教育AI智造者

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 $29 3️⃣ 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------------------- 1. 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。 2. 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。 3. 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。 4. 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。 5. 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。 6. 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。 7. 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。 8. 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。 9. 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。 10. 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。 11. 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。 12. 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。