AI教育产品的设计逻辑，60年前就写好了

小红书帖子文字版（@柠柠七，「SOTA 模型的 AI 教育之路」第 3 篇·上）。 由 17 张图文识别还原，机器识别以原图为准。

为什么大多数 AI 教育产品几个月后悄悄消失？六十年的研究给出五层答案——先讲「怎么搭」的三层。

每隔几周就能看到一个新的 AI 教育产品：接一个模型、写一段人设 prompt、套一个聊天界面，demo 里 AI 温柔地循循善诱。几个月后，大多数悄悄消失了。

死因高度一致：把「能聊天的模型」当成了「能教学的产品」。

这两件事差多远？差六十年。「机器怎么教人」这个问题，智能辅导系统（ITS）领域从 1960 年代就开始回答，攒下了体量惊人的证据。过去两年我在 CMU 的学习工程证书和 UPENN 教育学院把这条线的文献读了一遍，又拿 OpenAI、Google、Anthropic 在 2025–2026 年的教育动作逐条对照——结论是：大厂正在用 LLM 重新实现这套经典架构，而这套架构本身，就是 AI 教育产品设计的基本逻辑。

它可以归纳为五层。每一层回答一个问题，每一层都有学科证据，每一层都能检验你自己的产品。这篇把它们一次性写清楚：

1. 领域模型（WHAT）
2. 教学法（HOW）
3. 工作流（产品单位）
4. 证据（怎么验证）· 下篇
5. 治理（谁做主）· 下篇

01 领域模型（WHAT）——你的产品知道「教什么」吗？

核心问题：知识的结构从哪来？

最容易犯的错误是认为「教什么」可以由模型即兴生成，或者由专家随口说出。两条路都不通，而且都有实验证据。

模型那条路，文章二写过：知识点之间的先后依赖是结构化数据，不在模型权重里，模型在「猜」连接而不是「知道」。

专家那条路更反直觉。认知任务分析（CTA）领域的经典结论是：专家只能自陈约 30% 的所知——剩下约 70% 是高度自动化的隐性知识，专家自己意识不到。Feldon 2010 年的双盲对照实验（n=314）里，用 CTA 把专家知识结构化提取后再做教学设计，课程退课率从 8.1% 降到 1.4%。所以「教什么」必须靠系统方法提取：把领域分解成知识组件（KC）、标出先修依赖、对齐目标-测评-教学三件事（Backward Design 的标准流程）。

还没完。即使认真建了知识模型，它也常常是错的——Aleven 和 Koedinger 的研究反复证明，人工标注的 KC 模型必须用真实学生数据验证修正。有个漂亮的实证给这件事定了标尺：2023 年一篇 PNAS 论文分析了 130 万条学习观测，发现学生的初始水平差异巨大，但学习率惊人一致——掌握一个知识组件平均需要约 7 次练习机会。差别不在「谁学得快」，在「谁的起点远」。

这意味着知识结构建对了，剩下的主要是练习机会的调度问题；建错了，再多练习也是在错的地图上走路。

大厂做的通用版：Anthropic 的知识图谱、Learning Commons 的学习组件和进阶序列、Google 锚定 OpenStax。

你该做的垂直版：你的领域的题目谱系、错误地图、依赖图——加上用真实学生数据验证它的机制。

02 教学法（HOW）——你的 AI 在哪一层注入教学行为？

核心问题：AI 的教学行为是设计出来的，还是模型的默认性格？

先看这层为什么生死攸关。Bastani 团队的千人 RCT（土耳其 50 个教室）：学生用无约束的 GPT-4 辅导，练习变好，期末考试反而下降 17%；加了教学法护栏的版本，练习提升 127%，考试无损失。决定学习效果的不是模型能力，是对话中的教学法行为。

这个行为有名字、有配方。Scaffolding（脚手架）这个词本身来自 Wood、Bruner 和 Ross 1976 年的论文，定义从一开始就是可操作的：协助必须随学生表现动态调节（contingent），并且随能力增长撤除（fading）。CMU 的课程甚至把它拆成了工程清单：三种搭法（引导注意/聚焦任务/示范）乘三种撤法（放手/模糊提示/追问推进）。

工程上，教学法可以在三层注入：prompt 层（OpenAI Study Mode 的做法，最轻）、训练层（Google LearnLM 的做法，微调进权重）、推理层（DPO 对齐、activation steering 这类推理时干预）。三层没有高下，只有成本和可控性的取舍。

但要警惕一个系统性偏差。我在自己的课程论文里把它命名为 cognitive bypass（认知绕过）：商业 LLM 被优化的目标是 helpfulness，而 helpfulness 的默认形态就是直接给答案——这和「让学生经历有产出的挣扎」结构性冲突。我当时以自己的 AMC/AIME 产品为案例提出了三个设计动作：给学生留出 productive struggle window（不许 AI 秒回答案）、执行 scaffolding fade 协议（协助必须递减）、把 robust learning 而非当场正确率立为核心指标。

还有一个边界条件值得写下来，因为几乎没人讨论：苏格拉底式追问不是普适的善。我在课程观察里记录过，对部分文化背景的学生，连续反问引发的是焦虑而不是思考。教学法有效性依赖知识类型和学生背景（KLI 框架把前者叫 knowledge-dependency hypothesis）——「启发式提问」不是万能开关，是需要条件判断的策略。

大厂做的通用版：免费的教学模式开关（Study Mode / Guided Learning / Learning Mode）。

你该做的垂直版：你的赛道里，什么时候该提示、什么时候该沉默、什么时候该直接讲——把金牌教师的这些决策变成可执行的协议。

03 工作流（产品单位）——你的产品单位是对话，还是教学循环？

核心问题：学生下一步做什么，由谁决定、依据什么？

VanLehn 2006 年的经典综述有个被引用了二十年的观察：尽管辅导系统内部结构千差万别，行为却高度相似——都由两个循环构成。Outer loop 选任务（下一道题做什么），inner loop 管过程（每一步的提示、反馈、纠错）。

裸聊天框的问题在于：它只有 inner loop 的皮，没有 outer loop 的骨——学生问什么它答什么，但「接下来该学什么」没人负责。

Outer loop 不是玄学，标准算法就四种：学生自选、预设序列、mastery learning（掌握了才放行）、宏观自适应（按学生模型挑最优任务）。哪种都比「没有」强。Zou 等人 2019 年的研究给了一个可抄的样板：知识图谱加上贝叶斯知识追踪（BKT），能把每个技能算成 ready / unready-to-learn 两类——「最近发展区」从隐喻变成了可计算的量；教师按图谱推荐分配任务时，学生的掌握度显著更高。

这也是为什么 OpenAI 教育插件的结构（角色—封装上下文—治理—执行）值得当回事：它是大厂承认「产品单位是可重复的工作流，不是对话」的第一份正式图纸——和 ITS 的经典架构几乎同构。

大厂做的通用版：插件化的角色工作流、Classroom 里的任务分发。

你该做的垂直版：你的领域的 outer loop——基于知识图谱和学生模型的任务调度，这恰好是大厂空着的那块（下一层细说）。

④证据（怎么验证）与 ⑤治理（谁做主）在作者下篇中，本库暂未覆盖。