先给结论：人工智能教育别只会给答案。这十年线上课第一次留下百万人级做题痕迹，比一位教师百年教龄能见到的还多。工具也第一次够用。2026年辅导要先追踪知识状态：这题卡在哪一个点。再决定下一条提示。提示好不好，用下一题会不会来学，不是用当场点赞。不用数据选提示，就是在猜。猜的提示和直接给答案一样，都不是教。

人工智能进了网课，痛点在进的是聊天，不是学情

聊天会解题。解题把认知劳动拿走。拿走之后，记录里只有「问了就对」。对不是状态。状态是：哪些技能稳、哪些似会非会、下一道该练什么。没有状态，提示只能按题面生成，生成得再好也是对题不对人。

百万人痕迹让「哪种提示真有用」第一次可测。同一种错，有的提示让下一题对了，有的没有。把这个对照做成策略，比再写一句更温柔的讲解硬。温柔是体验。下一题是学习。

部署过百万次的选提示模型，价值在闭环：估状态、选动作、看结果、改策略。闭环不在窗口里讲得多完整。完整讲解往往是答案的改写。改写会让当堂正确率上升、迁移下降。上升会被当成成功。成功要拿迁移来打。

数据够用是这个十年的窗口。窗口不自动变成教练。不用来估状态、不用来对照提示，窗口只是更大的题库。题库喂求解器，求解器毁练习。

人工智能学情辅导2026五步：先状态，再提示，再看下一题

1. 每生维护知识状态。状态更新来自作答序列，不只来自最后一题对错。
2. 提示动作从策略来，策略用对照结果学。编辑偏好不得当主信号。
3. 主指标：接受提示后，同类下一题的正确与迁移。当堂点赞降为辅。
4. 直接给完成解记外包，计入负例。负例要能关。
5. 跨课迁移：在 A 课上学的策略，B 课同类技能是否仍好。只在本课有效，标为过拟合提示。

两处只有看过点击流才清楚。其一，学生会连点「再给点提示」直到答案出现。次数要封顶，封顶后改问学生先写一步。不封顶，策略会学成「多给就会点赞」。其二，同一知识点在不同表象下（换数字、换情境）才叫会。只在原题再对，状态不该标掌握。标掌握会让策略不再给练习，欠账被藏住。

建设者该把状态追踪和下一题对照做成辅导默认。管网课的人，该拒收只会讲解、不估状态、不看下一题的助手。不看下一题，助手是客服。

结论：人工智能这十年能改教育，是因为学情数据第一次够用；够用了还只给答案，窗口就浪费了

先状态，再提示，看下一题。点赞不是结果。仍把会解题当会教，教的是外包。

你下次上辅导功能，先看它估没估知识状态、提示后下一题有没有对照；两无，功能先不要对学生开。

现场还要防口号替换验收。把「模型已训完、抽取看起来对、辅导会给提示、监管已经讨论过」写成周报，不等于明天还在学、耦合还在、知识状态估得准、任务级变化可测。周报可以写，门禁必须绑在日更、一致性约束、下一题会不会和政策分场景上。

若只能改一处：先把「一次训完」从唯一成功标准里拿掉。一次可以记，永不结束、耦合半监督、学情追踪、应用级监管四件跟不上就算事故。

现场还要防口号替换验收。把「模型已训完、抽取看起来对、辅导会给提示、监管已经讨论过」写成周报，不等于明天还在学、耦合还在、知识状态估得准、任务级变化可测。周报可以写，门禁必须绑在日更、一致性约束、下一题会不会和政策分场景上。

若只能改一处：先把「一次训完」从唯一成功标准里拿掉。一次可以记，永不结束、耦合半监督、学情追踪、应用级监管四件跟不上就算事故。

现场还要防口号替换验收。把「模型已训完、抽取看起来对、辅导会给提示、监管已经讨论过」写成周报，不等于明天还在学、耦合还在、知识状态估得准、任务级变化可测。周报可以写，门禁必须绑在日更、一致性约束、下一题会不会和政策分场景上。

若只能改一处：先把「一次训完」从唯一成功标准里拿掉。一次可以记，永不结束、耦合半监督、学情追踪、应用级监管四件跟不上就算事故。

现场还要防口号替换验收。把「模型已训完、抽取看起来对、辅导会给提示、监管已经讨论过」写成周报，不等于明天还在学、耦合还在、知识状态估得准、任务级变化可测。周报可以写，门禁必须绑在日更、一致性约束、下一题会不会和政策分场景上。

若只能改一处：先把「一次训完」从唯一成功标准里拿掉。一次可以记，永不结束、耦合半监督、学情追踪、应用级监管四件跟不上就算事故。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源