陈林再创业项目银河智学亮相，邓澍军谈AI如何进课堂

11 月 9 日晚，一篇《我为什么还要做教育？》让字节跳动原高级副总裁、今日头条及大力教育原 CEO 陈林的再创业项目“银河智学”正式走到台前，行业关注随之而来：大模型能力越来越通用，陈林团队此时重回教育深水区，究竟想做出什么样的 AI 教育产品？

两天后，这个问题在技术与课堂层面被系统拆开。11 月 11 日，第九届中国教育技术创新发展与应用成果大会在江苏无锡举行，银河智学首席科学家邓澍军博士发表《让每个孩子学会、会学、爱学——AI 支持规模化因材施教的探索与实践》主题演讲，把公司旗下产品“小鹿爱学”的技术架构与学校场景落地逻辑讲了个详细。

邓澍军认为，大模型能很快生成解题步骤，却未必答得上“学生为什么不会”。通用模型变成基础设施之后，教育 AI 真正的分水岭，在于能不能深入学习过程——读懂学科逻辑、看出个体认知差异，再把技术变成课堂里可验证的学习效果。

2024 年 12 月，陈林创办了银河智学。团队骨干此前在字节跳动教育业务和豆包大模型相关团队任职，围绕“学生自主学习”和智能教育体系做了多年积累，在产品研发、课程教研，以及大模型长期记忆、解题与讲题能力训练等方面都有实操经验。首席科学家邓澍军当过清北网校负责人、大力教育算法负责人，豆包爱学、河马爱学的研发他也参与过。

双核技术底座：让 AI 既能读懂学生，也能启发思考

通用大模型的通识能力不弱，可一旦面对严谨的学科逻辑，幻觉仍会出现。围绕教育场景的需求，银河智学把豆包大模型与自研智能学习引擎搭成“双核”技术架构，让通用智能能力与教育专业算法深度结合。

通用大模型这边，主要承担语言理解、内容生成和基础推理等任务。团队针对教育场景做了专项调优，包括解题思维链构建、苏格拉底式启发对齐，以及基于长期记忆的 Agent 能力开发。解题过程中的关键步骤被拆解后，模型能在适当环节停下来抛出启发性问题，带学生一步步理解知识、发现思维盲点。

自研智能学习引擎则基于学习科学与认知测量分析，融合深度知识追踪（DKT）、项目反应理论（IRT）、认知诊断模型（CDM）和知识空间理论（KST）等技术。它通过分析学生的作答、提问和订正记录，判断学生已经掌握了哪些知识、当前存在哪些薄弱环节，以及下一步适合学什么内容，为学情诊断、能力测评、学习难度匹配和后续任务规划提供依据。

两者互补：通用大模型负责知识讲解、启发追问和过程引导，自研智能学习引擎负责学情诊断与学习路径判断。邓澍军博士在演讲中概括为，前者要“引导得好”，后者要“算得准”。在此基础上，银河智学又把 Agent 能力延伸到学生学习规划和教师教学支持。

学生端的规划智能体依托大模型长程记忆，结合学生长期的学习情况推荐下一步学习任务，并说明推荐依据；教师端的助教智能体则从学生学习记录里提炼具体的努力与进步线索，为教师开展个性化指导提供参考。

AI 学习闭环把学生的学习行为、教师的教学指导和学校的教学反馈持续串起来。学生的学习表现进入下一轮学情分析和任务安排，教师也能依据反馈调整教学策略，让 AI 能力持续作用于真实学习过程。

这套技术架构的核心，是把学科知识、认知测量、学习状态分析与大模型的交互引导结合起来，再通过持续的学习反馈优化后续支持。

从回答问题到引导思考，AI 需要进入完整的学习过程

对教育 AI 来说，技术能力最终要变成具体的产品交互，落到对学生学习过程的理解，以及对学习效果的持续验证上。

目前不少 AI 教育产品仍以问答为核心，学生输入问题、AI 生成解释，学习过程往往止于拿到答案。可真正的学习还包括理解问题、梳理思路、练习应用和检验掌握情况，这些环节共同决定知识能否真正变成学生自己的能力。

小鹿爱学的设计思路是“让技术退到幕后，让学生走到前面”。功能都围着完整的学习过程来铺：AI 只在合适的时候出手，选择、尝试、出错、调整、验证这些环节由学生自己走一遍，知识掌握的同时，也慢慢学会认识和管理自己的学习。学生可以就学习内容反复提问、追问，知识理解、练习应用和效果检验由此串在一起。

邓澍军博士在分享中举了个例子：圆柱体的高不变、底面半径变成原来的两倍，体积该是原来的四倍，可有些学生以为只是翻倍。碰上这类理解偏差，小鹿爱学会用动态概念实验和苏格拉底式启发来应对——学生拖动滑杆，就能看到半径变化如何影响圆柱体体积；AI 则盯着体积公式、底面积变化这些关键步骤一层层追问，让学生自己把结论推出来。

“这些引导为学生搭起理解知识的‘梯子’，帮助他们找到可以迈出的第一步，并在关键环节自主思考、一步步作答。”等理解加深，系统会挑合适的时机把辅助撤掉，用独立作答、解释思路和变式练习来检验：题能不能做对，思路能不能讲清楚，学到的东西能不能用到新问题上。“团队希望，学生通过走完攻克难题的过程，获得‘原来如此’‘我做出来了’的顿悟与成就感。”

