The Context & Problem
在教育实践与前期调研中，我们发现教师真正的问题并不是没有 AI 工具，而是 AI 能力分散在教学流程之外。
现有工具通常只解决生成课件、批改作业等单点任务。教师仍需在多个系统间切换，课堂互动、测验和作业产生的数据也停留在结果统计层面，没有真正反馈到下一次教学。
如何让 AI 进入教师课前、课中、课后的完整工作流，并利用持续产生的学情数据辅助教学决策？
知引
知引 EduGuide
从 0 到 1 设计覆盖课前、课中与课后的 AI 教学平台。
Project Snapshot
Role联合创始人
产品负责人
产品负责人
ProductAI 智能教学平台
教师端 Web + 学生端智能终端
教师端 Web + 学生端智能终端
What I did用户研究、产品定义、MVP 规划、AI Agent 设计、交互原型、团队协作
OutcomeMVP 完成开发、多地学校初步合作意向、互联网+北京市一等奖、挑战杯北京市特等奖
Research & Insights
5 个省市覆盖多地真实教育场景
800+师生调研问卷
KANO需求优先级判断
从单点工具转向教学工作流
教师需要的不是更多独立 AI 功能，而是一套沿备课、授课与评价连续工作的产品。
从内容生成转向数据闭环
课堂互动、疑点、测验和作业数据应该重新进入下一轮备课，让 AI 继续参与教学优化。
AI 辅助判断，而非替代教师
AI 负责生成、分析与执行，涉及教学评价和对外输出时，保留教师审核与最终决策。
Product Strategy
MVP 优先聚焦教师教学这一条最高频核心链路，让每一次教学产生的数据继续服务下一次教学。
PREPARE课前更精准地备课→
TEACH课中更及时地调整教学→
REFLECT课后沉淀问题与教学经验↓
教学复盘经验回流↺辅助下一次精准备课
Product Solution
AI 精准备课
从输入主题生成内容，进一步走向基于学情设计教学。AI 综合课程标准、教学目标与班级历史薄弱点，生成教案、课件、测验初稿和差异化教学建议。
课标 / 教学目标 / 历史学情→内容生成 + 学情分析→教案 / 课件 / 测验 / 建议
实时课堂
学生可在听课过程中一键标记“不理解”，疑点匿名汇总至教师端。教师据此查看听懂率、疑点分布与互动情况，并针对当堂重难点生成即时测验。
学生一键反馈→AI 匿名汇总→教师调整教学
AI 教学复盘
课后自动汇总课堂互动、测验与学习轨迹，识别薄弱知识点、共性问题和下一次教学重点。分析结果重新进入下一轮备课。
课堂数据→AI 分析→教学复盘→下一轮备课
Outcome
完成开发
覆盖教师端课前、课中与课后的核心教学流程。
初步合作意向
与河北、山东等多地学校验证真实 B 端落地可能性。
互联网+
产品与创业实践获得创新赛事认可。
挑战杯
项目能力与落地价值进一步得到验证。
团队长期开展教育公益实践，相关活动获得人民日报等主流媒体报道，为产品持续接触真实教师与学校场景提供实践基础。
Reflection
EduGuide 最初有许多可能的方向，包括 AI 备课、学生学伴、学校管理与校园服务。但对于一个从 0 到 1 的产品，关键不是证明 AI 可以覆盖多少场景，而是找到一条最值得被重新设计的核心工作流。
我们逐渐将重点从大而全的智慧校园，收敛到教师的一次完整教学：先解决好备课、授课、反馈、再备课这一核心闭环，再逐步让学生数据和学校场景进入体系。
先定义用户真正需要完成的工作流，再判断 AI 应该在哪个节点介入。