Podcast Interview · 逐期深读

洋葱学园杨临风谈教育与AI:自主学习的理念、实践与挑战

本期背景与内容导览

本期由洋葱学园支持播出。主持人程曼祺与洋葱学园联合创始人兼CEO杨临风讨论:一个教育产品怎样帮助学生从‘听不懂、不愿学’走向能够自主解决问题,AI又能改变其中哪些环节。按嘉宾自述,团队在2010年本科支教中注意到课堂互动与学习体验问题,2011年在甘肃武威试点平板电脑公益项目,2013年底为使全职团队和研发投入可持续而成立公司。洋葱选择5—8分钟互动动画和重教研的内容路线,而未进入其后的拍照搜题、双师直播大班等热潮。 杨临风把自主学习拆成意愿、能力、工具与最终‘我能独立完成’的信念:企业从工具切入,先降低开始学习和思考的门槛,再借一次次小成功形成实践、习惯与意识。他把这套想法落到目标感、共情感、概念可视化、暂停思考、行为数据回改教研,以及学生卡顿时结合课程上下文的AI补充。对话也保留了他的强判断:名师录播搬进农村课堂时多数孩子看不进去;技巧化培训更适合基础已牢的少数学生;学校仍应承担培养自主学习的责任;AI可能在社会层面放大差距,教育应帮助容易被甩下的人。 嘉宾同时介绍了AI私教、AI拍题精学、AI未来课堂和将学生多源状态用于选择干预的设想。他没有把这些功能说成已经证实的普遍教育效果:有关用户、成本、学校、公益覆盖及个案的数字均是其自述;学生互助与提问是具体观察,不能独立证明成绩、迁移能力或长期公平改善。后半程谈到2022年首次全年打平、早期融资和公益闭环,解释为何商业生存与普惠原则要同时纳入最初的产品结构。结尾‘锻炼身体、自主学习’及对大算力路线‘不撞南墙不回头’的判断属于主持人,不应与嘉宾观点混写。

晚点聊 LateTalk · #167 · 2026-05-28 · 1:44:31

原对话:沿提问、回答和转折完整展开

下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。

00:00:05–00:26:05连续对话 1

00:00:05–00:02:32节目介绍与嘉宾背景

  • 嗨,临风,你可以和我们的听友简单打个招呼,简单自我介绍一下。

节目以几段嘉宾观点作引子,随后由主持人介绍洋葱学园及嘉宾。shownotes与主持人均明确‘本期节目由洋葱学园支持播出’,因此本期关于产品效果和经营表现的内容首先应按受访者自述理解。主持人转述其哈佛计算机本科背景,以及2013年与朱若辰、李诺等人的创业经历;她评价洋葱更像一家‘学习公司’,这是主持人的节目定位,不是客观分类。

杨临风自述公司成立近13年,产品分别服务学生自主学习和教师借助AI开展以学生为中心的教学。他称累计中小学生注册‘人次’约1.3亿、教师注册约400万,并由此估计过去十几年约三分之一中国中小学生用过洋葱。这里没有给出统计时点、去重口径、活跃程度或第三方审计;‘注册过’也不能推导出持续使用或学会自主学习。

自主学习在本对话中,指学习者基于内在动机,运用适当的能力和工具,独立完成学习任务的过程。它由“意愿”(想学)、“能力”(会学)和“工具”(有辅助)三个核心要素构成,最终目标是建立起“我能行”的信念体系,能够独立面对并解决新的学习挑战。
EdTech (教育科技)Education Technology的缩写,指利用技术手段来促进和改善学习、教学及教育管理的过程与资源。在本对话中,特指2008-2012年间在美国兴起的一波浪潮,代表性产品有可汗学院、Duolingo、Coursera等。
成就闭环指学生在短时间内(如10分钟内)完成“学习一个知识点 -> 成功运用该知识点解决问题 -> 验证自己已掌握 -> 获得信心”的完整过程。这个闭环能给学生带来即时反馈和成就感,从而激励他继续进行下一轮学习。
洋葱味道框架洋葱学园内部的一套教学设计方法论,用于指导课程内容的研发,确保其符合特定的教学理念。该框架包含多个维度,本段提及了“目标感”(让学生始终清楚学习目的)和“共情感”(让学生感到被理解和支持),旨在系统性地解决学生在学习中遇到的认知和情感障碍。

话题推进:在嘉宾介绍完公司基本情况后,主持人将话题引向了洋葱学园的创业起点,询问他们最初为何选择“自主学习”这个方向。

00:02:32–00:06:15从公益支教到商业创业:探索可持续的教育模式

  • 回到最开始这个起点,你们在2013年那个时间来做这件事情,是怎么想到要做自主学习的?
  • 做到哪一步的时候你觉得需要用创业的方式、用公司的方式来继续做自主学习探索?
  • 你们当时的研发就是现在这种形式吗?就是做这种动画的视频的课程?

主持人询问洋葱学园为何在2013年选择“自主学习”作为创业方向。嘉宾杨临风解释,这个想法的萌芽其实更早,始于2010年他和几位联合创始人在大学期间参与的公益支教。他们发现,当时城乡教育差距的核心已非硬件设施——许多偏远农村的学校建筑甚至可能是全村唯一的楼房——而在于软件,即传统的教学状态和师生互动模式。

杨临风认为,关键在于为老师提供更好的工具,并改变学生的学习体验。由此,他们产生了最初的想法:将有趣的互动学习体验、知识视频等内容放入平板电脑,捐赠给乡村学校,帮助学生进行自主学习实践。这个公益项目“阳光书屋”于2011年暑假在甘肃武威首次试点。同时期,美国教育科技(EdTech)兴起,可汗学院、Duolingo等产品的出现也为他们提供了启发。

当被问及为何从公益转向商业创业时,杨临风表示,核心考虑是“可持续性”。他指出,制作优质教育体验需要大量跨界人才全职投入,这很难单靠募捐来维持团队。虽然当时的产品形态(动画视频课程)还比较粗糙,但他们意识到,核心目标是创造好的教育体验,让更多孩子受益,而商业模式是实现这一目标的手段。通过商业化运作,可以支撑产品本身高昂的研发和固定投入。因此,他们在2013年底成立公司时就确立原则:所有产品都将无偿、免费地向符合国家标准的乡村地区开放。这一原则至今仍在坚持。

主持人在06:15进一步确认,付费用户和符合地区标准的乡村师生、学校使用的是同一套产品。嘉宾关于硬件差距减弱的判断来自其当时支教观察,不能由‘有的村学校是唯一楼房’扩大为全国硬件问题已解决。‘阳光书屋’一名见shownotes时间线,具体项目内容来自嘉宾叙述;本期没有独立呈现试点测量结果。

话题推进:在解释了从公益到商业的转变后,主持人追问“自主学习”的核心能力究竟是什么,引出了嘉宾对自主学习构成要素的深入剖析。

00:06:15–00:12:18自主学习的三个要素:意愿、能力与工具

  • 你觉得自主学习的核心能力是什么样?
  • 那如果总结一下,自主学习的核心是什么呢?是“我想主动去学”,还是什么?
  • 你觉得意愿、能力、工具是什么关系啊?哪个是第一性的?
  • 很多人认为想去学习这个事是反人性的。

主持人询问“自主学习”的核心能力。杨临风首先解释了他们关注这一点的初衷:在课堂观察中,他们发现师生之间存在认知不匹配。他认为,中小学知识对于正常智力的学生本应可以学会,学不懂的根本原因常被归结为学生“不努力”或“笨”,但一个被忽略的关键问题是“知识传递的过程是否科学合理”。因此,洋葱学园的第一步就是让学习过程更符合学生的认知规律,通过重构讲解方式,梳理知识的来龙去脉,帮助学生达成深度理解。

进一步地,团队意识到人与内容的互动不只取决于内容本身,如何引导互动也至关重要。洋葱学园的App作为一个引导工具,旨在承接学生在预习、复习、解题、兴趣探究等多元场景下的学习需求,为每个场景创设合适的学习流程与互动。杨临风认为,在AI时代,工具唾手可得,让学生建立“我能行”的信念尤为重要。

在主持人的追问下,杨临风总结了自主学习的三个核心要素:

1. 意愿:“我想主动去学”。

2. 能力:掌握学习的方法。

3. 工具:拥有合适的辅助工具来顺畅地学习。

这三者共同作用,最终帮助学生建立“我可以独立完成自主学习”的信念体系。

对于这三个要素的关系,杨临风认为它们同等重要,互为因果,必须全部打通。他指出,许多家长不信任自主学习,是因为看到孩子当前不具备能力,从而也难以产生意愿,陷入了“先有鸡还是先有蛋”的困境。他引用心理学中“系统1”(依赖直觉的低能耗大脑)和“系统2”(负责深度思考的高能耗大脑)的概念,解释了为何包括成人在内的大多数人都不愿主动思考。因此,关键在于降低调用“系统2”的门槛。洋葱学园作为企业,能发力的切入点正是“工具”,通过提供好的工具,让自主学习的实践变得更容易,从而启动“实践-培养习惯-建立意识”的正向循环。

这里有两条不同层次的因果:学生当下不会,可能削弱意愿;产品先提供较低门槛的实践机会,成功后可能逐渐形成习惯和信念。嘉宾没有把工具称作唯一原因,反而在01:01补充,多数学生的习惯与动机仍需老师、学校帮助培养。‘系统一/系统二’是他借来解释直觉反应与费力思考的心理学框架,不是对大脑作两个生理区域的划分,也不能由此直接证明洋葱课程能改变长期自主学习能力。

话题推进:在阐明了自主学习的理论框架后,主持人希望了解这些理念如何具体落实到产品设计中,从而引出了关于产品功能和教育理念的讨论。

00:12:18–00:16:04产品设计如何降低学习门槛:从教育理念到具体功能

  • 具体来说,你们的产品是怎么去解决你刚说的两个问题啊?一个就是说我以一个比较好的方式把这些概念教给你,一个是让孩子愿意去跟他互动。
  • 你们所基于的一些教育理念会是什么?比如说你自己比较相信怎么样去教一个人会比较容易让他理解一个比较抽象的概念?
  • 可以讲讲你们具体产品设计上的一些地方是怎么来产品化这些东西的吗?比如说你们的视频是5到8分钟,就为什么是这个时长?
  • 然后一般这个时长里面它大概能就给孩子教什么?

