囫囵从「没看懂」开始：我的 AI 教育阅读记录
2026 年 9 月 2 日—9 月 8 日 · 围绕 24 份文献的阅读与讨论
文章目录
9 月 2 日下午，我在 Z Code 里打开《AI教育产品的设计逻辑，60年前就写好了》这套资料，先让它列出文件结构，然后说：
我要按照分层顺序，逐篇论文开始阅读
这就是这次阅读的起点。资料按四层排列：领域模型与知识提取、教学法与脚手架、工作流与智能辅导系统经典、大厂官方资料。一共 24 份，其中也包括书籍章节和产品公告。
我的读法是沿着这个顺序往下走，让 AI 配合解释，遇到不懂的地方就选出来追问；觉得有用的段落和自己的想法，另存到阅读摘录里。9 月 8 日上午，对话推进到了最后一份资料。
下面记录的是这段过程中我实际问过的问题、留下的想法，以及还没有弄明白的事。
9 月 2 日：先注意到学习过程
最先读的是认知任务分析，简称 CTA。这几篇材料讨论的是：专家在做诊断、判断和决策时，究竟用了哪些知识，又怎样把这些过程提取出来。
读到这里，我留下了一段想法：
所以我觉得，学习过程很重要，这些隐形的学习过程可能也是很重要的一部分，比如可以分析一些学习过程的平均耗时，学习模式等。
这是我当时提出的一个研究方向：除了最后的答案，学习过程里还有哪些值得观察的东西？耗时和学习模式能提供什么信息？这些问题被记了下来，还没有被这次阅读直接验证。
接着读 ACTA，也就是应用认知任务分析。阅读伴侣提到一组实验：学过完整方法的一组，与另一组在访谈产出质量上没有拉开明显差距。看到这段，我的反应很直接：
没看懂
后面我又追问「仔细讲讲」，想弄清楚，为什么讨论会落到“知道隐性认知知识值得挖”，以及“有一张规定了栏目结构的表”上。这个地方不能只记一句方法总结；我需要把实验比较了什么、结果能说明什么重新拆开看。
9 月 5—6 日：连缩写也要重新问
读到知识—学习—教学框架，也就是 KLI 时，我没有顺畅地一路读下去。
看到教学事件、学习事件、知识变化和评估事件之间的关系，我问的是最基础的问题：「这里面的 KC 是啥意思啊，AE 啥啊」。看到用不同题目的表现推断知识边界的例子，我仍然说「不懂」。
9 月 6 日清晨，读到第 5.4 节的假设时，我又说：
从这开始到后面我就开始看不懂了
这些对话让我把注意力停在了很具体的地方：一条知识应该怎么划分？知识组件和我们平时说的“一个知识点”有什么关系？练习、解释、样例，分别想让学习者发生什么变化？
同一阶段，我还把问题拉回了自己的学习经历：
插个题外话，我自己对于语言等学科，就是这种纯靠机械记忆来做题考试的，根本提不起兴趣，也无力应对，不想全面修改为这种方法。对于数学科学领域，我比较感兴趣自己去探索去钻研，也能取得较高的成绩
这是我对自身体验的描述。我在尝试把阅读中的框架和它联系起来，还不能凭这一段讨论，就给自己的学习特点下一个完整结论。
9 月 6 日：不该让学生先搭好一套工具
在这一天的选段讨论里，我写下了两段和产品有关的想法。
第一段是：
我有个想法：现在很多人对学习/教育/学习方法论这件事是缺乏系统认知的，很多学生不知道学习方法论，也不懂不信，借助我们的科学研究，不仅能够让学生易于上手，更能让他在了解学习方法论全貌之后，更加科学全面的了解自己，持续提升学习效率
紧接着，我又补充：
还有个想法：学生基本上不可能要事先学习一套科学的学习方法论，哪怕学会了以后，也不太可能马上构建出一套以此为体系基础的工具架构
这两段放在一起，是我这次阅读里想继续追的问题：学习科学的知识，怎样进入一个学生能够直接使用的工具？如果要先学会方法论，再自己组织工具，使用它本身就已经是一件很费力的事。
稍后，我问了一个更具体的问题：
想法：那有没有已经拆好的KC，我就不需要再自己拆了，直接拿来做匹配
我想知道已有研究和资源能帮到哪一步。这个问题也留给后续工作：现成的知识组件能不能适用于我关心的资料，需要怎样检查和调整？它是一个待研究的问题，不是一项已经完成的产品能力。
9 月 7 日：我需要解释，不只是继续被提问
后面的阅读进入了教学法、模型训练，以及智能辅导系统。
讨论“不给答案、给提示”时，阅读伴侣把提示词、系统指令和微调的选择变成了一个问题。我追问：「这个问题的答案是什么」。
晚上，读到学生模型如何从做题过程推断知识掌握时，回答列出了“该给哪条知识记功”和“该把错误归到哪里”两个难题，却没有把机制说明白。我当时说：
所以怎么工作？你怎么不说明白，只给我出题，不告诉我答案
这句话也是这次阅读的一部分。轮到我自己学习时，我确实会需要对方把机制解释清楚。一个问题能引出思考，但如果我连它在问什么、为什么这样运作都还没弄懂，就需要先获得解释。
我想把这个具体经历留下来，作为以后讨论“什么时候追问、什么时候说明”时可以回看的例子，而不是把一种固定的对话方式当成所有情境的答案。
9 月 8 日：追问材料是什么，再读完最后一层
读到辅导系统的元分析时，我再次说「这篇我没看懂」。随后，我抓住“掌握学习材料”这个词继续问：
什么是掌握学习材料，是什么，有哪些类型
比起只记住一个效果数字，我当时还需要知道：这里的材料到底指什么，学习过程是怎样组织起来的。这些基本问题如果没有说清楚，后面的比较也很难真正读进去。
接下来，我继续读了不同辅导方式的比较，最后推进到 OpenAI、Anthropic 和 Google 的三份 2025 年官方资料。
这些官方资料是这次阅读的最后一层，也是把前面的研究问题带回产品语境的一个入口。但只读几份发布材料，不能据此断言这些产品现在“有没有”某项能力。阅读记录里的讨论和实际产品验证，需要分开。
这次阅读，还包括怎样留下记录
一开始做摘录时，我就纠正过记录方式：自己的发言也要收进去，但不要自动加上 AI 的展开段落。后来我把规则说得更明确：
只录我投喂的，来源不重要，哪怕是展开也没关系，只要是我投喂的
对我来说，阅读记录里既有材料和解释，也有我主动留下的东西。它们可以放在一起，但不能把 AI 的解释直接写成我的经历、发现或结论。
这次从 9 月 2 日下午读到 9 月 8 日上午，跨了七个自然日。消息时间能说明这段跨度，不能说明我实际读了多少小时，也不能证明每天读了几篇。
我留下这篇日志，是想让这些问题有一个能回看的地方：哪些概念我没看懂，哪些解释让我继续追问，我对学习工具提出过什么要求。24 份资料的阅读顺序走到了末尾，这些问题仍然值得接着做。
阅读来源
这次阅读从小红书作者 @柠柠七 的《AI教育产品的设计逻辑，60年前就写好了》及配套文献整理出发。原帖、框架解析、24 份原文与中文译文，统一放在下面的资料库中。
本文根据 Z Code「论文」主会话、相关选段讨论和阅读摘录重新整理。引文保留本人发言，连接段为基于记录的第一人称整理。2026 年 9 月 8 日修订，移除了早先代写稿中没有记录依据的经历和叙述。