01
RETRIEVE / JUDGE
信息检索与判断
找到信息，也能判断信息是否值得相信。学生向 AI 要了什么资料、有没有回到课程资料核对、怎样对待 AI 的幻觉，这些都写在对话里。
LEARN2AI · 连接教师和学生的 AI AGENT
允许学生用 AI，
考察他们怎么用。
教师发放的复杂任务直接推送到学生的 AI。学生可以用 AI 完成作业，学生与 AI 的全部交互过程，教师都看得见、可回看、可审计。
复杂任务 + 过程考核教师 学生 × AI 交互过程可见
01 / 范式在变
AI 几秒就能答对的作业，已经测不出学生会什么。
知识问答和简单任务交给 AI，几秒钟就能完成，而且完全正确。这样的作业交上来，教师拿不到任何有效的反馈信号。
旧范式
作业 = 知识问答与简单任务
- —AI 数秒完成，答案 100% 正确
- —交上来的结果给不出有效的反馈信号
- —学校陷入「禁用 AI」的攻防
Learn2AI
复杂任务 + 过程考核
- 布置 AI 也无法一键完成的真实复杂任务
- 允许学生使用 AI，完整保留协作过程
- 学生与 AI 的协作过程，本身就是考察对象
02 / 产品
连接教师和学生的
AI Agent。
老师发放的作业直接推送到学生的 AI，学生被允许使用 AI 完成复杂任务，全部的交互过程都可以被老师审计。
- 01
教师 Agent
发布场景化任务
教师用 AI 辅助产出教学资料和场景化的作业任务，任务直接推送到学生的 AI。
- 02
学生 × AI
协作完成复杂任务
学生被允许使用 AI：提出问题、调用工具、验证假设，在复杂任务里与 AI 分工协作。
- 03
教师 Agent
审阅交互过程
教师看到学生与 AI 的全部交互过程，快速评价问题解决能力，并给出方向性指导。
03 / 一份作业的生命线
最关键的一步：
学生与 AI 的交互过程可见。
从发布任务到反馈修订，四个步骤串起教师、学生与 AI。选择下方步骤查看产品界面。
任务背景 · 约束条件 · 交付要求
教师把真实问题变成复杂任务
任务有背景、边界和交付要求，AI 也无法一键完成。教师发布后，任务直接推送到学生的 AI 里。
这一步的交互记录，教师都看得见
04 / 评价什么
评价的对象，
是 AI 协作中的人。
这三种能力都发生在学生与 AI 的交互里。只看最终成果分辨不出来，看得见过程才评价得了。
02
ABSTRACT / DESIGN
问题抽象与系统设计
把复杂任务组织成 AI 能够可靠执行的工作。学生如何定义目标、拆分模块、提供上下文，并在局部结果偏离整体目标时调整方案。看对话才知道取舍从何而来。
03
QUESTION / VERIFY
认知自主与质疑验证
在 AI 承担大量工作时，持续保留自己的判断。学生是否识别了 AI 回答里的假设，是否提出反例、设计验证，并依据结果接受、修改或放弃一个方案。
05 / 三方各得其所
把 AI 协作，
纳入培养与评价。
同一份作业、同一段交互过程，对教师、学生和学校分别意味着不同的事。
教师
布置复杂任务，看见学生怎么做
用 AI 辅助出题和整理资料，审阅学生与 AI 的交互过程，给出方向性指导。学生
放心用 AI，练真正的能力
在复杂任务里与 AI 协作，说明自己的选择、验证结果，并对交付负责。学校
走出禁用 AI 的攻防
允许使用先进工具，同时把人机协作能力纳入培养目标与评价依据。06 / 从一门课程开始
下一次作业，
从一个复杂任务开始设计。
Learn2AI 面向希望共建 AI 协作课程与过程考核的教师、院系和学校开放交流。