大家好，欢迎收听「教育AI智造者」播客！ 本期节目，我想和大家分享一个带给我很多思考的教育+AI的创业故事。我的嘉宾是「作文说」的创始人——李日新(小红书)，他在AI教育领域默默耕耘，却用一款看似“简单”的作文批改产品，为老师和学生们带来了不可思议的价值。 起初，我只是好奇他如何通过OCR、提示词工程等技术，为老师解决挑灯夜改作文的难题；但随着对谈的深入，我发现他更加在意的是教育公平和教学深度：在偏远山区的孩子，是否也能获得优质的作文点评？老师在批改之外，是否还有更多精力做真正的教学和陪伴？ 节目中，我们深入探讨了「作文说」产品的技术逻辑，也探讨了李日新在一片“AI作文批改竞品丛林”中的生存之道。从选择性价比更优的大模型，到“定制化批改模板”如何让老师真正感到舒心与专业，再到对教育初心的坚守，每一处都能体现一个教育创业者的责任与理想。 如果你关心人工智能对教学场景的真实赋能，或正在思考如何把“简单的小想法”做出真正的社会价值，这期节目一定会为你带来新思路！让我们一同踏上这场“技术×教育×初心”交融的探索之旅，见证AI如何让更多孩子拥有“像老师一样”的作文批改体验吧！ 欢迎大家体验 "作文说"， 在这里找到体验码，说明是伊伊子播客来的，可以获得体验优惠劵 内容大纲 节目缘起与嘉宾背景 * 嘉宾日新：从黑客马拉松中的灵感闪现，到组建团队推出“作文说” * “AI作文批改”项目的初衷与第一版产品雏形 快速原型：用API和提示词打磨MVP * 如何借助现有大模型API及OCR技术，快速打造可用的测试产品 * 对“工程难度与成本权衡”的看法：技术门槛虽低，但要抓住需求与痛点 * 初期用户获取与反馈：自然流量、市场验证与问题暴露 聚焦老师：定制化批改模板的价值 * 不同学段、学科、教学场景下对作文批改的多元需求 * 老师“考评一致”的教学要求与AI对齐度：如何设计模板才真正好用 * 社群互动与用户共创：如何激发老师的创造力，让更多人贡献优质模板 AI模型与成本：从选型到持续优化 * 国产大模型vs.海外大模型：差异、价格与使用稳定性考量 * OCR、token占用、大模型调用费：边际成本与规模化挑战 * 自适应学习框架下的数据“抓取-反馈-迭代”机制 商业化与竞争：AI作文批改的生存之道 * 免费or付费？个人开发者与小团队的自我定位与商业模式探索 * 市场中已有大量竞品，“一夜抄袭”与同质化的残酷现实 * 教育赛道政策环境与“出海”思考：在国内做B端、C端项目的机会与风险 教育公平与社会价值：AI的初心与边界 * AI作文批改能否真正帮助偏远或资源受限地区的孩子？ * 学生端与老师端的互补：从评分到学习指导，再到写作思维培养 * 如何让社会价值与商业利益并行？创业者在理想与现实之间的取舍 未来展望：从产品到教育模式的转变 * AI是否会重塑写作教学、批判性思维培养与多阶段教学设计？ * 个人开发者或小团队在寒武纪爆发式的“教育+AI”中如何定位差异化？ * 对行业同行与想入局者的建议：深入一线、建立独到的隐性认知与壁垒 结语与扩展 * 日新对“作文说”后续的期待：迭代核心功能、扩大老师与学生的受益面 * 伊伊子邀请听众：如有兴趣，欢迎试用“作文说”并加入听友群讨论 * 未来更多“教育AI智造者”访谈，敬请持续关注 如果大家希望加入伊伊子AI产品分享或者体验群，欢迎加V: yiyiziishere 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EP28"，即可获得。 -----------------------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！😊 --------------------相关词介绍------------------- AI作文批改 指利用OCR识别、自然语言处理（NLP）和大模型（如GPT）等技术，对学生手写或电子作文进行自动批改和反馈的综合应用。它不仅能给出分数，还可模拟人类教师的点评方式，提供段落级或句子级的评价与改进建议。随着模型能力的增强，它也能帮助教师批量化处理作业，节约时间并提供更多个性化指导。 可定制批改模板 “作文说”等产品的一项核心功能，让教师或用户对批改过程进行自定义配置。例如，老师可指定评分标准、写作要点或教学重点，使AI的点评和建议更贴合真实课堂需求。这不仅提高了批改准确度，也加强了学生与教学目标之间的有效对接，有助于实现“教学评一致”。 Prompt Engineering（提示词工程） 一种与大语言模型交互的实践方法。通过设置角色、场景、示例输入和输出等，来引导模型产出更符合目标的结果。它在AI作文批改中尤其重要：教师可向模型提供自身教学思路、评价标准和范文示例，使模型的文本处理更具针对性与一致性。在大模型落地过程中，提示词工程往往是低成本却高效能的关键环节。 OCR（Optical Character Recognition） 即光学字符识别技术，用于将纸质或图片中的文字转换成可机读的数字文本。对手写作文批改而言，OCR是第一道关卡：只有精确识别文字，AI才能进行后续的语义理解与文本分析。虽然数字化程度逐年提升，但在作文、考试场景下，手写仍然普遍，因此OCR性能直接影响批改系统的准确率和用户体验。 自适应学习 一种通过数据反馈与个性化算法，动态调整学习路径与教学反馈的教育理念。通常要求系统能实时捕捉用户的使用行为，并根据表现进行推荐或调整。例如，老师在修改AI点评的过程会产生新的数据，系统据此逐步优化后续批改结果，从而实现“AI-教师-学生”三方协同的自适应学习流程。 数据埋点与迭代 指在用户产品使用过程中，通过预先设置的监测点（埋点）收集行为数据，再基于这些数据进行功能或模型的迭代优化。这在AI写作批改产品中十分关键：系统不仅要关注用户量、使用频次，还需记录每篇作文的点评质量、教师对结果的满意度及改动点，从而不断修正与升级批改逻辑。 营销成本 在播客中提及时，主要指产品为了获取用户（老师、学生或家长）所付出的费用，包括线上广告投放、线下推广、品牌合作等。对AI作文批改这一细分市场而言，因竞品数量众多且功能同质化严重，营销成本往往会远超技术或研发成本，成为初创团队“生存或死亡”的决定性因素之一。 B端 vs. C端 B端（Business-to-Business）即面向学校、培训机构或政府教育部门的合作模式，通常涉及批量采购或系统级部署；C端（Customer-to-Consumer）则是直接面向个人教师、家长或学生的零散付费。对AI作文批改产品而言，B端市场能带来较大规模与稳定合作，但对接周期长、采购流程复杂；C端更灵活，但单个用户的获客成本高、留存与收益不确定性大。 寒武纪爆发（Cambrian Explosion） 引自生物学概念，形容在AI与教育领域，近年出现海量产品与形态，竞争和迭代速度极快。正如史前地球生物在寒武纪经历的多样性爆发一样，AI教育的方案、产品层出不穷，多数最终会被淘汰或相互融合，能在这轮“爆发”中站稳脚跟的才会成为“新物种”。

大家好，欢迎收听「教育AI智造者」播客！ 本期节目我们邀请到了连续创业者晓音(小红书)。曲晓音是Heeyo的创始人及CEO，也是一位连续创业者。她曾在Facebook、Instagram和微软担任产品经理，后从斯坦福大学商学院辍学创业​。2019年，曲晓音创立线上活动平台Run The World并获得著名风投a16z投资​。最新的创业项目Heeyo则源于她个人的梦想：为全球儿童打造AI导师和玩伴​。Heeyo定位为“儿童的AI导师和玩伴”，面向3～11岁儿童提供智能聊天与交互式学习内容​。借助Heeyo，孩子可以和AI对话、阅读有声书、进行问答或角色扮演等游戏，在潜移默化中获得知识提升​。Heeyo内置了2000多个互动游戏和功能，支持20多种语言，能够因地制宜地陪伴不同语言背景的儿童学习和娱乐​。强大的AI让Heeyo如同一个上知天文下知地理的耐心导师，可以24小时随时响应孩子的提问和交流​。凭借这一创新理念，Heeyo在2023年8月获得了OpenAI创业基金、亚马逊Alexa基金和Pear VC等机构共350万美元的种子轮投资​，足见业界对其愿景的认可。 在成功打造Heeyo之后，曲晓音并未止步于儿童教育领域。她敏锐地意识到，Heeyo背后的AI技术同样可以用于降低软件开发的门槛，让更多人享受技术创造的乐趣。于是团队推出了全新的产品Heyboss.xyz。Heyboss定位为“普通人的AI工程师”，本质上是一个由AI驱动的编程助手，可以帮助不会写代码的人一键生成网站、应用程序乃至小游戏​。2025年初Heeyo公司宣布上线Heyboss时，引发了业界轰动——这是无代码开发领域的一次革命性进展​。通过Heyboss，用户只需要输入简单的想法描述，AI智能体就能自动完成从产品设计、前后端开发到部署的全部流程，无需编写任何代码​。每个人都因此有机会成为自己项目的“AI工程师”​。曲晓音介绍说，Heyboss的AI不仅能编写常规应用程序代码，还能生成虚拟AI朋友、创作图像和视频等多媒体内容，然后再进一步将这些元素整合成完整的产品​。也就是说，借助高度自主的AI智能体，Heyboss几乎可以24小时不间断地将天马行空的创意变为真实可用的作品​。这一强大功能的出现标志着技术创新进入一个新纪元：编程不再是极客专属的技能，而成为人人可及的创意工具。 内容大纲 嘉宾与背景故事 * 在 Meta 工作经历及首次创业经历（Running The World 的创立与收购） * “疫情红利” 与转型思考：从线上活动平台到 AI + 教育的启发 产品矩阵：从Heeyo到Heyboss.xyz * Heeyo：为儿童设计 AI 小伙伴与互动游戏，实现个性化、趣味化教学 * Heyboss.xyz：多智能体协同，帮助不懂技术的用户一句话生成网站、App 或教育游戏 * 为什么同一个 AI Agent 能在儿童教育与通用应用搭建之间相互启发？ 探讨多智能体（AI Agent）概念 * 传统提示词工程（Prompt Engineering）与智能体（Agent）之间的区别 * AI “理解” 用户需求与目标，并自主拆解、思考、执行与评估的工作流 * 记忆（Memory）与注意力（Attention）在 Agent 执行中的关键作用 “你是 Boss，AI 团队帮你干活” 的交互模式 * 如何让普通老师或创作者 “说人话” 而不必关心技术细节？ * AI 产品经理、AI 设计师、AI 工程师的多角色协作 * 与市面上工程师向工具（Replit、Bubble 等）的差异化 教育场景的实际落地与案例 * 老师如何用 “一句话” 生成测验游戏、词汇打卡、互动式科普或学科网站 * 个性化教学场景：让孩子在自己感兴趣的元素（拖拉机、恐龙等）中学习同样的知识点 * 学生表现追踪、长期学习计划：数据库管理与后端的自动化 挑战与机遇：AI 在教育中的多维度赋能 * AI 的可行性与边界：在教案设计、教学内容生成、教学管理上能做到什么程度？ * 从 “一对多” 到 “一对一” 的个性化陪伴与补充教学 * 引入多智能体后在协同、稳定性、内存/上下文管理上的技术难点 对未来的畅想与给行业的建议 * AI + 教育还有哪些潜在模式与发展方向？ * 如何避免踩坑：从用户痛点出发，聚焦易用性、稳定性与需求匹配 * 号召更多老师、教育从业者一起探索体验，把教学创意交给 AI 工程师来实现 如果大家希望体验Heyboss.xyz, 或者加入伊伊子AI产品分享或者体验群，欢迎加V: yiyiziishere 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EP27"，即可获得。 -----------------------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！😊 --------------------相关词介绍------------------- AI 智能体（AI Agent） 指能在较少人工干预下，自主观察（Observe）、思考（Reason）、执行（Act）并评估（Evaluate）的人工智能实体。相比传统的提示词工程，它能根据高阶目标做多步推理与迭代。 多智能体协作（Multi-Agent Collaboration） 将 “AI 产品经理”“AI 设计师”“AI 工程师” 等不同角色拆分在同一个系统中，分别承担产品设计、界面审美、后端开发等功能，模拟真实团队协作，最终提升用户需求落地效率。 Prompt Engineering（提示词工程） 人类与大型语言模型（如 GPT）互动时，为获得最佳输出而设计的输入策略。包括角色设定、上下文拼接、指令分步拆解等。本节目更讨论了其进阶形态——智能体多步推理。 个性化教学（Personalized Learning） 针对学习者的兴趣点、知识水平、学习路径进行定制化内容推送与交互。AI 通过文本、图像、游戏等多样方式持续更新和陪伴，强化学习者对知识的掌握与使用。 No-Code / Low-Code 指无需编写或仅需少量编写代码的应用开发模式，常见于初创者或中小企业，用以快速搭建小程序、网站与业务工具。在教育场景下尤为方便老师们快速实现教学创意。

