AI什么都能答，孩子为什么还要学会自学？

拍下一道题，几秒钟后得到答案，这已经是AI教育产品最普通的功能。

大模型会解题，会讲题，也会根据学生的追问换一种说法。只要接入合适的模型，再准备一个拍照入口和对话框，一款产品就可以拥有一位看起来无所不知的“AI老师”。

这也带来了新的同质化。

学习机在比拼谁响应更快，教培公司强调自己的教研和名师，大模型厂商不断展示推理能力。发布会上的功能越来越多，学生看到的过程却很相似。拍题，等待，阅读答案，然后进入下一道题。

“自主学习”因此成了一个很容易被使用的词。几乎每家教育科技公司都可以说，自己的AI会启发学生思考，也会提供个性化帮助。

真正的区别要到产品里看。

学生说“我不会”以后，系统能不能判断他究竟卡在哪里。AI是临场生成一段讲解，还是能从一套经过教研的内容中找到合适的部分。学生看完以后，产品会不会要求他再做一次。下一次遇到相似问题，系统是否知道应该少给一点帮助。

这些环节决定了AI是在替学生完成任务，还是在帮助他获得独立完成任务的能力。

会“追问”的AI不稀缺，懂得问什么才稀缺

一项发表于《美国国家科学院院刊》的高中数学实验，曾比较过两类GPT学习工具。

研究覆盖近1000名学生。练习期间，使用通用GPT和辅导型GPT的学生，表现都有提高。等到AI被拿走，使用通用型工具的学生成绩比对照组低17%。辅导型工具会限制直接回答，更多使用提示，没有出现同样幅度的下滑。

研究说明，给AI加上几条教学规则，确实可能带来不同结果。但对教育公司来说，这还只是起点。

今天的通用模型已经可以进行苏格拉底式追问。用户只要写一句提示词，让模型不要直接给答案，它也会问“你已经想到哪一步”。如果一款教育产品的差异只停留在这里，很快就会被基础模型追平。

难点是AI接下来问什么。

一道已知周长求圆面积的题做错了，学生可能混淆了周长与面积公式，也可能求出了直径，却把它当成半径代入，或者根本没想到需要先从周长求出半径。学生说“这里不会”，系统还要知道“这里”对应哪个知识点，前面有哪些必备知识，并判断这个孩子此前是否在相同位置出过问题。

这需要课程被拆开，知识关系被标注，学生过去的学习记录也要能被调用。否则，AI只能根据眼前的一句话猜测。讲解可能是对的，却不一定适合这个学生。

洋葱学园的产品路径从这里开始显出差异。

洋葱学园的底牌，先于大模型出现

洋葱学园成立于2013年。很长一段时间里，它最主要的产品不是AI智能体，而是动画互动课程。

这类课程通常只有五到八分钟。短不等于制作简单，一个数学概念怎样出现，学生会在哪一步产生误解，抽象关系怎么变成可以观察的动画，都需要教研、脚本、视觉和交互团队一起处理。

洋葱学园有一条内容原则，概念不能直接“空降”。例如讲圆的面积，动画会把一个圆分割成若干等份的扇形，再交错拼接。随着分割越来越细，拼出的图形逐渐接近长方形，原来的圆周和半径，也与长方形的长、宽建立了联系。学生可以顺着画面理解，圆的面积公式为什么是πr²。

洋葱学园联合创始人、董事长杨临风在一次公开分享中称，一节动画课平均投入超过10万元，累计内容投入超过10亿元。这个数字来自公司披露，外界无法独立核算。但它至少说明，洋葱学园想建立的壁垒并不是模型接口，而是一套制作成本较高的结构化课程。

截至2025年末，洋葱学园称其已经积累超过1万节数字课程和5000亿条学习互动数据。课程背后还有思维链、知识图谱和六维标签体系。知识点不再是孤立的视频标题，而是带着前置关系、常见卡点和适用年级的内容单元。

这套内容是在生成式AI流行之前做出来的。大模型出现后，它的用途发生了变化。

通用模型负责理解学生的提问，也可以组织语言。洋葱学园自己的课程库和知识图谱负责限制回答范围。学生的学习记录则帮助系统判断，他现在更适合看哪一段内容，还是只需要一句提示。

杨临风表示，公司会让智能体调用本地结构化课程资源，而不是完全依赖模型临场生成。这样做可以减少幻觉，也避免AI讲出一段正确但超出学生当前水平的内容。

很多教育产品也有题库和课程。洋葱学园更难复制的部分，是课程、知识关系和学习行为已经被放进同一条调用链。模型升级了，这些内容仍然可以继续使用。模型变得更便宜，也不会自动生成十多年真实学习过程中留下来的卡点数据。

一道题进入洋葱学园以后，会发生什么

洋葱学园官网展示过一个高中圆锥曲线的产品场景。

学生可以拍教材、作业、笔记或者教辅，系统先识别当前内容，再定位其中的知识点。如果照片里涉及离心率，它不会只把公式重新写一遍，还会把椭圆、双曲线和抛物线放在一起，帮助学生看到离心率在不同曲线中的作用。