主持人询问洋葱学园的产品如何具体地促进理解和互动。杨临风介绍,产品中设计了大量“陪伴式”功能。例如,当学生遇到困难时,AI模型会结合其学习上下文和历史数据,提供“托底式”的辅助和情感鼓励。这个过程包括:首先让学生认识到遇到问题是正常的;其次,将问题降维解释,帮助其理解成因;最后,在学生迈过难关后,引导其复盘,思考下次如何应对。这构成了一个完整的“迈坎”过程。

谈及背后的教育理念,杨临风提到了团队使用的教学框架,如《追求理解的教学设计》(Understanding by Design, UbD)。他解释,UbD认为“理解”是可以通过客观方法创设和验证的。例如,根据布鲁姆教育目标分类学,“解释”(用自己的话复述)、“举例”、“比较”等都是衡量是否达到“理解”层级的行为动词。洋葱学园的团队会深入研究这些理论,并将其融入课程与产品设计中。

在产品具体设计上,主持人以“5到8分钟的视频时长”为例提问。杨临风解释,科学研究表明,中小学生集中注意力的时间大约在10分钟以内。产品需要在这么短的时间内,让学生完成一个“成就闭环”:学懂一个知识点,并成功运用它来验证自己懂了。这个闭环能带给学生信心,激励他进行下一个学习循环。此外,由于产品主要用于学生自主学习场景,需要与游戏、短视频等应用争夺学生的注意力,因此必须将学习体验做到极致,才能让学生主动选择学习。

嘉宾把‘能否理解’落到可观察行为:用自己的话解释、举例、比较;费曼学习法是他举的检验方法。这里的输入是学生卡点、当前知识与历史数据,过程是正常化困难、降维解释、迈过后回看方法,反馈是学生完成当前任务并能复述或应用。5—8分钟与‘注意力通常不超过10分钟’是嘉宾的设计依据,节目没有提供研究名称、样本或产品对照实验;短时完成也不能等同于长期理解。

话题推进:在解释了视频时长的设计逻辑后,主持人进一步追问,为何洋葱学园最初选择从数学学科切入,并采用动画而非真人拍摄的形式。

00:16:04–00:21:04“洋葱味道框架”:以数学为例讲解教学方法论

  • 为什么你们13年创业最开始选的是数学这个学科,以及为什么一开始就定了动画这种形式,而没有找真人的老师来拍?
  • 这个判断后来没变是吗?
  • 那数学的这些东西,你们后面因为也做比如文科授课的课程嘛,像历史啊、政治、地理,这些方法也都是能复用的。
  • 你可以讲讲这个洋葱味道框架吗?
  • 你能想起来一个例子吗?比如说你跟我讲一个数学概念吧,你随便,你随便想到的什么都可以啊。
  • 你觉得这套方法对所有孩子都有用吗?

主持人询问为何选择数学作为起点。杨临风给出两个原因:首先,数学是中小学生提问最多、感觉最抽象难学的学科,需求量大。其次,团队认为其教学方法论是普适的,如果能在最难的数学上验证成功,那么将其“降维”应用到物理等其他学科会更容易。后来的实践也证实了这一点,例如物理因为有生活中的现象和实验作为参照,比纯抽象的数学更好教。

主持人追问这套方法论是否能复用于文科。杨临风确认,其底层的“洋葱味道框架”是完全可以复用的。他解释了该框架的两个维度:

1. 目标感:在讲解过程中,不断提醒学生当前步骤的目的,让他知道“我们为什么在这里”。这能防止学生因不解其意而失去耐心。例如,讲解初中几何时,会先点明所有平面几何问题的本质是“边角关系转化”,即通过已知条件搭建桥梁,推导未知关系。在解题的每一步,都会回顾这个“通法”,这不仅帮助学生跟上思路,更是在训练他的逻辑思维和元认知能力。

2. 共情感:让学生时刻感到“我懂你的难处”。区别于老师常说的“这很简单”,洋葱的讲解会承认问题的难度,并像一个伙伴一样,引导学生一步步分解难题,建立信心。例如,会告诉学生“现在看这个坡很陡,但爬上去再回看就很平”,然后引导他“先看右前方那个可以蹬的地方,踩稳了我们再说下一步”。

杨临风认为,这种基于逻辑的教学方法对于学习数学这样的逻辑性学科是必需的,而对于需要发散和感受的语文等学科,则会运用框架中的其他模块,如“共情”。

几何例子的过程不是背某一道题的答案:先辨认已知、未知及二者距离,再借全等等关系把边或角转移到能继续推理的位置,并在每一步回看‘边角关系转化’的目标。嘉宾把这种反复提示称作元认知训练。他也明确限定:数学中的逻辑拆解不能包办语文所需的体会、感受、发散和想象;‘这套方法对所有孩子有效吗’没有得到实验回答,只有其基于学科性质的强主张。

话题推进:在解释了教学框架后,主持人提出了一个挑战性问题:这种标准化的方法如何解决因材施教的问题,特别是对于学得快的学生是否会显得啰嗦。

00:21:04–00:26:05高成本的动画制作:在质量与商业化之间寻求平衡

  • 这个方法怎么解决这个因材施教的问题啊?比如说一个特别聪明的学生,他可能会觉得共情是一种啰嗦。
  • 所以这个是靠你们的整个课程设计体系里的丰富性。
  • 这是讲就最开始为什么是数学,你们觉得数学很难可以去占位做到别的课程,然后为什么是动画这种形式,不是真人来拍的这种形式?
  • 但这是不是也增加你们的成本?你们有算过,比如说我找人来上课拍,那我当然当然会极大增加成本。
  • 你说是一个5到8分钟的小视频。
  • 所以你们的,就是做教研的这些老师,也都要把你们洋葱味道所给予的那些教育理念要搞清楚,是吧?
  • 你觉得用这种方式是真人,然后比如加一个什么白板在那讲,其实可汗学院就是类似这种情况啊。
  • 那你怎么去平衡这个事在速度和商业上的一个情况?因为你们这个方式从13年到18年,创业前5年你们就做了1500个动画视频,它就看起来很慢,对吧?
  • 那可汗那种方式好像也是一种,虽然它效果打了点折扣可接受,但它可能内容就会更多。
  • 为什么可汗以那种方式也运营了这么多年?难道外国学生就更能自主学习吗?

主持人质疑标准化教学如何实现因材施教。杨临风回应,洋葱通过三种方式解决该问题:首先,提供内容丰富的知识地图,学生可根据自身进度自由探索不同难度的内容;其次,通过推荐系统为学生匹配合适的难度;第三,利用AI进行个性化调节,当学生在观看视频时遇到卡点,AI模型会介入,提供补充讲解。

接着,主持人回到最初的问题,询问为何选择动画而非真人拍摄。杨临风解释,动画的核心作用是“抽象概念可视化”,让概念“动起来”。他认为,在小小的手机屏幕上,老师的脸本身不传递信息,画面的信息密度更重要,让真人占据大部分画面没有必要。他强调,洋葱的动画不是为了演绎剧情的“动画片”,而是服务于教学的工具。

这种制作方式成本极高。杨临风透露,一个5-8分钟的视频,平均制作成本约为10万元,制作周期长达两个月,涉及20多个步骤。即使不计动画制作,仅脚本打磨就采用“集体校验制”,教研团队会反复争论每个细节,确保讲解逻辑能让学生跟上且自洽。所有教研老师都必须掌握“洋葱味道框架”及背后的教育理论。

主持人将洋葱的模式与可汗学院(聚焦于板书讲解)对比,并质疑其缓慢的产出速度(创业前5年仅制作1500个视频)如何平衡商业需求。杨临风坦言,团队曾考虑过各种成本与速度的组合,但最终发现,只有将内容质量做到一个“门槛”之上,才能真正驱动学生自主学习。低于这个标准,即使投入了成本,产出也可能是零。他认为,可汗学院的模式虽然也有效,但动画能让学习过程更有趣、更有吸引力,从而吸引那些面对学习有畏难情绪的学生。至于可汗学院为何能持续运营,杨临风认为,一方面,能坚持使用可汗的学生也是经过筛选的一小部分人;另一方面,可汗学院作为非营利组织,不面临必须让家长付费的商业压力。

视频不是单向短片:嘉宾称其中设置启发提问与暂停节点,学生思考、选择后才继续。因材施教的三种办法是知识地图与难度分层、推荐、AI在卡点时补充兜底;不是同一段共情脚本强迫所有人按同一速度学习。‘50元产出为0、80元才开始有产出’是他解释质量门槛的比喻性数字,不是实测成本—效果曲线;‘只有做到这个程度’也明确只让‘部分学生’开始愿意自学。

话题推进:本段详细讨论了洋葱学园在内容制作上的高标准和高成本策略。接下来的对话将转向外部环境,探讨在在线教育行业最疯狂的几年里,洋葱学园为何能坚持自己的节奏,不追逐当时流行的双师大班课等风口。

00:26:05–00:51:35连续对话 2

00:26:05–00:28:23通过动画IP建立共情,调节学生“脑压”

  • 你们用动画和IP人物,是不是为了给孩子更多亲近感?
  • 你们从2013年到现在,课程和内容的设计形态是不是没有特别大的变化?

