我做过教育相关工作，也长期从产品设计的角度观察工具如何进入人的日常。每次看到 AI 教育产品，我都会先问一个比“模型有多聪明”更朴素的问题：它究竟帮助谁，在什么时刻，少走了哪一步弯路？
先看学习流程，不要先选模型
学习不是提一个问题、得到一个答案就结束。一个完整过程里，可能有目标设定、知识理解、练习、反馈、回顾和下一步安排。学生需要的未必是更多内容，而可能是把一道题讲清楚、发现自己卡在哪、或知道接下来应该练什么。
教师面对的也不只是备课。课堂准备、作业反馈、个别辅导和学习情况梳理，常常分散在多个环节里。Agent 的价值，不在于把每个环节都自动化，而是把其中清晰、重复、可检查的工作串起来，把时间还给更需要人的判断与交流的部分。
教育场景需要“可检查”，而不只是“像真的”
生成式 AI 的表达很自然，但自然不等于正确。教育产品必须让用户知道回答依据是什么、哪些内容需要核对、出错时如何纠正。对于教师，建议应该可编辑、可拒绝；对于学习者，反馈要帮助理解，而不是只给一个看似权威的结论。
这意味着产品要为边界设计：区分资料检索与推断，留下过程记录，允许人工复核，重要结果避免静默覆盖。尤其当系统面向未成年人或学习评价时，数据使用、权限和解释方式都应该先被认真设计。
从一个窄而真的问题开始
我更看好从具体工作流切入，而不是一开始就承诺“个性化教育”。先选一个重复出现、结果可验证、失败后能由人接管的任务，和实际使用者一起跑通，再判断它是否值得扩展。
教育里的 AI Agent 不应是一个会接话的功能展示。它应该理解自己能做什么、不能做什么，在合适的时候把任务交还给人，并让学习者和教师都更清楚下一步。真正值得做的产品，最终要在这些细节里被验证。