洋蔥學園聯合創始人兼董事長楊臨風，圖片由其本人提供

今年1月，深圳市南山區四年級數學期末統考上了熱搜，因為臨近考試結束時，各學校接到教科院通知，延長20分鐘。

這試卷也上了熱搜，一共36道題，整整6頁A4紙，情境化、跨學科、增加了閱讀量。句句有主謂賓，段段有原因有結果，大量長句，很多學生連題目都沒能讀完。有人調侃，這恐怕是語文老師出的數學題。

而觸發這個罕見現象背后真實的原因，竟然是AI。

在新課標改革之下，AI大模型浪潮又不期而至，“死記硬背”成為好學生的時代，已經徹底不復返。學以致用，用學科思維理解和解決現實生活中的問題，是考察學生能力的方向，哪怕他還只是一個小學生。

“去年全國各地的中考卷里，都有新題型。變化是非?？斓?。為什么這么著急？明知這么改完之后，很多地方老師、學校學生不適應，也要改？就是因為AI時代來臨了，沒有別的原因?！毖笫[學園聯合創始人兼董事長楊臨風說。

考試改革的旋風，也給教育科技公司提出了新的命題。去年，洋蔥在落地AI這件事上，相對比較輕量化，，亮點的應用在AI情感陪伴。

而今年，尤其是在DeepSeek引發模型深度思考變革之后，楊臨風決定加快發展步伐，用AI大模型，包括多模態的方式，將洋蔥過去11年積累的數據和內容庫，“重新”再做一遍。

在2025世界數字教育大會期間，在教育數字化成果展上，洋蔥學園展示了針對中小學生自主學習的AI智能學伴。

事實上，不止洋蔥，今年包括學而思、猿輔導等教育科技頭部公司，也開始打破常規，第一次正式走向臺前，向市場闡釋和推廣自己對“AI+教育”的理解。在這些公司的理想愿景之中，終極目標是為每一個學生，打造一個可以伴隨終身的AI老師，或者說，AI學伴。

而在學校教育之中，美國得克薩斯州Alpha School的模式，是被看好、學習和效仿的對象。該模式的核心是，上午通過AI應用程序，完成個性化學科學習，僅需2個小時，而下午則專注于實踐技能與綜合素質培養，學生結合興趣自主選擇活動。

這樣的模式之下，學生標準化測試成績超過了美國平均水平，MAP成績飆升至全美2%，還釋放了學生創造力，為未來教育指出一個新的方向。

AI課堂真實場景，圖片由洋蔥學園提綱

不過，在已有優勢業務的基礎上做出變化，挑戰依舊存在。通用大模型變得便宜、好用的另一面，是大家都可以調配大模型的通用能力，而產品之間的差異會變得非常小，所有的玩家又回到了同一條起跑線上。

而要想做出特色來，在一眾AI學習產品中脫穎而出，獲得市場優勢，需要重新理解課程內容與AI技術結合，工程設計上，合理搭建鏈路與流程。而大模型的性能的發展是飛躍式，隨著時間推移，一旦有新的突破，在上一代模型上做的蒸餾和場景的小應用，全部都會作廢，用心搭建的護城河，會被一次又一次拍倒在技術浪潮之下。

以下是與楊臨風的對話實錄，經編輯整理：

Q：很多人都認為今年是AI智能體元年，您怎么看？AI智能體會為教育行業帶來什么變化？

楊臨風：我非常認同這個判斷。過去半年，人工智能技術的迭代速度遠超預期，不僅在教育領域，其他行業也出現了顯著變化。以大模型為例，去年雖然具備聯網搜索能力，但其對本地知識和具體工具的調用能力仍存在明顯局限——主要服務于“務虛類”任務，比如文章潤色、PPT制作等通用性內容。然而，真實工作場景中，80%的任務需要交付具體成果，例如數據分析、流程優化等“務實類”需求。

這一局面在2025年初發生了根本性轉變。DeepSeek等大模型通過深度思考鏈（Chain-of-Thought）技術的普及，顯著提升了意圖理解和任務規劃能力；同時，RAG（檢索增強生成）技術和MCP（模型上下文協議）的成熟，使得大模型能夠低成本、高效率地接入本地知識庫和工具鏈。這些技術突破標志著AI智能體從“工具輔助”向“自主執行”躍遷，2025年因此成為其規?；涞氐墓拯c。

