时被老师拒绝。成长门槛 WaypointsCatapult 为创业者设置的“关键通关点”，比如：是否定义了用户画像？是否验证了逻辑模型？是否将产品目标与数据评估方式对齐？它是帮助团队自我校正的一套路线图。NRR（净经常性收入）相比ARR，NRR更能反映教育产品的真实生命力。如果学校用了你一年后不续约，那你只有收入没有价值。续费率、使用频率、推广意愿，才是真正的增长指标。逻辑模型（Logic Model）产品背后的理论与结构图谱——输入、活动、输出与短中长期目标之间的因果关系。如果一个教育产品没有逻辑模型，就像没有路线图的旅程，很容易失焦。护城河 Moat不仅是技术壁垒、算法独创，更可能是教学影响路径、数据闭环、客户体验的复利。教育产品的护城河，往往不是“代码难度”，而是“信任成本”。耐心资本（Patient Capital）不是所有投资人都追着5年内IPO，也有一批人愿意陪教育产品走一个缓慢但扎实的路径。这类“慢钱”反而可能成就真正长期的影响。

大家好，欢迎收听《教育AI智造者》。 【本期由AI做翻译和文字转语音，把英文音频做成了中文音频发布。Gamba先生的部分有AI配音完成。音频中还有不太清楚的部分，请见谅！】这一集的嘉宾是我非常尊敬的一位教育科技引路人——John Gamba。他既是当年通过语音家校沟通平台Pace实现1.8亿美元退出的连续创业者，也是如今宾夕法尼亚大学Catapult加速器的总监，致力于支持全球教育创业者走得更深、更远。我们从他的创业起点聊起，一直到他如何帮助数千位来自50+国家的创业者实现“从点子到影响”的转化。最打动我的是，他不是用大词堆砌愿景，而是一次次强调一句非常朴素却被忽视的话：“你说你的产品能提升学习效果——那你有证据吗？”这句话给我极大的提醒。作为一个做教育AI工具的人，我们常常沉浸在技术迭代与产品上线的节奏里，却容易忘记——教育的核心从来不是功能，而是有效性。是否真的教会了？是否真的改善了学生或老师的状况？是否真的可以规模化地持续生效？John详细拆解了教育科技产品要想走得远，必须跨过的三个门槛：一是学生是否真的愿意用（用户参与度），二是产品是否和教学目标对齐（教学法一致性），三是是否可以融入学校已有的技术体系（整合性）。这三个门槛，如果你只过了其中之一，也许可以短期获客；但只有三者兼备，产品才真正“有牙齿”。对我个人而言，这场对话让我重新看待“研究”在创业中的作用。以前我觉得research只是为了写PPT、获得资助、提升说服力；现在我更清晰地意识到：research其实是决策的基准线，是帮助我们理解教育场景、预判产品边界、设计评估机制的“底层架构”。它不是锦上添花，而是避免你走入死胡同的方向盘。在这一集中你会听到非常多案例，包括如何在危机中建立Pace语音通知系统、如何将澳洲的教师韧性研究模型引入美国并发展为联邦项目、以及如何用AI搭配逻辑模型为教育创业者设计评估方案。我非常希望，这期内容能让更多在做教育产品的朋友们意识到：不是所有功能都是价值，只有那些能带来可被评估的真实改变，才是值得长期投入的产品方向。如果你已经在做EdTech项目，建议你： 回头看看你的产品是否真正教学对齐； 是否设计了一个逻辑模型、评估路径； 有没有想过把研究者请进团队，哪怕是咨询性质； 有没有定义你自己的“护城河”，并用用户成功去强化它。研究驱动，不是多写几页引用文献，而是——你有没有办法让结果被信任。🗂内容大纲开场介绍 Gamba的多重身份：连续创业者、教育导师、Catapult加速器负责人 从被Blackboard收购的Pace平台讲起：如何用语音家校沟通系统服务百万家庭💥 高光瞬间：危机中的教育科技 从科伦拜枪击案到911：产品如何在关键时刻展现价值？ 什么是真正的系统兼容性与影响评估？从成本中心到价值创造研究驱动的产品设计 教育创业不能靠感觉，要用数据与逻辑模型说话 日本“家长代上课”案例：如何启发Pace的家校参与设计Catapult的诞生与三类创业者 初创者：要什么学习资源？ 有MVP团队：如何进行一线试点？ 已营收的团队：如何从100万到1500万？