这是一篇关于量潮课堂 App 的工作札记。

最近一段时间在重启自研量潮课堂 App，作为整个系统的其中一个单元，也作为这块业务的平台支持。

为了汲取灵感，我长期在小红书等各个平台跟踪了 AI 教育产品。看下来以后觉得千篇一律。

究其原因，还是因为在用旧时代的思维方式做新时代的教育。大部分 AI 教育产品试图复刻旧的教育经验，包括被吹的天花乱坠的“苏格拉底提问”。

几乎没有学科限制的大模型及其擅长跨领域综合，以及几乎随时随地可以提问。这些会让被教育者和教育者的角色发生根本性的变化。

AI 时代的学习者最舒适的方式不再是照本宣科，而是随着兴趣自由探索。我经常有事没事就和 AI 讨论历史、科学、哲学等等五花八门的前沿问题，并且会总结出自己的结论记录下来。

AI 时代的教育者因此要发生根本的变化。教育者将聚焦于帮助学习者建立学习方法、事后总结等。教育者的角色开始越来越靠近咨询师。

因此，AI 教育平台绝不应该按照传统教育的模式复刻，而是应该考虑如何最大程度地激发学习者的学习动力，以及如何最大程度地帮助学习者建立知识体系。

我们已经在新模式中做了很多尝试。我们的理论课聚焦于帮助学生扫清认知障碍，实践课则侧重于接近企业实战环境。在浙理大数据微专业的课堂上，我们尝试了议事型课堂等新的教育方式。

为了实现学生和教师的协作，量潮课堂被划分为学习模块和课程模块两个主要模块。

主要的创新点在于引入学习模块，允许学生自己探索并帮助学生初步总结和提交老师反馈。

课程模块则会出现一种敏捷式、归纳式的课程研发模式。不再是以“上课”为中心，而是以“研发”为中心。并且是学生和老师共创。

这些范式的主要难点在于，系统性地引入企业 SaaS 的经验梳理复杂协作。而不是像现在市场上的教育平台把教育策略固化。

教育策略应当是因人而异和因环境变化而异的，因此应当不断流动。教育策略也应该作为其中一部分的数据显性化地管理。因此我们只应该在平台上封装元策略。

那么什么是元策略呢？激发学习兴趣、评估学习效果、纠正学习方向。换句话来说，验收学习者的学习成果是最好的办法。do something 比任何证据都来的有利。

接下来我们会围绕我们的新思路构建新平台。