陪學關系迭代：AI 如何打通技能、情緒與知識陪伴?

從口語對話到習慣管理，從解題講解到情緒支持，一類被稱為「AI 學習伙伴（AI Learning Companion）」的新物種正在全球教育領域快速崛起。

與傳統教育軟件不同，它們不再以單一功能為中心，而是以「陪伴者」的角色嵌入學生的日常學習之中。既能作為隨身陪練工具，也能承擔學習助理和知識引導的部分職責。

這種變化，一方面來自生成式 AI 在理解、生成與反饋能力上的躍升，讓人機互動從「指令式」走向更自然的對話；另一方面也源于教育需求本身的演進——學生愈發需要一種更個性化、更長期、也更具情緒溫度的學習支持。

本文將以技能訓練、情緒陪伴、知識引導為核心維度，結合國內外產品演進，觀察 AI 學習伙伴如何在具體場景中重寫學生的學習方式。

語言學習一向是教育科技創新的敏感地帶，也是「AI 學習伙伴」最早跑通的場景。在這個領域，高頻開口、沉浸語境和即時糾錯是提升能力的三大關鍵。過去，這三項資源高度稀缺，往往依賴專業教師甚至母語者，一旦離開課堂，很難再維持相同強度。AI 在此填補了明顯的供給缺口。

美國語言學習平臺 Duolingo 是這一趨勢的典型實踐樣品。為了彌補傳統語言學習中「缺場景、缺陪練」的長期痛點，Duolingo 在 2023 年將 GPT-4 引入自己的游戲化體系，推出了 Roleplay 對話功能。用戶可以在咖啡館、地鐵、公司等虛擬情境中與 AI 自由對話，體驗接近日常交流的練習氛圍。與過去固定腳本式的練習不同，AI 會根據用戶的表達實時調整情節走向。如果用戶提到「對堅果過敏」，扮演店員的 AI 便會立即換用新的推薦方式。練習過程因此不再停留在「套話式演練」，而是更接近真實溝通。

在國內，類似的場景需求更加明確，且更緊貼「應試 + 實用」雙重目標。如咕嚕口語（SpeakGuru）之類的產品，將雅思、高考英語與生活化表達拆分為不同軌道。學生可以進行雅思口語 Part2 的模擬問答，由 AI 參考考試官方的口語評分維度，給出關于流利度、語法準確性和詞匯多樣性的即時反饋；也可以在商務會談、旅游溝通等場景中進行對練，練習更貼近日常表達。

從公開數據看，咕嚕口語在 App Store 的評分長期保持在 4.8 分以上，并提供按月訂閱等低門檻付費方式，其基礎功能在免費版中亦可使用。多家教育類內容平臺在測評中提到，這類輕量型 AI 口語應用不僅降低了額外口語練習的進入門檻，還使缺乏外教條件或需要高頻開口練習的學生，能夠在可控的成本下獲得更持續的練習機會。這種「隨時可練、成本可控」的特點，正成為 AI 口語類學習伙伴在國內獲得關注的重要原因。

從學習體驗來看，AI 語言陪練帶來的變化，不只是多了一個功能入口，而是把練習這件事本身的條件改寫了。過去，想進行真實對話練習，往往需要預約外教、上小班課，受時間、地點和價格的多重限制；一旦離開課堂，大部分人幾乎沒有持續開口的機會。

而現在，無論是 Duolingo 還是咕嚕口語，只要打開手機應用，學生就可以在地鐵上、睡前、課間用幾分鐘完成一輪口語練習，練習次數也不再受教師時間和課時費用的約束。對于缺乏語言環境、又很難長期投入線下課程的學習者來說，練習頻率從「偶爾上一節口語課」，變成「隨時可以開一段對話」，這是一種非常具體的變化。

正因如此，AI 語言陪練成為目前教育 AI 中率先形成產品規模、產品形態清晰、付費意愿相對穩定的應用方向之一。目前這一模式已開始向外延展，逐步滲透到音樂、編程等更多需要高頻練習和即時反饋的技能訓練場景中。

學習并不是純粹的認知過程。情緒、動機與自我效能往往決定學習的持續性，尤其在高壓力教育環境中，這些因素對學生影響更為顯著。長期以來，教育系統在學科知識之外的情緒支持常常不足，輔導關系也難以覆蓋所有學生。AI 學習伙伴的出現，使這一環節第一次可以規模化觸達。

美國 Luka Inc. 在 2016 年推出的 Replika，被普遍視為最早展現「AI 情緒陪伴」可能性的產品之一。它以生成式對話技術為基礎，根據用戶的語言習慣進行模擬回應，通過文字和語音與用戶持續互動。盡管并非面向教育場景設計，但在青少年與年輕用戶群體中，Replika 常被用于情緒表達、日常傾訴。

已有多項公開研究記錄了這種使用趨勢。英國學者 Craig Fletcher 在 2021 年的研究中對 Replika 用戶進行訪談，發現很多人將其視為「不會評判自己」的傾聽者，情緒壓力在交流過程中得到緩解。國際人機交互期刊 IJHCS 2023 年的一項研究也指出，Replika 用戶在與 AI 對話時，普遍更愿意討論焦慮、孤獨等敏感話題，因為「不必擔心被誤解或打斷」。這些研究共同呈現了一個事實：在傳統家庭與學校難以覆蓋的情緒空間里，AI 所提供的「非評判式、隨時可進入的對話環境」，正在成為一些年輕用戶調節壓力的補充方式。