Q：AI大模型一直在進化，但行業內對于AI老師或者AI Agent的預期和設想似乎沒有太大變化，大體上是讓AI成為一個更懂每一位學生的“老師”，需要解決學習上的問題也是類似的，這樣的情況下，教育AI Agent與之前的AI相比，本質上發生了變化嗎？

楊臨風：以前的AI老師，經常會答非所問，就像是活在自己的世界里，只是基于常識來生成回答內容。這里會出現兩個問題：第一，AI講的內容沒有辦法貼近學生的認知。因為它不知道學生的信息和基礎學情，只能基于人類發布到數字世界里的信息來猜測。

第二，AI主要是以嚴謹的邏輯做文字性推導為主。但是，中小學生很難用文字的方式去理解知識。事實上，大部分學生的認知方式，需要增加生動的圖像、動態的變化，要看到實驗的現象和原理，才能了解知識背后的結構和本質。

Q：所以“本地化”是這一輪教育AI Agent的關鍵詞？該怎么理解？

楊臨風：可以換一個說法：我們嘗試給AI大模型接上更多的大腦。我們會基于積累的多維數據庫，包括學生的基本學情和學習過程數據，利用AI Agent調用這些資源，生成或組織更加貼近學生認知的數字內容。

例如，當AI需要向學生解釋某個知識點時，它不會簡單地輸出一段500字的文字，而是從我們約1萬部的動畫交互課程中，調用最匹配的片段。再比如，對于初二數學成績不理想的學生，如果直接向DeepSeek提問學習提升規劃，它可能會給出一份詳細的文字建議，例如“每天花10分鐘整理錯題、5分鐘預習”。AI Agent的突破在于，它可以直接調用課程和模塊，不僅說明“為什么要這么做”，還能明確“每天什么時間做什么”。

Q：學習類Agent，是不是只適合那些本身就有很強烈的學習的意愿的，或者自學能力很強的學生？面對一個“學渣”，AI給再多實用的建議，會不會也比不上那些可以對他直接施加影響的人，比如說老師或者父母親自的督促和指導？

楊臨風：和ChatBot給學生回答或提出建議相比，現在的AI Agent已經往前走了一大步。以前大模型給學生的建議，其實是通用建議，它不會具體告訴你應該讀某本書的第167頁到第168頁。這些建議對孩子的自主規劃能力和學習動力要求非常高，如果老師不把孩子叫到身邊，手把手地教，大部分孩子自己是無法執行的。

而現在的AI Agent已經降低了門檻。關鍵的是，這一切學生只需要動動手指就能一鍵完成——不需要自己去搜索、篩選或規劃，所有步驟都被封裝成可直接使用的工具。

Q：通用大模型變得越來越可獲得，并且，大家都在往相同的方向發力的時候，做學習類AI Agent怎么保持差異化的競爭優勢？

楊臨風：首先，數字化的課程內容資源庫是核心基礎。我們過去十一年沒有涉足直播課，而是投入大量資源制作了約1萬節動畫課程。每節課的成本約為10萬元，內容顆粒度極細且系統化，嚴格匹配公立學校的教材版本體系。這是AI Agent調用和生成內容的基礎支撐。

數據的沉淀與應用很重要。在哪些環節插入互動、何時進行干預、何時輸出關鍵知識點，要大量實踐經驗。我們有1.1億用戶，累計產生超過5000億次互動數據。當大模型調用我們的內容時，無論是提取1分鐘的片段，還是通過MCP（模型上下文協議）或RAG（檢索增強生成）技術匹配知識點，都依賴于內容本身的結構化程度。

我們還有一項優勢是，與公立教育體系的深度綁定。我們在全國有370多萬名公立學校教師用戶。老師們每天的備課和授課，每一次使用，實際上都在為我們的系統提供數據校準。

Q: 教育的“慢周期”特性與AI技術“快迭代”屬性如何兼容？洋蔥的產品更新節奏遵循的是什么原則？

楊臨風：教育的“慢”與AI的“快”看似矛盾，但本質上是互補的。我們的“慢”，體現在對教學場景、工具和內容的長期積累過程——比如課程研發、學情數據沉淀、教學邏輯驗證，這些都需要時間打磨。例如，我們花十年時間構建的1萬節動畫課程體系，每節課的顆粒度、知識點的銜接邏輯、互動設計的節奏，都是經過反復驗證的成果。

