教材、讲义、例题、教学目标与教师经验散落在不同地方。
CURRENT / PRIVATE BETA
SHU YUN · 专属课程 AI 助教
数蕴
让 AI 懂这位老师，也懂这门课。
围绕老师自己的教材、讲义、教学目标、课堂例题与班级学情，沉淀可持续更新的课程资产，让出题、批改、诊断与复盘不必每次从零开始。
- 当前阶段
- 公立学校教师个体 / 培训机构内测
- 产品形态
- 教师端 Web + 学生端 H5
- 我的工作
- 产品定义 / AI 工作流 / 信息架构 / 交互原型 / 内测迭代
COURSE MEMORY持续更新
一位老师一门课的
长期上下文TEACHER · CLASS · COURSE
长期上下文TEACHER · CLASS · COURSE
- 01课程资产教材 / 讲义 / 例题 / 教法
- 02目标与作业共创目标 / 同源变式 / 质检
- 03作答与诊断批改 / 错因 / 掌握状态
- 04复盘与更新班级学情 / 教学微调 / 沉淀
01
THE REAL
PROBLEM
真正的问题
老师不缺一个会出题的 AI。
缺的是一个记得这门课为什么这样教的系统。
作答结果很少回到错因、目标达成与下一次教学调整。
今天的修改与判断，没有沉淀成下一次可直接调用的课程资产。
02
THE PRODUCT
LOOP
ONE COURSE, CONTINUOUS CONTEXT
从一节课开始，
形成一条会生长的路径。
AI 负责连接、生成与解释；老师始终确认目标、内容与教学判断。
CONTEXT
让 AI 先理解这是谁的课。
教材、讲义、课堂例题、教学目标、教师心得与班级情况，共同组成这门课程的工作上下文。
- 教师
- 提供材料并确认课程边界
- AI
- 解析材料、建立知识结构
- 沉淀
- 可持续更新的课程资产
03
PRODUCT
PRINCIPLES
不是功能堆叠，而是四个持续约束产品的判断。
数蕴如何成为
“这位老师的助教”。
课程专属
围绕老师自己的课程材料工作，不从通用知识开始猜测。
教练同源
作业与课堂方法同源，但通过变式真正检验理解与迁移。
群体优先
先看班级整体，再下钻到知识点、错因、学生群体与个体。
教师确认
AI 提供证据与建议，关键教学节点始终由老师做决定。
04
PRIVATE
BETA
现阶段 · 内测使用中
不再只验证“能不能做”，
开始验证“老师会不会真的用”。
教师个体
关注课程大纲、达标情况、班级学情与教研复盘。
关注课后训练、学习效果、进步趋势与课程资产复用。
生成题是否真正贴合课堂
教师采纳与修改成本
错因诊断是否可用
学情能否反哺下一次教学
05
MVP
BOUNDARY
先把一个闭环做真。
一个老师，一个班级，
一个初中数学课程单元。
题目范围教材课后题、讲义题、L1-L3 变式题
核心链路建档 → 目标 → 作业 → 批改 → 订正 → 学情 → 复盘
暂不优先复杂证明、大规模自适应、学校管理后台
06
HUMAN
BOUNDARY
AI 扩大教师的观察与执行能力，
但不替教师完成教学判断。
AI 可以完成
解析材料
生成变式草案
提出错因候选
汇总班级趋势
教师必须确认
教学目标
作业发布
低置信批改
复盘结论
CURRENT / PRIVATE BETA