夜雨聆风
何去与何为：AI时代，学习最优解的路径在哪里
——基于洋葱学园考察学习后的思考
钮勤章
有幸接受了洋葱学园的两次邀请，一是在北京总部，看到了现场的宏大纷呈的课程制作空间；二是参与了其在苏州的一次落地实操的现场。两次考察学习场景互补，内容丰富，感触良多。基于此，写点对于AI时代，学习最优解的路径的思考。
在苏州吴江区盛湖学校，一组数据引人深思：这所生源多为随迁子女、师资相对年轻的学校，四星级高中达线人数从入学的69人提升至中考的172人，完成率达249%。与此同时，深圳富源学校正通过“三案七环节”将AI深度嵌入课堂，稳居区域民办高中前列。
两所学校，一南一北，却共同印证了一个判断：AI时代的教育突围，不在于技术替代教师，而在于技术赋能师生，重构“教”与“学”的底层逻辑。学习的最优解，不再是“学会更多”，而是“学会更准”与“学会不同”。
一、 何去：打破“生源决定论”的技术突围
长期以来，基础教育容易陷入“生源决定质量”的困局。盛湖学校是一所镇办的民办学校，生源质量自然不会高了。用学校戴颖书记的话说，学校曾面临“随迁子女多、家长文化程度有限、师范生占比低”的三重压力。
可是，盛湖人不气馁，在苏派课改与洋葱学园技术加持下，很快找到了破局之道——费曼学习法与AI技术的深度融合。盛湖学校在“四大课程体系”之上，引入洋葱学园，形成了质量跃迁的第二曲线。
在这一体系中，AI不再是冰冷的工具，而是精准的“手术刀”与坚实的支架。
从“学知识”转向“学提问”。看懂一个物理定律只是起点，高阶学习在于：能否用精准的提示词（Prompt），让AI推演出该定律在火星低气压环境下的变异形态。
培养“提示词素养”。这是AI时代的读写能力——谁能把模糊想法转化为机器可理解的指令，谁就掌握了通向未来的钥匙。
更重要的是，洋葱学园将复杂知识拆解为5–8分钟的动画微课，基于“最近发展区”理论实现精准匹配：既不超越学生能力导致挫败，也不低于现有水平造成重复。技术由此成为洞察个体差异的“显微镜”，让学习从“千篇一律”走向“千人千面”。
二、 何为：盛湖与富源的双轨实操图谱
考察中，最令我印象深刻的是两所学校将AI技术落地的具体抓手。它们不约而同地指向了“三师课堂”（实体教师 + AI助教 + 学生小先生）这一核心模式。深圳富源学校与江苏盛湖学校的探索提供了两种极具参考价值的实操范式，共同指向一个核心：课堂流程的重构。
盛湖学校先是实行“小先生”制，现在采取“三师协同”。
盛湖学校独创的“费曼学习法·主动学习课堂”，其核心是让学生成为“小先生”。而AI的加入，让这一模式更加立体。
课前精准诊断：在八年级物理《力》的单元复习中，AI平板先于教师推送前测卷，自动生成学情报告。教师不再凭经验讲课，而是拿着数据进课堂，专攻学生标记的“高频错题”（如重力方向、受力分析）。
课中虚实结合：在《凸透镜成像规律》实验中，学生利用虚拟实验室（PhET）进行仿真操作，规避了实物实验耗时长、误差大的痛点。随后，小组代表结合多媒体投屏进行领学，真正实现“以讲促学”。
课后分层闭环：依托洋葱学园，盛湖建立了“人工智能学习室”。周一至周四晚间，数学、英语、物理、化学分别开设“一期、二期、培优、逆袭”四个层级的课程。这种基于数据的分层作业推送，实现了真正的“日日清、周周清”。
富源学校的课堂设计为AI双轨课堂（“三案·七环节”）。
教师主导轨（把控方向与底线）：教师角色转为设计者、引导者和把关人，负责“导（定向导入，2min）”、“评（精准点评梳理，10min）”、“测（即时检测可视化，3min）”，侧重解决共性问题、夯实基础与价值引领。