Hello大家好，欢迎收听"教育AI智造者"播客。 今天是特别的一期。没有嘉宾，只有我来陪伴大家一起来进行一场深入的复盘与独白式的分享。 作为一个扎根教育科技领域的思考者，我见证了AI与教育这场跨界革命的每一个精彩瞬间。过去一年，通过25期深度对话，我与众多行业先行者一起探索了从ChatGPT到知识图谱，从提示词工程到个性化学习的全景图谱。 今天，我想以一种更私人、更系统的方式，带你穿越这场我称之为'教育寒武纪大爆发'的变革浪潮。为什么是寒武纪？因为就像5.4亿年前地球上生命形态突然爆发式多样化一样，AI教育领域在短短一年内涌现出数不清的创新产品、教学方法和商业模式，我们正处在一个物种井喷般的创新时刻。 同时，这也是一个'黑暗森林'——借用科幻小说家刘慈欣的经典比喻——在这个充满机遇的森林中，各家公司、各类产品都在为有限的用户注意力和市场资源而竞争。大模型技术的开放让入局门槛降低，但真正的价值和护城河却变得更加隐蔽和复杂。 没有嘉宾，只有你和我，一次关于技术与人文如何在教育领域碰撞、融合的深度对话。我将分享那些鲜为人知的行业观察，解构黑暗森林中的竞争法则，也会讲述那些令我动容的创新故事。无论你是教育工作者、技术开发者、还是关心孩子未来的家长，这场复盘都将帮助你在信息过载的时代，找到属于自己的思考定位。 教育从来不是一蹴而就的事业，AI也不是万灵药，但是当二者相遇，我们看到了创新的火花和改变的契机。作为教育AI制造者社区的一员，我们每个人都可以是这个变革时代的积极参与者。让我们继续携手前行，在这场寒武纪大爆发与黑暗森林法则并存的时代，共同制造教育的未来。 内容大纲 复盘的初衷 * 回顾播客「教育AI制造者」这一年来的历程 * 为什么选择这一期做全面复盘及独白 「制造者」的含义与支架式访谈理念 * 播客名称「制造者」的多重含义 * 访谈背后的教学法启示：从易到难、层层深入 * AI 技术与教育人文之间需沟通桥梁的重要性 嘉宾与行业画像：跨界与全球化趋势 * 不同背景、不同角色（中小学教师、大学教授、创业者、技术人） * 跨国视野：新加坡、美国、日本等全球经验交融 * 市场格局：大厂与小团队并行，百花齐放 2024 年 AI 爆发与教育应用回顾 * 大语言模型 ChatGPT4、百模大战带来的新机遇 * 生成式 AI（AIGC）对老师备课、个性化学习、作业批改的助力 * 学生对 AI 的复杂态度：便利 vs. 担心学术不端 回溯 25 期节目的脉络与寒武纪隐喻 * 从惊艳登场到应用落地，从试验形态到稳定生态 * 创业者、开发者、小团队与大厂如何在这一年间迭代产品 * 理性、成熟、稳健成为后期节目的主基调 技术关键点：提示词工程、知识图谱与 RAG * Prompt Engineering：如何精准地提示大语言模型 * 知识图谱在个性化学习、内容组织、学习分析中的作用 * RAG（Retrieval Augmented Generation）提高 AI 回答准确度的潜力 * 幻觉与可控性：AI 需要正确的监督与约束 产品开发思路与商业模式 * 技术驱动 vs. 数据驱动的不同挑战 * 小团队 vs. 大公司的竞争与合作 * 套壳产品的短期价值与长期差异化 * To B、To C 以及课程/培训化变现模式 从热潮到教育价值：行业格局与理性思考 * 黑暗森林法则与寒武纪大爆发的双重隐喻 * 商业化要解决真实的学习问题，回归教育初心 * 竞争格局、巨头布局与小团队的生存突围 人文与思维火花：几组关键对照 * 悲观者 vs. 乐观者：谨慎思考与积极行动 * 教育学者 vs. 工程师：严谨研究与快速迭 * 痛苦教育 vs. 快乐教育：AI 让机械苦工变少，但仍需保留挑战 * 黑暗森林 vs. 开放合作：保护核心竞争力与共享教育价值 听众群像：老师、家长、产品人、研究者 * 各自的关注焦点与需求 * AI 素养的普及，避免对 AI 的机械依赖与信息黑箱 * 家长更关心孩子学习成效与安全，老师关注教学效率与职业发展 知识审美：教育的终极目标与 AI 时代的可能 * 当 AI 提供标准答案，学习还有何意义？ * 知识审美是一种更深层的智力与精神享受 * 让学生与老师在“美”与“思考”中持续成长，而非依赖工具 总结与展望 * 对过去一年的正式收束：AI 赋能教育的新常态 * 未来依然是寒武纪大爆发与黑暗森林法则并存的动态平衡 * 邀请更多听众加入播客社区，共同携手制造教育的未来 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EP25"，即可获得。 -----------------------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！😊

Hello 大家好！欢迎收听教育AI智造者播客! 今天这一期，我邀请到了在AI4Education领域深耕多年的博士生Stella (小红书)。她目前在南洋理工大学攻读与AI教育相关的博士，研究方向涵盖了AI素养、计算思维（Computational Thinking）以及如何通过AI赋能K12教育。 Stella结合她的研究与实践经历，分享了从幼儿园到高中阶段培育计算思维的真实案例和思考。她强调，计算思维并不等同于编程或计算机科学，而是一种通用的解决问题的方法论，包括如何拆解难题、抽象概念以及识别模式，以培养学生在学科交叉与实践中的综合能力。 在对话中，我们还讨论了为什么AI时代对“思考方式”的要求愈加紧迫。当ChatGPT等生成式AI成为强力工具时，人类应当如何利用计算思维指导与协同AI的工作？Stella认为，真正能跨越技术周期的人才，必定具备抽象能力、逻辑思维与跨学科迁移能力。这些能力恰恰是计算思维在K12教育中所要着重培养的。 本期节目不仅适合对少儿编程、计算机教育感兴趣的家长和教师，也适合在职场中想进一步提升问题解决能力的听众。让我们一同来聆听Stella对当下与未来AI教育趋势的深度解析！ 内容大纲 开场与嘉宾介绍 * Stella在南洋理工大学的博士研究背景 * 从教育技术到计算思维的学术转向 * AI素养、AI Literacy在K12教育中的重要性 计算思维的本质与误区 * 计算思维≠编程≠计算机科学 * 核心技能：分解（Decomposition）、抽象（Abstraction）、模式识别（Pattern Recognition）、算法思维（Algorithmic Thinking） * 为什么各学科都需要计算思维？ 幼儿与低龄儿童的计算思维培养 * 生活化场景：从“起床流程”到“如何规划一天” * 模块化编程与游戏化学习（如Scratch）的实践意义 * 示例：让孩子通过逻辑步骤完成简单任务 中高年级与跨学科融合 * 在数学、科学、写作中融入算法思维与分解思路 * 如何通过Minecraft等平台激发学生对复杂问题的探索 * 教学支架理论（Scaffolding）与最近发展区（ZPD）的应用 AI时代下的竞争力：人机协同与思维迭代 * 生成式AI是否会取代程序员或教师？ * 利用计算思维与AI协作：Prompt设计、问题抽象与自我效能提升 * 实践案例：用AI辅助编程、数据分析，实现效率与创新的双赢 国内外教育政策与推广现状 * 美国、英国已立法推进K12计算思维教育 * 亚洲国家（中国、新加坡、日本）的探索与挑战 * 学校与家长对“少儿编程”的不同理解与需求 未来展望：从“学科”到“素养” * 为什么计算思维是跨越时代的关键能力 * 如何在教学设计中更好地应用AI进行个性化学习与评价 * 长期视角：培养学生成长型思维模式（Growth Mindset） 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EP25"，即可获得。 -----------------------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！😊 -----------------------相关词介绍---------------------- 计算思维（Computational Thinking） 指“像计算机科学家一样”解决问题的一系列思考方式，包括分解、抽象、模式识别和算法思维。跨学科、跨行业的通用能力，帮助学生和工作者在面对复杂问题时进行有效分析与求解。 分解（Decomposition） 将复杂问题拆解为更小、更可行的子问题或任务。简化解决路径，便于逐步迭代；在写作、数学、项目管理等方面都有广泛应用。 抽象（Abstraction） 提炼出问题或数据的核心结构，忽略不相关的细节。在学习数学公式或编程函数时，找到最一般化的模式与要素，大幅提高通用性。 模式识别（Pattern Recognition） 在数据或问题情境中发现重复结构、共性或规律。编程中的循环与函数提炼，或写作中的核心观点与段落结构分析。 算法思维（Algorithmic Thinking） 将解决问题的方法转化为有序、可执行的步骤或规则（算法）。在编程、自动化和流程设计中具有决定性作用，也是学习AI应用的基础。 支架理论（Scaffolding） 教师或工具根据学习者当前水平，提供适度支持并逐步撤离，帮助其完成略超能力范围的任务。通过分层次任务和Hint提示，引导学生自主发现与总结规律。 最近发展区（Zone of Proximal Development, ZPD） 由Vygotsky提出，指学生在有指导下能完成的最大潜能任务区域。与支架理论搭配使用，可在教学环节中实现更有效的个性化引导。 AI素养（AI Literacy） 既包括对AI的基本原理认知，也包括对其应用技能与批判性思维的掌握。在K12阶段侧重培养学生正确使用AI工具、理解AI带来的机遇与挑战。 模块化编程（Block-based Programming） 以图形化模块（积木）的形式替代文本编程，降低语法门槛。代表工具：Scratch、Blockly；适合初学者特别是低龄儿童。 Prompt设计（Prompt Engineering）针对生成式AI或语言模型，设计输入语句以便获得更高质量或更准确的输出。 重要性：在AI辅助编程或生成内容时，学会拆解需求和编写提示词能带来最佳结果。

Hello，大家好！欢迎收听「教育AI智造者」播客。 本期节目，我邀请到了一位极富创造力的 00 后创业者——Elena，她是 Thetawave 的联合创始人。带着“在高强度学习场景中提升效率”的初衷，Elena和她的团队正致力于开发一款专为留学生群体及海外高校学习者打造的智能笔记产品。她的成长经历同样精彩：从意外的 Gap Year 到留学签证的波折，再到与 AI 投资项目结缘，Elena 以敏锐的直觉与超常的执行力，走出了一条令人惊喜的创业之路。 在这期播客中，Elena 将分享她对学习效率、AI 笔记工具、以及教育与技术未来图景的见解: * AI 笔记真的能改变我们的学习习惯吗？ * 对不同学科、不同场景的学生而言，什么才是笔记效率的关键？ * 为什么她认为“知识输入”是最底层却最迫切需要被优化的环节？ 从“考前 1 周刷题”到“随时随地捕捉灵感”，我们一起探索 Thetawave 这款产品如何承载年轻学习者的多元需求，让大家学得更轻松、更高效。 Elena 还将阐述她对 AI + 教育的长期构想——既要让 AI 成为我们的“海马体”，又要让人类保持灵活的创造力。 如果你想了解一位新生代创业者如何思考“知识传输”、“AI 赋能学习”，以及如何在科技迅猛迭代的时代找准产品定位，这一期的播客分享一定能为你带来全新的思路和启示！ 内容大纲 Elena 的个人故事：从 Gap Year 到创业者 * 留学签证不顺的契机如何开启她对创业的探索 * 在投资机构实习、认识创业者与投资人的宝贵经历 * 为什么她觉得“先做再说”是创业路上的黄金法则 Thetawave 的产品理念与差异化 * 聚焦留学生和海外高校学生的笔记需求：临近考试的场景如何升级复习效率 * 与已有的笔记软件、对话式 AI 工具相比，Thetawave 如何突显“知识输入”的定制化 * 听她剖析 AI 笔记从“自动记录”到“智能整理”、“思维导图”等核心功能 AI 学习理论与实践 * 行为主义、认知主义、建构主义在笔记应用中的结合 * 如何通过自测、小测验（Quiz）、Flashcard 等环节，让记忆与理解相得益彰 * 为什么 Elena 强调“让 AI 成为心流的助力”，从而提升专注度与学习体验 用户深度访谈与产品打磨 * 走进图书馆、教室门口等线下场景，面对面观察用户学习行为 * 发传单、做 Study Guide、蹲点考前人群：早期获客与用户反馈的关键 * 如何通过数据分析找出“重度使用者”，并从他们的行为洞悉产品优化方向 技术迭代的节奏与策略 * 团队如何在高频迭代中，快速上线新功能与修复 Bug * 如何划定功能优先级：短期（解决考前痛点）、中期（按课程统一管理）、长期（做每个人的“海马体”） * Elena 对“实时记录学习输入”的设想，如何搭建用户的专属知识体系 留学生与海量学科场景的未来前景 * 从考试复习到日常研究：Thetawave 是否能延伸到更多人群与使用场景 * 解决不同科目、不同学习阶段的痛点：从人文学科到理工科的挑战 * 让“高效学习”不再局限于少数学霸，而成为每个人都能触达的普惠体验 对年轻创业者与教育从业者的启示 * Elena 的核心建议：保持行动力，别等“最好的时机” * 面对不确定性与高竞争的 AI 赛道，如何保持热情并继续试错 * 对教育生态、知识传递的前瞻思考：学习路径的个性化与“知识众包”的可能性 -----------------------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！