嘉宾杨临风首先解释,洋葱学园面临的挑战比可汗学院更高,因此必须优先选择有效的方法,其次才是控制成本。如果学生学不进去,速度再快也失去了意义。

主持人程曼祺接着提问,洋葱学园采用动画形式,并创造了“洋葱学园星球”这一IP,里面有数学老师“张无限”、真人出镜的“物理男”等角色,是否从一开始就希望借此拉近与学生的距离。

杨临风确认这是初创时就定下的策略。他解释,这背后的核心是为了与学生建立“共情”。视频中的角色会遇到与学生相似的困惑和思考过程,让学生产生代入感。他引用学习动机理论中的“relevancy”(相关性)概念,指出学习内容与学生越相关,其学习动机就越强。学生不喜欢面对严肃、冷冰冰的老师讲授抽象内容。为了进入学习“心流”状态,需要将学生的“脑压”(指学习时的认知负荷与紧张感)维持在一种既兴奋又不至于过度紧张的区间。动画、IP人物以及多元化的老师性格设计(如引经据典的语文老师、骑摩托车的酷酷的物理老师),都是为了精细调节学生的“脑压”,使其恰好处于最佳学习状态。

‘脑压’在本期只是嘉宾对认知负荷、兴奋与紧张平衡的口语描述,没有测量定义;‘调到最佳学习状态’是设计目标,不是节目给出的效果结论。真人实验课的保留也构成动画并非替代一切真实经验的反例:主持人说明物理男需要实拍实验,嘉宾认可。

相关性(relevancy)与共情嘉宾把IP角色经历与学生自身困惑联系起来,称为相关性(relevancy):学生觉得内容与自己有关,更可能产生学习动机。共情还包括承认困难、陪伴分解问题;二者是设计解释,不是已测得的动机提升。
脑压嘉宾的口语化比喻,描述学习中刺激、负荷与紧张的程度。他说希望处在有兴奋而不过度紧张的区间;本期没有生理测量或可复现评分标准。
AI私教学生暂停视频后可调用的辅导功能。嘉宾明确说到的输入是学科知识库、当前视频上下文和卡顿位置;后文又提到多模型细分工作流与微调。具体模块、数据结构和答案形式未披露。
双师课一种在线教育模式,通常指由一位线上的“名师”进行直播或录播授课,同时在各地的线下教室里配备一位“助教”老师进行现场辅导、答疑和管理。其目的是结合名师的优质内容和本地化服务,扩大优质教育资源的覆盖面。

话题推进:在讨论完内容形态后,主持人追问这种形态是否十年来一成不变,引出了关于内容迭代的话题。

00:28:23–00:30:19用数据和AI迭代内容,提供上下文感知的辅导

  • (你们的课程形态)是不是没有特别大的变化?
  • (AI私教)实际上就是一个在这个学科上优化了的chatbot?

杨临风否认内容与功能十年不变。他称公司累计有‘大几千亿次’数据埋点,能看每个视频每一秒的暂停率、跳出率、回退率;系统提示峰值,教研团队再讨论、修改并上线。其输入是细到秒的观看行为,过程是异常峰值定位与人工教研复核,反馈是修改后的内容继续产生行为数据。峰值可以提示注意、疑惑或流失,却不能单独判定哪一种理解问题;‘大几千亿’与学习总次数的口径在口述中相连但不清晰,应保留为公司自述。

AI私教则是在学生暂停时,结合学科知识库、当前课程上下文及这一帧可能的卡点来回应。嘉宾声称它不会引入本节课未学、跨学科或跨学段的概念,这是其产品约束主张,不等于已证明任何情况下都准确。‘AI拍题精学’从不会的题目出发,梳理解题思路和通法,再关联薄弱知识点与已有视频。原文没有给出知识标签、检索模块、输出模态或‘必然不幻觉’的技术保证。

话题推进:谈到AI应用后,主持人将话题转向了过去几年在线教育的“风口”,对比了洋葱学园与其他公司的不同选择。

00:30:19–00:34:53为何不做直播大班课:坚持数字原生内容,激发学习意愿

  • 大概16到20年,在线教育风口起来了,有拍照搜题、直播大班课、双师课等等……这些风口你们都没做(是为什么)?
  • 如果(名师直播)加上录播模式,再配上助教,甚至用AI辅助答疑呢?
  • 如果这个老师讲得特别好,有目标感、有共情呢?

主持人提到,在2016至2020年在线教育风口期,涌现了拍照搜题、直播大班课等多种模式,并诞生了百亿美金公司,但洋葱学园并未参与。杨临风解释,不做的原因很简单:洋葱的初衷是让教育体验能被最广泛的学生无差别地获取。他们选择“人机交互”模式,是因为它具备极高的可复制性,理论上任何有网络和手机的学生都能获得一致的体验。而“人用人教”的模式,受限于成本和时间,最终必然导致付费能力决定体验好坏。

主持人追问,为何不像学而思等机构采用“双师模式”(名师直播/录播+线下助教)来扩大覆盖面。杨临风指出,双师直播课在实践中常常会退化为“双师录播课”,因为远端名师的节奏很难匹配本地学生,本地老师需要不断暂停、翻译,这使得录播成为必需。但这又引出了更核心的问题:如何保证学生愿意看、能看懂这些名师录播内容?

杨临风分享了早期的失败尝试:将名师录播视频带到农村,发现绝大多数孩子根本看不进去。他认为,很多技术流派只关注用算法做资源匹配,却忽略了最关键的“学习意愿”。一个教研上再完美的视频,如果学生没有心力、没有意愿坐下来看完,或者观看过程中无法被启发思考,那么这个内容就是无效的。即使是讲得很好的老师,其个人魅力和教学气场也高度依赖线下场景。当把真人老师直接“框”进屏幕里,这种线下的场域优势会大打折扣。

因此,洋葱学园的逻辑是,数字环境需要有为其量身打造的、原生的学习形态。他们与可汗学院的底层理念一致,即相信学生有自主学习的潜力,好的学习方式能降低自主学习的门槛。但两者的具体实现方式不同,一个重要原因是国内的学习内容比国外更难,可汗学院那种简单的板书形式对中国学生来说可能难以理解。

这里存在一个真实的反例与回应:主持人问如果名师本身也有目标感和共情,是否仍需要动画。嘉宾没有否认优秀教师的价值,而是说这样的老师少,且线下可依学生表情、眼神与现场默契即时调整;录进屏幕后,这些反馈条件被削弱。由此他的结论不是‘真人教学都无效’,而是把线下讲授直接搬上屏,并不能自动形成数字原生的学习体验。

话题推进:在确立了“数字原生内容”的重要性后,主持人进一步询问,除了可汗和洋葱的模式外,还有哪些可能性。

00:34:53–00:39:14AI与教育的未来:大模型尚难胜任K12深度学习

  • 在原生于数字场景的教育内容里,除了可汗、洋葱,你觉得多邻国和你们的区别是什么?还看到了什么可能性?
  • 在需要调用系统二的这种学习里,你还看到什么可能的形式吗?尤其是AI来了之后?
  • 如果大模型公司(如OpenAI)把教育作为重要场景去优化,有可能做出能实现深度学习的模型吗?
  • 如果那个可能性(AGI实现)实现了,对你们公司来说是一个危险吗?

主持人询问其他数字原生教育形态,并以多邻国为例。杨临风分析,多邻国主要适用于“系统一”的练习式学习(如背单词),而非“系统二”的深度逻辑学习。他提到,多邻国曾尝试在应用内推送语法模块,但导致用户留存率大幅下降。而洋葱学园和可汗学院所专注的K12学科,大多需要学生进行多步骤的深度思考,这与多邻国的模式有本质区别。

当被问及AI时代下“系统二”学习的新可能性时,杨临风认为,现阶段纯粹用大模型来帮助中小学生理解深度知识是做不到的。AI可以应答问题,但若要从头讲授一个复杂的知识点,大部分学生会跟不上、听不懂。他推测,这可能与大模型的训练方式有关。大模型基于高度逻辑化、结构化的语料(如论文)进行训练,其“思维方式”与认知能力还在发展中的中小学生之间存在天然的认知鸿沟(gap)。成年人能从大模型的逻辑化输出中获益,但中小学生不能。

杨临风判断,除非大模型的训练方式发生根本性变革,或者AGI(通用人工智能)得以实现,否则很难弥合这一鸿沟。如果那一天真的到来,AI能一键生成体验极佳且适配学生的学习路径,那么像洋葱学园这样的公司可能就不再被需要了。但他认为,在那之前,教育领域仍有大量工作要做。

面对这种潜在的“危险”,杨临风表示公司也需要自我进化。他强调,教育与其他领域不同,它交付的不是最终结果,而是“学习过程”本身。电商可以用AI让用户更快下单,但教育不行。学习过程必须由学生亲自完成,AI的履约能力再强,也无法替代学生自己“把知识学进去”的这个过程,而这正是洋葱学园的核心价值所在。

杨临风先声明自己不是技术专家,再提出训练语料与中小学生认知之间可能有gap的解释;这是嘉宾推测,不能写成大模型训练机制已被证实的原因。多邻国语法模块导致留存下降同样是他的转述,没有数据或实验支撑,更不能‘证明’其不适合所有深度学习。教育交付的是过程而非结果,是他解释垂直教育产品仍有价值的核心主张。

话题推进:在探讨了AI带来的长期挑战后,主持人将话题拉回到在线教育风口的具体历史情境中,询问洋葱学园当时如何应对外部压力。

00:39:14–00:42:46风口中的坚守:SaaS模式与复利效应

  • 你怎么看当时(2016-2020年)在线教育这个风口会到那么如火如荼的状态?
  • 当时投资人应该有很大压力给你们,你怎么去解决这种内外部的质疑?
  • 你们从什么时候开始打平?

主持人回顾在线教育风口,询问杨临风如何看待当时的狂热。杨临风表示,团队在2013年创业时,“在线教育”行业还未形成,他们的初衷是创造一种普惠的学习体验,而非追逐风口。他甚至提到,为了营造创造性氛围,公司办公室都选在非写字楼的地方,因为他们认为教育体验的设计不是追求“高效生产”能解决的,团队并不擅长“打快仗”。

面对投资人和内部的压力与质疑,杨临风解释了他们的沟通逻辑:

1. 生态位独特性:教育形态丰富,没有一种模式能解决所有问题。洋葱学园的“人机交互”模式有其独特的价值和生态位。

2. 商业模式健康度:洋葱学园的模式更偏向SaaS(软件即服务),而非高客单价、高GMV的交易逻辑。其主要成本是固定的内容研发投入,不会随用户规模线性增长。因此,一旦用户规模和收入越过某个拐点,公司就能实现非常健康的经营。原话是2022年‘全年第一次打平’,即嘉宾所述的全年收支打平,不能扩写为经审计盈利或此后持续盈利。

3. 增长方式可持续:用户增长主要依靠口碑和自增长,而非广告驱动,这使得模式更具抗风险能力。

4. 能力圈匹配度:团队的核心优势在于产品和课程方法论的沉淀与迭代,而非大班直播课所需的运营能力。强行去做,不仅没有优势,也与团队的底层逻辑相悖。洋葱的产品是可沉淀、自进化的,具有强大的“复利属性”,明天的产品一定比今天更好。

固定研发投入不随用户规模同步上升,是嘉宾解释规模拐点的逻辑;实际仍有内容更新、AI调用、在地服务与获客等成本,本期未给出完整成本表。‘明天一定比今天好’和口碑自增长是创始人的经营判断,不是已核验的复利事实。

话题推进:在解释了商业模式的坚守后,主持人进一步追问,这种坚守是否从未动摇,以及为何这条路如此“孤独”。

00:42:46–00:48:30反共识的机遇:从服务“学渣”和乡村教育出发

  • 所以那个阶段你一点都没有动摇过说我也要不要去做一下(大班课)?当时怎么讨论?
  • 为什么在中国做你们这个方向的公司几乎没有,除了你们?

