教培机构如何通过AI提升教学、服务效率？
教培老师，如何驾驭AI？
01
用AI改变教育，我最初的想法
我最早想创业做AI教育的想法，还是在四年前。
彼时，我还在的快手教育生态，即使加上一些谦虚元素，也已经成为了全球最大的教育内容传播地。
在此基础上，不禁会想，我们还可以做点儿啥?
如此蓬勃的教育内容消费，短视频也好、直播也好，都已经充分证明了在这个平台上，爱学、想学的人已经充分聚集。
1）从好学，到会学、学了有用，教学如何进化？
想往下进发，需要在学习兴趣的基础上，进一步提升学习能力和学习成绩。我是这样理解以下三者的：
1.学习兴趣：学习的引擎
兴趣是学习的第一步，能让人从内心驱动去探索、去参与。沉迷科普实验视频的孩子，或是每天期待某位主播讲解历史故事的观众，正是因为兴趣让他们投入时间和注意力。
但兴趣只是开始，光有热情无法形成深入的学习习惯。把兴趣转化为持久的学习动力，需要能力的支撑。
2.学习能力：突破学习瓶颈的关键
能力是学习的底层逻辑。无论是数学公式的推导，还是语言表达的流畅，都需要学生掌握核心的学习方法和工具。一个在背单词的孩子，如果无法掌握记忆方法或应用技巧，很可能止步于简单的背诵。
这时候，教育内容需要的不仅是吸引眼球，还要通过设计系统性的训练，帮助用户形成真正的学习能力。
3.学习成绩：成果的外显反馈
好的成绩可以带来自信和成就感，是兴趣与能力结合的结果。例如，平台上那些刷题技巧教学的短视频，让很多学生在考试中得到了快速提分的体验。但如果成绩仅仅停留在数字的表面，而没有帮助学生培养深度学习的习惯，那么教育的意义也会大打折扣。
当然，也需要真诚的去讲商业化的动机。
在中国的教育体系中，结果是学习动力的主要来源。无论是中高考，还是各种资质证书申请、竞赛名次或等级认证。绝大多数人参与教育服务购买，交易，买到预期效果是动机，学习只是过程。从商业化角度考虑，也需要在此进一步延展。
2）基于神经网络的推荐算法，能对教育起到什么作用？
而快手最为擅长的，其实是推荐算法。虽然我是运营出身，但常年与算法打交道，也开始思考：如果我们能把快手的算法能力，用到教育领域，在学习能力和学习成绩培养上，岂不是把飞鸟送上天空、把鲸鱼放入深海一般有价值?
在快手的推荐系统中，用简单朴素的话来讲，算法的两大核心任务是：精准推荐用户需要的内容，以及持续发掘用户潜在的兴趣。
而当这项技术应用于教育领域，它不仅可以让学生轻松获取新知，还能帮助他们理解知识、迁移能力，甚至走向创造性的高阶思维。
1、精准推荐：知识获取的起点
在布鲁姆的认知目标理论中，学习的第一步是知识的获取，而推荐算法恰好在这一阶段表现出色。它通过显性数据的分析，为学生精准匹配所需的学习内容，让每一次接触都充满针对性。
这一过程始于对学生行为的细致观察。算法会基于学生的观看记录、兴趣领域和学习目标，快速提取显性需求。例如，如果学生对“天体运行”表现出兴趣，系统可能从基础知识入手，推荐太阳系的简单结构。这就像为一个美食爱好者推荐入门烹饪视频：重点不在于展示多么复杂的内容，而是专注于学生当前能学什么、需要学什么。
但教育的复杂性在于，知识并非孤立存在，而是具有层级关联。推荐系统通过嵌入知识图谱，为学生搭建“从点到网”的认知结构。比如，当学生在学习天体运行时表现出对“重力”的兴趣，系统会推送与重力相关的更深入内容，比如“潮汐现象如何由月球引力造成”。这种逐步深入的推荐，帮助学生从碎片化知识点出发，建立起系统化的认知网络。
2、兴趣发掘：探索未知的可能性
教育的意义不仅在于灌输知识，更在于引导学生发现潜在的兴趣。而快手的推荐算法，通过常见的Bandit算法，实现了从已知到未知的学习探索。
Bandit算法的核心是平衡“匹配”(Exploit)和“探索”(Explore)。在教育场景中，这意味着既要帮助学生巩固已有知识，又要激发他们的好奇心，引导他们进入全新领域。例如，一个对地理感兴趣的学生，在学习了“火山喷发”的内容后，系统可能会推送“地质板块移动”相关的视频。这种跨学科的延展，不仅巩固了学生的兴趣，还为进一步的探索铺平了道路。