😊 -----------------------相关词介绍---------------------- 心流（Flow） 由心理学家米哈里·契克森米哈赖（Mihaly Csikszentmihalyi）提出，指个体全情投入某项活动时所达到的状态，伴随高度专注和愉悦感。在笔记场景中，如果能让学生摆脱繁琐的抄写与检索环节，更容易投入学习本身。 知识输入（Knowledge Input） 指学习者通过阅读、听讲、讨论等方式，吸收外部信息并在大脑中形成表征的过程。与常见的“知识输出”（如写作、演示）相比，很多 AI 工具聚焦问答式互动，但容易忽略“输入”阶段的定制化需求。 Flashcard（抽认卡） 一种帮助记忆的传统工具，往往在卡片上写下问题或概念，背面写答案。在 AI 场景中，自动生成抽认卡和自测功能，让用户更轻松地进行信息回顾与强化记忆。 Quiz（小测验) 碎片化、自测式的测验形式，通过及时检测学习者对概念的掌握程度，给予反馈。配合智能笔记，能够在短期内反复巩固知识点，实现更好的学习效果. Gap Year（间隔年） 指在学业或职业转换前后，留出一段时间进行自我探索或实习、义工等活动。Elena 通过 Gap Year 期间的实习与项目孵化体验，获得创业灵感与资源。 Spaced Repetition（间隔重复） 一种记忆策略，认为复习应循序渐进、遵循科学间隔，以提升长期记忆。智能笔记在算法层面可融入间隔重复机制，自动提醒用户在最佳时间点进行复习。 ADHD（注意力缺陷多动障碍） 一种常见的神经发育状况，表现为注意力不集中、活动过度或冲动。Elena 提到不少有 ADHD 倾向或重度拖延的学生群体，正是智能笔记潜在的主要受益者。 Memory（“海马体”的类比） 本义是指人脑负责记忆形成的海马体结构，产品中多指“第二大脑”概念。Elena 设想 Thetawave 的长远目标是做每个用户的“海马体”，记录并动态管理所有学习输入。 MVP（最小可行化产品） 在创业领域，为快速验证市场需求而做的初步产品。Elena 的团队通过简单功能验证用户对“考前备考笔记”的刚需，再逐步拓展到其他场景。 Retention（留存率） SaaS 或产品常用指标，指用户在一段时间后持续使用产品的比例。对学习工具来说，留存率往往与真实产品价值强相关：越高留存，意味着用户越依赖它提升学习效率。 短期-中期-长期策略（Roadmap） 许多创业团队在制定目标时，对功能和市场进行阶段性划分。如 Thetawave 短期主攻“备考冲刺”、中期以“课程社群化”为核心、长期成为用户知识管理中枢。 增量时代 / 存量时代 * 增量时代：市场不断拓展，新用户与资源充足。 存量时代：市场趋于成熟，同类产品间竞争更激烈，需要差异化与精细化运营。 Elena 指出 AI 时代的竞争更加立体，决定了创业者要深耕特定人群与场景。 Study Guide（备考指引） 专门针对某门课程或考试的重点归纳资料，帮助学生快速梳理知识体系。 Thetawave 通过 AI 自动生成 Study Guide 成为吸引用户体验产品的有效方法。 Diffused Mode / Focused Mode（分散与专注模式） 大脑工作有两种模式：深度专注与发散思维的切换。产品设计若能兼顾用户既能专注听课/学习，又能发散创意笔记，便能提高学习效率。

Hello 大家好！欢迎收听“教育AI智造者”播客。 今天这一期节目，可谓多重惊喜交汇： * 这是我在 2025 年录制的第一期节目，新年新气象，先祝大家新年快乐！ * 这是我们第一次全程采用英文访谈并在中文平台同步分享，双语加持，内容更加丰富！ * 最最重要的是，我邀请到了一位重量级教育专家——约翰·霍普金斯大学教育学项目的教授 Sharon Mistretta 博士。她既是我非常敬重的导师，又是对教育技术和创造性学习有着深厚理论与实践经验的先行者！ 在本期节目里，Sharon 将为我们打开 “技术+创造力+教学法” 的宝藏盒，从她在 NASA 合作项目中与宇航员做科研的经历，到她如何用设计思维与计算思维刷新学生对“技术课”的传统认知，再到她作为女性工程师在金融与编程行业多次逆袭的职业历程，都让人热血沸腾。更精彩的是，她带我们深入探讨了 AI 在教育场景中的多重应用、未来趋势以及背后的教学设计理念（TPACK、SAMR、UDL 等），为身处教育一线、关注前沿教育科技的你提供难得的思维盛宴。 如果你也想知道： * STEM 教学如何与创造力和共情相结合？ * 为什么 “评估” 在 AI 时代要全面升级？ * 教师和学生如何借助生成式 AI 大幅提升“自我效能”和 “学习动机”？ * 以及如何在团队项目中培养真正的合作力与幸福感？ 本期节目就是为你而来，让我们跟随 Sharon 的引导，一起踏上这段充满灵感与惊喜的教育创新之旅吧！ 本期播客聚焦以下问题 * 成长与导师Sharon 的 “拉什莫尔山导师” 给她的职业与学术生涯带来了哪些关键启示？她如何在 STEM 领域坚持自我，尤其作为女性在职场上有哪些不为人知的经历？ * 技术+教育的多维融合TPACK 框架与教育实践如何相辅相成？如何用 SAMR 模型衡量 AI 技术在教学中的深度与变革潜力？ * 计算思维与创造性学习“计算思维” 并非只在编程中使用，它还能在哪些领域助力问题解决？如何通过项目式学习、设计思维、跨学科融合真正让学生 “动手动脑”？ * AI 赋能与师生共情当生成式 AI 成为 “研究助理” 与 “写作导师”，我们该如何有效利用？在人工智能介入教学设计之时，教师又该如何保持对学生的情感关怀和差异化支持？ * 评估与学习动机为什么我们要从一次性大考，转向过程性、项目式评估？在 AI 环境下如何设计更公平、更具包容性和激励性的评价体系？ 内容大纲 开场与嘉宾背景 * 介绍 Sharon Mistretta 博士的教育与技术多重身份 * “拉什莫尔山导师” 的故事及其对 Sharon 成长的影响 女性在 STEM 领域的职场经历 * 银行编程工作：如何在男性主导的行业中展现自我？ * 忙碌又充满惊喜的 “万花筒” 职业模式（Kaleidoscope Career Model） 技术+创造性学习的实用案例 * NASA 合作项目：把太空任务与学生学习目标相结合 * 课程设计：从 “基础编程” 到 “思维修剪”，如何激发深度学习与好奇心 * 设计思维评分量表、项目制学习的具体应用 AI 与教学设计：TPACK 与 SAMR 的结合 * 如何评估 AI 技术在教学中的落地程度 * AI 提升教师备课与批改效率，释放更多课堂互动空间 * 实际案例：实时翻译、无障碍环境、多模态学习资源 计算思维与评估革命 * 什么是问题拆解、抽象化与算法式思考 * 过程性评估：让学生 “演示+迭代” 成果，而非一次性考试 * 学生个性化反馈与自我效能感的建立 共情与未来展望 * AI 辅助下的全球视角：与不同国家的同行互通有无 * 保持好奇、保持激情，让技术与创造力不断融合 * 倡导 “女性互助与多元包容”，携手推动教育创新 -----------------------伊伊子展开说说-------------------- -----------------------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！😊 -----------------------相关词介绍---------------------- TPACK（Technological, Pedagogical, and Content Knowledge） 强调教师在教学中需综合掌握技术知识、教学法知识与学科内容知识。Sharon 分享如何在 “AI+教育” 领域构建自己的知识结构，并通过课程设计将这三者融合落地。 SAMR 模型（Substitution, Augmentation, Modification, Redefinition） 用于评估技术在教育应用中的深度。由替代、增强、改进到重塑四个层次。Sharon 讲解如何利用 AI 实现教学的 “重塑”，特别是实时翻译与无障碍设计。 计算思维（Computational Thinking） 包含问题拆解、抽象化和算法式思考的综合能力。Sharon 用生活与课程案例说明如何让学生在项目实践中自然掌握这套思维模式。 自我效能（Self-efficacy） 个体对自己能否完成特定任务的信念与判断。Sharon 解读如何通过 AI 中的即时反馈提升学生的学习自信与坚持度。 设计思维（Design Thinking） 强调从同理心出发，用发散-收敛的思路进行创意解决方案设计。Sharon 的评分量表与 “客户视角” 项目就运用了设计思维的核心方法。 UDL（Universal Design for Learning） 通用学习设计理念，主张为不同学生提供多种学习方式与途径。Sharon 分享了如何通过语音、字幕、可视化等多模态形式，帮助更多孩子公平获取知识。 Kaleidoscope Career Model（万花筒式职业模式） 比喻女性常见的职场路径，不同人生阶段灵活转换角色、时间与工作方式。Sharon 结合自身经历，阐述女性如何在不同阶段依旧保持职业成长与激情。 过程性评估（Formative Assessment） 注重学习过程的即时反馈与迭代，而不是一次性的总结性考试。Sharon 分享了在中学与研究生课程中使用 “原型-测试-反馈” 的评估循环。 同理心（Empathy） 理解并感受他人情绪、需求或观点的能力。无论是 STEM 课程还是跨文化交流，Sharon 都强调对学生及同事的理解与尊重

Hello 大家好！欢迎收听“教育AI智造者”播客。 今天这一期节目，可谓多重惊喜交汇： * 这是我在 2025 年录制的第一期节目，新年新气象，先祝大家新年快乐！ * 这是我们第一次全程采用英文访谈并在中文平台同步分享，双语加持，内容更加丰富！ * 最最重要的是，我邀请到了一位重量级教育专家——约翰·霍普金斯大学教育学项目的教授 Sharon Mistretta 博士。她既是我非常敬重的导师，又是对教育技术和创造性学习有着深厚理论与实践经验的先行者！ 在本期节目里，Sharon 将为我们打开 “技术+创造力+教学法” 的宝藏盒，从她在 NASA 合作项目中与宇航员做科研的经历，到她如何用设计思维与计算思维刷新学生对“技术课”的传统认知，再到她作为女性工程师在金融与编程行业多次逆袭的职业历程，都让人热血沸腾。更精彩的是，她带我们深入探讨了 AI 在教育场景中的多重应用、未来趋势以及背后的教学设计理念（TPACK、SAMR、UDL 等），为身处教育一线、关注前沿教育科技的你提供难得的思维盛宴。 本期特别感谢我的好朋友璐瑶。用AI翻译好文字稿之后，我邀请她来给Sharon的部分录音。为了尽可能保持原文，我们特意在中文名词之后加入了英文原文。 想听英文原文的朋友，可以关注播客，我们会尽快放出英文加长版内容 如果你也想知道： * STEM 教学如何与创造力和共情相结合？ * 为什么 “评估” 在 AI 时代要全面升级？ * 教师和学生如何借助生成式 AI 大幅提升“自我效能”和 “学习动机”？ * 以及如何在团队项目中培养真正的合作力与幸福感？ 本期节目就是为你而来，让我们跟随 Sharon 的引导，一起踏上这段充满灵感与惊喜的教育创新之旅吧！ 本期播客聚焦以下问题 * 成长与导师Sharon 的 “拉什莫尔山导师” 给她的职业与学术生涯带来了哪些关键启示？ 她如何在 STEM 领域坚持自我，尤其作为女性在职场上有哪些不为人知的经历？ * 技术+教育的多维融合TPACK 框架与教育实践如何相辅相成？ 如何用 SAMR 模型衡量 AI 技术在教学中的深度与变革潜力？ * 计算思维与创造性学习“计算思维” 并非只在编程中使用，它还能在哪些领域助力问题解决？ 如何通过项目式学习、设计思维、跨学科融合真正让学生 “动手动脑”？ * AI 赋能与师生共情当生成式 AI 成为 “研究助理” 与 “写作导师”，我们该如何有效利用？ 在人工智能介入教学设计之时，教师又该如何保持对学生的情感关怀和差异化支持？ * 评估与学习动机为什么我们要从一次性大考，转向过程性、项目式评估？ 在 AI 环境下如何设计更公平、更具包容性和激励性的评价体系？ 内容大纲 开场与嘉宾背景 * 介绍 Sharon Mistretta 博士的教育与技术多重身份 * “拉什莫尔山导师” 的故事及其对 Sharon 成长的影响 女性在 STEM 领域的职场经历 * 银行编程工作：如何在男性主导的行业中展现自我？ * 忙碌又充满惊喜的 “万花筒” 职业模式（Kaleidoscope Career Model） 技术+创造性学习的实用案例 * NASA 合作项目：把太空任务与学生学习目标相结合 * 课程设计：从 “基础编程” 到 “思维修剪”，如何激发深度学习与好奇心 * 设计思维评分量表、项目制学习的具体应用 AI 与教学设计：TPACK 与 SAMR 的结合 * 如何评估 AI 技术在教学中的落地程度 * AI 提升教师备课与批改效率，释放更多课堂互动空间 * 实际案例：实时翻译、无障碍环境、多模态学习资源 计算思维与评估革命 * 什么是问题拆解、抽象化与算法式思考 * 过程性评估：让学生 “演示+迭代” 成果，而非一次性考试 * 学生个性化反馈与自我效能感的建立 共情与未来展望 * AI 辅助下的全球视角：与不同国家的同行互通有无 * 保持好奇、保持激情，让技术与创造力不断融合 * 倡导 “女性互助与多元包容”，携手推动教育创新 -----------------------伊伊子展开说说-------------------- -----------------------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！😊 -----------------------相关词介绍---------------------- TPACK（Technological, Pedagogical, and Content Knowledge） 强调教师在教学中需综合掌握技术知识、教学法知识与学科内容知识。Sharon 分享如何在 “AI+教育” 领域构建自己的知识结构，并通过课程设计将这三者融合落地。 SAMR 模型（Substitution, Augmentation, Modification, Redefinition） 用于评估技术在教育应用中的深度。由替代、增强、改进到重塑四个层次。Sharon 讲解如何利用 AI 实现教学的 “重塑”，特别是实时翻译与无障碍设计。 计算思维（Computational Thinking） 包含问题拆解、抽象化和算法式思考的综合能力。Sharon 用生活与课程案例说明如何让学生在项目实践中自然掌握这套思维模式。 自我效能（Self-efficacy） 个体对自己能否完成特定任务的信念与判断。Sharon 解读如何通过 AI 中的即时反馈提升学生的学习自信与坚持度。 设计思维（Design Thinking） 强调从同理心出发，用发散-收敛的思路进行创意解决方案设计。Sharon 的评分量表与 “客户视角” 项目就运用了设计思维的核心方法。 UDL（Universal Design for Learning） 通用学习设计理念，主张为不同学生提供多种学习方式与途径。Sharon 分享了如何通过语音、字幕、可视化等多模态形式，帮助更多孩子公平获取知识。 Kaleidoscope Career Model（万花筒式职业模式） 比喻女性常见的职场路径，不同人生阶段灵活转换角色、时间与工作方式。Sharon 结合自身经历，阐述女性如何在不同阶段依旧保持职业成长与激情。 过程性评估（Formative Assessment） 注重学习过程的即时反馈与迭代，而不是一次性的总结性考试。Sharon 分享了在中学与研究生课程中使用 “原型-测试-反馈” 的评估循环。 同理心（Empathy） 理解并感受他人情绪、需求或观点的能力。无论是 STEM 课程还是跨文化交流，Sharon 都强调对学生及同事的理解与尊重。

Hello 大家好！欢迎收听"教育AI制造者"播客。 本期节目，我邀请到了来自留学教育领域的 Bobby。作为00后的他，已经是“一人公司” Latebird.ai创始人，短短几个月就把自己的「留学文书评测器」微信小程序推到了 1万+ 付费用户的量级，并成功实现年收入突破 20 万人民币！ 本期聊天里，Bobby 将与你分享如何在极低成本下快速启动项目，从最初的灵感验证、模型选型，到敏捷迭代、商业化落地的全流程。他还会深入探讨对大语言模型（LLM）的 各种玩法： * 提示词工程（Prompt Engineering） * 模型微调（Fine-tuning） * 检索增强生成（RAG） 这些技术究竟怎样在留学文书评估场景中落地？又能为其他行业带来哪些启发？ 同时，Bobby 也会谈到，“AI 对留学行业而言来得太快”，但如果放眼到更广阔的赛道，这种“快节奏”会带来怎样的机遇和挑战？本期节目就带你走近 Bobby 的 00 后浪漫实践，一起见证「教育 + AI」的更多可能性。 本期节目将聚焦以下问题 * 如何在极低预算下快速启动一个能落地、可盈利的 AI 项目？ * 大语言模型的多样化应用：Prompt 工程、微调、RAG 等技术如何与留学文书评估场景融合？ * 留学行业之外：AI 来得如此之快，对于其他领域有何警示与机遇？ * 独立开发者如何打造流量爆品：Bobby 的小红书破圈与微信小程序增速经验。 * 从裁判到陪伴：Bobby 如何看待 AI 在留学申请的角色转变，以及背后的深层次伦理与生态影响？ 内容大纲 开场与嘉宾介绍Bobby 的“双面身份”： * 留学生背景 + 创业者 * 为什么选择切入 留学文书评估 这条赛道？ * 从独立开发到产品上线，“零到一”时期的 极简 MVP 策略 项目低成本启动的实操思路 * 如何 用 ChatGPT Store 快速验证想法？ * 外包 + 自身商业管理能力，降本增效的关键 * Prompt 工程：写好提示词让模型拿出更优质的评估结果 探索大语言模型多种用法 * 微调（Fine-tuning）：在小数据集和主流 LLM 间的平衡 * RAG（检索增强生成）：为何最终决定只用模型“原生”能力？ * 提示词与模型性能间的“黑盒”关系：如何理解与驾驭？ AI 在留学行业的冲击与延展 * “AI 来得太快”对留学中介、文书老师乃至学生意味着什么？ * 学生和家长如何看待 AI 自动生成文书的风险与收益？ * 拓宽视野：AI 替换部分人力或改变既有生态，对其他行业有何借鉴？ 如何把产品推到 10 万+ 用户？ * 小红书与微信小程序：精准人群与口碑裂变的阵地 * “倒计时”式付费促成和转化数据背后的营销思路 * 迭代、复盘、再迭代：从种子用户到规模化的“运营秘诀” 未来展望与行业思考 * “从裁判到陪伴”：AI 在教育领域角色进阶与情感连接 * 留学文书评估产品后，还能切入 选校、租房、签证 等增值服务吗？ * 跨行业机会：AI 技术迁移到其他低频高价的领域可否快速落地？ -----------------------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！😊 -----------------------相关词介绍---------------------- Prompt Engineering（提示词工程） 如何给大语言模型（如 ChatGPT）“下指令” 就像和 AI 对话时，你说得越具体、越清晰，它的回答就越准确、越符合预期；如果用词含糊或逻辑混乱，AI 也可能输出偏离主题的内容。 * 实用案例：在“留学文书评估”场景里，如果 Bobby 要让 AI 先读完文本再进行打分，需要设计出一条详细的提示，告诉 AI 具体该怎么评价、用哪些维度评分。这样的提示词设计能显著提高结果的质量与一致性。 微调（Fine-tuning) 在已经训练好的通用大模型上，再利用更少量的特定数据对模型进行“再训练”，让它在某个细分领域表现更好。如果原模型是“通才”，微调后就变成了“专才”，例如把一个通用语言模型微调成“留学申请顾问模型”。 * 潜在风险：如果微调数据不够或质量不过关，模型可能反而更容易“瞎编”或“走极端”，因此选择好训练样本和微调范围是关键。 RAG（Retrieval-Augmented Generation, 检索增强生成 在让 AI 写答案前，先通过一个“检索系统”找出最相关的资料或文本，然后把这些资料提供给 AI，它再基于这些检索到的内容来生成回答。 减少模型“无中生有”的情况，提供更准确或基于实时更新数据的答案（比如链接到最新留学政策、院校信息等）。 * 留学场景示例：Bobby 原本考虑用 RAG 让 AI 同时查看某些“往年名校录取文书库”，再输出评价意见。但在实践中发现模型本身的通用能力也能完成大部分需求，权衡后选择放弃大规模 RAG 方案。 MVP（Minimum Viable Product, 最小可行化产品） 花最小的成本、用最少的功能，先做一个能用的版本，用来测试“有没有人愿意买单或使用”。可以快速验证想法，不用投入大量时间和金钱做一个“全功能却没人用”的产品。 * Bobby 的案例：先在 ChatGPT Store 上做一个小工具，看是否有用户喜欢“文书自动写+打分”，验证后才决定进行小程序开发，大幅降低试错成本。 信息差（Information Asymmetry） 在某个交易或服务中，一方知道的信息远远多于另一方，从而产生机会或不公平。 * 在留学行业的体现：学生或家长不清楚文书到底是人工写的还是 AI 写的，也不知道写得好不好、价值多少；中介则掌握“专业”或“海外关系网”等信息，从中赚取溢价。 * 为何要解决：让信息透明，学生的申请质量才能真正提高，否则就可能被虚高价格或不负责的服务“套路”。 消费型应用（To C）与企业级应用（To B） To C（面向消费者）：直接把产品服务卖给个人，比如 Bobby 小程序的用户就是学生本人或家长。 To B（面向企业）：把产品打包给机构或公司，成批量售卖或提供 API 接入。 差异：To C 强调用户体验和营销推广；To B 更注重可复制性、定制化和企业管理流程。 模型幻觉（Hallucination） 大语言模型有时会“瞎编”或信口开河，说出似乎看起来合理、实则错误的回答。模型只是预测下一词出现的概率，并没有真正“理解”事实；训练数据不足或提示词工程不完善，也会导致幻觉增多。用更精准的提示词，或者用 RAG 检索真实资料，让 AI 不至于胡编乱造。

本期节目临时加录，聚焦最近引发行业热议的开源大模型「Deepseek」。 我邀请到资深大模型研究员刘洋，深入探讨了该模型的独特之处、技术原理、以及其在教育领域和AI人才培养方面的潜在影响。我们还讨论了结合通用大模型的演进路径，探讨了对话式生成模型如何进一步在垂直领域（如教育）发挥作用，并对未来5—10年大模型的发展及其对人才需求的影响进行了预测。 内容大纲 开场与嘉宾自我介绍 * 「Deepseek」开源模型在近期媒体和行业内的热度与影响 * 十年AI领域经验，主要研究对话系统、教育与AI的结合 * 回顾深度学习从萌芽到大模型崛起的行业变迁 从Transformer到大语言模型的演进 * 语言即智能：语言在AI中的地位与重要性 * 「Next Token Prediction」与大模型涌现能力的关系 * GPT系列的发展与「语言+思维」的研究脉络 模型规模与推理能力的关系 * Knowledge（知识）与Reasoning（推理）的双向提升 * 编程数据、数学数据对增强推理能力的帮助 * 「语言+代码」如何训练出更强的综合处理与推理能力 聊「Deepseek」的核心思路 * 纯强化学习（RL）路径与「高质量少量数据」的关键作用 * 与AlphaGo/AlphaZero的类比：自我对弈、自我纠正的重要性 * 下一阶段「Next Token Prediction」与「Chain of Thought」涌现的背后机制 大模型与行业应用的平衡 * 如何看待API调用与自主训练小模型之间的抉择 * 模型蒸馏（Distillation）与领域调优（Domain-specific Tuning）的可行性 * 大模型的通用性 vs. 小模型的垂直效率与成本控制 AI+教育场景：机会与挑战 * 从「AI写作业」到「深度交互」：如何促进真实学习而非偷懒 * 个性化学习、实时反馈与教育资源公平化的展望 * 教师角色与学生学习动机的平衡 对未来5-10年的预测 * 模型规模与性能是否会撞墙？可能出现新范式、新路径 * 「深度学习+强化学习+合成数据」的前景 * 强人工智能（AGI）潜在出现的机遇与风险 -------------------------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！