1. 一个让人又爱又恨的现状打开任何一个号称“AI 学习助手”的产品十有八九你会看到一个熟悉的界面一个输入框下面配一个发送按钮旁边可能还有几个预设的提示词模板。你问它一道数学题它给你一段推导你让它解释一个概念它给你一段文字你让它出几道练习题它给你几道题——然后呢然后就没有然后了。这个现象我观察了挺长时间。从最早一批基于大语言模型做学习工具的产品开始到后来各种“AI 家教”“AI 陪练”“AI 刷题助手”层出不穷绝大多数产品的交互形态几乎没有变过——就是一个聊天框。你可能会说聊天框不是挺好吗自然语言交互门槛低什么都能问。这话没错但问题恰恰出在“什么都能问”这五个字上。聊天框的本质是一个通用容器。它不预设任何学习路径不强制任何学习节奏不提供任何结构化的反馈。它把所有的组织责任都推给了用户——你得知道自己要问什么你得知道怎么问你得知道问完之后怎么判断答案对不对你得知道下一步该干什么。对于一个自律性强、基础扎实的学习者来说这或许够用。但对于绝大多数需要“学习工具”的人来说这恰恰是他们最不擅长的事情。我拿一个具体的场景来说明。假设一个初中生想用 AI 工具复习一元二次方程。在聊天框里他可能会输入“帮我讲讲一元二次方程”。AI 会给他一段解释包括定义、求根公式、判别式等等。他看完之后可能觉得自己懂了也可能觉得没懂。如果没懂他得自己想“我到底是哪里没懂”然后组织语言再问。如果觉得懂了他得自己想“我是不是真的懂了”然后自己找题做。做完题之后他得自己对答案自己分析错因。整个过程中AI 只承担了“回答”这一个环节而学习中最关键的“诊断—规划—执行—反馈—调整”闭环全部由用户自己完成。这就引出了一个核心问题聊天框是一个交互形式不是一个学习产品形态。它解决了“能不能问”的问题但没有解决“怎么学”的问题。而学习工具的核心价值恰恰应该落在后者身上。2. 为什么聊天框成了默认选项要理解为什么现在的 AI 学习工具大多长成一个聊天框得从技术路径和产品逻辑两个层面来看。2.1 技术路径的惯性大语言模型的能力展示最早就是通过对话形式呈现的。从最早的对话式 AI 到后来的各种大模型产品聊天框是最自然的交互界面——它模拟了人与人之间的交流方式用户不需要学习任何新的操作逻辑打开就能用。对于开发者来说做一个聊天框的成本也最低前端一个输入框加一个消息列表后端调用模型接口把用户输入拼进提示词再把模型输出渲染出来一个“AI 学习工具”的原型就出来了。这种低门槛的开发路径导致大量产品在形态上高度趋同。你去看市面上那些 AI 学习工具底层可能用的是同一个或几个模型提示词工程的水平参差不齐但界面几乎一模一样。这不是因为聊天框是最好的学习交互形式而是因为它是最容易做出来的形式。2.2 产品逻辑的偷懒更深层的原因在于很多做 AI 学习工具的人并没有真正理解“学习”这件事的复杂性。他们看到大语言模型能回答问题就默认“能回答问题”等于“能帮助学习”。但实际上回答问题和帮助学习之间隔着一条很宽的河。学习是一个有目标、有路径、有反馈、有调整的过程。一个好的学习工具需要知道学习者的当前水平需要知道学习目标需要规划从当前水平到目标之间的路径需要在学习过程中不断诊断学习者的状态需要根据诊断结果调整后续内容。这些事情聊天框一个都做不了——或者说聊天框把做这些事情的负担全部转嫁给了用户。我见过一些产品在聊天框旁边加了一些功能按钮比如“出题”“讲解”“总结”。这算是一点进步但本质上还是在聊天框的框架里打转。用户点了“出题”AI 出一组题用户做完题还得自己对答案对完答案还得自己判断下一步。整个流程依然是断裂的。2.3 一个被忽视的事实还有一个容易被忽视的事实聊天框对用户的认知负荷要求很高。用户需要自己把学习需求翻译成清晰的提示词需要自己判断 AI 的回答是否可靠需要自己把 AI 的碎片化回答整合成知识体系。