这一切背后，是对学生行为的实时反馈分析。算法会记录学生观看内容时的停留时长、点赞互动等数据，甚至捕捉他们的情绪表达——从完成率到点赞行为，无不为优化推荐提供依据。比如，一个对文学感兴趣的学生，可能因为算法的精准引导，逐渐探索到文学与哲学、历史的交叉领域，最终打开更广阔的思维空间。
3、迁移能力：从学会到会用
如果说兴趣是学习的起点，迁移能力则是学习的高级目标。布鲁姆在其认知目标理论中指出，迁移能力是将知识应用到全新情境中的能力。而快手的推荐算法，正通过向量化的隐形数据分析和多轮推荐机制，为学生创造这种机会。
算法在这一阶段的核心任务是设计开放性挑战。例如，在学生掌握了“能源转化”基础知识后，系统可能推荐“如何设计一个简单的太阳能电池板”这样的内容。这种推荐不仅帮助学生将理论知识转化为实践，还鼓励他们探索真实世界的应用。
更重要的是，这些挑战遵循“从易到难、从近到远”的逻辑。学生从与当前知识高度相关的内容入手，逐步扩展到更具挑战性甚至跨学科的主题。例如，一个对生物感兴趣的学生，在理解了“植物光合作用”后，可能被推荐一段关于“生态系统中能量流动”的视频，从而提升系统性思考能力。
除此之外，算法还能引入多角度的对比学习和协作学习内容。例如，同一主题下，推荐不同的视角讨论(如“新能源的未来争议”)，引导学生整合信息，形成自己的观点。这不仅帮助学生理解复杂问题，还激发了他们的批判性思维和创造力。
然而，在当时的环境下，如果往下推进这个项目，卡点在于：教育的内容完全不够用。
在我们常规视角来看，现在教学视频、课件、讲义、教材、题库已经多得不得了，随意拿出一个录播课程平台的数据，上百T的教学视频都是有的。
但不够用的原因，在于这些素材全都是教师视角出发，基于学生的理解或是考试，进行的针对性讲解。如果我们的目标是，希望基于学生个性化兴趣、性格、爱好，按照上文的逻辑给他推送内容。现有这些教育资源，本身的个性化要素还是过低。
02
梦想有了阶梯，快快往上爬
一等就是三年。直到去年，大模型的出现，让我的想法有了重新落地的可能。
ChatGPT发布后，我开始恶补相关大模型的论文。
模型的训练技巧过于复杂，在此不表。在我看来，在未来的教育领域，大模型无疑是最有潜力的变革者之一。它并非一项单一的工具，而是一位“全能导师”，具备全知全能、无限生成以及实时交互的核心能力。
1）大模型X教育，教书育人的全新可能
1、全知全能：构建一座知识的灯塔
大模型的“全知全能”特性，源于它对人类文字信息的全面理解。无论是科学公式、哲学理论，还是最新的社会问题，它都能轻松调取、整合并转化为适配的学习内容。对于教师而言，这意味着永远不需要担心知识盲点——一位普通教师借助大模型，便能轻松补足讲解中的漏洞，甚至生成一套完整的课程规划。
学生同样受益匪浅。当一个对天文学着迷的孩子提出“黑洞的边界到底是什么”时，大模型不仅能提供直观的解释，还能将其引导至更深层的学习领域，比如引力波的概念或宇宙膨胀的理论。这种即时性和广度，超越了传统的教科书和搜索引擎，它带来的不仅是答案，更是激发学生持续探索的动力。
2.无限生成：满足每一位学生的独特需求
大模型不仅“懂得一切”，还可以“生成一切”。它拥有无限生成能力，能够根据学生的认知水平、兴趣偏好和学习目标，实时创建个性化的学习路径。换句话说，它将因材施教从教育理想变成了日常现实。
刚开始学习几何的学生，可能会收到一段关于三角形基本性质的演示的说明，而同班的一位进阶学生则会获得关于圆内切三角形的实际应用案例。这种深度个性化的推荐不仅提升了学习效率，还让每位学生都能在自己的节奏中成长，而不是被统一的教学标准束缚。
更令人惊叹的是，大模型还能引导学生主动建构知识。通过不断生成与学生问题相关的新问题，它激发了他们的批判性思维能力。这样的学习不再是被动的接受，而是变成了一场持续的、探索性的对话。
3.实时交互：让学习成为一场情感体验
教育从来不是单纯的知识灌输，而是一种情感交互的过程。大模型的语音、图片等实时交互能力让这一点得以放大和深化。它能够捕捉学生的行为和情绪，比如当学生因某个问题表现出困惑时，模型会调整讲解的难度或语气，以降低学生的焦虑;当学生表现出高度兴趣时，模型则会快速深入，提供更复杂的知识或任务。