😊 -------------------------相关词介绍------------------------ 1. Large Language Model (LLM)｜大语言模型 在大规模文本语料上进行训练，能够理解并生成自然语言的模型，具备回答问题、写作、对话、推理等多种能力。能够在多种任务（如翻译、摘要、问答等）上表现出通用性， 是当前AI研究与应用落地的主要动力之一。 2. Transformer 架构 由论文《Attention Is All You Need》提出，基于“自注意力（Self-Attention）”机制的神经网络结构。已成为构建大语言模型的主流框架， 以并行计算和高效捕捉序列关系见长，极大提升了模型对长文本的理解与生成能力。 3. GPT（Generative Pre-trained Transformer） OpenAI 提出的系列大模型，以Transformer为基础，先在海量无监督文本上进行预训练，再在有监督数据或指令数据上进行微调（Fine-tuning）。包括GPT-3、GPT-4 等多代模型，引领了对话式AI的“出圈”，为各类自然语言处理应用提供了通用的“语言理解+生成”能力。 4. Emergent Ability（涌现能力） 指大模型在规模扩张或训练策略改变后，突然展现出原本规模较小时所没有的高级能力（如更深层次的推理、复杂的问答能力等）。体现了大模型“量变到质变”的重要特性，也启发研究者在训练过程中关注临界规模、训练方法等关键点。 5. Scaling Laws（扩展性法则） 深度学习中模型性能（如泛化、推理能力）随模型参数量及训练数据规模增加而不断提升的一类规律或经验总结。 为决定“堆多少数据、训练多大模型”提供指导性参考， 也帮助研究者预测进一步扩展规模的收益与潜在瓶颈。 6. Next Token Prediction（下一个词元预测） 许多语言模型的核心训练目标：在给定前文上下文的条件下，预测下一个最有可能出现的词（Token）。通过大量训练，模型能学习到语言结构、上下文含义及部分推理， 是 GPT 系列等自回归模型的根基。 7. Prompt Engineering（提示词工程） 通过精心设计模型输入（Prompt）的方式，引导模型在生成回答时更准确、连贯或满足特定需求。在无需额外微调的前提下，最大化利用现有大模型能力。常用于原型开发或快速实现各种功能（如写作、翻译、代码生成等）。 8. Domain Adaptation / Domain-Specific Tuning（领域适配 / 领域微调） 将通用预训练模型在特定领域（如医学、法律、教育）或特定任务上进行进一步训练或微调，让模型对该领域的问答或推理更精确。提升模型在专业场景中的准确度和可靠性。 常见手段包括小规模微调（Fine-tuning）、指令微调（Instruction Tuning）等。 9. Fine Tuning（微调） 在已有预训练模型的基础上，用少量标注数据再次训练模型，使其针对指定任务或风格进行优化。在不“从头训练”模型的前提下，快速让模型适配某一领域或任务，大幅减少训练成本与数据需求。 10. Synthetic Data（合成数据） 由模型自我生成或通过仿真模拟方法获得的训练数据，用于补充真实数据在规模、场景多样性或隐私等方面的不足。帮助突破“真实世界数据”不足的瓶颈，为模型的持续训练、强化学习等提供更多样且可控的数据源。 11. Reinforcement Learning (RL，强化学习) 在智能体与环境的交互过程中，通过“奖励（Reward）”信号来引导模型学会最优策略的学习方法。AlphaGo、AlphaZero在棋类任务上的成功，推动强化学习成为主流研究热点， 大语言模型可结合RL提升推理能力或生成质量（如RLHF等）。 12. Reward Function（奖励函数） 在强化学习中用于衡量某一步决策或整体策略的好坏程度；以此为依据向模型提供正或负反馈。奖励函数设计直接影响模型收敛速度和最终表现， 如在自动代码生成、数学推理等任务中，通过准确率或测试用例通过率来设置“奖励”。 13. Self-Play / Self-Sampling（自对弈 / 自采样） 强化学习或自博弈（Self-Play）方式中，模型同时充当“对手”，通过内部对弈或自我采样来积累经验并提升决策能力。AlphaZero凭借自对弈学会了远超人类水平的棋类游戏。大语言模型可在特定任务上进行“自问自答”，生成更多训练数据。 14. AlphaGo / AlphaZero DeepMind 公司开发的围棋、国际象棋等AI程序，通过大规模自对弈与强化学习，一举超越人类顶尖水平。让强化学习在复杂博弈场景中大放异彩， 启示“自采样、自博弈”的通用方法，可扩展到更多领域。 15. Chain of Thought（思维链） 指大模型在回答或推理问题时，将推理过程的多步思考显式或隐式地呈现出来的一种方法，如中间计算步骤、逻辑分解等。有助于解决数学题、代码调试等需要多步推理的任务。还能在一定程度上提高模型对答案的准确性与可解释性。 16. Zero-Shot & Few-Shot Learning（零样本 / 少样本学习 * Zero-Shot Learning：模型在未见过该任务或数据的情况下直接完成该任务。 * Few-Shot Learning：模型只需极少量示例就能快速适应新任务。 意义：反映大模型在理解泛化方面的强大能力。在落地时可减少对大规模标注数据的依赖，节省成本。 17. Model Distillation（模型蒸馏） 从一个“大师级”大模型（Teacher）中提取知识并“蒸馏”到较小模型（Student），从而在更低计算成本下获得近似的性能表现。有助于在资源受限环境（如移动端）部署AI能力。让更多团队能以小规模模型进行研究或商用落地。 18. Knowledge Graph（知识图谱） 以实体-关系-实体（如“北京-首都是-中国”）的形式对知识进行结构化表示。使机器能够更好地理解概念间关系，并进行推理。大语言模型通常隐式“学到”部分知识图谱，但也可外部调用显式知识增强回答准确度。 19. Hallucination & Misinformation（幻觉 / 虚构 & 错误信息） 大语言模型在生成文本时，出现与事实不符或凭空编造的内容即“幻觉”，可能导致传播错误或失实信息。是模型内部基于统计相关性而非事实检索的结果。也是许多应用场景（尤其教育和医疗）中最受关注的潜在风险。 20. Cognitive Load（认知负荷） 在教育学和人机交互中，指个体在完成认知任务时需要动用多少心理资源。负荷过大易造成学习效率下降。AI 系统的UI/UX设计应避免信息过载。在智能教育产品中，需要恰到好处地辅助学习而非干扰或替代思考。 21. Personalized Learning / Individualized Education（个性化/差异化学习） 利用AI和大数据手段，为不同学习者制定更契合其水平、兴趣的学习进程、内容与评测方式。可大幅提升学习效率和动机。在资源有限的情况下，也能提供准定制化的教育服务以提高教育公平性。 22. Scaffolding（支架式学习 / 支撑式学习） 教育理论中的概念，为学习者提供恰当的引导或提示，以分阶段、分难度渐进式地掌握新知识。AI 教学系统可以模仿教师思路，提供恰当难度或提示。可帮助学生减少依赖而逐渐独立掌握技能。 23. Feedback Loop（反馈回路） 模型或系统输出结果后，用户或环境对结果的正确性或满意度进行反馈，模型根据反馈进行迭代更新或优化。有助于AI持续改进、适应真实使用场景。教育场景里，通过多轮交互，帮助学生纠错、巩固和提升。

Hello 大家好！欢迎收听教育AI智造者播客。今天这一期，我们邀请到了教育科技领域的资深产品经理Becky，她同时也是一位两岁宝宝的妈妈。通过这一特殊的双重身份，Becky分享了她在AI赋能家庭教育与儿童学习上的独特视角和实践经验。 从她的宝宝通过语音助手自主寻找《西游记》动画片的故事开始，我们展开了一场关于AI如何影响儿童早期认知发展的深度讨论。AI产品如何通过语音交互降低使用门槛，激发儿童的探索欲望？为何一些AI产品能成为孩子的“朋友”，而另一些却让孩子感到挫败？在这个过程中，我们不仅从家长的视角看到了AI的教育潜力，也从产品设计的角度剖析了技术对交互体验的影响。 此外，Becky还分享了她作为母亲如何看待AI与人类情感连接的关系，以及她对低龄儿童AI教育产品未来发展的期待。她提出，AI的角色不仅是知识的传递者，更是陪伴式教育的参与者。通过智能化内容推荐和学习路径定制，AI或许能够真正实现每个孩子的个性化学习旅程。 这一期播客不仅适合关注儿童教育的家长，也适合教育科技从业者和AI开发者。我们一起探讨了AI在家庭教育中的实际应用、潜在风险以及伦理挑战。如果您对AI与教育的结合充满好奇，本期节目将为您带来前瞻性的洞见和深刻的思考。 本期播客将聚焦以下问题： * 如何让两岁儿童通过语音助手自主操作AI工具？ * 大语言模型对儿童教育产品设计的影响和潜力。 * 家庭教育如何在AI辅助下实现减负与提效？ * 儿童的学习兴趣和自我效能如何在与AI的互动中被激发？ * 家长应如何平衡AI工具的使用与人与人之间的情感连接？ 无论您是AI教育产品开发者、教育工作者，还是希望为孩子提供更多学习支持的家长，这期节目都将带来全新的视角与实用建议！ 内容大纲 1. 开场与嘉宾介绍 * Becky的双重身份：产品经理与母亲。 * 宝宝“根根”如何自然地使用AI工具。 * AI产品如何降低交互门槛，让儿童和老人都能轻松使用。 1. 儿童与AI的初次接触 * 根根通过智能电视语音助手找到动画片《西游记》的经历。 * 从语音控制到复杂操作，儿童对AI产品的天然接受力。 1. AI产品与儿童学习的影响 * AI工具如何激发儿童的学习兴趣与探索欲望。 * 儿童在AI互动中获得快速正反馈，增强自我效能。 * AI语音助手与真实玩具对比：技术与场景设计的差异。 1. 教育产品设计与儿童认知发展 * 从精准指令到模糊交互，大语言模型如何增强AI产品的适应性。 不同年龄段对AI工具输出质量的接受程度。 1. AI在家庭教育中的角色 * AI如何减轻父母的教育负担，为亲子互动提供支持。 * 面向儿童的AI产品：工具性与情感连接的权衡。 1. 技术挑战与伦理边界 * 儿童专属AI产品在ASR（自动语音识别）上的改进潜力。 * AI如何在儿童成长中发挥积极作用，避免“过度依赖”的风险。 1. 未来展望 * 理想中的AI教育产品：陪伴式学习与个性化内容生成。 * AI如何推动教育模式的变革，激发儿童的想象力与创造力。 -------------------------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！😊 -------------------------相关词介绍------------------------ 1. 自我效能（Self-efficacy） * 定义：心理学家Albert Bandura提出的概念，指个体对自己完成特定任务或面对挑战的信心和能力判断。 * 相关性：AI工具通过即时、准确的反馈，能显著增强儿童的自信心和学习能力。例如，当语音助手迅速响应儿童需求时，孩子会感到自己能掌控学习工具，增强探索兴趣。 2. 大语言模型（Large Language Model, LLM） * 定义：基于深度学习的AI模型，使用海量文本数据训练，能够生成自然语言内容，如对话、文章和建议。 * 在教育中的应用：帮助生成多样化的教育内容，例如个性化学习材料或与儿童的自然语言互动。在播客中提到的“孙悟空”虚拟助手就是一种LLM的应用。 3. ASR（自动语音识别, Automatic Speech Recognition） * 定义：将语音转化为文本的技术，是语音交互技术的基础。 * 在儿童产品中的挑战：儿童发音常不清晰，语音识别需要针对这些特性进行优化。例如播客中提到的电子玩具“小狗”，由于ASR技术不佳，未能准确识别儿童的指令，导致体验不佳。 4. 最近发展区（Zone of Proximal Development, ZPD） * 定义：由教育心理学家Lev Vygotsky提出，指儿童在他人帮助下能够完成的任务范围。 * 在AI教育中的意义：AI工具可以动态评估儿童的能力范围，为其推送略高于当前水平的学习内容，帮助他们实现“可达最近发展区”的学习目标。 5. Prompt Engineering（提示词工程） * 定义：通过设计精确的输入语句，引导AI模型生成预期结果的技术。 * 在家庭教育中的应用：家长可通过提示词为孩子生成个性化学习资源，如睡前故事、单词卡片或互动问答内容。 6. 教育建构主义（Constructivism in Education） * 定义：教育理论，强调学习是通过学生与环境的主动交互和知识建构实现的。 * 技术拓展：AI工具可帮助学生在互动中主动发现知识，将建构主义学习理论融入具体的学习场景，如动态生成的个性化阅读材料。 7. 多模态交互（Multimodal Interaction） * 定义：通过整合多种感官渠道（如语音、视觉、触觉）实现人机交互。 * 相关性：AI工具通过语音识别、图像生成和文本反馈，增强儿童学习的趣味性与沉浸感。例如，通过AI为儿童提供语音指导与图像反馈的综合学习体验。 8. 情感计算（Affective Computing） * 定义：研究如何让计算机识别、理解和回应人类情感的领域。 * 在儿童教育中的价值：情感计算帮助AI更自然地回应儿童的需求，增强情感链接，特别是在陪伴式学习工具中。 9. 自主学习（Self-directed Learning） * 定义：指学习者主动设定学习目标、选择学习方法并评估学习成效的能力。 * AI的支持作用：AI通过智能推荐、学习路径规划和实时反馈，帮助儿童培养自主学习能力。 10. AI素养（AI Literacy） * 定义：理解、使用和评估AI技术的能力，包括基础知识（如AI原理）、应用技能（如Prompt Engineering）和批判性思维（如识别AI局限性）。 * 教育意义：面向儿童的AI教育课程正逐渐成为主流，帮助他们在日常生活中更有效地使用AI工具。 11. 模型容错率（Model Error Tolerance） * 定义：AI模型在应对错误输入或噪声时的稳定性和适应性。 * 应用示例：对于发音不清晰的儿童，AI模型需要更高的容错率，以避免让儿童在多次尝试后感到挫败。 12. 垂直领域模型（Vertical Domain Models） * 定义：针对特定领域优化的AI模型，如医学、教育或法律领域。 * 在低龄儿童教育中的应用：开发特定领域的语言学习模型，能够更精准地满足不同年龄段和学习目标的需求。 13. 人机协同（Human-AI Collaboration） * 定义：指人类与AI共同合作完成任务的一种新型工作模式。 * 在教育中的体现：AI作为父母和教师的“助手”，分担低价值、重复性任务，让人类专注于更具情感和创造性的教育活动。 14. 家庭教育伦理（Ethics in AI for Family Education） * 定义：在AI技术应用于儿童和家庭教育时，如何避免伦理风险，如隐私保护、偏见控制和内容审核。 * 关键点：需要明确家长对AI互动的控制权，确保AI内容符合教育和文化价值观。 15. 生成式AI（Generative AI） * 定义：能够根据输入生成内容（如文字、图像、语音）的AI模型。 * 在儿童教育中的应用：生成绘本、动画或教学视频，为儿童提供个性化和高互动性的学习体验。 16. 成长型思维模式（Growth Mindset） * 定义：强调智力和能力通过努力可以提升的心理学理论。 * AI工具的支持：通过及时正反馈和定制化学习路径，帮助儿童养成积极的成长型思维。 17. Token * 定义：AI语言模型处理文本时的最小单元，可能是单词、部分单词或标点。 * 开发意义：了解Token可以帮助开发者优化成本和交互设计，特别是在儿童交互频繁的场景中。 18. 教学设计（Instructional Design） * 定义：系统化设计教学内容和方法的学科。 * AI的贡献：通过分析儿童的学习数据，AI可以实时调整教学内容和方法，提高教学设计的有效性。

Hello 大家好！本期播客我们邀请到了拥有15年教学经验的英语老师Carl，与大家分享他如何从一线教师转型为独立开发者，利用AI开发英语学习工具的独特经历。Carl不仅是一位资深英语教育者，更是一位勇于尝试新技术的实践者，从2022年GPT刚发布时就开始探索AI在教育领域的应用。 Carl分享了他如何从最初用AI生成中考英语词汇书，到开发一个完整的英语学习平台LearnMate的历程。他特别强调了如何在AI时代重新定义"编程能力"，以及如何让非技术背景的教育工作者也能借助AI工具实现自己的教育创新想法。这一期尤为不同的是，为了便于自己学习日语，我也给自己开发了一个基于Youtube油管的语言学习系统，所以我们两位来自不同背景的独立开发者，也正好是一次经历的碰撞，聊聊如何基于各自的需求开发语言学习工具，以及对AI辅助编程和教育创新的深入思考。 在这期节目中，Carl深入讲解了教育产品开发的方法论——从用户需求出发的产品设计，到如何利用AI进行快速开发和迭代。他特别指出，独立开发的核心在于找到真实的教育痛点，并强调了"不完美的行动胜过完美的计划"。同时，他还分享了如何平衡技术创新与教学效果，以及如何通过持续的用户反馈提升产品价值。他的经历展示了AI如何让更多教育工作者有机会将自己的教学理念转化为实际可用的工具。 为什么要听这一期： * 了解教育者转型路径：跟随Carl从教师到开发者的转型历程，看传统教育工作者如何在AI时代实现自我突破。 * 掌握AI辅助开发方法：通过实际案例了解如何利用AI降低技术门槛，让教育创新想法快速落地。 * 获取实用的产品开发经验：从需求分析到功能实现，了解如何打造一个实用的教育产品。 * 探索教育产品运营思路：学习如何建立用户基础、收集反馈、提升留存率的实战经验。 * 启发教育创新思维：通过两位开发者的对话，思考AI如何为教育带来新的可能性。 本期播客不仅面向想要尝试独立开发的教育工作者，也适合对AI教育应用感兴趣的听众。如果你想了解如何将教育理念转化为实际产品，或者对AI如何改变教育领域感兴趣，这期节目将为你带来全新的视角和实践启发。 LearnMate官网链接 伊伊子的日语学习工具(Youtube Sensei)链接 , 也可以学习英语/法语/韩语哦~ Carl老师提到的Coursera的AI课: ChatGPT Prompt Engineering for Developers 内容大纲 1. 开场与背景介绍 * 传统语言学习应用（如多邻国）无法满足专业场景需求的困境：每天学习"这是一把伞"这样的基础内容，无法快速掌握剑道相关的专业用语和表达方式。 * 在YouTube观看剑道视频时的灵感启发：发现带有日文字幕的视频可以作为学习素材，由此萌生开发AI辅助语言学习工具的想法，并在一个下午内完成了基础功能的开发。 2. 嘉宾介绍与初次对话 * 介绍本期嘉宾Carl老师：拥有15年英语教学经验，横跨成人教育到K12阶段，目前主要专注于K12教育领域的英语教学工作。 * 建立共鸣：两位嘉宾都是从个人需求出发进行开发，相互体验过对方的产品后发现虽然切入点不同，但都能有效解决语言学习中的实际问题。 3. Carl的AI开发历程 * 2022年GPT发布时的首次尝试：利用AI技术开发中考英语单词书，包含例句、词根词缀、词性等系统内容，将原本需要漫长时间的内容整理工作缩短至两个月完成。 * 早期使用AI工具的艰辛历程：在OpenAI Playground界面上手动复制粘贴内容，面对不稳定的生成质量需要大量修改，但仍坚持使用并不断探索优化方法。 * 对AI的理性认知：既不盲目追捧AI会取代教师，也不过分排斥其局限性，而是通过调整参数（如temperature）等技术手段来提升输出质量，将AI视为协助工具。 4. AI素养与学习方法 * AI素养的系统培养：从最基础的参数调节（如temperature）开始，通过观看YouTube、B站的教程视频和专业课程（如Andrew Ng的深度学习课程、OpenAI的Prompt Engineering课程）逐步建立对AI的深入理解。 * 学习方法的转变：从传统的被动接受知识转向主动实践，强调在实际使用过程中不断调整和优化，通过实践累积经验。 5. 编程学习的新范式 * 传统编程学习的困境：之前几次学习编程都因为缺乏即时反馈而失败，找不到问题所在点导致学习动力不足。 * AI辅助下的编程学习新体验：即便99%的代码由AI生成，开发者仍需要理解需求、验证功能、处理细节，这种新的学习模式让编程变得更加可行。 6. LearnMate产品分析 * LearnMate的核心功能设计：集成了文本分析、语法解析、多语音朗读等功能，着重解决长期教学中发现的"阅读理解+听力训练"结合的需求。 * 真实用户反馈案例：通过60岁用户的使用体验，发现需要更清晰的功能引导，同时也体现了不同学习场景下（如缺乏真实语言环境时）对语法框架的不同需求程度。 7. 独立开发者的特色 * "独立开发者的浪漫"：不受商业目标限制，可以优先实现个人感兴趣的功能（如多口音选择），在保持产品独特性的同时，灵活响应用户需求。 * 开发策略的转变：从传统的市场需求导向，转向先满足个人刚需，再根据用户反馈逐步扩展的开发模式。 8. 产品运营思考 * 用户留存的多维度分析：从感知价值（解决实际问题）、用户动机（内在学习动力）、技术可用性（功能稳定性）、教学效果（学习进度追踪）等多个角度思考产品的持续性价值。 * 数据沉淀的重要性：通过记录个人学习轨迹、展示学习成果来营造成就感，形成良性循环推动持续使用。 9. 未来展望与互动 * 社区建设规划：通过小红书、播客评论区、用户群组等多个渠道收集反馈，建立长期互动机制。 * 独立开发者的未来机遇：探讨AI如何降低技术门槛，使更多教育工作者能够将教学理念转化为实际可用的工具，推动教育创新的发展。 -------------------------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！😊 -------------------------相关词介绍------------------------ 独立开发者（Independent Developer/Indiehacker） 独立开发者指个人或小型团队独立完成软件开发的开发者。他们通常需要身兼数职，从产品构思、设计、编程到推广全程参与。与大公司的开发团队相比，独立开发者更加灵活，可以快速响应用户需求，但也面临资源有限的挑战。在教育科技领域，独立开发者往往能够基于自身教学经验，开发出更贴近实际教学需求的工具。 AI素养（AI Literacy） AI素养是指理解、使用和评估AI技术的能力。它包括对AI基本原理的认知、AI工具的使用技巧，以及对AI局限性的理解。例如，了解AI模型的temperature参数如何影响输出，知道如何编写更好的提示词，以及理解AI可能出现的幻觉现象。在教育领域，良好的AI素养可以帮助教育者更好地利用AI工具提升教学效果。 自我效能（Self-efficacy） 自我效能指个人对自己是否能够完成特定任务的信念和判断。它不同于简单的自信，而是建立在对自身能力的准确认知基础上。例如，一个教师虽然没有编程背景，但相信通过AI辅助可以开发出有价值的教育工具，这种信念就体现了自我效能。高自我效能的人更容易在面对困难时保持坚持，并愿意尝试新的挑战。 Banking System/Model 这是一个教育理论概念，用来描述传统的教育模式，其中知识被视为可以存取的固定内容，教师像银行柜员一样"存入"知识，学生被动地"提取"知识。这种模式忽视了学习的互动性和创造性。例如，传统语言教学中机械的词汇记忆和语法练习就是典型的banking system表现。 Project-Based Learning（项目制学习） 项目制学习是一种以实际项目为中心的学习方式，强调通过完成具体项目来获得知识和技能。例如，让学生通过开发一个小型应用来学习编程，或通过创作视频来练习语言表达。这种学习方式的特点是注重实践、强调过程，并能培养综合能力。 User Journey（用户旅程） 用户旅程描述了用户使用产品的完整体验过程，从首次接触到持续使用的各个阶段。在教育产品中，这包括用户如何发现产品、注册账号、开始学习、获得反馈、达成目标等全过程。了解用户旅程有助于优化产品设计，提供更好的学习体验。 User Retention（用户留存） 用户留存指产品保持用户持续使用的能力。它受多个因素影响，包括： * 感知价值（用户对产品价值的认可程度） * 使用动机（用户学习的内在或外在动力） * 技术可用性（产品的易用程度） * 教学效果（学习目标的达成程度）在教育产品中，好的用户留存往往需要将这些因素有机结合。 Temperature（温度参数） AI模型中的一个重要参数，用于控制输出的随机性和创造性。取值范围为0-1，较低的值（接近0）会使输出更加确定和保守，较高的值（接近1）会使输出更加多样和创造性。在教育应用中，可以根据不同场景调整temperature，例如生成标准答案时使用较低的值，生成创意写作提示时使用较高的值。 Formative Assessment（形成性评估） 形成性评估是一种持续性的评估方式，注重在学习过程中收集反馈并及时调整教学策略。与传统的总结性评估（如期末考试）相比，形成性评估更强调过程和改进。在语言学习工具中，这可能表现为实时的学习反馈、进度追踪和个性化建议。 API（应用程序编程接口） API是不同软件系统间通信的接口标准。在AI开发中，通过调用API，开发者可以方便地使用各种AI模型的功能，而不需要了解其内部实现细节。比如通过GPT的API，教育工具可以实现自动批改、个性化辅导等功能。 自然语言处理（Natural Language Processing, NLP） 自然语言处理是AI的一个重要分支，专门研究计算机理解和处理人类语言的方法。在语言学习工具中，NLP可以用于自动分析句子结构、识别语法错误、生成例句等功能。这使得学习工具能够提供更智能和个性化的语言学习体验。 Token 在AI语言模型中，token是文本被切分的最小单位，可能是单词、部分单词或标点符号。了解token概念对于开发者很重要，因为它影响API调用的成本和效率。例如，在设计对话系统时，需要考虑token数量的限制，合理规划内容长度。