但當我們與AI結合進行落地時，工程化的效率可以非?？臁１热纾坏┐竽Ｐ偷募夹g能力達到某個閾值，我們能迅速將已有的課程資源、數據資產與AI能力對接，實現功能升級。這種“慢積累+快落地”的模式，也是我們的核心策略。

Q：但“AI+教育”很早就是一種“政治正確”的共識，前兩年大模型剛出圈的時候，你沒想通如何做與AI教育相關的時候，是因為什么？

楊臨風：我們當時沒想清楚，如何為學生交付真正有價值的學習體驗。當時，市面上的做法是在產品里接入一個大模型對話框，這在技術實現上并不復雜。但我們不做，因為沒有找到AI與教育本質的連接點：既沒想明白這種交互對學生的認知提升究竟意味著什么，也沒想清楚，AI如何才能深度調用洋蔥過去十年積累的課程內容和學情數據庫。

早期大模型在教育場景中有局限性。它無法解決學習過程中最關鍵的痛點，比如學生如何從抽象知識中建立具體理解、如何通過動態反饋調整學習路徑等。如果只是用AI“包裝”傳統模式，反而會削弱洋蔥在課程設計和數據沉淀上的優勢。因此，我們寧愿保持克制。

Q：只要想通了，落地和執行就是一瞬間的事情。不過，作為企業最高決策者，你怎么確保，那一瞬間是真的想通了，還是因為“害怕錯過”（Fear of Missing Out，FOMO）的心態，讓你焦慮和沖動了？

楊臨風：我們判斷“想通”的核心標準，是能否站在學生的學習需求視角，完整模擬整個學習流程，并確保每一步體驗都絲滑、順暢。如果這個流程中存在卡頓、割裂感，或者需要學生額外付出認知成本去適應技術，那就說明還沒想通。

我們完全可以直接在產品里加一個對話框，但很快你就發現這種設計對學生來說是“工具堆砌”，而非“學習閉環”。學生不會關心“這里是否有個AI”，而是會問“這個AI到底能幫我做什么？”我們不是因為“怕錯過”而行動，而是因為“看透了”才行動。

Q：在同行一擁而上都落地AI的時候，不跟風，確實會被質疑，也需要很強的心力。

楊臨風：一直以來，我們追求的價值都是長期的，有復利的。因此，我們的做法也一定要有壁壘，不能是別人隨隨便便可以做出來的，否則就變成了紅海競爭。就像比誰嗓門大，誰投錢多，誰廣告打得多。這樣的做法，即便是用戶來了也會走，并且這也不是我們擅長的做法。

Q：如果從技術本身出發，“AI+教育”，或者“教育+AI”，是不是一件有護城河的事情？在大家都認為“AI是工具”的前提下，每一個相關的公司都在說，自己的產品利用了AI，結合了對課程、技術和數據的獨到理解，是獨特的優勢，那么，外界該如何理解和判斷？

楊臨風：教育行業大多數企業并不會自研基礎模型，即使嘗試自研，也不一定比主流通用大模型的迭代速度更快、性能更好。更重要的是，大模型的性能呈現飛躍式提升，一旦出現關鍵性突破，此前基于舊模型的蒸餾和場景應用都可能失效。在大多數情況下，專業場景模型可能難以超越通用大模型，AI大模型在教育領域的技術壁壘并不存在。

如何讓大模型與本地稟賦（如課程體系、數據資源）更好地結合，這是AI Agent開發中至關重要的環節。年初爆火的Manus，其底層技術原理并不復雜，但它通過精細的場景設計和極致的用戶體驗，在部分領域已接近甚至超越人類水平。這種工程化打磨本身構成了重要的競爭壁壘。

當前的大模型就像一個剛畢業的聰明博士生，行業內的企業都能“領進門”——因為大模型的成本已大幅降低，調用質量高的模型不再困難。但問題的關鍵在于：這個“博士生”在不同企業中能發揮多大的價值？這取決于企業是否具備將模型能力與自身資源深度融合的能力。

Q：在新技術變革的時代下，商業競爭上你會擔心嗎？如果純靠你自己去想，感覺是個人的判斷占主導，但個人的學識積累與思維模式，是在原先的教育體系下形成的，而現在這個世界，很多東西都推翻了大家此前的認知和想象。