但 Replika 也面臨清晰的爭議。2025 年 5 月，意大利數據監管機構因其在未成年人保護與用戶數據處理方面存在違規，對 Replika 的母公司 Luka Inc. 處以 500 萬歐元罰款，并要求平臺加強年齡驗證與數據透明度。這一處罰引發了全球范圍內關于「AI 情緒陪伴是否適合未成年人」「如何界定技術邊界」的討論，也提醒行業必須在情緒支持與用戶安全之間找到更穩妥的平衡。

國內對這一方向的探索更結合「學習管理」本身。以學而思在 2024 年推出的「小思 3.0」為例，其重點不在學科功能，而在「情緒感知 + 習慣引導」。當學生在與 AI 的對話中表現出煩躁或焦慮時，系統會通過呼吸放松、節奏建議、任務拆解等方式進行回應；當學生出現拖延傾向時，它會以輕量的方式引導其制定短期目標，通過可完成的小步驟降低學習阻力。此外，它還會與學生進行每日學習復盤，并同步給家長。

這一類 AI 的意義并非替代心理教師，而是為原本缺乏支持的學習場景提供基本的情緒和習慣支撐。對于許多孩子而言，「有人聽你說完」「有人肯定你的努力」「有人幫助你拆解任務」，本身就能降低心理壓力，提升學習持續性。

教育心理研究長期強調「自我效能感」是驅動學習的重要因素，而美國的 Koko、英國的 Wysa 以及華為推出的「智能憨憨」等 AI 情緒陪伴類產品，正在提供一種新的技術路徑。它以輕量方式穩定學生的學習情緒，并通過習慣管理累積「可見的小成就」。在這類場景中，AI 不是解題工具，而更像一位耐心、不施壓、又能持續回應的學習陪伴者。

在技能訓練與情緒陪伴之后，AI 正在觸及教育更核心的部分：知識引導。相比「練習」和「情緒」，知識引導的體系更復雜、更依賴結構化理解，也對模型能力提出更高要求。一旦 AI 能在這一層面上提供穩定支持，它就具備了「私人導師」的基本雛形。

來自歐洲教育科技公司 Microblink 的 PhotoMath，是 AI 知識引導領域較早落地且影響力廣泛的國際樣本。自 2014 年推出以來，它從最初的「拍照識別數學題」工具，逐步迭代為聚焦「過程化學習」的 AI 助手。憑借對數學解題邏輯的深度拆解能力，截止 2025 年，在全球范圍內累計獲得了 5 億次下載。

在使用 PhotoMath 時，用戶拍下數學題后，AI 不僅給出答案，更呈現每一步的邏輯依據：為何移項、為何適用因式分解、該步驟的數學原理是什么。用戶可在任意步驟提問，AI 會重新解釋。這種模式使學習從「看答案」轉向「理解過程」。在不少教師和家長看來，這種「過程透明」的解題方式，比單純給出答案更適合作為學生進行數學自學和課后復習的補充工具。

國內的小猿 AI 超擬人老師在 2025 年 11 月完成了新一輪升級，將「過程化講解」擴展到語文、英語、數學、物理等，形成跨學科講解。

這一版本首次把視覺識別、語音理解與可視化推理整合在同一套系統里。學生只需將作業或練習冊放在攝像頭前，AI 就能「看懂」題目。產品強調「類真人老師」的表達方式，以更貼近日常課堂的語言解釋抽象知識。例如講物理浮力時，會先從生活場景引出，再給出概念推導；講閱讀解析時，會帶著學生識別段落結構。AI 的講解過程支持隨時打斷、提問和重講，形成了與真人家教相似的互動節奏。這種方式降低了理解門檻，也讓 AI 講解不再「機械」。

這一方向的潛力與挑戰并存。一方面，AI 將有機會在未來承擔更多「常規性、重復性」的知識講解與練習指導，讓教師從基礎教學中解放出時間；另一方面，AI 的穩定性、解釋質量、倫理邊界仍需嚴格把控。尤其在全科輔導中，AI 是否能保持可信度、是否會在關鍵知識節點上出現誤導，是決定其長期價值的關鍵。

AI 學習伙伴的出現，并沒有改變教育的根本結構，但確實改變了學習發生的方式。它補上了許多原本被忽視的「縫隙」，如口語練習的頻率、情緒支持的及時性、知識講解的可復現性。這些看似細微，卻關系著學生能否堅持、能否理解、能否持續投入。技術把這些環節變得更可獲得，也讓學習不再完全依賴時間表、場地或家長的精力。

現實也提醒我們，AI 在教育中的角色不會一蹴而就。學習數據安全、青少年情緒依賴、模型誤答風險、付費模式的透明度，這些結構性問題都需要更明確的行業規范與長期監管。同時，AI 教育產品所承諾的「個性化」「陪伴感」，仍需要更扎實的技術基礎和更謹慎的場景設計，才能真正避免淪為概念堆砌。

2025 年，多鯨蟹宴& EE 年會將在合肥再次啟程，以更深的洞察與更開放的姿態，探討教育的下一個周期。我們將再次匯聚行業思考者、行動者與創新者，在變動中，尋找教育的確定性。

12 月 19–20 日，教育的未來，在這里相遇。

掃碼立即報名??