主持人追问,面对外部巨大的融资和市场声量,团队内部是否从未动摇。杨临风承认内部有过讨论,但次数不超过两次,很快就达成了共识。核心是团队要清楚自己的“金刚钻”,做自己擅长且能做得长久的事,而不是什么赚钱就做什么。他们怀疑大班课烧钱换增长模式的健康度,且团队的积累也用不上。

对于为何做“人机交互自主学习”的公司如此之少,杨临风总结为“难”和“慢”。

1. 反共识的挑战:2013年时,几乎所有人都认为“让中小学生自主学习”是不可能的,这是他们听到的最大质疑。但杨临风团队认为这恰恰是“反认知”带来的巨大机遇。他们通过与学生的接触发现,没有孩子不想成为学霸,所谓的“学渣”只是因为靠自己努力太难。如果能找到并移除导致他们失败的成因,他们就有可能变好。

2. 开创性的认知:在2013-2014年,行业普遍不重视“内容”的打磨,认为中国最不缺的就是内容(老师录课、题库)。而洋葱学园很早就开始深耕内容体验,直到2016-2017年产品数据表现优异,用户量倍增,行业才开始意识到这种模式的价值。

3. 不同的出发点:杨临风将洋葱学园与培训机构作了根本性区分。培训机构是“你愿意让我培,我才培你”,有自筛选逻辑。而洋葱学园源于公益项目,从一开始就服务于学校,要解决“有教无类”的问题,必须从零起点、普通认知水平的学生出发,思考如何让他们大概率学懂。此外,所有教培公司都优先面向付费的家长,而洋葱学园优先服务学生,让学生体验好了再反向影响家长。这些出发点的不同,决定了洋葱学园是一个与主流教培公司完全不同的“物种”。

‘十个家长九个不信’‘所有孩子都想取得好成绩’‘小学生活泼、初中生沉闷’是嘉宾的经验性概括与强表达;他把初中生变化解释为学习负反馈时使用了疑问,应保留为待验证机制而非发展规律。主持人提出新东方作为反例后,嘉宾认可其长期打磨课堂体验与教师魅力,但区分线下有人引导与教师不在场的自主学习。这一来回防止把‘教培只教大招’理解为所有机构、所有课堂都毫无内容设计。

话题推进:在阐述了洋葱学园与教培模式的根本区别后,主持人引出一个假设性问题:如果没有“双减”,在线教培市场会如何发展。

00:48:30–00:51:35教培大招对多数人无效,新考纲与AI加速其失效

  • 你觉得如果没有双减的话,在线教培这个市场……它会怎么变化?
  • 这个东西(直播大班课)它至少来说对应试教育是有效的吗?还是甚至它对应试教育都没效?

主持人提问,如果没有“双减”政策,在线直播课市场会如何演变。杨临风认为,即使没有政策干预,这种模式也不太可能成为全民的主流选择。

主持人进一步追问,这种模式对应试教育是否有效。杨临风给出了一个强烈的判断:对大部分学生来说,它甚至对应试教育都是无效的。他解释,教培机构的教学方式,本质上是在教解题“大招”和快捷技巧。这些看似能短期提分的技巧,对人的记忆非常不友好。人的记忆是网状的,理解越透彻、内化越深,才越容易记住。而“大招”和口诀是碎片化的,反而增加了新的记忆负担。

杨临风指出,这种培训方式只对“尖子生”有效。尖子生底层逻辑清晰,记忆力好,他们缺的只是见识更多难题类型。培训班总结的规律对他们是“锦上添花”。但对于需要“雪中送炭”的大部分普通学生而言,这种模式并不适合。

最后,杨临风补充道,即使没有双减,另外两个趋势也在改变局势:

1. 命题改革:“新中考”和“新高考”的命题越来越情境化、生活化、跨学科,旨在“反刷题”。很多题目是无法通过刷题押中的,死记硬背反而可能导致分数更低。

2. AI的出现:AI时代来临,让大家更容易认识到,那种依赖记忆和技巧的传统学习方式,已不适应未来社会的需求。

原话有‘不能一刀切’的限定:他批评的是其认为的大部分技巧化教学,不是断言每个直播教师或每门课程都无效。‘只适合尖子生’‘死记硬背分更低’仍是嘉宾的强观点;主持人的充要条件口诀经历只能说明个人可能的理解受阻,不能证明所有口诀都有害。新中高考情境化、生活化、跨学科及反刷题,是嘉宾对政策与命题趋势的概括,本期没有展示试卷或分数数据。

话题推进:在分析完在线教培模式的内在局限和外部环境变化后,主持人将话题转到“双减”政策对洋葱学园的具体影响。

00:51:35–01:17:13连续对话 3

00:51:35–00:52:51洋葱学园的定位:与公立教育体系同步

  • 它不是着重于课外培训、称呼尖子生的那个逻辑?
  • 而且这个东西如果你想给乡村地区免费开放,就它是一套课程,一套产品。那最合理的确实你就是要跟着这个公立的教学课程走。

嘉宾杨临风解释,洋葱学园的业务受政策影响有限,因为其产品从一开始就与国家课表体系和学校教学进度同步,而非在校外建立一套独立的、以培优为目的的体系。主持人程曼祺对此表示理解,认为这种模式更符合公益和普惠的初衷。

杨临风补充,这种与公立体系同步的模式,源于洋葱学园最初做公益时的经验:只有适配老师的教学进度,产品才能被老师方便地使用。他总结道,洋葱学园选择的这些要素(如与课标同步、不做爆发性强的培训业务)虽然不能带来爆发式增长,但能确保公司平稳、持续地发展。

这里‘业务受影响有限’是嘉宾自述,没有收入或用户对照数据。产品按国家课程体系和学校进度组织,一方面是课堂教学可用性的要求,另一方面也令同一套内容可以服务乡村公益;这与在校外另建培优体系形成对照。

净推荐值 (NPS)Net Promoter Score,一种衡量用户忠诚度的指标。它通过一个问题“你有多大可能将我们的产品/服务推荐给朋友或同事?”来收集反馈。用户按0-10分打分,9-10分为推荐者,7-8分为被动者,0-6分为贬损者。NPS的计算公式为:推荐者百分比 - 贬损者百分比。在本段中,杨临风用它来量化用户对洋葱学园产品的认可度和“影响力”。
Alpha School主持人在01:00介绍的美国学校案例:她称每天课堂约两小时、下午项目活动、有AI参与、学费6万美元。均为本期主持转述,未独立核验;嘉宾借它讨论学生主动承担学习责任。
布鲁姆提问框架嘉宾所称用于教学生提问的脚手架,部分融入AI,配合课堂留白、AI先答、同伴可见和教师展示。他没有在节目中给出框架的完整层级或与布鲁姆分类学的逐项对应,不宜自行补全。
师生机三元课堂嘉宾转述政策鼓励的方向:教师、学生、机器共同参与课堂,机器作为教师智能助教和学生智能学伴。本期没有给出政策文件或实际效果评估。

话题推进:在回顾了洋葱学园坚持的道路后,主持人将话题转向了2023年以来的AI热潮对公司的影响。

00:52:51–00:56:44AI教育的三种流派:标准化教学、标准化服务与优化学习体验

  • 23年AI热潮之后,你们有观察到你们的用户行为,或者说这种用户增长有什么明显的变化吗?
  • 现在像猿辅导这些公司,他们也在做AI的转型嘛,也出了一些AI的新产品,包括也有像与爱为舞这个公司……你觉得你们现在就不同人的不同尝试,比如说你会怎么分类吧,或者说最后大家可能会在什么地方汇聚吗?
  • 比如说呢?
  • 你觉得这几种不同的做法以后都会有生存空间是吗?

主持人程曼祺询问AI热潮是否给洋葱学园带来了用户变化,杨临风表示没有明显变化。随后,程曼祺提及猿辅导、与爱为舞等公司的AI转型,询问杨临风如何看待当前AI教育领域的不同路径。

杨临风认为,单纯从是否“AI原生”无法有效分类,因为所有企业都在追求AI化。他提出从教育的“需求侧”进行分类,观察到三个主要流派:

1. 标准化教学过程:将已有的人类教学流程(如大班直播课)用AI替代,以降低成本、提高交付确定性。他认为一些前教培巨头和“与爱为舞”属于此类。

2. 标准化学习服务:用AI将学习过程中的辅助环节(如作业批改、试卷推送、自动阅卷)自动化。他认为这部分工作是学习的“副产品”,而非学习过程本身。

3. 优化学习体验:这是洋葱学园专注的方向。他们致力于用AI让学习内容和学生接收知识的过程变得更生动、灵活、有趣。

杨临风判断,这几种做法未来都会有生存空间。他解释,教育是一个由多个逻辑完全不同的细分市场构成的复杂生态,不同参与者(学校、老师、家长、学生)的需求和理念各异,即使AI工具发展到极致,用户的偏好依然会很多元,从而为不同理念的产品留下生态位。

嘉宾称2023年AI热潮后用户增量没有明显异常,是简短的自我观察,没有披露指标。三类路径是他的需求侧划分,不是互斥技术分类:AI私教也有答疑与讲解,拍题精学也涉及学习服务。节目把猿辅导、与爱为舞及其他公司置于其判断框架中,不构成对这些公司的独立评价。转录中的‘元夫岛’‘徐尔森’只按语境标疑,不据此猜写专名。

话题推进:基于教育市场细分的判断,主持人追问AI技术是否会改变行业格局,催生出巨头公司。

00:56:44–01:00:09教育行业为何难出巨头,以及洋葱学园的追求

  • 你觉得AI来了之后,会让这个领域出现巨头类的公司吗?
  • 那还有一种可能,就是一个巨头把这个事给做了,比如ChatGPT。
  • 那我开个脑洞啊,比如说OpenAI把你收购了……那它是不是有可能做成?
  • 如果说你现在认为啊,就是教育这个领域其实是很难出现那种特别大的公司,你持续就是做洋葱学园的,你想达到那个目标追求是什么?
  • 影响力怎么量化呢?
  • 你们净推荐值在行业里是什么水平啊?