楊臨風：我們在做AI落地應用時，核心邏輯始終圍繞一個目標展開：重新設計學生的學習體驗。我們并非簡單地延續過去的教學方式——比如“原來怎么教，現在也怎么教”，而是思考如何通過新的技術和工具，結合洋蔥自有的課程內容，構建更符合當代學生需求的學習體驗。

Q：去年，洋蔥在落地AI上，主打了與AI情感陪伴相關的應用?，F在是重點突破AI學習類應用，模型的幻覺問題，你是怎么解決的？

洋蔥的優勢科目是數學，但現在一些通用大模型，在算數這件事上，經常還是算不明白。教育對準確率的要求非常高，95分與99分，是兩個不同的成績。大模型準確率到80%以上，就可以說性能非常強悍了。你們怎么保證大模型在學習，尤其是數學學習場景中的準確性和可靠性的？

楊臨風：我們不會把大模型當作內容創作者，直接給學生生成學習材料——這種應用方式門檻很低，對學生也不夠負責。這也是我們過去兩年沒有做“對話框式”產品的核心原因。我們的原則是，如果AI在某個場景下無法解決關鍵問題，或者無法為學生帶來實際價值，我們就不做。

針對AI幻覺問題，我們的思路是“用人類教學經驗反哺模型”。簡單來說，我們不會讓大模型脫離已有的課程體系和數據資產去“自由發揮”，而是讓它基于我們的結構化課程內容進行訓練和調優。這種“基于已知正確信息的二次加工”，能有效降低模型輸出錯誤的概率。

情感陪伴功能的處理方式類似。我們積累的“洋蔥樹洞”語料庫，本質上是過去五六年學生與心理咨詢師的真實對話記錄。早期我們通過撞庫匹配回復，后來引入大模型，但所有回復都嚴格限定在語料庫的范圍內。

Q：談到用大模型做心理咨詢，今年通用AI模型和應用進化有一個特色，是讓它變得更有“情商”，更懂如何與人類聊天，那么，洋蔥的主推的AI心理咨詢應用，還會有優勢嗎？

楊臨風：有一個核心前提不能忽略：與模型對話的，是活生生的人。人在選擇工具時，不僅需要技術能力，還需要“意愿度”——我為什么要跟你聊？你提供一個對話框，我為什么非得進去？

這個問題的答案，最終歸結為“信任”。通常情況下，孩子會向誰傾訴？是熟人、朋友，或者是老師中與自己關系最親密、最信任的那個。信任感的建立，是AI心理咨詢能否落地的關鍵。

為什么學生愿意在“洋蔥樹洞”中傾訴？因為這里的對話入口是他們每天在視頻中陪伴學習的虛擬人物IP，學生是在給“王小錘”“李狗蛋”或者“暖暖老師”留言。這些角色不是冰冷的AI，而是長期陪伴他們成長的“熟人”，覺得與這些角色互動很舒服。

技術本身的供給早已遠遠大于需求。通用大模型可以生成無數細分智能體，未來也不缺具體的解決方案。但當用戶面對海量的AI心理咨詢應用時，真正決定選擇哪一個的，不是技術的“情商高低”，而是用戶與產品之間的情感紐帶。

Q：洋蔥的AI智能體，有IP化的特征，有不同的人設，很多學員進入洋蔥，一開始可能只是想學習，而后，逐漸熟悉這些IP，接受和喜歡這些IP，你們有沒有計算過，從普通學員轉化為IP的粉絲的比例？以及，人們真的會想要有一個長期的虛擬的學伴嗎？

楊臨風：轉化比例確實不錯。學習這件事本身很難堅持，學生最初來洋蔥的動機很純粹——為了學知識。但當他們在學習過程中遇到情緒問題，比如壓力、困惑或社交困擾時，會發現“洋蔥樹洞”提供了另一個出口。這種轉化的關鍵在于情感陪伴的設計邏輯。我們的AI智能體并非以“即時性”為核心，而是刻意營造一種“延遲反饋”的體驗。當學生拋出一個問題，相當于寄出一個“漂流瓶”或紙條，系統會隔一段時間才回復。

Q：產品功能不做及時回應，你為什么會這樣設計？

楊臨風：第一，我們不希望孩子沉迷于聊天本身。第二，學生在聊天過程中，很多時候是無意識地打字，并非經過深度思考——我們不希望他們以這種方式使用洋蔥。盡管很多用戶希望我們開放互聊功能或私信系統，但這類需求從未被采納。