这些能力恰恰是初学者最欠缺的。一个真正好用的学习工具应该降低而不是提高用户的认知负荷。它应该替用户完成那些用户不擅长的事情比如诊断薄弱点、规划学习路径、设计练习序列、分析错误模式。聊天框把这些全部推回给用户本质上是一种产品设计上的偷懒。3. 学习工具到底应该长什么样既然聊天框不够用那什么形态才够用这个问题没有标准答案但可以从几个维度来思考。3.1 从“问答”到“流程”学习工具的核心不是“回答”而是“流程”。一个好的学习工具应该像一个有经验的老师知道什么时候该讲什么时候该练什么时候该测什么时候该复习。它应该有一个内在的流程引擎根据学习者的表现动态调整。举个例子。一个理想的数学学习工具在用户进入之后应该先做一个简短的诊断判断用户当前的知识水平。然后根据诊断结果生成一个学习路径比如“先复习因式分解再学一元二次方程的解法然后练判别式的应用最后做综合题”。在用户学习的过程中工具应该持续收集数据——做题的正确率、耗时、错误类型——然后动态调整路径。如果发现用户在某个知识点上反复出错就自动插入额外的讲解和练习如果发现用户掌握得很好就加快进度。这个流程聊天框做不了。它需要一个结构化的界面可能需要一个知识图谱来支撑路径规划需要一个数据层来记录和分析学习行为需要一个推荐引擎来动态调整内容。这些东西加在一起才构成一个真正的学习工具。3.2 从“文本”到“多模态”聊天框的另一个局限是它几乎只能处理文本。但学习这件事很多时候需要图形、声音、动画、交互。比如学几何光靠文字描述“三角形内角和为180度”是不够的你需要一个可以拖拽的三角形让用户自己把三个角拼在一起亲眼看到它们组成一个平角。比如学物理光靠公式推导是不够的你需要一个可以调节参数的模拟实验让用户自己观察变量之间的关系。现在的 AI 学习工具绝大多数还停留在文本层面。少数产品开始加入图片识别比如拍照搜题但这依然是在聊天框的框架里做文章——拍完照还是给你一段文字解答。真正的多模态学习工具应该把图形、声音、交互都作为一等公民来设计而不是作为文本的附属品。3.3 从“通用”到“专用”聊天框是一个通用容器什么都能装但什么都装不精。学习是一个高度分化的领域数学的学习方式和语言的学习方式完全不同编程的学习方式和历史的学方式也完全不同。一个好的学习工具应该针对特定领域做深度优化而不是试图用一个聊天框解决所有问题。比如语言学习核心是输入和输出的循环——听、说、读、写。一个语言学习工具应该围绕这个循环来设计可能需要语音识别来纠正发音需要对话模拟来练习口语需要间隔重复来记忆词汇。这些功能聊天框只能覆盖很小一部分。再比如编程学习核心是写代码和调试。一个编程学习工具应该提供一个可以运行代码的环境能够自动检测代码中的错误能够给出针对性的修改建议能够设计循序渐进的编程项目。这些聊天框也做不了。4. 技术上的难点在哪里为什么明明知道聊天框不够用却很少有产品跳出这个框架因为跳出聊天框意味着要解决一系列技术上的难题。4.1 学习者建模要做流程化的学习工具首先得知道学习者的状态。这需要学习者建模——通过分析用户的行为数据推断他的知识水平、学习风格、薄弱环节、遗忘曲线等等。这件事说起来简单做起来非常难。首先数据从哪来用户做题的正确率、耗时、修改次数、求助频率这些都可以作为信号但如何从这些信号中推断出可靠的知识状态是一个开放的研究问题。其次模型怎么建是给每个知识点单独建一个掌握度模型还是建一个整体的能力向量是用贝叶斯方法还是深度学习这些问题都没有标准答案。更麻烦的是学习者建模需要大量的数据。一个新产品上线没有用户数据模型就无从训练。这就形成了一个鸡生蛋蛋生鸡的问题没有好模型用户体验不好用户体验不好就没有数据没有数据就训练不出好模型。4.2 内容结构化流程化学习工具需要结构化的内容。