这种交互能力在艺术教育中尤为显著。例如，一个学生在创作一幅画时，可以实时获得模型的建议，比如如何调整构图或色彩搭配。这样的反馈机制，让学生在创作的过程中感受到支持和激励，而不仅仅是在最终结果上得到评判。
对于学生来说，大模型是知识获取的灯塔、能力提升的工具和情感交互的伴侣。从知识点的初步学习到复杂问题的跨学科思考，再到最终的创新实践，模型可以伴随学生的每一个学习阶段。这不仅是技术的加持，更是一种教育理念的进化——教育不再是“一刀切”的流水线生产，而是专注于每个人潜力开发的个性化服务。
2）大模型驱动：中国教培格局的变化
而在此基础上，我相信中国教培市场的格局，也将迎来新的变革。
1、传统教培竞争格局
过去十年的教培市场，其市场的规模和用户的分布，演变成一个“杠铃型市场”的特征：
一端：行业头部机构与地方头部机构
这一端代表了教育市场中的“头部机构”，包括好未来、新东方、高途等全国性教育机构，以及一些地方性的知名教育品牌。它们的特点是规模大、资源多、技术强，能够借助AI技术、大模型能力等创新手段，形成高效的内容生产、推广和运营体系。
这些机构具备以下核心竞争力：
资源整合力：头部机构能够整合全国范围内的优质教育资源，提供大规模、高标准的服务。
技术领先力：借助强大的大模型、数据分析和个性化推荐能力，提升教育内容生产和服务效率。
品牌影响力：凭借多年积累的品牌价值，这些头部机构在家长和学生中享有高信任度，能够吸引大规模用户群体。
另一端：分散的小规模教育培训市场
杠铃的另一端由众多分散化的小规模教育提供者构成，如名师工作室。这一端市场参与者数量庞大，但服务能力和规模较为有限。
这些分散化教育提供者的特点是：
灵活性强：名师工作室和小型机构可以迅速调整课程内容和教学模式，以适应学生的个性化需求。
贴近性高：他们往往与学生和家长的互动更加直接和亲密。
资源有限：与行业头部机构相比，这一端的教育服务者缺乏系统化的技术支持和市场推广资源，在竞争中更容易处于劣势。
中间断层：容易被忽略的中型机构
杠铃的中间部分是当前教培市场中最容易被忽略的一环。中型教育机构往往因为缺乏规模化的资源整合能力，同时在技术应用上无法比拟。
具体体现在：
资源劣势：既不具备头部机构的资源整合能力，也无法像小型机构那样灵活贴近用户。
技术落后：大模型和AI技术的普及需要高投入，中型机构往往难以承担相关研发和引入成本。
竞争压力：既要面对头部机构进入核心市场，又要应对小型机构在长尾市场的分流。
2、模型驱动——AI时代的中国教培的新星系结构：恒星、行星与星云的重组
从传统教育行业到教育科技的演进，大模型的引入正在彻底改变整个市场的生态。
如果将中国教培市场比作一个宇宙，未来的竞争格局将呈现出“恒星—行星—星云”的多层次结构，每个层次都在大模型的驱动下形成新的价值链和协作模式。
恒星：教育AGI服务商的核心驱动
在教育市场的“星系”中，大模型服务商无疑是恒星般的存在。它们拥有强大的数据采集、计算与推荐能力，支撑整个教育系统的运行。
这些教育AGI服务商的角色不仅是“内容提供者”，更是技术的基石。它们通过构建全知全能的大模型平台，为行业提供算法支持、数据基础设施以及内容生成能力。
恒星的优势在于规模化和标准化，能够服务海量用户并满足复杂的教育场景需求。从个性化学习推荐，到大规模考试评估，再到教师的智能备课系统，教育AGI服务商将成为行业的核心驱动力。
行星：垂直服务商的多元生态
围绕恒星的是众多“行星”——以垂直内容训练商、社区服务品牌、地方渠道服务商为代表的中型教育机构。这些行星级选手在特定领域内深耕细作，形成了与恒星协同发展的关系。
一家专注于STEAM教育的培训机构，可以通过调用恒星的内容生成能力，为学生提供基于大模型的编程课程。同时，它也可以利用恒星提供的推荐算法，精准锁定有潜力的用户群体。行星们的核心价值在于深入理解细分市场，通过本地化运营、社群建设和专业服务，满足不同地域和人群的特殊需求。
无数星云：分散的教育内容生产与消费
如果说恒星和行星是教育市场的核心力量，那么“无数星云”代表了教育领域最广泛的个人内容创作者和消费者。在大模型的加持下，这些星云级个体，正在成为教育市场中不可忽视的创新源泉。