主持人程曼祺提问,AI是否会催生教育行业的巨头。杨临风坦言对此答案的置信度不高,但他目前的观点是“不会”。他认为,教育产品的选择高度依赖个人偏好,这为不同理念的产品留下了生存空间。即使是像OpenAI这样的技术巨头,也很难仅凭技术覆盖所有细分领域,因为每个领域都有其独特的行业知识(know-how)。用户会倾向于选择在特定细分维度下体验做到95分的产品。

程曼祺设想OpenAI通过收购(如收购洋葱学园)来补齐短板,杨临风认为,即使如此,也只能在一个细分领域做得不错。如果要覆盖所有环节,就需要收购大量公司,而这些公司之间的理念互斥性强、整合难度大,未必能产生好的化学反应。他指出,教育公司供应链短,服务闭环能力强,彼此合作的必要性不强。

既然难以成为巨头,杨临风表示洋葱学园长期追求的是“影响力”,即产品能真正帮助尽可能多的师生和学校。他认为衡量影响力的核心指标不是短期的用户或收入激增,而是体现产品价值的指标,如学生的净推荐值(NPS)、以及学校和老师的持续使用与复购。他透露,洋葱学园的学生NPS大约在50-60之间。

NPS讨论只提供嘉宾估计的‘五六十’,没有样本、问卷、统计时点或行业对照,他也明说不知道其他人的水平。原文对低分端的口述在‘1—2分’与‘0—1分’间含混,因此不借通用定义替他修正为已实际采用的精确公式。‘收购一千家公司’是主持人假设下的推演,嘉宾用它说明整合难度,不是实际并购计划。

话题推进:在讨论了行业格局和公司追求后,主持人引入了美国新型学校的案例,探讨AI环境下教育模式的未来探索。

01:00:09–01:05:46AI时代的课堂变革:从被动听讲到主动提问

  • 我想知道洋葱对这个问题(AI环境下的新教育模式)的思考和探索是什么。
  • 主动承担学习的责任是什么?
  • 你觉得小孩他有这种责任的?
  • 这是你们就是和学校合作的ToB的那块业务在做的事。
  • AI未来课堂。
  • 到现在这个时间点啊,你刚才讲的就是你们的就ToC,就学生用户的一些情况……学校这块是什么情况?就和多少学校合作?

主持人介绍美国Alpha School:据称每天课堂学习约两小时、下午做项目活动、有AI参与、一年学费6万美元。这些是主持人转述的学校模式与费用,本期没有独立核验。杨临风认可的不是‘两小时’或高学费本身,而是学生主动承担学习责任:规划自己的时间,没学懂时主动回看、提问,而非等待老师把知识交给学生。

主持人立刻追问小孩是否真能承担这种责任。嘉宾因此补充,自主学习不是把学生独自交给工具;多数学生的动机和习惯需要老师、学校创设氛围、课程与活动来培养。AI未来课堂是其To B探索,嘉宾称每年有2000多所学校获得深度在地服务。这里的‘深度服务’不等于全部学校都部署同一套AI课堂,也不证明低成本或效果已在这些学校普遍实现。

课堂过程包括:留出提问时间,教授嘉宾所称的‘布鲁姆提问框架’,部分启发融入AI;学生向AI提问并先获回答,问题可被全班看到,老师挑选好问题展示。分子扩散的例子里,学生追问‘有没有办法让它聚集’,被嘉宾视为好问题。其反馈不只是AI答案,还有同伴看见、教师展示与反复练习提问。一个个好问题证明的是当时发生了这种提问,不能独立证明学生理解加深、长期成绩提升或这套框架适用于所有学生。

话题推进:主持人顺着AI对传统教育模式的冲击,进一步追问应试教育和学科知识本身的未来。

01:05:46–01:11:00AI动摇应试教育,但学习知识的过程依然必要

  • 因为我觉得AI在动摇的一个事,就是应试教育的有效性吧。
  • 因为你们现在的课程是跟着课标来的,对吧?那你觉得课标这套体系,比如说我按什么数学、语文、物理这样去分类,这这还能持续多久?
  • 所以你觉得接下来学知识这个事还是会存在?
  • 而且它是会更回到学知识的本质。
  • 学校肯定是会存在的,是吗?你觉得?

主持人程曼祺指出,AI动摇了应试教育的有效性,因为它打破了“好学校=好工作”的稳定路径。杨临风表示赞同,他认为未来10年社会对工作的要求将发生巨变,现在初中生所学的具体知识届时可能无用,唯一确定的能力将是“能学新东西,并学以致用”。

程曼祺追问,既然如此,当前基于分科的课标体系还能持续多久?杨临风从教育学本质回答了这个问题。他认为,学习知识的本质目的不是为了知识本身,而是以知识为载体,训练人的思维方式。他以数学为例,学习数学的底层价值在于培养逻辑能力(学会讲道理)和理解复杂系统的能力(系统思维)。这些思维方式无法脱离知识载体被抽象地教授。例如,不经过深入学习,小学生无法理解“数学是美的”这一抽象观念。

因此,他得出结论:只要脑机接口没有出现,人类思维的发展就需要通过学习知识来完成。死记硬背之所以有害,正是因为它舍本逐末,忽略了对底层逻辑的理解。AI时代会让学习过程和体验的价值越来越大。同理,学校也100%会继续存在,因为人是社会性动物,绝大多数孩子需要学校和老师的引导才能学会自主学习。许多校长也已意识到变革的必要性。

嘉宾先说‘现在学的所有东西可能全都没有用’,再主张知识是训练思维方式的载体;这是他面对未来不确定性的辩证表述,不宜删成‘知识不再重要’或‘已证明数学能迁移到一切复杂系统’。古希腊几何、数学使人更会讲道理、数学训练能迁移到金融医疗等,均为其教育哲学解释,不是本期实验。‘学校100%会存在’是他的强预测,依据是社会交往与自主学习习惯需要外部引导。‘师生机三元课堂’是他对政策方向的转述,未给政策文件名。

话题推进:在确认了学校和知识学习的必要性后,主持人转向更宏大的问题:K12教育阶段最重要的目标是什么。

01:11:00–01:17:13K12教育的核心目标是“学会自立”

  • 在你们核心服务的这个阶段,就K12中小学这个阶段,你觉得最重要的教育目标是什么呀?
  • 你可以讲你比较相信的。
  • 那就是你开始说的能力、意愿,最后是信念。
  • 你觉得AI对教育整体有什么风险可以提前避免?
  • 推荐算法就是这个逻辑吗?其实那也是AI啊,只不过不是大模型。
  • 你说的太对了。
  • 我觉得也可能有一种风险啊,就是它会让愿意主动性地去学的人,他的能力被极大的放大……你的机会是公平的,但你的结果更不公平。
  • 你觉得肯定会发生?
  • 具体来说,就你们来发挥AI的价值啊,前面提到,比如说你们会用一些agent的这种私教,你们会往模型那个角度去做吗?
  • 对,不会。
  • 在你们现在就使用的这些模型里面啊,就对于你们的场景,不同的场景哪些模型会比较好用?

被问及K12阶段最重要的教育目标,杨临风分享了洋葱学园信奉的教育哲学:让学生“学会自立”。他将“自立”分解为三个维度:

1. 自立的信念:拥有自信,相信自己能搞定问题,敢于接受挑战。

2. 自立的能力:遇到未知问题时,具备将其搞明白的能力,懂得如何利用各种资源去学习。

3. 自立的执行力:包括自律、规划、目标设定与执行等底层能力。

这三点也对应了洋葱学园的使命——“创设学习体验,激发每个学生驾驭自主学习”。

谈到AI对教育的风险,杨临风认为,AI可能导致学生思维惰性,但这取决于产品设计。如果AI产品只是顺应人的惰性,就会加剧问题;但如果设计得当,AI也能成为将学生“拽出”信息茧房的工具。关键在于找到平衡:既要引导学生走向更广阔的世界,又不能傲慢地强迫,而是要耐心引导。他也承认,AI会加剧能力分化,导致结果更不公平,但这在他看来是AI对整个社会的影响,是必然会发生的。教育要做的,是思考如何帮助那些容易被甩下的学生不被甩下。

最后,关于技术路线,杨临风明确表示洋葱学园不会自己从头训练大模型,因为投入巨大且难以持续迭代。他们会做微调,但核心是应用。公司内部有专门的评测体系(benchmark),会测试市面上所有主流模型,根据速度和效果在不同场景下选择最优的来使用。

‘AI加剧能力分化’是主持人提出的风险;嘉宾认可并断言会发生,但把它归为社会风险,教育能做的是帮助易被甩下的人,而不是由一家教育公司保证结果公平。对思维惰性,他同时保留两种方向:一味迎合偏好会加固惰性,有边界的引导也可能提供新的出口;若居高临下纠正学生,学生直接离开,干预便失败。

技术上,嘉宾说会做后训练微调、不独立从头训练基础模型,理由是基础模型需持续高投入,一次性训练很快落后。他称内部会测主流模型不同版本、尺寸并选择方案;‘速度与效率’是原话,不能自行补成准确率指标。其私教由细工作流、多模型构成,但节目未给诊断、练习等具体分层。

话题推进:本段详细阐述了洋葱学园的教育哲学、对AI风险的看法以及技术路线选择,话题自然过渡到下一个关于“自主学习”更深层次的讨论。

01:17:13–01:43:39连续对话 4

01:17:13–01:18:14洋葱学园如何选择和使用大模型

  • 你们现在用的比较多的是什么(大模型)?
  • 你会观察到这些模型有什么不一样的特性的地方吗?
  • 比如说你们私教那块,你们用的是什么模型?
  • 你们现在在模型上大概会花多少钱了?或者说占你们的成本会有多少了?
  • 是因为你们并没有特别激进的让用户一直去用那个东西?