培养学习兴趣和信心时，团队把深度知识追踪和最近发展区理论放在一起用：模型先预测学生下一道题的答对概率，再据此匹配难度适中的任务。邓澍军博士在演讲中介绍，系统挑的是预测答对概率在 70%—80%左右的题目，让学生努力一把就能看到进步。

“一次靠自己取得的小小突破，可以成为孩子重新建立信心的‘火种’。”邓澍军博士说，系统会记下学生各个阶段的学习表现，把相比前一天、前一周的具体进步摆出来，让细小的努力和突破被看见。学习战队让同伴互相打气、一起挑战，助教智能体则给教师提供依据，便于他们及时、有针对性地鼓励学生。“团队希望让孩子感受到‘这一步是我自己迈出来的’，逐步积累‘我能学会’的信心，从而更愿意面对下一个未知、再向前尝试一步。”

放到学校场景里看，零散的 AI 工具撑不起一套完整的教学方案。学生可能靠着 AI 很快把练习做完，可知识并没真弄懂，效率上去了，学习质量未必跟着上去。

小鹿爱学的定位是面向学校的人机共育课堂方案。它把学生的学习过程记录下来并加以分析，据此给出个性化支持，同时帮教师摸清学生的掌握情况和个体差异。教学设计、关键知识讲解、学习引导和情感支持仍由教师负责，教师再根据 AI 的反馈调整教法。

学情看板上，教师能看到学生的进度、共性疑问和订正情况，据此安排精讲、分层指导和个别辅导。管理层面，校长端把教学过程数据汇总起来，为教学观察、复盘和管理提供参考。学校把自主学练、独立检测和针对性补学排进日常课程与课表，检测结果再回流到下一轮学情分析和任务安排，形成“教师主导、学生自主、AI 支持”的教学闭环。

AI 教育的真正难题，是如何让个性化学习规模化

个性化学习算不上新提法。因材施教一直是教育界追求的方向，只是传统课堂里教师的时间和精力都有限，要持续跟踪每个学生的学习过程很难，更别提给每个人及时、有效的针对性指导。

AI 能带来的，是借助学习过程数据和智能分析，把识别学生差异、给出个性化反馈的成本降下来，让过去高度依赖教师个人经验的那部分工作变得更及时、更能持续。不过，从给单个学生做个性化辅导，走到在学校里规模化应用，中间的挑战仍然不少。

据介绍，2022 年银河智学核心成员参与过大力教育时期河马爱学在安徽阜南亲情学校的驻校探索。和一线师生长期打交道下来，团队发现学生的学习困难不只在知识掌握上，学习方法、学习信心等方面同样有问题。这段驻校经历也影响了团队后来做 AI 教育产品的思路，让他们更在意学生怎么理解知识、怎么掌握方法，以及能不能在持续进步中攒起信心。

真到规模化落地时，各校的教学条件、课程进度、学生基础都不一样。教师能不能把 AI 用进日常教学，产品跑得稳不稳，学习反馈能不能真的变成教学动作，都会影响实际效果。

贵州纳雍宏星高级中学就是一个例子。团队顺着学校原有的早读、正课、限时练和晚自习等课型，把背诵听写、组卷分发、在线检测、AI 批改和学情反馈这些功能一步步嵌进日常教学流程，帮教师及时掌握学生情况，并针对共性问题集中讲解。这种贴着真实课堂持续共创的做法，也让 AI 系统从单点学习工具，进一步走进学校的课程组织、教学反馈和日常管理。

教育 AI 正从技术方案走进真实课堂，往更深处落地。银河智学旗下小鹿爱学目前已在不同地区、不同类型的学校投入使用。银河智学披露的数据显示，累计服务及合作学校超过 500 所，覆盖 24 个省级行政区。近几个月，银河智学先后公开了安徽阜南亲情学校、首都师范大学附属回龙观育新学校、贵州纳雍宏星高级中学、青岛国科高级中学、河南新蔡蓝天高级中学、内蒙古四子王旗宽高实验学校等案例，展示人机共育模式在不同校情下如何探索落地。

从知识获取到能力培养，AI 时代需要重新审视学习的价值

大模型正在改变知识获取的方式。如果说第一阶段的教育技术更关注知识获取和学习效率，那么 AI 带来的下一步变化，可能是让人重新审视学习本身。

过去学生要花大量时间找资料、理解概念、获取答案；现在 AI 能迅速给出信息、解释知识，甚至帮着完成复杂任务。知识获取的门槛一降再降，教育的价值也就需要从知识传递进一步转向能力培养。

所以，评价 AI 教育产品的标准也得跟着变：答题速度、练习数量、交互频次不能当作唯一指标，还要看学生是不是真理解了知识、有没有形成有效的学习方法、能不能逐步独立解决问题并主动探索，以及在持续进步中建立起学习兴趣和信心。

银河智学把“学会、会学、爱学”定为教育目标，原因就在这里，这个目标也和创始人陈林再次进入教育行业创业的初衷有关。陈林在文章中回顾了自己对 AI 时代教育的思考。他认为，面对 AI 带来的技术变革，教育要帮孩子具备应对不确定性、解决真实问题的能力。文章最后他写道：“这个时代已经有很多人在让 AI 变得越来越强，而我想帮人变得越来越好……”

AI 走进课堂，最终指向的是人的成长：学生在教师引导和技术支持下，慢慢长出理解世界、独立判断和解决问题的能力，成为能独自面对未知世界的人。技术不再急着证明自己“有多聪明”，而是俯下身去理解每个孩子的认知盲区，点燃他们自主探索的内驱力，并与学校的育人实践长期协同，教育 AI 的价值才真正落得下来。