什么叫结构化就是把知识点拆解成原子化的单元标注它们之间的依赖关系给每个单元配上讲解、示例、练习、测试。这件事的工作量极大而且高度依赖领域专家。以初中数学为例知识点可能有几百个每个知识点需要配多少道题题的难度怎么分级知识点之间的依赖关系怎么确定这些问题靠算法自动解决目前还不现实靠人工标注又成本极高。很多产品之所以选择聊天框就是因为聊天框不需要结构化内容——模型自己会生成。但模型生成的内容质量参差不齐而且缺乏系统性。你问它一个问题它给你一个回答你再问一个相关的问题它可能给你一个完全不同的回答。这种碎片化的内容很难支撑系统性的学习。4.3 反馈的即时性和准确性学习工具的核心价值之一是反馈。用户做了一道题工具需要立刻告诉他对不对错在哪里为什么错怎么改。这个反馈的即时性和准确性直接决定了学习效果。聊天框也能给反馈但它的反馈是文本形式的而且往往不够精准。比如用户做错了一道数学题聊天框可能会说“你的答案不对正确答案是 X解题过程如下”。但用户真正需要知道的不是正确答案是什么而是“我为什么会做错”——是概念理解错了还是计算粗心了还是思路方向偏了。要给出这种级别的反馈需要工具能够分析用户的解题过程而不仅仅是最终答案。这就涉及到过程性数据的采集和分析。用户是在纸上做的题工具怎么知道他的解题过程可能需要手写识别可能需要步骤输入可能需要交互式的解题界面。这些技术目前都还不够成熟。5. 一些值得关注的方向虽然聊天框仍然是主流但已经有一些产品在尝试跳出这个框架。我观察到的几个方向值得关注。5.1 自适应练习系统有些产品把重点放在“练习”这个环节做自适应出题。用户做一道题系统根据正确率和耗时决定下一道题的难度和知识点。这种系统通常有一个题库每道题标注了知识点和难度有一个算法根据用户的表现动态选题。这种系统的优点是聚焦——它不试图解决学习的所有环节只解决“练什么”的问题。但它的局限也很明显它假设用户已经具备了基础知识只需要通过练习来巩固。对于需要从头学起的人来说光有练习是不够的。5.2 交互式讲解有些产品在“讲解”环节做创新不是给一段文字而是给一个可交互的演示。比如讲概率给一个可以调节参数的模拟器用户自己动手调一调看看概率怎么变化。这种交互式讲解比纯文本更直观也更容易让人理解。但交互式讲解的开发成本很高。每个知识点都需要单独设计交互形式需要前端工程师和领域专家紧密配合。而且交互式讲解很难规模化——你不可能为每个知识点都做一个定制化的交互演示。5.3 学习路径规划有些产品试图做学习路径规划。用户输入一个目标比如“我想在三个月内学会 Python 基础”系统生成一个学习计划包括每周学什么、做什么练习、达到什么标准。然后用户按照计划执行系统跟踪进度动态调整。这个方向听起来很美好但做起来很难。难在路径规划需要精确的学习者建模和内容结构化而这两件事前面已经说过都不容易。而且学习路径规划需要用户有较强的自律性——系统给你规划了你得执行。如果用户不执行再好的规划也没用。6. 实操如果你要做一个非聊天框的学习工具假设你现在要做一个学习工具不想做成聊天框应该怎么入手我基于自己的经验给一个可参考的思路。6.1 第一步选定一个极窄的场景不要试图做一个“通用学习工具”。选一个极窄的场景比如“初中数学一元二次方程”或者“Python 列表操作”。场景越窄越容易做深。为什么因为窄场景意味着知识点有限你可以手工梳理知识图谱可以手工标注题目可以手工设计学习路径。这些手工工作在窄场景下是可行的在宽场景下是不可行的。6.2 第二步梳理知识图谱把选定场景的所有知识点列出来标注它们之间的依赖关系。比如“一元二次方程的求根公式”依赖于“配方法”“判别式”依赖于“求根公式”。这个图谱是后续所有功能的基础。梳理知识图谱的时候要注意颗粒度。太粗了路径规划不精准太细了工作量爆炸。