学生自主轨（以生为本与分层）：学生从被动听众转为主动学者，借助 iPad 和洋葱学园资源进行“学（自主研学+AI私教，13min）”、“研（小组互学研讨，4min）”、“展（费曼式公开展学，8min）”，并在课后进行“固（分层固学/AI错题推送，延伸）”，侧重自主探究、合作与个性化补弱。
其中，“三案”贯穿全流程支撑双轨。
预学案（课前）：解决预习走过场，依托微课与 AI 私教完成先学。
导学案（课中）：解决课堂抓手，结构化引导自学、研讨、展示与检测。
固学案（课后）：解决作业一刀切，系统智能分层发布，建立错题本并推送同类题。
研究分析看来，富源学校的“AI双轨课堂”堪称精细化教学的典范。他们将40分钟课堂拆解为“三案七环节”，每个环节都与AI深度绑定。
时间切片：导入（2分钟）+ 自主学习（13分钟）+ 研讨（4分钟）+ 展示（8分钟）+ 评价（10分钟）+ 检测（3分钟）。
导入与自主学习（前15分钟）：教师利用洋葱学园的微课资源进行2分钟的精准导入，随后给予学生13分钟的自主探究时间。学生借助iPad查阅资料、做笔记，AI系统实时记录学情。
研讨与展示（中间12分钟）：在4分钟的小组研讨中，AI辅助系统会根据学生的预习数据推送差异化任务。随后的8分钟成果展示，不再是优等生的独角戏，而是基于AI数据分析的针对性反馈。
评价与检测（后11分钟）：教师的讲评被压缩在10分钟内，而最后的3分钟即时检测，则是AI发挥最大威力的时刻——自动批改、生成错题集，让教学闭环瞬间完成。
人机分工：在“研讨与展示”环节，AI助教根据预习数据推送差异化任务；在“即时检测”环节，系统自动批改并生成错题集。这种模式下，教师从“复读机”转变为“教练员”，专注于高阶思维的引导。
从洋葱学园落地这两所学校的AI课堂看来，我认为其在以下三方面具有显著的科研与实践价值。
首先是“教学思维链”的技术具象化。
洋葱学园不依赖通用大模型的概率黑箱，而是深耕了超万节自带“思维标签”的精细化课程。在其AI课堂中，学生遇阻时，系统不是直接给答案，而是回溯“思维断点”，显化“这一步为什么卡住”“关键理解在哪里缺失”。这种将推理过程透明化的设计，有效规避了AI的“幻觉风险”，真正实现了“知其所以然”，是通往“高质量自学输入”的关键路径。
其次是人机协同下的角色重构。
考察中发现，引入其AI学伴（智能助教/思维教练）后，教师从繁复的知识灌输中部分解放出来，转而聚焦于“价值引导”与“深度质询”。这与我在语文教育中倡导的“萌心语文”教育主张（唤醒心灵、关注思维互动）不谋而合（见《“萌心语文”的实践性建构》，2014年2期《江苏教育·中学教学版》）。AI承担了“私教”般的个性化路径规划与即时反馈，而教师则回归“人师”本分，处理情感交互、批判性讨论（如文学多义性辨析），达成了“AI效率+人文温度”的平衡。
最后是数据驱动的大规模因材施教。
借助“洋葱味道框架”（关键理解、逻辑性、启发性等维度），其平台积累了海量学习行为数据（停顿、回看、错题归因）。这使学校课改一直追求的“精准教学”有了数据支点。在盛湖学校的案例中，能看到系统依据学生思维链路的薄弱点，动态推送适配资源，让“每一个孩子按自己的节奏生长”不再是口号，而是可操作的课堂常态。
三、 实操落地的关键，基于技术探索与融合的管理突破。
透过现象看本质，两所学校成功的关键在于“管理与激励兼备的评价体系”。
以盛湖学校为例，技术是引擎，管理是方向盘。他们建立了严密的“生训体系”。
首先，师训前置。想要学生成为“小先生”，老师必须先成为“培训师”。盛湖通过“青蓝工程”，让拥有“盛湖教资”的优秀小老师进驻生训课，手把手带新人。
其次，流程固化。无论是独学、合学还是领学，都有标准化的操作流程。例如，针对“领学”环节，学校专门训练学生的声音、站姿、手势甚至眼神交流。数据显示，经过生训的学生，如七年级的陈登琪、田蔫等，名次均有大幅提升。