一位教师可以通过调用大模型的内容生成能力，快速制作个性化的教案和题目;一个学生可以利用模型提供的实时互动功能，学习自己感兴趣的跨学科知识。这种“去中心化”的教育生产与消费方式，让内容的创造与获取不再受限于传统机构，而是变得更加自由和多样化。
大模型的技术特性使得这些星云能够与恒星和行星形成互动。例如，个人教育内容创作者可以使用恒星级平台的分发能力，将自己的课程推广到更大的用户群体;行星级机构可以吸纳星云中有潜力的创作者，形成内容共创模式。
03
未来，教培机构如何通过AI提升教学、服务、招生效率?
1、AI教育，我们公司准备做什么
写来说说我对自己的公司，未来在AI教育上的规划。
在讨论AI教育的未来时，许多人往往将其简单化为“名师的复制”。仿佛只需一个视频或一套智能题库，便能替代传统课堂。
然而，这种想法忽略了教育的核心本质：真正的教育不仅是知识的传递，更是理解、思维与价值的培养。我们正试图打破这种简化路径，以构建一个基于向量知识库的数据化知识体系为起点，通过技术赋能教育的深层次价值。
1.从理解到能力：AI如何培养学生的问题解决能力
布鲁姆在认知目标分类理论中指出，学习的第一步是知识的获取，但这只是开始。真正的教育价值在于学生对知识的理解和应用能力。教育的高阶目标是培养学生的应用能力——不仅仅是记住知识，而是能够在真实情境中运用知识解决问题。这需要教育内容从“传递知识”走向“引导思维”。
这一点，传统教育体系往往力不从心：课程内容是割裂的，学生学到的知识点彼此孤立，难以形成整体的认知网络。更别提知识的应用，因此才有了那个经久不衰的问题：学好了微积分，对于买菜有什么帮助?
基于向量化的大模型，在这一点上展现出了革命性潜力。通过将知识点向量化，AI可以帮助学生打破学科壁垒，实现跨学科的能力迁移。例如，“牛奶”这一概念，可以在化学课上作为营养元素的研究对象，在历史课上成为大萧条时期的社会象征，在英语课上作为语法句式的练习素材。
向量技术不仅让学生看到知识在不同学科中的多样应用，还能培养他们解决复杂问题的能力——因为真实世界的问题从来不是单一维度的。
更重要的是，向量知识库还能主动为学生生成真实情境下的任务，帮助他们从“题目解决者”转型为“问题解决者”。例如，一个关于新能源的科学问题，不再只是公式的堆砌，而是一个跨学科的项目：它涉及物理的能量转换、经济学的成本分析，以及社会学的环保影响。学生不仅学到了知识，还学会了用知识分析复杂问题的能力。
2.从能力到素养：借助AI，如何培养完整的人
杜威认为，教育的最终目标是培养“完整的人”——能够独立思考、适应社会，并在生活中持续成长的人。而布鲁姆的目标分类理论则将教育的最高层次定义为态度和价值观的培养。这些素养的养成，正是教育技术最难触及的领域，但却是教育本位的核心。
我们希望，将知识、能力与素养之间的关联纳入教学设计。例如，在学习一个数学问题时，AI不仅引导学生掌握解题方法，还通过问题背后的真实背景，让他们反思数学如何服务于社会现实。这种“知识—能力—素养”的多元关联设计，试图在技术的帮助下，让学生不仅成为考试的优胜者，更成为有社会责任感的思考者和行动者。
更重要的是，这种设计还通过个性化的方式，尊重了每个学生的成长路径。通过我们的Prompt Expand技术，AI可以根据学生的兴趣和偏好，生成高度个性化的学习内容。一个喜欢艺术的学生可能会通过学习艺术品的几何构图来掌握数学原理，而另一个喜欢运动的学生，则可能通过比赛数据分析学习统计学。这种个性化的教育方式，回应了杜威“教育从学生的兴趣和经验出发”的主张。
3.技术与教育本位的融合：AI如何成为工具，而非主导
技术赋能教育的最大风险在于，它可能偏离教育本位，将学生置于技术的控制之下。但当技术尊重教育本位时，它不仅不会压倒教育目标，反而会成为实现教育目标的最佳工具。
未来的教育，不是技术主导的教育，而是技术尊重学生的教育。在这一模式下，每一项AI创新都服务于学生的成长，而每一位学生的成长，都会为AI注入新的意义。这正是杜威所说的“教育即生活”，也是我们需要为未来教育努力的方向。
2、AI教育，我们一起做什么？
在技术探索的基础上，我一直在思考一个问题。这个基于AI的数据库，应该如何打造?思来想去，我问了自己几个问题：
在教育领域，谁最直接服务学生?
