别人在把 AI 做得更会答。 我们在教它什么时候别答。
AI 越会答，学生越不用想。所以我们花力气的地方，是五件跟「答得更好」无关的事：让课程像老师一样推进、让智能体学会克制、让多个智能体共用一个项目、让支持随阶段变化并按时退场，以及让最后那份评估里的每一句话都能被核对。教学法先定，算法再去实现它。
教学法先定下来，算法再去实现它
下面五件事，每一件都是先有一个教学上的主张，才有对应的实现。它们按学生遇到的顺序排列：先在课程里学会方法，再带着方法进项目，最后由评估把整段过程读回来。
拟人化的课程工作流
一门课不是一段视频加几道题。它按一个老师的节奏推进：放材料、等她看完、就着材料追问、在她卡住的地方递一张工具卡、等她答完，再决定往哪走。她的答案会改变后面的路线。
课程的产出是能力，交付物是几张能带进真实课题的方法卡——一门课上完，学生手上多了工具，不只是多了一段观看时长。教育增强的 AI 智能体
通用助手的本能是把答案给全。这个智能体每一轮先问自己一件事：这一刻，思考应该留给谁。该答的答，该提示的提示，该把思考还回去的时候，它递出一张工具卡——一次只问一个问题。
这是学校最在意的那条线：AI 全程在场，正文与核心判断始终归学生所有。它由系统守住，不靠师生的自觉。多智能体协作
一个项目要跑几周。主智能体走过立题、阅读、写作、回顾所有工作面，记忆不断线；只有必须吞下长文本的活儿——读一篇论文、评一段过程——才交给上下文隔离的子代理，回来只带结论。
它撑得起 EE、IA、课题研究这类跨周的大任务。而恰恰是这类任务，才让判断力有机会显形——短任务里看不出一个人会不会想。分阶段的 AI 支持
同一句「我帮你看看」，在立题阶段是帮助，在写作阶段就是代劳。所以支持按阶段路由：每个阶段 AI 能做什么、不能做什么，是分别定义的。支持还要会退场——一张卡被召唤得越来越少，才算教会了。
教师可以放心把 AI 交到学生手上：边界写在系统里，不靠一遍遍叮嘱维持，也不用老师在旁边盯着。过程评估
最后把整段过程读回来，写成一份报告。数得出来的部分直接从记录里算；需要判断的部分，每一句都必须指回一条真实存在的片段——点开就是当时的那段对话、那张卡、那条来源。
思维过程第一次成了拿得出来的东西：教师看得见证据、家长看得懂叙述、学生看得到自己的轨迹，学校也终于有了作品之外的第二种依据。一门课按老师的节奏走，不按播放条走
视频课的问题是它只会往前播。这里的一节课是一条工作流：每一步都有「等她做完」这件事，她做了什么会改变下一步。课程内容由一个课程智能体生成，播放则完全确定——同一门课，每个学生走到的位置可以不同，但绝不会走进一个断掉的地方。
每一步都会等她
看完这段材料、答完这个问题、填完这张卡，课程才往下走。「等」这件事在视频课里做不到，而它恰恰是教学里最要紧的一拍。
她的答案改变路线
答得稳就往前推，答得含糊就换个角度再问一次，卡住就递一张工具卡。这些分支写在课程里，每个学生走出来的路径都是自己的。
开场和收尾是为她现写的
同一门课，对刚做完溯源的学生和刚放弃一条线索的学生，第一句话不该一样。开场与收尾在播放时按这个学生生成，课程本身保持不变。
一次工具调用，执行者是学生
这是整套设计里最关键的一句话。智能体照常发起一次工具调用，只是这一次，执行工具的是学生：一张思维工具卡在她手上展开，她自己填。填完的内容回到对话里继续被追问。教学动作与被记录的证据，在这一步是同一件事。
从「决定」到「证据」，只有四步
四步之间的接口窄到只剩一个函数，所以教学法可以单独迭代：想改 AI 什么时候该闭嘴，改决策那一层；想加一张新卡，写一份卡的配置就够了。
决定
这一刻该不该把思考还回去，该还哪一张卡。整条克制阶梯都在服务端，前端改不动。
递出
决策与卡之间只有一个函数：summon_card(卡, 理由, 一句提示)。触发是自动的，打开由学生确认。
执行
卡在她手上展开，她自己填。AI 不代填一个字段——这一步的执行者是人。
回灌
她填完的内容回到对话里继续被追问，同时长成过程树，成为评估那一刀的地基。
递卡这个动作，本身就是一条教学信号
系统在合适的场景把卡递过去，记「引导」；没人提示、她自己召唤，记「自发」。同一张卡，这一点之差，就是我们判断她是否已经把方法内化的主要依据。
一个智能体，走过所有房间