主持人程曼祺首先询问洋葱学园在使用哪些大模型。嘉宾杨临风回应,他们正在使用多家国内厂商的模型,包括字节、阿里和DeepSeek。

程曼祺追问这些模型之间是否有特性差异。杨临风指出,差异不仅存在于不同品牌之间,同一家公司不同版本或尺寸的模型也表现各异,因此必须通过实际测试来选择。他解释,在“AI私教”这类产品中,他们并非使用单一模型,而是构建了一套包含多个层次(layer)的复杂工作流,每个环节根据具体需求调用不同的模型。

关于模型使用的成本,杨临风表示目前占比不大。他解释这主要有两个原因:一是洋葱学园没有激进地推动用户大规模使用;二是中国大模型市场竞争激烈,目前费用相对合理。不过他也提到,随着头部模型价格上涨,成本有上升趋势。为了控制成本,洋葱学园会进行持续优化,只在最关键的环节使用性能最强、价格最高的模型,而非所有场景都用“最全最强的模型”。

关于成本,‘没有激进推动使用’是主持人提出、嘉宾附和的解释;另一因素是模型供应价格。嘉宾预期调用量会增加,并说不同位置持续优化,不是所有环节都用最强模型。这里无法得出具体成本、准确率或‘最好模型一定更贵’的固定结论。

AI私教嘉宾所述的个性化辅导功能:暂停视频后结合学科知识库、当前课程上下文调用AI;公司会做后训练微调,并把工作流拆细后使用不同模型。原文未把各环节明确命名为诊断、讲解、练习、反馈,不能自行当作已披露架构。
AI未来课堂嘉宾所述的To B课堂探索:学校与教师培养自主学习习惯,留出提问时间,AI支持学生提问,教师展示好问题,学生也可互助。节目给过一个互助个案,未证明全校或跨校长期效果。
洋葱助教行动洋葱学园设立的一个专项公益项目,由全职团队运营。其目标是主动接触并服务于中国乡村地区的学校和教师,向他们免费提供洋葱学园的教学资源,并配套提供使用培训和深度指导,以促进教育公平。

话题推进:在讨论完技术选型后,主持人将话题转向了对洋葱学园创业理念的根本性质疑。

01:18:14–01:22:16回应“精英背景”质疑:我们比多数人更敬畏学习的难度

  • 会不会有人会觉得就你,包括你的联创啊,你们都是比较精英的背景,你们所设想的这个状态是比较理想化的。它有可能最后是少数人追求的目标,但它很难支撑一个大的生意啊?
  • 你你你为什么,包括你的联创啊,就你们为什么会关心别人学不好这件事啊?
  • 你曾经考虑过在计算机行业去发展自己的职业生涯吗?
  • 你创业过程中间有很艰难的时候吗?或者说很生气很愤怒的时候?

主持人程曼祺提出一个尖锐的质疑:鉴于杨临风及其联合创始团队拥有从北京四中到哈佛等精英教育背景,他们所倡导的“自主学习”理念是否过于理想化,只适用于少数人,难以支撑起一个大规模的商业模式?

杨临风回应,他们创业的初衷并非源于自己是“好学生”,恰恰相反,是源于观察到那些在课堂上听不懂、昏昏欲睡的学生。他认为,与“理想化”的标签相反,他们团队对“人如何才能学懂”这件事,比大多数人更务实、更有敬畏感,因为他们深刻认识到学习本身的巨大难度。正是因为意识到了现有学习体验的糟糕,他们才会投入巨大精力去优化这个过程,而许多人恰恰忽略了学习的内在困难。

程曼祺进一步追问,为什么他们会关心“差生”学不好的问题,因为大部分学霸可能觉得这与自己无关。杨临风坦言不确定具体原因,但琢磨“如何帮助人搞明白一件事”本身让他们感到很有趣和有成就感。他确认自己大学主修计算机,也曾考虑过在该行业发展,但最终选择创业是因为教育与技术结合的项目能同时满足他在这两个领域的兴趣,并融入了社会创新的元素。

谈及创业的艰难,杨临风表示,公司面临的挑战是恒定的,即“在一个需要社会观念转变的领域,选择了一条非共识的路径”。他对比道,科研技术一旦取得经济效益上的突破,就容易被快速采纳。但教育不同,即使一种方法更优越,其效果也无法立竿见影地衡量,并且会受制于人们(如家长、老师)固有的认知和习惯。因此,改变需要等待时间、机遇和社会环境的成熟,这种组合给公司带来了巨大压力。

主持人的精英背景追问有两层:理念是否只适合少数人,以及为什么这些‘好学生’会在意学不好的人。嘉宾没有用效果数据回答第一层,而是回到农村课堂观察和对学习难度的敬畏;对第二层,他坦承‘我不知道’,只说琢磨人如何搞明白事情本身有趣、有成就感。他选择教育是技术兴趣、教育与社会创新的交汇。创业压力则来自效果难即时测量、家长教师已有认知与社会接受速度,不应被写成‘已经证明方法更优越只是别人不理解’。

话题推进:在描述了创业的根本挑战后,杨临风具体讲述了公司在融资和发展初期遇到的困难。

01:22:16–01:25:05早期融资与坚守:花两年时间打磨200个视频

  • 你们第一个投资人是?
  • 当时他在IDG的时候投的是吗?
  • 你觉得他支持你们是认为你们会赚大钱吗?会给他很大回报吗?还是因为什么?
  • 那你就相当于做了个大电影啊,从时长上来说。

嘉宾说早期花了很多时间寻找认同理念的投资人。他先更正严格意义的‘第一个投资人’:按转录,是Morning Side创始人陈乐宗(转录英文名为Jerald Chen),通过家族基金会提供第一笔钱;之后才是‘李峰叔’。后一位投资人在IDG时推动项目过会,出来做‘风瑞’后,洋葱跟随而未拿IDG的钱,后续每轮持续支持。人名、机构中文与英文均存在转录疑点,保留音译和待回听状态,不凭熟悉的投资人姓名直接替换。

主持人问支持是否为了赚大钱。嘉宾明确说可以直接问投资人,随后给出的理念相合只是他自己的理解;‘风瑞’的slogan在转录中作‘男儿正确的事’,只能标疑,不能猜改成确定口号。寻找理念相符的投资人、学校客户和团队都需要时间。

他称2013年底到2015年底约两年,团队完成初一、初二数学约200个概念视频,其间没有用户、没有产品launch,内容团队成本使风险更高。他今天回看称‘不太理性和冒险’‘挺悬’,只是随后较快得到市场认可。这一反例提醒:后来存活不能把早期高投入倒推为当时必然正确。在线热潮中,广告、交易额、投资人追问与员工心理波动仍需逐个解决。

话题推进:在回顾了创业过程中的种种挑战后,主持人询问杨临风最有成就感的时刻是什么。

01:25:05–01:28:38最有成就感的时刻:公益闭环与差生互助

  • 你最有成就感的时刻是什么时候?
  • 这个场景就是发生在你们的AI未来课堂上的是吗?
  • 所以倒数第一敢提问了,倒数第二就敢讲了。
  • 历史上你们有什么核心成员离开过吗?

嘉宾把最有成就感的经历归于‘洋葱助教行动’:一个数人的全职团队主动联系乡村学校、教师,免费开放资源,提供培训指导,必要时逐县走访。他自述累计支持约6万多名乡村教师、分布在3万多所乡村学校,并以全国乡村学校约10万所作参照;约10个县有整县支持。以上覆盖、比例与地点均是嘉宾口径,不能由注册或触达推出持续使用或教育效果。

从公益起步、为可持续投入创业、再让公司产品回到乡村,被嘉宾称为‘曲线救国’后的闭环。他同时强调不要绕得找不回原点。这是其最有踏实感的来源。

另一个例子是一所AI未来课堂合作学校的晚自习照片:高三的全校倒数第二给倒数第一讲题。嘉宾解释,原本最缺自信、最少被关注的学生,在这种环境里能提问、讲解、互相帮助,谁搞明白一道题也可到台前分享。这里能确认的只是嘉宾描述的具体场景及他对场景的诠释;‘点燃学习’不是成绩或长期能力测量,更不能把一所学校的一张照片推广为课堂模式已普遍有效。

嘉宾称三位联创合作约十四五年、早期核心成员也大多仍在,团队整体稳定;这同样是其自述。

话题推进:从公益闭环的成就感,自然过渡到了关于“先赚钱再做公益”这一路径的深入探讨。

01:28:38–01:33:55“曲线救国”的思考:为何不能先赚钱再谈理想?

  • 你相信先赚很多钱再来实现目标的这种做法吗?
  • 小的时候多小?
  • 小学你就思考这个问题了?
  • 这是你什么时候意识到的了?
  • 你说的高中时期,是你当时已经去英国了,还是在北京的时候?
  • 你看其他公司有什么例子,是我本来想奔着A目标,然后我先去作弊,后来果然就没做生意,或者反过来……
  • OpenAI是不是就绕不回来了?

主持人询问杨临风是否相信“先赚大钱,再实现社会目标”的路径。杨临风坦言,自己小学时受比尔·盖茨影响,曾相信过这条路。但大约在高中时期,他意识到社会最稀缺的不是钱,而是解决社会议题的好方法(idea)、做事的人和团队。找到一个好的解法并有团队能持续执行,其稀缺性远大于资金。

基于这一认知,他进行了更深入的思考:如果一家企业最初的目标是解决某个社会议题,但它选择先用其他方式赚钱,之后再“转向”(pivot)回来,成功的概率有多大?他现在的判断是“大概率不会成功”。

他解释道,要真正解决一个社会议题,从第一天(day one)开始,公司的产品形态、商业结构就必须围绕这个解法来设计。一旦企业通过其他模式取得了商业成功,就会被其固有的“基因和价值网”牢牢绑定,很难再打碎重来。他以洋葱学园为例,正是因为从一开始就瞄准普惠教育这个议题,才选择了“人机互动”这种可规模化、低成本的模式。如果当初选择更容易赚钱的“上人”(依赖大量老师)模式,今天就不可能低成本、可持续地将产品捐赠给乡村学校。很多人称赞洋葱的产品形态“恰好”适合公益,杨临风纠正道:“不是恰好适合,是我们day one开始就这么设计的。”

当被问及OpenAI是否是“绕不回来”的例子时,杨临风表达了理解。他认为,企业在发展过程中会面临生存拷问:如果今天不做某个商业上更有利的决策,明天可能就会被对手击败,从而彻底失去实现最初理想的机会。在这种压力下,企业很容易选择“快车道”,而一旦走上这条路,随着利益相关者(stakeholder)增多,就很难再回头。他相信多数创始人并非一开始就想“揣着明白装糊涂”,而是在过程中身不由己。

需要保留他的细微立场:他不反对有钱后资助好项目,只说如果自己可能有解法,把解法做成能造血的可持续组织,也未尝不是好事;‘先赚钱再回头大概率不行’是路径依赖判断,不是所有社会企业的普遍定律。对OpenAI,主持人提出是否绕不回来,嘉宾没有断定其欺骗或失败,反而说很多公司仍在过程中、相信创始团队起初真诚,也理解为了生存转入快车道的现实压力。这些限定不能与‘从第一天设计’一起压成单向道德批评。

话题推进:对创业路径的深刻反思,引向了关于个人角色定位和内心状态的讨论。

01:33:55–01:41:36创业不是为了开心,而是为了“踏实”

  • 你现在对自己的定位是什么?企业家、创始人、CEO还是教育者?
  • 这意味着什么?
  • 公司倒闭和公司最后取得商业成功,但是它没有去解决你们出发时想去解决的那个社会议题,你觉得这两个选项哪个对你来说是更坏的选项,更坏的结局?
  • 你觉得如果完全抛开公益,你们现在会做成什么样?你们会变成一个更大更赚钱的公司吗?
  • 你现在很开心吗?
  • 你觉得5年或者10年后,洋葱是一个什么样的公司啊?什么样的组织?
  • 你心里对这个相当多有一个数字上的目标吗?
  • 完整的愿景是?