最重要的是坚持评价驱动。盛湖推行“六大班长”和“行政组长”负责制，将评价渗透到课堂的每一个毛细血管。教育到那里，评价就到那里；评价到那里，管理就到那里。
四、基于洋葱经验的“最优解”路径思考。
技术唯有扎根于扎实的管理土壤，服务于人的成长，才能真正点亮教育的未来。结合洋葱学园的“精准”与AI时代的“生成”，我认为学习的最优解路径应由三部分构成：
首先是输入端——从“被动吸收”转向“精准矫正”。
洋葱学园的学习观——学习不需要从头到尾听完。未来的学习，更多的会是“按需索骥”的项目化学习。围绕某个项目的学习目标，利用AI工具（如智能导学系统），像剥离洋葱那样将教材碎片化；当遇到某个知识点的瓶颈时，不是泛泛寻求资料或者老师的帮助，而是通过AI精准定位到那个具体的“知识盲点胶囊”，进行靶向矫正。
其次是过程端——从“看懂”转向“玩转”。
洋葱学园让你“看懂”了原理，但AI时代需要你“玩转”原理。“洋葱打底+ AI生成”。例如，看完洋葱学园关于“光合作用”的微课（输入），立刻要求学生用AI生成一个“假如地球重力减半，光合作用会如何演变”的模拟脚本（输出）。从消费者变成创造者。
再次是评价端——从“做对题”转向“提出好问题”。
这是洋葱学园目前较少涉及的领域，也是AI时代的最高阶。不再考核学生记住了多少个洋葱微课的知识点，而是考核谁能基于这些知识点，向AI提出最具颠覆性、最有深度的追问。“提问能力”将取代“解题能力”，成为学习最优解的核心指标。
由此，基于洋葱学园的实践，我们可勾勒出AI时代学习的三大核心路径，体现出学习行为从“被动接收”到“主动进化”。
其一，以“问题”为锚点，重构知识网络。
传统学习像“拼图”——按既定顺序拼接碎片；而AI时代学习应如“织网”——以真实问题为中心，让知识点在解决问题中自然联结。洋葱学园的“情境化教学”正是如此，讲解“函数”时，不先抛公式，而是从“疫情传播预测”“视频播放量增长”等现实问题切入，让学生在探究中构建知识。这种“问题导向”的学习，能让知识从“死记硬背”变为“活的工具”。
其二，以“反馈”为引擎，实现精准迭代。
AI的最大优势，在于能提供即时、多维度的学习反馈。洋葱学园的智能题库不仅能判断对错，还能分析错误类型（是概念模糊、计算失误还是逻辑偏差），并推送针对性补救资源。这种“诊断-干预-巩固”的闭环，让学习从“经验驱动”转向“数据驱动”，每个错误都成为进步的阶梯。
其三，以“共生”为目标，培养人机协作力。
未来的核心竞争力，不是“战胜AI”，而是“驾驭AI”。洋葱学园的课程设计中，已开始引导学生用AI工具辅助探究（如用编程模拟物理实验、用数据分析社会现象），同时强调“人类不可替代的能力”——共情、审美、伦理判断。这种“人机协同”的学习模式，让学生既懂技术的“术”，更明成长的“道”。
五、AI时代，教育最优解的一种可能：剥开洋葱，看见光
两次考察，与其说是参观，不如说是一场关于“技术与人”的辩证思考：当知识获取变得零成本，学习的“最优解”究竟是在效率的极致，还是在人性的回归？
洋葱学园像一颗洋葱，一层层剥开，是为了让我们看清知识的纹理。但在AI时代，我们不能只满足于“剥洋葱”，我们要学会用AI种出属于自己的“新洋葱”。
何去？去往人机协同的深度地带。
何为？做那个定义问题、驾驭技术、充满温度的“完整的人”。
事实上，技术解决“怎么教”，而“教什么”“为什么教”永远属于教育者的初心。我想，AI时代，学习倘若有最优解的话，这个最优解不在于“做对一道题”，而在于“展开一场有价值的探索”；其本质是技术理性与教育人性的平衡术。
谢谢洋葱学园组织的这一次深耕一线的实战研讨：见所未常见，想所未常想，变所未曾变，学所未曾学……教育之路，剥尽洋葱始见芯；学习之途，会用学园才入境！
作者系北大金秋基础教育联盟副理事长兼秘书长
