SmartRead 是怎样从真实的学习现场一步步生长出来的

今天，我突然意识到一件事：

SmartRead 已经做得比我最开始想象的深得多。

但奇怪的是，我从来没有坐下来对自己说：

“来设计一个复杂的 AI 教学系统吧。”

恰恰相反。

SmartRead 最开始的想法非常朴素。

我只是想做一个工具，让一个孩子在离开学校、离开补习老师、父母又没有办法随时帮助他的情况下，仍然可以自己学习华文。

具体一点，就是：

让一个孩子能够自己读懂一篇华文文章。

听起来似乎并不复杂。

给孩子一篇文章，加上生词解释、朗读、AI 问答，再做一点阅读理解，好像就差不多了。

但真正把产品放到孩子面前以后，我才慢慢发现：

“自己读懂一篇文章”这件事，远比想象中复杂。

而 SmartRead 今天很多看起来有些“深”的设计，并不是一开始规划出来的。

它们几乎都是从真实孩子的学习行为中一点一点长出来的。

第一个孩子：她甚至不知道一个“词”在哪里

我最早认真观察的孩子之一，是一个 P5 的小女生。

她来自华族家庭，但家里几乎完全使用英语。

她小时候的华文基础没有打牢，尤其是拼音和语音。四声很不稳定，很多字即使能够跟着读，发音也并不准确。

但真正让我吃惊的，还不是发音。

而是有一次，我站在旁边看她使用 SmartRead，突然发现：

她不会切词。

对一个中文阅读能力比较成熟的人来说，我们看到一句话的时候，会自动把连续的汉字组织成词和意义单位。

我们甚至意识不到自己正在做这件事。

可是她不会。

比如一句很普通的话：

“离放学还有两个小时。”

成年人看到的是：

离 / 放学 / 还有 / 两个 / 小时

但对于她来说，眼前可能只是一串连续出现的汉字。

她甚至可能把“离放”当成一个单位，或者只选中一个“放”，却不知道真正需要理解的是“放学”。

那一刻我才第一次非常具体地意识到：

如果一个孩子连词的边界都无法稳定识别，那么“给她解释生词”本身都可能建立在一个错误的假设上。

因为我们默认她知道哪个东西是“词”。

可她并不知道。

于是问题开始往下走。

系统能不能帮助孩子识别词？

孩子划错范围的时候怎么办？

系统应该直接纠正，还是帮助她重新发现？

对于这样的孩子，“阅读支持”的最小单位到底应该是什么？

SmartRead 第一次被真实孩子推着，进入比“AI 解释课文”更底层的问题。

第二个孩子：她读完了，然后呢？

后来，我又观察到另一个女孩。

她的华文程度稍微好一些。

她可以看绘本，可以跟着内容往前走，也能够大致说出一点故事发生了什么。

有一天，她完成了 Picture Reading。

然后，她停在那里。

她不知道下一步该干什么。

其实我当时也愣了一下。

因为站在产品设计者的角度，我们很容易认为：

看完绘本 → 进入下一阶段 → 做阅读理解。

流程不是很清楚吗？

可是孩子不是按照产品流程图学习的。

她看完了图片和故事，然后呢？

她到底理解了多少？

她脑子里现在留下了什么？

她是不是只是觉得“这个故事我看过了”？

她现在有没有能力重新进入原文？

如果直接把她扔进阅读理解题，她能做吗？

事实证明，并不能。

于是一个新的问题出现了：

看完，不等于准备好进入下一步。

这后来促使我们增加了一个专门的过渡环节，先看看孩子究竟抓住了什么，再决定后面怎么走。

“回答过”也不等于“理解了”

一开始，这件事看起来也很简单。

不就是问孩子几个问题，看看她懂没懂吗？

但真的开始做以后，我们马上又撞到了下一层问题。

孩子可能看完了，也可能回答了。

但：

回答过，不等于已经理解。

比如问她：

为什么这个人物要这样做？

孩子可能说出了一句话。

这句话里有一部分是对的，一部分是模糊的，还有一部分甚至是错的。

那么系统应该怎么理解这个回答？

如果只看“有没有回答”，她回答了。

如果只打一个“正确 / 错误”，又太粗糙。

因为真实的理解并不是二元状态。

一个孩子完全可能已经理解了：

但还没有理解：

于是我们不得不继续往下问：

这个孩子到底已经理解了什么？

还差什么？

从这里开始，SmartRead 关注的就不再只是“孩子答对了吗”。

而是：

她刚才的回答，究竟告诉了我们什么？

这个区别很重要。

因为教学不是在收集答案。

教学是在判断理解。

AI 老师不能一看孩子不会，就立刻把答案告诉她

然后又出现了另一个问题。

如果系统发现孩子没有完全理解，怎么办？

最简单的 AI 产品做法当然是：

“没关系，我来告诉你。”