谁是中国最大多数的教学群体?
他们用AI，我能做什么?
前两个问题好回答，依然奋斗在一线教学岗位的老师，显然是AI最应该助力的群体。他们是名师工作室、是机构中的老师、也有学校体系的老师。
我更为熟悉的，是名师工作室和机构老师，在我看来，他们现在的教学工作，主要面临以下几个难点：
1、招生问题
现在招生越来越难了，有什么新的方法吗?
家长来了不报名怎么办?怎么提高面询转化率?
2、服务问题
学生成绩提升不上去，续报怎么办?
家长对课程效果不满意怎么办?
3、教学升级的问题
缺乏教研支撑，教材大变样，怎么提高课程质量?
完全不知道怎么用AI在教学里。
面对这些问题，AI能做什么？
从我近期在市场调研、专家访谈，以及更主要我们公司开发产品的过程中，我觉得AI助力老师，可以从以下几个角度入手：
1、招生：从推广到信任的精准转化
1.短视频获客：用生动内容吸引家长与学生
传统招生方法正面临高成本与低效益的困境，而AI生成的短视频提供了一种生动而经济的解决方案。这些视频可以根据课程特点、教学成果和目标人群定制化设计，最重要的是，一键生成，省去了布景、拍摄、剪辑的所有成本。
这种低成本、高效率的方式不仅提高了家长的咨询率，还缩短了机构与家长之间的距离。
2.个性化诊断：让招生更具科学性
通过AI，一键上传即可分析学生的试卷和学习数据，机构可以为每位学生生成学习能力报告，明确强项和薄弱点，并推荐针对性的学习计划。教育应与个体经验相结合。个性化诊断通过数据为家长提供清晰的孩子学习画像，这不仅提升了家长对机构的信任感，使得招生成为咨询而非单向宣传。
3.学习成长报告：让面询变得专业可信
在面询环节，AI生成的学习报告成为关键工具。报告内容涵盖孩子的学习状况、课程建议和学习目标，让家长一目了然。报告的专业性直接提高了面询成功率。家长不仅能快速了解课程的适配性，也能感受到机构的教育理念。这种透明度和可信度是传统招生难以企及的，直接推动报名的达成。
2、备课：从2个小时到30分钟
1.AI教案生成：解放教师的时间
根据上传的最新教材或PPT，AI快速生成高质量的教案，包括详细的教学步骤、多媒体资源和配套练习。杜威认为教师的作用是教育设计师，而非信息传递者。AI教案生成解放了教师的时间，使他们能够专注于课堂互动和学生成长。机构则因此实现了教学内容的标准化，提高了课程的整体质量。
2.个性化出题：AI如何提升作业完成率
AI通过分析学生的学习数据，为他们动态生成个性化题目和学习任务，难度与类型随学习进度调整。布鲁姆指出，学习者的积极性来自对任务的挑战感和成就感。通过定制化学习路径，AI为每位学生创造了适合的学习节奏和内容，根据学生的性格、学习进度、风格偏好生成个性化的题目，让学生在做题过程中，同样收获快乐。
3、课后：效率与效果的双赢
1.作文批阅无忧法：老师轻松又高效
高阶技能如写作需要持续的反馈与实践。但作文批改一直是老师的“高压任务”。
AI通过自动批改技术，可以根据学生的作文内容，从语法、逻辑到情感表达进行全面评估，并生成个性化反馈。AI的精准反馈可以为学生提供针对性指导。AI还能提供改进建议，例如词汇替代或结构优化，帮助学生不断提高写作能力。
而老师从繁琐的批改任务中解放出来，专注于更具创造力的教学支持。
2.答疑搞定：摆脱费心困扰
在数学解题、单词记忆、听口练习等环节，学习需要根据学生的个人经验和能力进行调整，也是老师投入越多，学生成绩越好的核心方法。但老师毕竟精力有限，疲惫是多数老师在答疑过程中的共同状态。