主持人询问杨临风的自我定位。他回答,首先是CEO,其次是教育科技产品的产品经理。作为CEO,首要任务是保证组织的健康和生存;作为产品经理,则要不断创造新的、好的学习体验,因为这是洋葱的核心价值所在。他强调:“洋葱它必须是一个健康的、可持续的生意,但它不能仅仅是一个生意。”

面对“公司倒闭”和“商业成功但背离初衷”哪个更坏的抉择,杨临风认为,虽然都不好,但只要公司活着,理论上就还有机会。他透露,公司早期曾内部纠结于是做社会企业还是纯商业公司,最终的共识是:必须首先成为一家成功的商业公司。但在追求商业成功的过程中,有几条底层原则不能打破,例如不能依赖大量人力,以保证模式的普适性。在这个框架内,团队全力优化商业表现,从而避免了持续的内耗。

当被问及“现在是否开心”时,杨临风的回应是,创业无法用“开心”来衡量,他更看重的是“踏实”。这份踏实感来自于坚守初衷,这成为了公司面对风浪时的“压舱石”和“稳定器”。他解释,“踏实”意味着感觉自己投入的时间和精力,能够持续地对想解决的社会议题产生价值,而不是在“熬日子”。这种价值感也是核心团队保持稳定的重要原因。

展望未来5到10年,杨临风表示公司的使命——“帮助更多学生驾驭自主学习”——依然有效。他提到公司的完整愿景是“以学习者为本,为教育者赋能,促进教育公平”,其中的“每个学生”和“教育公平”是公司从第一天起就确立的目标。虽然服务“每个孩子”不现实,但若能在10年内帮助500万到1000万孩子真正掌握自主学习,就已是巨大成功。他认为,AI大模型作为“策略分发器”,能根据每个学生的个体数据进行个性化引导,使学习过程“活起来”,是实现这一愿景必不可少的工具。

他解释‘活着还有机会’后,实际组织原则是先做成功商业公司,而非每个决策同时追求公益与商业两个目标;普惠等底层产品原则先设边界,再在其中优化产品与市场。这是其减少内耗的方法。

十年目标中,500万或1000万是‘若能帮助……就了不起’的设想,且包含两个不同程度:更不排斥主动学习,或真正更自主、自信地掌握自主学习;二者不能混为已达成的能力结果。嘉宾先说使命可覆盖‘每个’孩子,随即明确‘绝对不可能’,体现愿景与可执行目标的差别。

AI在其叙述中的角色也不止生成内容:输入可含学生记忆、对话、历史数据、情绪与学业状态、知识点掌握度估计;模型据此判断当前状态并选择合适的资源与干预,反馈则来自学生后续使用。嘉宾没有披露数据质量、情绪识别准确率、掌握度算法、干预策略或效果评估,不能补写具体技术流程或宣称公平改善已经实现。

话题推进:在对洋葱学园的过去、现在和未来进行全面阐述后,主持人对本期节目进行了总结,并引出与往期节目的关联。

01:41:36–01:43:39节目结语:与马毅对谈的互文

主持人程曼祺总结了本期与杨临风的对话,内容涵盖了洋葱学园的创业故事、激发学生自主学习能力的目标,以及AI时代带来的新变化。她强调,学习的意愿和能力在AI时代变得愈发重要。

随后,程曼祺为本期节目建立了一个“互文”参照。她提到《晚点聊》第108期与计算机科学家马毅的对谈。在那期节目中,马毅将智能的本质总结为“学习”,即生物体获取外部世界规律以服务于生存的本能。从DNA到人类语言,都是智能和学习的表达形式。

程曼祺指出,杨临风本期也将自主学习描述为“人类基因的一部分”,与马毅的观点形成呼应。马毅从生物智能的简洁高效出发,反思当前AI主流路径的不足;而杨临风则从教育实践出发,探索如何激发人的内在学习机制。尽管视角不同——一个更关注AI能做什么,一个更关注学习机制本身——但都指向了学习的核心地位。最后,程曼祺个人判断,由于大模型在商业上极为有效,业界短期内仍会沿着“大算力、大数据”的路径“不撞南墙不回头”。

01:43:29之后是主持人个人判断:大模型短期商业效果强,业界会继续沿大算力、大数据路线前进;‘真正的强AI/墙何时到来’相关转录不清,只记录其大意。‘锻炼身体、自主学习’是她的收尾建议,不是嘉宾或马毅的结论。对第108期的内容也只是主持人在本期结尾的转述,本稿未另听该期。

话题推进:节目结束。

01:43:39–01:44:31连续对话 5

01:43:39–01:44:31结语:保持自主学习,期待听众反馈

在节目的最后,主持人程曼祺总结道,无论真正的强人工智能(AI)何时到来,对大多数人而言,一些比较确定的、有用的事情不会有太大改变,例如锻炼身体和自主学习。

随后,她宣布本期节目结束,并向听众发出邀请:如果对当天讨论的话题有任何观察、好奇或疑问,欢迎在评论区分享,这些反馈将成为节目讨论的一部分,使整个探讨更加完整。同时,她也鼓励听众将节目分享给感兴趣的朋友,并推荐未来的主题和嘉宾。最后,她介绍了收听和关注《晚点聊 LateTalk》及公众号《晚点 LatePost》的渠道,并与听众告别。

话题推进:本段为节目结尾,无后续内容。

以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。

主要论证:观点怎样由经历与例子支撑

【嘉宾模型】自主学习需要意愿、能力和工具协同,最终形成‘我能独立完成’的信念;洋葱选择从工具切入。

杨临风 · 00:06:15;00:08:58;00:10:52

输入是学生已有意愿、学习方法、知识基础和可用资源,三者相互影响。企业不能直接要求学生先具备意识,而是先提供更容易开始的内容、流程与反馈:降低理解门槛,让学生完成一次学习和应用,获得信心,再在长期实践中形成习惯与信念。失败条件是内容无法让学生开始或完成、成功只停留在做题而非迁移,或把多数孩子仍需学校与教师培养动机这一环省掉。嘉宾借‘系统一/系统二’解释深度思考的费力,是论证用的框架,不是产品效果证据。

成立条件:这是嘉宾的教育设计模型。要检验它,需要看学生是否从使用工具发展到无工具时也能学习,以及不同基础、年龄与家庭支持下的长期差异;节目没有提供这组证据。

【嘉宾经验判断】其目标学习场景存在内容质量门槛,低成本但让学生看不进去的投入可能没有产出。

杨临风 · 00:25:00;00:25:31

输入为一个知识点、学生认知与情绪状态,以及无教师监督时与游戏、短视频竞争的注意力。团队先重构讲解、设置目标与共情、可视化和互动暂停,经集体教研及行为数据回改,目标是让学生完成‘学懂—应用—得到信心’的闭环。若学生连观看与思考都没有开始,低成本扩产就没有完成教育过程。50元、80元是说明非线性门槛的口述比喻,不是实测曲线;‘部分学生开始愿意学’才是原话范围。

成立条件:该经验需要按目标人群、内容难度与使用环境验证。完播和暂停数据能提示过程问题,但不足以证明理解、迁移或长期动机。

【嘉宾强观点,非本期已证事实】他认为许多技巧化培训对基础不牢的学生甚至对应试也不够有效,较适合已有体系的尖子生。

杨临风 · 00:48:30;00:50:04

嘉宾认为碎片化‘大招’和口诀增加孤立记忆负担,而理解可把新知识接入网状联系;基础好的学生能把技巧接到已有体系,基础弱的学生可能只多背一套规则。主持人的个人例子是记住充要条件口诀却未真正理解,嘉宾另举‘左加右减、上加下减’与自然拼读。原话保留‘不能一刀切’,不能推出所有直播、所有教师、所有口诀都无效。新中高考反刷题是另一层政策趋势判断,未在本期用成绩数据检验。

成立条件:需要区分学生基础、教师实际教法、短期分数与延迟迁移。若对照研究显示技巧教学对普通学生也有稳定提升,或洋葱并未在相同条件下表现更好,就不能沿用这一概括。

【嘉宾创业判断】若企业想解决社会议题,产品形态与商业结构应从第一天围绕该议题设计;先赚别的钱再回头,通常会受已有价值网约束。

杨临风 · 01:28:38;01:31:13;01:32:11

输入是初始社会目标与可选收入模式;过程是模式逐步沉淀团队能力、用户、投资人和利益相关者;反馈是成功的旧模式强化原有选择,令转向成本越来越高。洋葱将普惠作为初始约束,选择可复用的人机交互内容,再让商业收入支持固定研发与乡村免费开放。失败条件是企业为了生存先上快车道,随后无法承担打碎旧模式的代价。嘉宾并不否定慈善资助,也没有断定OpenAI等仍在发展的公司必然失败。

成立条件:洋葱案例能说明这一策略如何自洽,不能证明每条‘先赚钱再公益’路径都失败,或每种普惠约束都带来商业成功。2022年‘全年打平’只是其自述的一项经营节点。

【嘉宾教育哲学与预测】AI可以支持学习,却不能替学生完成学习过程;学校和具体知识仍有价值,自立是K12的重要目标。

杨临风 · 01:01:25;01:06:50;01:11:00

学生需要亲自理解、提问、应用和复盘。具体知识为逻辑思维与理解复杂系统提供练习载体,学校负责社会交往、氛围和自主学习习惯。自立包括‘我能搞明白’的信念、利用资源解决问题的能力、以及自律规划和执行。嘉宾因而预测学校仍会存在;这是价值判断与预测,不是AI无法改变学校的事实证明。