如果学生缺的是前面的概念，“AI自学大师”会向前追溯知识点，并调用对应的同步课程。这里的关键不是推荐一整节课，而是找到真正相关的部分。

“AI私人助教”的公开界面里，可以看到“选片段”“看笔记”和“去做题”等入口。学生听到两分多钟时卡住，系统可以从当前位置解释，不必重新看完一段近十分钟的课程。解释之后，学生还可以反馈“我懂了”“讲得不好”或者“我还是不太懂”。

这些反馈不只是满意度按钮。它们也为系统换一种讲法、继续追问，或者把学生带回更早的知识点提供了入口。

接下来出现的是“AI思维教练”。它使用苏格拉底提问和布鲁姆提问框架。公开产品示例中的问题很具体，学生能不能用自己的话解释，能不能举一个课程里没有出现过的例子，能不能说清两个概念的异同。

这些问题在检查三件事。学生是记住了表述，还是理解了概念，能不能把知识换一种方式说出来，遇到新的情境时，是否还能使用。

这样看，洋葱学园的几个智能体并不是六个并列的聊天入口。

“自学大师”解决从哪里学，“私人助教”处理当下的卡点，“思维教练”检查有没有真正理解。“规划导师”则从更长的时间处理目标，学生输入年级、教材、当前水平和目标后，系统会把目标拆进可执行的课表。公开演示里，一名八年级学生可以把从70分到90分的目标，拆成每周两个20分钟的学习时段。

“自律伙伴”继续记录任务完成情况，并用挑战和反馈帮助学生坚持。“情感树洞”没有采用即时聊天的设计，洋葱学园的团队担心即时回复会鼓励学生不断对话，因此选择了留言后再回复。

从拍题到定位知识点，再到课程片段、追问、复做、计划和反馈，这才是洋葱学园所说的“自主学习闭环”。单看其中任何一个环节，都很难称为独有，把这些环节放在同一套课程和学生记录上连续运行，才构成产品差异。

学校里的数据，让这套系统多了一层闭环

洋葱学园的另一点不同，是它同时进入了学生个人学习和学校课堂。

在学校使用时，学生先完成预习。系统记录哪些内容被看完，问题集中在哪些知识点。老师在上课前看到班级学情，不必从头讲一遍。课堂时间可以更多用来解决共同卡点、小组讨论和展示。课后，系统再根据课堂情况推送不同练习。

个人端的学习记录因此可以和教师端连接。学生在家反复出错的问题，老师有机会在课堂里看到，教师的教学和批改，也会继续产生新的数据。

洋葱学园称，目前已有超过2000所学校与其开展合作。400多万教师用户和5000亿条学习互动数据，也被公司视为训练AI理解学习场景的基础。

这种校内外数据回路，是通用聊天机器人和只卖硬件的学习机不容易直接获得的。它让AI看到的不只是一道题，还包括学生和教师怎样使用这道题。

使用数据也提供了一些产品接受度证据。根据洋葱学园披露的单月数据，“AI自学大师”访问量达到393万次，互动量超过1212万次。“AI私人助教”的互动量超过2591万次。

这些数字说明学生确实在使用，不代表自主学习能力已经提高。要判断效果，还要看更接近学习结果的数据。

从产品走进课堂，自主学习开始有了结果

洋葱学园公开过两个学校案例。

在岳阳市第二十中学，公司与学校合作约一年半。公开数据称，该校学生的数学优秀率从18%提升至60%。在2025年首届中考中，出现了全市总分第一，另有三名学生数学满分。

另一个案例来自浙江的海亮实验中学。80名高三艺考生在高考前的三个月里，使用AI自主学习完成数学走班学习。公司披露的结果是，学生数学平均分提高19分，最高提高45分。

这些数字比访问量更接近产品效果，也说明洋葱学园的方案已经离开演示环境，进入了常态化的课堂。

当然，成绩变化还会受到学校管理、教师投入和额外学习时间的影响。一所学校的提分，无法被简单归到某一款产品上。放在这里更有价值的信息是，洋葱学园的方案已经开始在较长周期里接受检验。

洋葱学园比很多只做模型问答的产品多走了几步。它有一套经过多年制作的课程内容，课程被拆成可以由AI调用的单元，学生的提问、反馈和练习会继续更新学习记录，个人学习数据还能进入学校课堂。

这条链路让“自主学习”不再只是一句价值观，而是变成了一组每天都在发生的产品动作。

接下来还有一组数据值得长期追踪。学生得到提示以后，能不能自己完成题目，遇到变式问题时，方法能不能继续使用，学习一段时间后，对同类帮助的需求有没有减少。

如果这些变化能够被稳定记录，“自主学习”就会拥有比成绩和使用时长更准确的衡量方式。它也可能成为AI教育行业下一阶段真正有区分度的指标。

大模型会继续变强，会解题、会对话、会追问，很快都可能成为基础能力。到那时，一家教育科技公司还能留下什么，取决于它对真实学习过程掌握得有多深。

洋葱学园的价值不在于它比通用模型知道更多答案。它更值得关注的地方，是十多年里积累了答案背后的课程、卡点和学习行为，并开始让AI围绕这些材料工作。

AI什么都能答以后，孩子仍然要学会自己出发。洋葱学园正在尝试把这句话做成产品，它已经给出了比理念更具体的解法，接下来还会继续用数据回答效果究竟有多大。