我的经验是一个知识点对应一个“可以在 5 分钟内讲解清楚并且可以通过 3-5 道题检测掌握程度”的单元。6.3 第三步设计学习流程基于知识图谱设计一个学习流程。典型的流程可能是诊断 → 讲解 → 示例 → 练习 → 测试 → 复习。每个环节都需要设计具体的交互形式。诊断环节可以用一组覆盖各个知识点的题目快速判断用户的水平。讲解环节可以用文字加交互式演示。练习环节用自适应出题。测试环节用综合题。复习环节用间隔重复算法。6.4 第四步实现核心算法核心算法包括学习者建模、自适应出题、间隔重复。学习者建模可以用简单的贝叶斯方法给每个知识点维护一个掌握度概率。自适应出题可以根据掌握度选择最合适的题目。间隔重复可以用 SM-2 算法或者类似的变体。这些算法都不复杂网上有大量开源实现可以参考。关键是要和你的知识图谱、题库对接好。6.5 第五步迭代上线之后收集用户数据分析哪些环节用户流失率高哪些题目正确率异常哪些知识点用户反复出错。根据数据迭代你的知识图谱、题库和算法。这个思路的核心是用工程化的方式做学习工具而不是用聊天框的方式。它需要更多的前期投入但长期来看它能提供聊天框提供不了的价值。7. 常见问题与排查在实际做这类工具的过程中我踩过不少坑。这里整理几个典型问题和应对思路。问题一知识图谱梳理到一半发现颗粒度不对返工成本很高。这是最常见的问题。我的建议是先不要追求完美快速梳理一个粗粒度的图谱然后在实际使用中逐步细化。另外可以参考现有的教材目录和课程标准它们通常已经做了不错的知识点划分。问题二用户不做诊断题直接想学新内容。很多用户觉得自己“知道哪里不会”不想做诊断。这时候可以设计一个“跳过诊断”的选项但在后续学习过程中如果发现用户在某个前置知识点上出错就自动插入一个“补课”环节。这样既尊重了用户的意愿又保证了学习效果。问题三自适应出题的算法效果不好用户觉得题目太难或太简单。自适应出题的核心是准确估计用户的掌握度。如果估计不准选题就会偏。我的经验是初期不要用太复杂的算法用简单的规则——比如连续答对两道就升难度答错一道就降难度——效果反而更稳定。等数据积累多了再切换到更精细的模型。问题四用户坚持要用聊天框。有些用户就是习惯聊天框觉得其他形式不自由。这时候可以做一个折中保留聊天框作为入口但在聊天框里嵌入结构化的学习流程。比如用户问“帮我学一元二次方程”聊天框不直接给一段文字而是回复一个“学习卡片”卡片里有“开始诊断”“直接看讲解”“做练习”几个按钮。这样既满足了聊天框的使用习惯又引导用户进入结构化流程。问题五内容更新和维护成本高。结构化内容的一个缺点是维护成本高。每加一个知识点都要配讲解、示例、题目。我的建议是把内容做成模块化的讲解、示例、题目分开管理这样可以复用。另外可以用 AI 辅助生成初稿人工审核和修改降低生产成本。8. 一些个人体会我做这类工具最大的体会是学习工具的核心不是 AI而是学习科学。AI 只是一个技术手段它可以用来生成内容、分析数据、驱动交互但它不能替代对学习过程的理解。如果你不懂学习是怎么发生的不懂学习者需要什么不懂怎么设计有效的练习和反馈那再强的 AI 也做不出好的学习工具。另一个体会是不要试图用聊天框解决所有问题。聊天框是一个很好的交互形式但它不是万能的。有些学习环节适合用聊天框比如答疑、讨论、头脑风暴有些环节不适合比如系统学习、刻意练习、诊断测试。一个好的学习工具应该根据不同的学习环节选择最合适的交互形式而不是把所有环节都塞进一个聊天框里。最后我想说的是跳出聊天框不是为了标新立异而是为了真正解决学习中的问题。如果你做一个学习工具用户用了之后确实学得更快、更扎实、更有动力那不管它是不是聊天框都是一个好工具。反过来如果用户用了之后只是觉得“这个 AI 挺能聊”但学习效果没有提升那再花哨的聊天框也没有意义。