Hello 大家好！本期播客邀请了教育科技领域的独立开发者张扬，带你深入了解他如何运用AI和知识图谱重新定义学习体验。张扬不仅是一位教育极客，还是一位在教育科技和AI领域拥有丰富开发经验的实践者。 张扬分享了他从传统IT转型为教育科技开发者的旅程，从最早的备课工具到数学和生物学知识图谱的开发，他一直致力于通过AI和独特的教学工具来提升学习效果。他的项目让学生能够通过互动式知识地图掌握学习内容，不再局限于传统的“刷题”，而是进入高效的“心流”状态。 在这期节目中，张扬深入讲解了他的开发方法论——从需求驱动的“蓝图”设计，到如何逐步实现每个功能模块，帮助小白开发者也能顺利入门。他特别强调，独立开发的核心在于找到真实的用户痛点，将生活中的灵感转化为具体的产品功能，并通过AI和知识图谱技术实现跨学科的个性化学习。他还分享了跨学科融合在未来教育中的巨大潜力，探讨如何通过智能化学习系统为学生提供千人千面的知识体验。 张扬的分享不仅对技术爱好者有启发，对教育者也大有裨益。他讲述了如何通过不断的迭代、用户反馈和独立开发实现创新，同时探讨了“行动差”与“信息差”在独立开发中的关键作用。 为什么要听这一期： * 了解独立开发者的思维方式：张扬从构思、设计到产品推广的全流程，揭示独立开发者如何通过AI和创新实现教育变革。 * 探索知识图谱在教育中的应用：张扬用生动的例子解释知识图谱如何帮助学生系统化学习，进入深度理解的“心流”状态。 * 实用的开发方法论：从需求驱动的开发逻辑到技术的具体实现，他为小白开发者提供了宝贵的指导，如何以最小成本实现最大效果。 * 跨学科融合的未来：理解AI在未来教育中的应用潜力，如何将语文、历史、数学等学科内容结合，让学习内容更具关联性和启发性。 * 激发教育创新的灵感：张扬对教育科技的深入思考和探索，将带你洞见如何通过技术手段优化学习过程，真正实现“因材施教”。 本期播客充满了对教育和技术创新的深度见解，从独立开发者的实践经验到AI在教育中的广泛应用，如果你对教育科技和独立开发有兴趣，这期节目将为你带来全新的视角和灵感！ 张扬打造的关于数学的知识图谱github链接 内容大纲 1. 开场及引入 * 主持人一一子介绍独立开发者的独特性：像“全能艺人公司”，从需求发现到开发和推广全程自主完成。揭示独立开发者在教育科技领域的价值和挑战。 * 嘉宾张扬背景介绍：从IT转型为教育科技领域的独立开发者，分享其在AI和教育交汇中的开发经验。 2. 独立开发之路：从IT到教育科技 * 跨界动机：张扬讲述如何从IT领域转型到教育科技，背后的动力源于对教育痛点的深刻理解，以及对技术如何赋能教育的独到见解。 * 独立开发的优势：为什么选择独立开发而非团队合作。张扬提到技术进步大幅提升了个人开发效率，使独立开发成为可能。 3. 项目演变：从备课工具到知识图谱 * 开发历程：从备课工具到数学知识图谱，再到生物学知识图谱，张扬一步步将开发领域细化，专注于满足具体的学习需求。 * 知识图谱的智能学习体验：如何通过互动式学习地图帮助学生理解复杂知识体系，实现高效学习，而不仅仅依赖“刷题”。 4. 独立开发的方法论：从需求到产品的逻辑 * 需求驱动的开发理念：强调找到真实需求是产品成功的关键。张扬建议，独立开发者应从个人切身体会的痛点出发，将其转化为明确的产品需求，而非盲目追随市场热点。 * 从“建筑师”的角度进行产品设计：像建房子一样，先找好“地基”和“蓝图”，再进行功能实现。张扬指出，前期规划（如功能列表和用户故事）比编写代码更重要。 * 合理利用AI提高效率：张扬分享如何将AI用于开发中的细节任务，如代码自动生成和测试优化，但在项目的初期规划和架构设计阶段仍需开发者自身的深度思考。 5. 小白的入门指南：逐步掌握独立开发的关键技能 * 以终为始：从最终想要解决的问题出发，列出所有想实现的功能，用思维导图梳理需求。区分核心功能和可选功能，避免一开始追求过多复杂性。 * 学习基础技能，而非钻研细枝末节：对数据库、API等技术术语有基本了解即可，技术的具体实现可以交给AI工具处理。张扬建议从“竞品分析”开始，通过学习现有工具找到自己的差异化特点。 * 迭代与反馈：产品开发过程中，持续将初步的功能和设计与用户需求对比，做出调整。保持灵活性，有助于更快地达到符合预期的效果。 6. 跨学科融合与个性化学习的未来 * 跨学科教学的可能性：AI技术不仅能帮助学生在某一学科深入学习，还能整合多学科知识。例如，将语文、历史、地理内容结合，通过知识图谱展示，让学生体验“千人千面”的个性化学习路径。 * 打破一刀切的教学模式：提供灵活的学习内容，满足不同学生的个性化需求，实现真正意义上的“因材施教”。 7. 行动差与信息差：突破独立开发的瓶颈 * 主动探索的价值：张扬指出，很多人认为行动成本高，是因为信息获取不足。独立开发者需要通过主动学习，缩小“信息差”，以降低行动门槛。 * 避免重复发明轮子：利用已有工具和开源资源，加快开发进度。例如，参考GitHub上已有的解决方案，而非从头开始开发每一个功能。 -------------------------关于伊伊子------------------------ 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！😊 -------------------------相关词介绍------------------------ 独立开发者 独立开发者是指一个人或一小组人独立完成软件或产品开发的人员，从需求发现、设计到编程和推广都由自己完成。与大型团队不同，独立开发者的角色更为多样化，通常需要具备多种技能，如编程、产品设计、市场推广等。 知识图谱 知识图谱是一种数据结构，用来表示各种知识点及其相互关系。比如在数学中，可以用知识图谱来展示不同公式之间的推导关系，帮助学生直观理解和记忆。知识图谱常与AI结合，形成智能学习系统，让用户通过点击某个知识点获取详细解释和相关信息。 需求驱动开发 需求驱动开发是指以用户的实际需求为出发点进行产品设计和开发。它强调开发者要深入理解用户面临的问题，并将这些痛点转化为产品的功能和特性，而不是为了开发而开发。需求驱动的理念可以提高产品的实用性和市场价值。 心流（Flow） 心流是一种沉浸式的心理状态，人在全神贯注进行某项活动时会进入这种状态。对于学习来说，心流状态可以提升专注力和学习效率，让学生更轻松地吸收知识。 软件工程 软件工程涉及软件开发过程中的所有步骤，包括需求分析、设计、编码、测试和维护。张扬提到的软件工程方法注重前期的规划，比如功能需求、数据架构等，以确保项目的成功。 API（应用程序编程接口） API是一组定义了不同软件系统之间如何相互通信的规则。它让开发者可以轻松调用其他软件的功能，而不需要了解其内部实现原理。举例来说，某个天气应用可以通过API获取最新的天气数据。 数据库 数据库是用来存储、管理和检索数据的系统。在开发教育工具时，数据库可以用来存储学生的学习记录、知识点的关系等信息。常见的数据库类型包括关系数据库（如MySQL）和图数据库（如Neo4j），分别适用于不同的数据存储需求。 开源 开源是指将软件的源代码公开，允许其他人自由使用、修改和分发。开源项目通常由社区开发和维护，有利于技术的共享和快速创新。张扬提到的开源知识图谱项目就是一个例子。 竞品分析 竞品分析是指分析和评估市场上类似的产品，以找到自己的产品在功能或体验上的差异化优势。通过了解竞争对手的强项和弱点，开发者可以更好地设计自己的产品，提高竞争力。 PRD（产品需求文档） PRD是一份详细说明产品功能和需求的文档。它包括产品的目标、用户需求、功能列表等信息，用于指导开发过程。PRD在独立开发中尤为重要，因为它帮助开发者明确项目的方向和范围。 GitHub GitHub是一个广泛使用的代码托管平台，开发者可以在上面发布和分享代码，参与开源项目。它还提供项目的版本控制功能，方便团队或个人在开发过程中进行协作。 黑箱思维 黑箱思维是指在使用工具或技术时，不需要了解其内部细节，只需知道如何使用就足够。例如，使用计算机时，我们不需要知道计算机的具体工作原理，只要知道如何操作即可。这种思维可以帮助开发者快速上手工具。 穷举功能（Feature Enumeration） 穷举功能是指在开发项目初期列出所有可能的功能点。通过这种方式，开发者可以全面了解项目的需求，并根据优先级进行筛选和迭代。张扬建议在开发的初期进行这种“头脑风暴”式的功能列举，有助于明确项目的核心需求。 迭代开发 迭代开发是一种软件开发方法，强调不断进行小步改进，逐步完善产品。每次迭代会在前一次的基础上增加或调整功能，以应对不断变化的用户需求和反馈。这种方法适合独立开发者灵活调整开发方向。 心智模型（Mental Model） 心智模型是人们对现实世界的理解方式或思维框架。对于开发者来说，心智模型可以帮助他们更好地理解用户需求，并将这些需求转化为具体的产品功能。张扬提到心智模型时，是在强调开发者需要从用户的角度思考问题。 MVP（最小可行产品） MVP指的是一种包含最基本功能的产品版本，用于测试市场反应。它可以帮助开发者快速验证产品的核心假设，减少开发成本和风险。对于独立开发者来说，先推出MVP可以获得早期用户反馈，再进行后续的功能扩展。 数据逻辑 数据逻辑指的是数据在系统中的组织方式和处理流程。它包括数据的输入、存储、处理和输出方式。张扬提到，数据逻辑是软件开发中的核心之一，直接影响系统的性能和用户体验。 技术栈（Tech Stack） 技术栈是指开发某个软件项目时使用的所有技术和工具的组合，包括编程语言、数据库、前端和后端框架等。选择合适的技术栈可以提高开发效率，降低维护成本。

Hello 大家好！本期是我和Udemy资深AI讲师Nathan的一场关于AI素养与在线教育的深度对话。 Nathan是一位经验丰富的Udemy讲师，他在平台上开设了多门生成式AI和ChatGPT相关课程，并通过实践验证了“学习—应用—教授”三步曲的学习方法。他不仅致力于教会学生如何使用AI工具，更希望引导他们理解AI背后的原理，进而将其应用于生活和工作中。 在节目中，Nathan分享了他如何通过不断的试错和探索，开发出适合不同学员的课程内容。从最初在CC Talk的尝试到成为Udemy平台上备受好评的讲师，Nathan的教育旅程充满了挑战和突破。他特别强调了费曼学习法、迁移能力，以及学生在不确定性中如何循序渐进地学习AI素养。Nathan还揭示了他对在线教育商业化的看法，以及如何在学生反馈的基础上持续迭代和优化课程。 这一期的播客充满了对教育创新的深入思考，从在线教育的挑战与机会到AI素养的培养与应用。如果你对AI在教育领域的应用、在线课程的开发经验，或者教育者如何引导学生迈向不确定的未来感兴趣，这一期一定会为你带来新的视角和启发。 为什么要听这一期： * 深入理解AI素养： Nathan从多个角度解读AI素养的重要性，探讨如何让学生掌握AI工具的原理并能灵活应用。 * 在线教育的真实经验： 听Nathan分享他在Udemy平台开发课程的经历，如何通过学生反馈不断调整课程内容以适应不同的学习需求。 * 教育中的创新思维： 从费曼学习法到迁移能力，了解如何通过有效的方法提高学生的学习效率和应用能力。 * 对在线教育商业化的见解： Nathan对于课程设计和商业化的独特看法，以及如何平衡教育价值和经济收益。 * 启发教师和学习者： 听取Nathan关于AI素养和课程设计的深度分享，让你获得更多关于如何引导学生学习和成长的灵感。 这一期播客带你探索如何在AI时代通过教育创新培养未来人才，Nathan的故事和经验将为你提供深刻的见解与启发，让你在不断变化的教育领域中找到自己的方向。