我們選擇互動留言形式的核心邏輯是：引導學生在表達前，先思考。我們希望學生意識到，想要表達清楚一個問題或困惑，至少需要組織成一段完整的文字，把邏輯講全、講透，而不是天南海北地隨意閑聊。

這種設計本質上是為高質量對話設定門檻——學生必須經過“想清楚—寫下來—再反饋”的閉環，才能真正參與互動?；恿粞缘男问讲皇窍拗?，而是教育目標的延伸。我們不追求“聊天量”，而是希望每一次互動都能成為學生整理思維、深化理解的過程。

Q：這樣的產品設計細節是你們對教育的理解。但有個疑問是，洋蔥是一家商業公司，追逐利潤是應有之義。如果從人類心理學和行為學來看，及時響應和反饋，產品會更有用戶粘性，日活躍用戶、日均使用時長等數據會變得更好，向投資人或者市場講故事的時候，你們會更有說服力。

楊臨風：我們首先還是會考慮這件事的教育屬性，如果一個學習產品無法真正解決學生遇到的問題，那我們做這件事就沒有意義。如果我們要去做一個高黏性的互聯網產品，那不如直接去做一個游戲。教育產品的商業邏輯，不是“讓用戶多花時間”，而是“讓用戶多解決問題”。

Q：即便是游戲化的學習型產品很賺錢，你們也不做嗎？

楊臨風：因為游戲化無法從根本上解決學習問題。一個人的成長需要調動“慢思考”——那種需要專注、分析、反復推敲的深度思維過程。而我們選擇的路徑是構建成為“學伴”，通過系統化的設計引導學生進入深度思考的狀態。

這種切入點決定了我們無法用“短平快”的方式解決問題，也無法像游戲一樣提供即時反饋和即時滿足。當然，我們不是完全排斥激勵和互動設計。我們也引入了情感化人設、洋蔥幣等激勵體系，為學生提供階段性反饋和情感支持。

Q：洋蔥主打雙模型驅動策略。去年在與豆包官宣合作之后，今年接入了DeepSeek。其實在上線深度思考之前，作為對話類AI應用，豆包與DeepSeek的理念差異還是蠻大的。你最初看到DeepSeek爆發之后，是什么反應？

楊臨風：如果回到今年春節前后的時間節點，DeepSeek在國內大模型領域的表現確實一度處于領先地位，其“深度思考”能力讓許多用戶感到震撼——尤其是那些此前通過ChatGPT o1體驗過類似功能的用戶。然而，當我們站在今天的視角回望，會發現DeepSeek與其他模型（如豆包）之間的差異并未如最初想象的那樣顯著。

盡管如此，行業內的競爭依然激烈，各大模型的迭代速度和應用場景探索迅速推進。目前，我們主要依賴DeepSeek和豆包兩個模型，它們在穩定性和綜合性價比方面表現較為突出。

Q：除了模型的深度思考能力，洋蔥對AI模型的規劃，還主打了一個特色是多模態，以AI視頻為主？目前市面上這樣做的公司還比較少，為什么你會想從這個角度去落地教育AI？

楊臨風：我們始終認為，教育的核心在于如何高效傳遞知識并幫助學生構建認知體系。而視頻作為一種高密度的信息載體，天然適合承載復雜知識的結構化呈現。我們需要確保AI不僅能理解學生的提問，還能調用精準的視頻資源；需要讓視頻的結構化標簽足夠細粒度，支持AI的實時檢索與重組。

Q：AI視頻學習要做到這樣絲滑的體驗，需要克服哪些挑戰？哪些事情投入比較花費精力？

楊臨風：最大的挑戰在于內容、流程和技術三者的深度協同。我們不僅要理解課程本身的邏輯結構，還要設計出能讓AI精準匹配學習場景的工程鏈路。這看似是一個技術問題，但本質上是教育邏輯與工程能力的融合難題。

課程設計與產品技術的深度耦合也消耗了大量資源。因為我們的教研團隊在設計課程時，通常是以學生的認知邏輯為出發點，而產品團隊和技術團隊則需要從系統效率和交互體驗的角度進行優化，這就需要產品和技術重新去考慮當年為何這樣設計課程，再去優化結構。