第 7 章 教育产品
7.1 AI 课程和模型训练工具:内容资源不等于产品能力
微软 AI-For-Beginners 是个人学习 AI 的课程候选,而非可直接进入中小学学科计划的教材。Needle 和 Unsloth 则是当时关注的框架/训练方向,旧结论为 P3 观察,不安装、不替换当前推理链路。只有出现具体训练需求、模型和可验证用例,再研究投入是否划算。
原始来源:旧库 2026-08-11 AI-For-Beginners 调研、2026-08-15 Needle 与 Unsloth 低优先级观察;并不意味着这些项目当前可直接安装/已验收。
7.2 从竞品里只借真正解决学生问题的部分
2026-08 对 DeepTutor 等产品的调研,优先考虑学习来源可追溯、掌握度表示和按任务目标切换的能力。但原项目的用户形态、部署重量、数据模型和自己的学生/家长双入口并不一样,不直接复制对方完整 Agent 架构。
同一批调研暂缓了实时语音框架,后来也决定不把 Agent-Reach 当学习素材主入口。它们可以是以后有刚需时的候选,不能因为“开源能用”就强加到现在的学生学习链路。
一手开源入口:DeepTutor 官方组织仓库 · Agent-Reach · LiveKit Agents。原调研截图/Stars/版本来自当时快照;仓库今天的界面、架构和 Release 可能不同。
来源:学习产品借鉴调研。
7.3 学习进度的真证据不是“完成了一个计划项”
图解:四种学习证据,不是同一个“完成”
读图: 每一行回答的都是不同问题。不要把前一行直接升级为后一行,也不要用一个看似精确的分数掩盖证据不足。
旧代码摸底发现,很多进度只是附在错题、计划或笔记上的字符串知识点标签。标签方便先做 MVP,但相同知识点如果名称不统一,跨模块统计就可能错位。“计划今天完成”也不能证明一个知识点已经掌握。
进一步建设前要先明确可独立评估的知识点单位、正确率或复练等证据、学生确认与过期复习。AI 对掌握度的估计只能当一个信号,不能代替真实作答。完整数据模型与版本判断仍要回原调研核查,不能据旧代码认定当前产品仍然没有知识点实体。
来源:知识点进度现状调研与追踪方案 · 驱动式学习和大纲。
7.4 两次教育模拟器失败,比十个灵感更值得留下
2026-08 曾参照 ChipTycoon 做生物过程模拟器,两轮实现都被认为视觉太粗糙。问题并不只是“能不能交互”,而是视觉基准和设计细节远未达到可交付质量。因此后来决定先把游戏化当探索方向,不立即排入学习平台主流程。
这份反面材料留下的判断:视觉敏感型的新产品不能把几何正确、DOM 渲染正常当成审美验收通过;至少要有参考视觉、可视化对照和真实用户反馈。如果下次再做,先验证 1 个主题的视觉完成度和教学价值,不要一开始批量生成十个关卡。
证据性质:此例来自作者实践文章和本人当时的界面/视觉反馈,不是经过核实的 ChipTycoon 官方 GitHub 源码;没有仓库地址就不要硬编。
来源:教育模拟器调研与失败复盘。
7.5 教材与真实教育内容:可获取不代表可永久依赖
历史 PoC 从官方教育平台拿到具体版本的文本型教材 PDF,并完成解析,说明当时的获取和提取路径可行。但它不是承诺永不变的下载 API,也不等于所有教材都获准批量转存、分发。再做教育素材功能时,应核对教材版本、来源、许可、缓存有效期和人工复验入口。
一手资料:国家智慧教育公共服务平台 · 历史教材解析工具仓库。仓库是第三方工具,不替官方授予下载、转载或商用许可。
来源:教材获取与合规边界。