今天的大模型已经非常会解释了。

它可以立刻把一段话讲得更简单，可以给例子，可以总结，可以直接告诉孩子为什么。

但如果孩子每次稍微卡住，AI 就把答案解释出来，那么我们实际上培养的是一个越来越依赖 AI 的孩子。

这和 SmartRead 最初的目标正好相反。

我们的目标从来不是：

让 AI 更会回答。

而是：

让孩子最终不需要 AI，也能够自己读。

所以我越来越觉得，一个 AI 老师必须学会一件很反直觉的事情：

有时候，它明明知道答案，却不能马上说。

它应该先看看：

孩子自己能不能说出来？

如果已经说出一点，还能不能继续往前走？

如果真的卡住，最小的帮助是什么？

这时，AI 的任务就不再只是“给答案”。

而是管理帮助的分量。

“再想一想”其实不是帮助

这又带来了一个很现实的问题。

假设一个阅读能力比较弱的孩子没有理解。

老师说：

“你再想一想。”

或者：

“为什么爸爸会这样做呢？”

听起来是在引导。

但孩子很可能还是不知道该怎么办。

因为她缺的不是一句更温柔的“再想想”。

她缺的是一个可以执行的动作。

比如：

回去看看这一句。

或者：

先找找人物刚才做了什么。

或者：

把前面发生的事和现在这句话连起来。

这件事让我意识到，真正有效的阅读支持不能只停留在语言层面。

它还需要把孩子重新带回文本。

AI 不应该永远站在文本外面替孩子讲。

很多时候，它真正应该做的是：

把孩子送回文章里。

因为答案如果始终从 AI 那里出来，孩子学会的只是“问 AI”。

而不是“读文本”。

然后 AI 老师把“爸爸”说成了“外婆”