🎯 产品设计的三大黄金标准 高度用户参与感 教学法对齐（Desmos/i-Ready/Reading Science） 易于整合进教育系统（LMS、SIS等）📊 教育创业者的“成长门槛”系统 什么是Waypoint评估点？ 如何在融资PPT里加入研究文献？ NRR比ARR更重要：教育产品的真正生命力在哪里？✨ 案例讲解：澳洲PeopleBench如何将研究变600万联邦项目？ Catherine McEwen量表实践、跨文化调整与数据反馈闭环AI与加速器如何结合？ AI不能替代导师，但能放大辅导系统的效率 用AI校对Lean Canvas、自动检测教学对齐、建议融资策略🧠 金句爆发：创始人的成功悖论 “谦逊与意志力的悖论”：可教又能执行的人最有可能走得远 从Swift Score聊起：只有你对齐教学标准，你的AI产品才“有牙齿”🧩 创业团队如何搭建？ 教师+技术+设计 = 1+1=5 的团队结构 为什么跨职能团队远胜Solo创业者？🚀 商业模式、融资与护城河 教育产品适合风投吗？耐心资本是“绿灯” 如何用客户体验筑起真正的护城河？ 《Seven Powers》：每个创始人都该读的护城河圣经需要详细文字稿的听众们可以关注微信公众号，爱思考的伊伊子，输入“播客EP33"，即可获得。----------------近期伊伊子想做的一些事情-----------------最近，随着大家对 AI 与教育的热情逐渐高涨，越来越多的朋友开始打造属于自己的 AI 教育工具。我也在小红书上分享了三个基于 AI 辅助编程、从零开始制作的教学工具，包括：作文批改“神器”、历史可视化以及数学公式可视化师生端等，大家都反馈非常好。随后，我也逐渐在小红书开启了直播，手把手展示如何与 AI 一起头脑风暴并完成相关的编程。许多观众向我反馈，认为这是一个从“不了解”到“掌握”的清晰过程，帮助他们一步步地解构并去神秘化教育 AI 产品的研发，也让他们感受到“自己做得到”。接下来，会开始做专题圆桌讨论，内容涵盖如何开发相关产品、国内外的产品对比分析，以及关于产品增长、推广和商业化的头脑风暴。如果你对此感兴趣，可以添加微信(yiyizihere)；我也会在群里更新讨论时间和内容。此外，欢迎加入我的小红书海外 AI 讨论群，期待与你们进行思维上的碰撞!-----------------------关于伊伊子----------------------伊伊子2024年的复盘伊伊子专门为AI教育者打造的开源AI教育论文库伊伊子专门为老师和AI创业者打造的20种教学场景指令伊伊子的小红书传送门----------------------关于听友群-----------------------如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------教学法对齐（Pedagogical Alignment）教育AI产品最常被忽视的一点就是是否真正符合课程目标、教师评估标准与学生认知路径。John特别强调，如若没有教学逻辑支撑，即使产品“看起来很AI”，也会在落地时被老师拒绝。成长门槛 WaypointsCatapult 为创业者设置的“关键通关点”，比如：是否定义了用户画像？是否验证了逻辑模型？是否将产品目标与数据评估方式对齐？它是帮助团队自我校正的一套路线图。NRR（净经常性收入）相比ARR，NRR更能反映教育产品的真实生命力。如果学校用了你一年后不续约，那你只有收入没有价值。续费率、使用频率、推广意愿，才是真正的增长指标。逻辑模型（Logic Model）产品背后的理论与结构图谱——输入、活动、输出与短中长期目标之间的因果关系。如果一个教育产品没有逻辑模型，就像没有路线图的旅程，很容易失焦。护城河 Moat不仅是技术壁垒、算法独创，更可能是教学影响路径、数据闭环、客户体验的复利。教育产品的护城河，往往不是“代码难度”，而是“信任成本”。耐心资本（Patient Capital）不是所有投资人都追着5年内IPO，也有一批人愿意陪教育产品走一个缓慢但扎实的路径。这类“慢钱”反而可能成就真正长期的影响。