立题、计划、阅读、写作、回顾是同一个「印记」的不同工作面。换房间只是把镜头移过去，它带着整段记忆一起走——所以写到第三周，它还记得她两周前为什么放弃那条线索。子代理只在必要时出场。
阅读子代理 · 简报进，要点出
进去的是项目范围和「为什么读这一篇」，隔离处理的是全文，回来的是五个字段：发现、可信度、关键引句、新线索、对提案的影响。文章正文从未进过主线程——所以读了二十篇之后，对话依然清爽。
评估子代理 · 用最好的模型，永不降级
陪练可以用中档模型，反正它一次只问一个问题。评估不行：它要吞下整段过程，吐回双轴读数和一段会被学生、家长、教师反复读的叙述。这是我们唯一不省成本的地方。
一个项目跑几周，对话不能失忆，也不能无限变长
办法是把定形的东西沉淀成结构：提案定稿、一篇文献读完、一张卡填完——这些一旦稳定下来就写进项目脊柱，对话里的原始轮次随即退场。每一轮现搭一份紧凑的视图，细节按需再取。
同一个帮助，换个阶段就成了代劳
「我帮你看看这段」，在她还在想题目的时候是帮助，在她动笔之后就是替她写。所以边界按阶段分别定义：AI 在每个阶段能做什么、不能做什么，是两张分开的清单。
| 阶段 | AI 在这里做什么 | 永远不做 |
|---|---|---|
| 立题 | 把模糊的兴趣问回一个能回答的问题；生成检索词；指出范围过大 | 不替她定题 |
| 文献与阅读 | 隔离读完长文只带要点回来；在合适的时刻递 SIFT、CRAAP | 不替她判断一条来源能不能用 |
| 写作 | 指出论证断裂、扮演反方、查引用是否支持这句话 | 不写一个字正文 |
| 修订 | 通读草稿给批注，追问「这里改的是论证，还是只是措辞」 | 不替她改 |
| 回顾 | 把整段过程读成一份报告，指出下一步 | 不替她写反思 |
一张卡被召唤得越来越少，才算教会了
所以我们盯的不是使用量，而是两条同时发生的曲线：这张卡的召唤次数往下走，同时它封装的那句追问，开始出现在学生自己写的提示词和修订理由里。
她走到哪一步，取决于她做完了什么
阶段不靠日期推进，也不靠她自己勾选。提案定稿了、文献读到一定数量了、初稿有了——这些真实发生的事推动阶段前进，AI 的边界随之改变。
事实用数的，判断用证据拴住
报告分成两半。数得出来的那一半——轮次、材料数、字数、批注、修订、时间线——直接从记录里算，一次模型都不用调。需要判断的那一半交给最好的模型，但它只能引用一个事先建好的证据集里的东西，指不到的判断在生成之后被整条丢弃。
每一句判断都点得开
模型能引用的东西被限定在一个索引里：某一条对话、某一次事件、某一张卡、某一个来源。教师点开看到的，就是当时真实发生的那一段。
两根轴分开报告
认知深度和智识自主分开测量、分开写，永不合成一个总分。同一段让步段，深度轴问她做得好不好，自主轴问这件事是谁发起的。
证据不够，就说不够
这一周期没看到某一维的证据，报告就写「本周期证据不足」，而不是找一句稳妥的话填上去。没看到，只说明证据还在积累。
把 AI 做聪明有现成的路，把它做克制没有。
下面四件事，换一个更强的模型都解决不了。它们得先在教学上被想清楚，再一层一层做出来——这也是我们认为这套系统真正的门槛所在。
另外一件不算算法、但学校会问的事：学生的对话只在服务端处理，浏览器从不直连模型，密钥不进任何前端。
克制比聪明难
模型的默认行为是把答案给全。要让它在对的时刻停住，得先让「把思考还回去」变成一个它真的能调用的动作——也就是一张学生愿意填、填了有用的卡。没有这张卡，克制只是一句没人遵守的提示词。
支持要随阶段变化，还要肯退场
同一个动作，换个阶段就从帮助变成代劳。所以每个阶段的边界是分别定义的。更难的一半是退场：脚手架的宿命是拆除，所以我们盯的指标是「这张卡被召唤得越来越少，而它封装的那句追问开始出现在学生自己的提示词里」。
评语要能被核对
「他的论证有进步」这种话，家长和教师没法核对。所以每一句判断都绑着一条真实片段：点开就是当时的对话、那张卡、那条来源。指不到证据的判断，我们宁可不说——报告里因此会出现「本周期证据不足」。
这五件事是互相喂养的
卡该在什么时刻递出来，判断依据来自真实项目留下的过程记录；量表怎么分层，来自七张国际课程评分表与三十年的实证研究；而报告读的，又正是这些卡留下的痕迹。单独复制其中任何一件都不难，难的是让它们同时成立、并且一起变好。