AI的动态答疑功能满足了这一要求，尤其适合在学生薄弱环节上给予强化支持。对于教师而言，这减少了课后辅导的重复劳动，也让学生更高效地完成复习和巩固。
3.教学建议：老师也可以成为终生学习者
这个场景的落地，有一定难度。需要掌握一定的教师评价、教学评价的量表和能力。
但可以通过通用的“会议实时转写”功能，让AI通过对课堂数据(如学生的情绪、参与度和学习进度)的实时分析，生成针对教师的教学优化建议。教师的角色是学生学习的引导者，而非灌输者。通过AI反馈，教师可以动态调整课堂设计，从而更贴近学生的需求。这不仅优化了学生的学习效果，也让教师能够从每一次教学中获得反馈，提升自身的教学能力。
4、AI赋能家长服务：续报与信任的双提升
1.家长反馈：从情绪疏导到信任构建
在家长沟通中，教师常常需要应对来自家长、学生和家庭环境的多重情绪需求，这不仅增加了沟通的复杂性，也给教师带来了极大的情绪负担。
AI通过情绪分析和智能应答功能，帮助教师从容应对这些挑战。例如，AI能够分析家长在沟通中隐藏的情绪信号(如焦虑、不满)，并生成精准的沟通建议，协助教师以更积极的方式回应。
AI情绪支持不仅是教师的“情绪助手”，更是老师与家长关系的“润滑剂”。这种情感价值的输出，既提升了服务满意度，也让家长更愿意续报和推荐课程，成为推动机构长远发展的重要助力。
2.家长报告：一键生成全景学习数据
在本身学习报告的基础上，AI通过整合课堂数据、作业完成情况和学习进度，为家长生成全面的学习报告。这些报告不仅展示孩子的表现，还提供了下一阶段的学习建议，例如需要在哪些知识点上进行更多练习，或者在某些学习方法上做出调整。
家长报告通过可视化的方式，将孩子的学习成果呈现出来，不仅增强了家长对教学过程的了解，还为后续课程的优化提供了数据支持。这种高透明度的服务让家长对机构的教育理念更加认可。对于家长而言，清晰的数据使他们更愿意投资孩子的未来，而这正是提升续报率的核心驱动。
需要明确的是，各位老师无需为以上内容过于理论而担心。
这些判断，不仅来源于我自己每日打磨的实用场景，也来源于我在一线调研中，亲眼看到其他老师在一线已经跑通了的场景。
希望把上方这些想法落地，我为大家准备了以下内容和动作：
直接可落地的指令集：基于各个场景，通过什么样的指令，可以直接调动免费的大模型，产出相关的效果。这些指令我们已经打磨清楚，可以分享给大家;
带领老师实操的专家：基于他们的学生、家长用户画像，如何写指令、如何进行场景分析、如何实现收入增长，都有实打实的操作指引和数据验证;
但万一我考虑不周呢?
所以，亲爱的老师，如果你对AI教育有兴趣，或为以上落地的方法有兴趣，也许你也因为招生、续报和教学的问题所困扰，我们不要走散。希望你扫描文末二维码，加入我和多知共建的AI教育交流群。
在群里，我一方面最关心你的问题，希望AI能解决你现在哪些具体的问题?另外，我也会通过免费直播(重点分享玩儿法、认知和实操案例)、付费直播(重点教实操落地的用法、上手用AI)的方式。和大家一起认识AI在教育落地上，都跑通了哪些场景?如何实操?如何通过AI让你获得更好的家长信任与收入?为你的教学生涯再增添一些幸福感。
也会有老师好奇，为什么我要做这件事?我们回到上文提到的，大模型时代市场分析。
我更希望连接更多的“星辰”，这是我对市场化教育最为朴素的相信：
我相信，教不好孩子等于偷钱抢钱;
我相信，每一个老师心中都有一股向善的力量;
我相信，我们都可以成为星辰中闪耀的一颗，从而照亮学生的成长旅程。
行路难，行路难。
增收多歧路，AI时代今安在?
我们一起：
化若星辰会有时，
伴生云游浮沧海!
扫码!入群!