系统继续运行。

新的问题又来了。

有一次，AI 在引导孩子的时候，居然把故事里的“爸爸”说成了“外婆”。

从普通 AI 产品的角度看，这可能只是一次 hallucination。

修 prompt。

加一点上下文。

再测。

好像就结束了。

但继续往下想，我发现问题其实更大。

真正的问题不是：

怎么让 AI 记住更多信息？

而是：

AI 在这一刻，到底应该知道多少？

如果知道得太少，它容易胡说。

如果知道得太多，它又可能提前把孩子本来应该自己发现的东西说出来。

这就是教育 AI 和普通问答 AI 很不一样的地方。

普通问答系统往往追求：

给得越完整越好。

但教育不一定。

有时候，信息给得太完整，反而破坏了学习过程。

所以 AI 的能力不能只看它“知道多少”。

还要看：

它是否知道此刻该说多少。

AI 到底应该怎样“记住”一个孩子？

再往下走，我又撞到了一个让我印象很深的问题。

假设孩子曾经说过一句话。

这句话里：

一部分理解是对的。

另一部分是错的。

那么以后，AI 到底应该怎么利用这段历史？

如果把孩子说过的话全部当成“她已经掌握的东西”，那就很危险。

因为错误也可能被一起保留下来，甚至在后面的学习里被重新强化。

但如果什么都不记，又会丢掉孩子真正已经建立起来的理解。

这让我意识到：

“孩子说过什么”和“孩子已经真正理解什么”，不是一回事。

这听起来只是一个很细的小区别。

但其实它决定了教育 AI 能不能真正跟随一个孩子的学习过程。

系统不能因为孩子曾经说过一句话，就把那句话当成稳定知识。

它需要更谨慎。

需要继续观察。

需要不断确认：

哪些理解已经比较稳定？

哪些还是模糊的？

哪些可能是误解？

哪些以后还需要重新验证？

至于系统内部如何做到这些，是另一个工程问题。

但这个教育问题本身已经足够重要。

到这里，我才意识到 SmartRead 已经走到了哪里

回头看这一整条路，非常有意思。

我们从来不是先设计一个复杂系统，再去找孩子验证。

顺序完全相反。

孩子不会切词。

我们开始重新思考最基础的阅读支持。

孩子看完绘本不知道下一步做什么。

我们增加过渡。

孩子回答了，但我们不知道她到底理解了多少。

我们开始认真看“回答背后究竟有什么理解”。

孩子只理解了一半。

系统就不能只判断“对”或“错”。

AI 一看不会就告诉答案。

我们开始控制帮助的分量。

光说“再想想”没有用。

我们开始把孩子重新送回文本。

AI 知道得太少会胡说，知道得太多又会剧透。

我们开始重新思考 AI 在学习现场里应该拥有怎样的边界。

孩子一句话里同时有正确理解和错误理解。

我们开始重新思考，系统究竟应该怎样理解和记住一个学习中的孩子。

所以 SmartRead 今天的复杂度，并不是为了复杂而复杂。

恰恰相反：

每增加一层，几乎都是因为前一层在真实孩子面前不够用了。

这也让我重新理解什么叫“AI 教育产品”

现在有大量教育产品都接入了 LLM。

孩子问问题，AI 回答。

AI 可以解释词语。

AI 可以总结文章。

AI 可以生成阅读理解题。

AI 可以批改答案。

这些当然都有价值。

但我越来越觉得，一个真正的 AI 教学系统，最难的问题可能并不是：

AI 能不能把这篇文章讲明白？

今天的大模型其实已经很会讲了。

真正困难的是：

AI 能不能知道这个孩子现在在哪里？

她已经知道什么？

她只是见过什么？

她真正理解了什么？

她哪里可能理解错了？

她现在缺的到底是哪一步？

这一刻应该问她，还是提示她？

提示到什么程度？

什么时候应该把她送回文本？

什么时候应该停下来？

什么时候必须闭嘴，因为再多说一句，就替她完成了本来应该由她完成的认知工作？

这才是我现在越来越感兴趣的问题。

AI Teacher 的价值，也许恰恰在于“知道什么时候不要教”

传统的软件通常追求：

用户提出需求 → 系统尽快给出结果。

但教育并不完全如此。

如果一个孩子正在建立理解，系统最快给出正确答案，有时候反而意味着教学失败。

所以一个 AI Teacher 的能力不能只由：

它知道多少。

来衡量。

还应该由另一种能力来衡量：

它知道此刻应该给多少。

甚至：

它知道什么时候什么都不要给。

也许只是问一个问题。

也许只是提醒一句。

也许只是指出课文中的一个位置。

也许让孩子重新读一次。

也许什么都不解释，先等她自己说。

如果最终孩子能够自己把那一步走出来，那么 AI 的工作才真正完成。

一个好的 AI 老师，最后应该越来越少出现

这也是我现在对 SmartRead 越来越清楚的一点。

我们的目标不是创造一个孩子永远离不开的 AI 老师。

如果产品真的做得好，理想状态反而应该是：

随着孩子能力提高，AI 的存在感越来越低。

最开始，她可能需要朗读。

需要词语帮助。

需要英文支架。

需要提示。

需要别人告诉她回到哪一句找。

慢慢地，这些帮助应该一点一点撤掉。

最后只剩下文章和孩子。

然后，她自己读。

因为教育真正的成功，并不是：

“这个 AI 帮了孩子很多。”

而是：

“这个孩子越来越能够自己完成原本做不到的事情。”

这两者并不总是一回事。

最重要的问题，其实一直没有变

走到这里以后，很容易被各种技术问题带走。

但我不希望 SmartRead 忘掉自己为什么会走到这里。

我们并不是为了建立一个漂亮的 AI 架构。

最开始的问题，到今天其实都没有改变：

一个孩子身边没有老师、没有家长可以立即帮助的时候，她能不能依靠自己的力量，把一篇原本读不懂的华文文章，慢慢读懂？

她卡住的时候，系统扶一下。

她已经会的时候，系统不要重复教。

她说错的时候，不要把错误强化。

她只差一点的时候，不要直接把答案塞给她。

她需要回到文本的时候，把她送回文本。

然后，一点一点，把帮助撤掉。

直到最后，她能够自己读。

今天我才突然意识到：

SmartRead 之所以会做到这么深，并不是因为我一开始想得有多深。

而是因为每一次真正站在一个孩子旁边，看她学习，看她卡住，看她做出一个我们没有预料到的动作，然后认真问一句：

“她为什么会卡在这里？”

再往下一层问：

“如果这里没有一个真人老师站在旁边，系统到底要具备什么能力，才能真正帮助她自己走过去？”

一个问题推着另一个问题。

一个孩子推着产品再往下一层。

SmartRead 今天的深度，并不是来自一开始的宏大设计。

而是从一个个真实的学习问题里，一层一层生长出来的。

因为我们最终发现：

“让一个孩子真正独立读懂一篇文章”这件事，本来就这么深。