成立条件:如果学生没有获得适当引导,AI可能迎合惰性、提供错误回答或让其依赖现成答案;如果学校只提供讲授而不培养自主学习能力,也不会自动实现嘉宾所说的作用。

机制与术语:对象、输入输出和中间过程

课程内容:从知识点到可完成的学习循环

【嘉宾方法及本文整理】输入是待学知识、学生基础与常见卡点。团队先提示目标和通法,以共情承认困难,用动画呈现抽象过程,并在关键处暂停,让学生思考或选择后继续。几何例子里,学生识别已知与未知,再用全等等关系转移边、角,逐步搭桥,而非背一道题的口诀。脚本还要经集体校验。输出是5—8分钟互动内容,反馈是学生能否解释、举例、比较或应用,以及每秒暂停、跳出、回退数据;异常峰值促使教研再改。失败条件包括内容超出现有基础、共情变成啰嗦、只完成视频却未理解,以及把行为峰值误读成唯一的学习结论。‘10分钟注意力’与质量门槛是嘉宾依据,本期未给研究或对照实验。

对应节目:00:13:39;00:17:27;00:22:53;00:28:23

本文自拟示意,不是嘉宾实验

【本文自拟示意,不是嘉宾实测】几何题先问:已知哪些边角,要求哪个关系,二者在图上隔多远?再寻找能建立等量关系的图形,把一条边或一个角转到新的位置,持续回到‘边角关系转化’目标。该例说明目标感如何维持推理主线,不是某道题的完整解答。

AI私教与拍题精学:有课程边界的补充辅导

【嘉宾产品描述;未披露部分不补写】输入包括学生暂停位置、当前视频上下文、学科知识库;在陪伴功能中还包括历史数据与记忆。AI分析当前帧可能的卡点并提供回应,拍题精学则梳理解题思路和底层方法,关联薄弱知识点视频。后文明确说私教有细分工作流、不同环节调用不同模型,并会做后训练微调。输出形式与具体模型分工未披露。直接反馈是学生能否继续当前学习,后续使用可形成产品数据,但本期没有给效果评估。失败条件是误判卡点、检索或知识边界失效、事实错误、答案替代思考,以及学生形成依赖;嘉宾所说‘不会出戏’是设计目标,不是零错误保证。

对应节目:00:12:36;00:29:14;01:16:00;01:17:38

AI未来课堂:提问不是只交给聊天机器人

【嘉宾课堂描述】输入是学生已有课程内容、疑问与教师设计的提问脚手架。学校先留出时间和心理空间,教授其所称‘布鲁姆提问框架’,部分启发融入AI;学生向AI提问并先获得回答,问题再被同伴看到,教师选择好问题向全班展示。输出是学生的问题、AI的初步回应、同伴与教师反馈;反复经历这一过程,目标是让提问逐渐成为习惯。失败条件是课堂没有留白、学生不敢问、AI答错或只给答案、教师不再筛选,以及把个别好问题当作全班能力提升。嘉宾的分子聚集问题和学生互助照片是观察个案,不是普遍效果证据。

对应节目:01:01:25;01:03:07;01:04:09;01:26:55

本文自拟示意,不是嘉宾实验

【本文自拟示意,不是嘉宾课堂实测】学生学习分子无序运动与扩散后,追问‘有没有办法让它聚集?’。AI可以先回应,教师也可把问题展示给全班。该例展示的是提问如何被接住和公开反馈,不是证明学生已理解完整分子机制。

AI作为策略分发器:从统一流程到状态相关干预

【嘉宾在结尾提出的产品方向】输入可包括学生记忆、对话、历史行为、情绪与学业状态,以及公司算法估计的各知识点掌握度;模型用于判断当前状态,在合适时机分发已有资源、引导方式与干预,而非只生成新内容。输出是一项教学行动,例如继续、回退、提问或补充某种资源;具体策略未列出。合理反馈应看后续理解、独立提问和无工具迁移,但节目没有提供这层闭环的验证。失败条件是数据不全或侵犯隐私、情绪与掌握度误判、错误干预、策略只优化使用时长,以及技术便利进一步扩大基础差异。后四项中隐私、数据质量与指标偏离属于本文风险分析,不是嘉宾披露的实际事故。

对应节目:01:40:18;01:41:07

独立判断:这些对话改变了什么理解

【本文推断】本期最有解释力的主线不是‘动画比真人好’或‘AI替代教师’,而是把教师不在场时的学习过程拆成可设计的反馈环节。

推理:嘉宾的产品选择彼此相连:目标提示解决‘每句听懂但不知为何’,共情和IP降低开始的心理成本,互动暂停让学生实际思考,成就闭环提供小成功,行为峰值把问题带回教研,AI在特定上下文补位,课堂再由教师与同伴提供社会反馈。由此看,洋葱的差异化更像一整套过程设计,而不是单一动画资产。‘数字原生’的含义是重新组织输入、行动与反馈,而不是把教材或真人讲课数字化。

竞争解释与边界:这只是从嘉宾叙述抽象出的产品机制。完播、暂停、NPS、提问或互助各自都不足以验证学习;高投入教研也可能只改善体验而没有改善迁移。需要把无工具解题、延迟保持与主动提问作为后续验收。

【本文推断】三类AI教育不是互斥分类,真正可比的是AI在哪个环节改变了谁的反馈,以及谁为错误负责。

推理:标准化教学、学习服务和学习体验可以在同一个产品里并存:洋葱AI私教也讲题、答疑,拍题精学也连接诊断与内容服务。与其按企业标签分类,不如追问:输入的是题目、视频位置还是长期学习状态;AI输出答案、提示还是资源选择;教师怎样复核;学生最终是否更独立。嘉宾关于通用模型难适配中小学生的解释仍属推测,产品结果比较比‘AI原生’身份更有辨别力。

竞争解释与边界:这一框架是本文提出的分析工具,不是本期披露的评测体系。不同模型、提示、课程和教师配置需要分别比较,不能由洋葱对产品设计的自述推断其他公司的效果。

【本文推断】商业生存与普惠不是本期的简单先后关系,而是‘先用底层原则限制可选模式,再在边界内求商业成功’。

推理:嘉宾一方面说必须先成为成功商业公司,另一方面反对先随便赚钱再转回公益。这两者可通过约束条件统一:不采用难以低成本复制给乡村的重人力交付,选择高固定投入、可复用内容,再追求用户与收入跨过经营拐点。2022年全年打平被用来说明这条路可能持续,公益覆盖说明同一产品确有触达。它们仍不能证明普惠是盈利的原因,也不能证明效果公平。

竞争解释与边界:幸存者偏差是主要竞争解释:早期两年无用户的高投入极其冒险,找到理念相符的投资人和后来市场认可可能不可复制。公益也可能带来品牌信任与学校渠道,或限制定价与增长;本期没有足够财务数据区分这些解释。

【本文推断】最需要审计的不是AI能否生成讲解,而是‘临时帮助’是否转化成‘独立能力’。

推理:AI私教降低当前卡点成本,可能让学生继续并建立信心,也可能让学生每次卡住就索取解释。二者的区别要看提示是否逐步撤除、学生是否开始提出更好的问题、能否在无AI时完成变式题,以及错误回答如何被发现。嘉宾对AI惰性和分化风险的回应提供了设计方向,不能替代这些结果测量。

竞争解释与边界:短期成绩可能改善而独立能力不变,独立能力也可能提升但短期分数不明显。不能只凭某一项指标宣布产品有效或有害。

尚未解决的问题与可检验的下一步

待解问题:内容互动和AI辅导是否提高了无工具时的保持、迁移与主动提问,而不只提高完播、使用或NPS?

下一步信息或小实验:【本文研究建议】按年级、基础和既往自主学习经验分层,比较无AI、有AI私教、有AI且教师引导三种条件。除当前学习表现,还测延迟变式题、无工具解释与后续主动提问;记录AI错误、求助频率与提示逐步撤除后的表现。课堂组需保留相同教师与时间,避免把教师差异算给AI。

怎样的结果会改变判断:若收益只出现在有工具当场且随帮助撤除消失,或求助越来越浅,就应削弱‘培养自立’的结论;若不同基础学生均能逐步减少帮助并独立迁移,才支持该机制。

待解问题:‘洋葱味道框架’迁移到文科时,哪些部分有效,哪些会压缩开放理解?

下一步信息或小实验:【本文研究建议】分别检验目标提示、情感共鸣、可视化与逻辑拆解,而不是把整套框架作为一个不可拆分处理。对同一文本比较名师讲解与不同组件组合,评价解释证据、多元感受、延迟复述及学生访谈,不只测标准答案。

怎样的结果会改变判断:若逻辑拆解提高标准题分数却减少有依据的多元解读,应限定其适用环节;若目标与共情独立改善理解,就不应把整个框架限定于理科。

待解问题:公益覆盖与经营打平背后的真实使用、成本与学习收益是什么?

下一步信息或小实验:需要补充去重活跃师生、连续使用、培训完成、乡村与城市可比结果、内容更新和在地服务成本,以及2022年后经营数据。将‘注册/触达/深度服务/持续使用/能力改善’分别统计,并抽样访谈未持续使用者。

怎样的结果会改变判断:若高覆盖主要是注册而持续使用很少,或成本随服务规模同步上升,就不能据此宣称可规模化普惠闭环;若不同地区均能持续使用并改善独立学习,才增强这一判断。

影响理解的转录疑点

优先细读00:06:15—00:25:47,理解意愿、能力、工具怎样落实到目标感、共情、互动暂停与成就闭环;再读01:00:50—01:05:46,看学校、教师、AI与同伴如何共同接住学生提问。若关心创业路径,可读01:28:38—01:38:16,注意嘉宾同时主张先做成商业公司与从第一天设置普惠约束。所有教育效果主张需与具体个案、公司自述和本文推断分开。

证据边界与资料索引

本页依据整期机器转录、官方节目介绍与章节逐段重建,未宣称逐字人工听审。说话人、专名、数字和时间可能存在识别误差;原声仍是最终核对依据。嘉宾关于公司、市场、研究、个人经历与未来的说法按口述保留,不自动等于独立核验的事实。

原节目:167: 洋葱学园杨临风:用AI制造捷径,是在杀死真学习

本页使用的公开文字或字幕来源

返回顶部