Hello 大家好！今天我邀请到了AskSia产品负责人吴科锦，来分享他们团队在AI教育领域的创业历程与产品创新。吴科锦作为大学毕业即投身AI教育创业的年轻创业者，他的经历充满了勇气与深思。他选择放弃留学，全心投入到AI助教产品的开发中，为学生们带来了全新的自主学习体验。 AskSia是一款面向全球学生的AI助教工具，特别针对留学生和大学生用户，帮助他们在学习中更好地掌握知识。吴科锦与他的团队通过创新的“思维链”技术（Chain of Thought），帮助学生将复杂的问题分解成多个易于理解的小步骤，大大提升了学习效率与用户体验。他们重视用户反馈，不断优化产品设计，让学习过程更贴合学生的需求。 本期播客不仅揭示了AskSia产品背后的故事，还深入探讨了AI如何在教育领域实现个性化学习、提升学习效果，以及AI助教如何与人类教师协作，推动教育的未来发展。如果你对教育技术、大模型应用、或者创业心路感兴趣，这一期绝对不容错过！ 为什么要听这一期： * 了解创业者的真实故事：听吴科锦分享他从大学毕业到全心投入AI教育创业的历程与思考。 * 洞悉AI教育的前沿产品：了解AskSia如何通过技术创新，解决学习中的痛点，为学生提供更加个性化的学习体验。 * 激发对教育未来的思考：AI技术如何改变传统教育模式？人类教师和AI助教之间如何协作？这一期带你一同探索教育改革的前沿。 * 真实且实用的经验分享：吴科锦与团队的市场推广策略、用户调研方法，以及面对挑战时的选择，都能为教育创业者和AI从业者提供宝贵的参考。 准备好深度思考与灵感碰撞吧，这一期播客将带你领略AI如何为教育注入全新活力，激励你在AI时代的学习与成长旅程中不断前行。 内容大纲： 产品背景与团队的创业故事 * AskSia AI学习产品的开发背景与初衷。 * 吴科锦的创业心路历程：大学毕业即投身AI教育创业的决定。 * AI 教育工具在当代的作用和使命。 大模型技术的爆发与教育改革 * 生成式AI技术的应用如何推动教育创新。 * AI助教产品如何帮助学生突破传统学习障碍，提供个性化学习路径。 产品定位与核心设计理念 * AskSia的产品定位：从学习辅助工具到学习的全方位助力。 * 核心设计理念：如何通过“思维链”COT技术帮助学生更好地理解复杂知识点。 * “用户需求驱动”是产品迭代的关键，通过用户调研反馈不断改进。 从交互设计到用户体验 * 交互设计的创新：思维链与用户体验的结合，如何使用户在处理复杂问题时更高效、更有条理。 * 核心模块与功能：如何通过“提示词工程”转化为用户友好的界面，帮助学生自我调节学习节奏。 * 产品的四大核心功能：作业解题、知识点拆解、个性化学习路径、及时反馈。 AI辅助学习的优势与挑战 * AI助教的最大优势：帮助学生根据个人需求定制学习路径，提升学习效率。 * 产品设计的挑战：如何平衡学习辅助与自主学习，避免学生过度依赖AI。 * AI助教如何通过正面反馈激励学生持续学习，保持动力。 面向未来的个性化教育解决方案 * 未来愿景：通过知识树、跨学科关联，实现大规模个性化教育。 * AI与人类教师的协作：AI提供工具与资源，教师提供引导与支持，共同实现因材施教。 * AI助教对教学角色的重塑：教师从单纯的内容提供者转变为教学设计师。 目标用户群体分析与产品落地 * 目标用户群体：留学生、大学生为主，未来将逐步扩展到更广泛的用户群体。 * 用户反馈如何驱动产品改进，尤其是通过社媒收集用户反馈。 * 市场策略与增长路径：从广告投放到依赖社交媒体的自然增长，分享团队在增长过程中的经验与教训。 -------------------------关于伊伊子------------------------ 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！😊 -------------------------相关词介绍------------------------ AI助教（AI Tutor） AI助教是一种利用人工智能技术设计的教育辅助系统，旨在模拟人类教师的部分功能。它能够根据学生的学习进度、强项和弱点提供个性化的学习内容和反馈。AI助教可以24/7全天候为学生提供支持，回答问题，解释概念，甚至评估学生的作业。在大规模教育中，AI助教可以帮助缓解教师资源不足的问题，同时为每个学生提供更多的个性化关注。然而，AI助教也面临着理解复杂语境、提供情感支持等方面的挑战。 思维链（Chain of Thought, COT） 思维链是一种先进的AI推理技术，旨在提高AI系统解决复杂问题的能力。这种方法通过模拟人类的逐步思考过程，将复杂问题分解为一系列小步骤。每个步骤都包含中间推理过程，使AI能够"解释"它是如何得出结论的。在教育中，思维链方法可以帮助AI助教提供更详细、更有逻辑的解答，使学生不仅知道答案，还能理解得出答案的过程。这对于培养学生的批判性思维和问题解决能力特别有价值。 Fine-tuning（微调） Fine-tuning是一种机器学习技术，用于调整预训练模型以适应特定任务或领域。在AI教育中，fine-tuning扮演着关键角色，使得通用的大语言模型能够更好地适应教育场景。这个过程通常包括以下几个步骤： * 选择基础模型：从已经在大规模数据上预训练的模型开始，如GPT或BERT。 * 准备特定领域数据：收集与教育任务相关的数据，如学科特定的问答对、教学对话或习题解析。 * 调整模型参数：使用准备好的教育数据对模型进行进一步训练，调整模型的权重以更好地适应教育任务。 * 评估和迭代：测试微调后的模型在特定教育任务上的表现，并根据需要进行进一步调整。 Fine-tuning在AI教育中的应用广泛而深远： * 学科专精：可以为不同学科（如数学、物理、历史）创建专门的AI助教，它们能够理解和回答特定学科的专业问题。 * 教学风格适配：通过fine-tuning，AI可以模仿特定的教学风格或方法论，如苏格拉底式问答或费曼技巧。 * 语言和文化适应：对于跨文化教育平台，fine-tuning可以帮助AI理解和使用特定文化背景下的教育术语和表达方式。 * 个性化学习：通过对个别学生或小群体的学习数据进行微调，AI可以提供更加个性化的学习体验。 Fine-tuning的优势在于它能够在保留预训练模型广泛知识的同时，使模型在特定教育任务上表现出色。然而，这个过程也面临着一些挑战，如如何平衡通用知识和专业知识，以及如何避免过拟合等。在快速发展的AI教育领域，fine-tuning技术的应用正在不断推动个性化学习和智能教学的边界，为创建更有效、更适应性强的教育AI工具提供了重要支持。 提示词工程（Prompt Engineering） 提示词工程是AI应用开发中的一项关键技能，涉及设计、优化和调整输入到AI模型的提示（prompts）。一个好的提示可以引导AI生成更准确、更相关、更有用的输出。在教育领域，提示词工程可以帮助开发者创建更有效的AI教学工具，例如能够生成针对特定学习目标的问题，或者能够以特定的教学风格解释概念。提示词工程师需要深入理解both AI模型的能力和教育学的原理，以创造出最佳的学习体验。 建构主义学习理论 建构主义学习理论是一种教育哲学，强调学习是一个主动的、情境化的过程，学习者基于自己的经验和先前知识构建新的理解。这种理论认为，知识不是简单地从教师传递到学生，而是由学生通过探索、实验和反思来构建的。在AI教育中，建构主义理论可以指导开发更互动、更探索性的学习环境。例如，AI系统可以根据学生的背景知识和兴趣定制学习材料，鼓励学生提问和探索，而不是被动地接受信息。 脚手架（Scaffolding） 脚手架是一种教学策略，源于心理学家维果茨基的近端发展区理论。它指的是教育者提供的临时支持，帮助学习者完成他们目前独立无法完成的任务。随着学习者能力的提高，这些支持逐渐减少。在AI教育中，脚手架可以通过智能系统动态调整难度、提供及时反馈和提示来实现。例如，一个AI助教可能首先提供详细的问题解决步骤，然后随着学生熟练度的提高，逐渐减少指导，鼓励学生独立思考。 混合式教学 混合式教学是结合传统面对面教学和在线学习的教育方法。在AI教育的背景下，混合式教学进一步扩展为人类教师和AI助教的协作模式。这种方法利用了AI的优势（如个性化学习路径、即时反馈、大规模数据分析）和人类教师的优势（如情感支持、复杂问题的解读、创造性思维的培养）。例如，AI可以处理日常的作业批改和基础问题解答，而人类教师则可以集中精力于更高层次的教学活动，如课程设计、复杂概念讲解和学生辅导。 用户生成内容（User Generated Content, UGC） 用户生成内容指的是由产品或服务的最终用户（而非产品所有者）创建的任何形式的内容。在AI教育平台中，UGC可能包括学生的问题、答案、学习笔记、学习心得等。UGC不仅可以丰富学习资源，还可以为产品开发提供宝贵的反馈。通过分析UGC，开发者可以了解用户的真实需求和痛点，从而改进产品。此外，优质的UGC还可以成为平台的宣传材料，吸引新用户。然而，管理UGC也面临着质量控制和版权等挑战。 AI出海 AI出海是指中国的AI公司或产品进入国际市场的战略。这个趋势反映了中国AI技术的快速发展和全球化野心。对于教育AI产品来说，出海面临着多方面的挑战，包括语言和文化适应、不同教育系统的需求差异、数据隐私法规的遵守等。成功的AI教育产品出海策略往往需要深入了解目标市场的教育体系和学习文化，并根据当地需求进行产品本地化。同时，国际化也为这些产品提供了更大的市场和更多样化的用户反馈，有助于产品的进一步优化和创新。 Copilot（副驾驶）模式 Copilot模式是一种人机协作的范式，强调AI作为人类的辅助工具，而非完全替代。在教育领域，Copilot模式意味着AI不是取代教师或学生，而是增强他们的能力。例如，在写作课程中，AI可以作为学生的"写作伙伴"，提供词语建议、语法纠正，甚至是创意灵感，但最终的创作决策仍由学生做出。对于教师，AI可以协助备课、批改作业，使教师能够将更多精力放在个性化教学和情感交流上。Copilot模式强调了人类判断和创造力的重要性，同时利用AI来提高效率和扩展能力。 知识图谱 知识图谱是一种结构化的知识表示方式，用图形化的方式展示概念之间的关系。在AI教育中，知识图谱可以用来表示学科知识体系，帮助AI系统理解知识点之间的联系，从而提供更智能的学习建议。例如，一个数学知识图谱可以展示不同数学概念之间的依赖关系，AI系统可以基于此为学生规划最优的学习路径。知识图谱还可以帮助学生直观地理解知识体系，发现知识盲点，促进跨学科学习。在更高级的应用中，AI可以通过分析学生的学习行为，动态更新和个性化知识图谱，为每个学生创建独特的知识网络。

各位听众朋友们, 还记得那些深夜工作或者备课,为一份PPT绞尽脑汁的日子吗? 作为教师,我们都曾面临过这样的挑战: 花费数小时调整排版,却总觉得不够美观;绞尽脑汁选择配色方案,生怕出现"审美灾难";努力构思内容,却担心无法完全覆盖教学要点;小心翼翼地添加动画,希望能提高学生兴趣又不失专业性。更重要的是,我们还需要确保每一页都符合教学标准,同时照顾到不同学习水平学生的需求。这一切,往往让一份看似简单的PPT变成了一项耗时耗力的巨大工程。 但是,教育科技的发展正在改变这一切。今天,我们很荣幸邀请到教育科技专家高寒,为我们深入探讨他们的最新产品——蚂蚁AI学习,以及AI技术如何彻底改变教师制作和使用PPT的方式。 在这一集中,我们将重点讨论以下四个方面: * AI驱动的智能课件:从传统PPT到互动式教学工具的进化 * 效率与个性化的平衡:AI如何在标准化和定制化之间寻找最佳点 * 教师角色的转变:从PPT制作者到教学设计师的蜕变 * 未来课堂展望:智能课件如何融入更广泛的AI辅助教学生态系统 无论您是一线教师,还是对教育创新感兴趣的听众,这一集都将为您开启一扇通往未来课堂的窗口。加入我们,一起探索AI如何将教师从繁琐的PPT制作中解放出来,让我们能够更专注于教学设计和学生互动。 现在收听,了解您的下一堂课可能会如何因为AI的加入而变得更加生动有趣! 内容大纲: 蚂蚁AI学习产品背景与诞生 * 教育科技行业的十年演变 * 大模型技术爆发与教育改革的交汇点 * 教育改革正处于"爆发的临界点" 产品定位与设计理念 * 从"终端到终端"的全流程解决方案 * 教师备课痛点分析 * 产品设计的取舍 核心功能与技术实现 * 四大核心模块: 词汇、语法、阅读理解、考试备考 * 符合课程标准的互动性课件生成 * 将"提示词工程"转化为用户友好的界面交互 AI辅助教学的优势与挑战 * 提高备课效率,释放教师创造力 * 实现课堂游戏化和个性化教学 * AI可能带来教育行业的"弯道超车" 目标用户群体分析 * "六边形战士"vs 普通教师 * 新手教师的赋能工具 * 产品设计聚焦于"最需要帮助的教师群体" AI对教师角色的重塑 * 从内容制作者到教学设计师 * 教学经验传递的新模式 * 未来教师可能需要分享"教学思维"而非简单的课件 大规模个性化教学的可能性 * AI辅助一对多教学 * 名师资源的规模化应用 * 如何实现大规模的因材施教? 人工智能在教育中的局限性 * 情感交互的不可替代性 * 青少年教育vs成人学习的差异 * 即使在AI时代,人与人之间的连接仍是教育的核心 -------------------------关于伊伊子------------------------ 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！😊