在今天的 WAIC 现场，学习已经变成酱婶儿了：
拍题不搞「剧透」，AI 先追问你依据是什么？
写作文不请「枪手」，反倒教你怎么「化妆」；
还能一键穿越，和「孔子」坐而论道......
没错，首次参展的 AI 原生企业与爱为舞，直接把一座开放式「AI 学习实验室」搬进了世博展览馆 H2-E505 展位。
没有大屏循环播片，也不是观众站一圈看完就走。你是真的能坐下来，亲手一试：学习这件事，确实换了个打开方式。
这也是今年 WAIC 最值得琢磨的变化之一。
去年，大家还在集体围观大模型、人形机器人、AI 终端。到了今年，问题更深入到这些 AI 应用，到底有没有真正走进生活？
展馆里，垂直领域的专业智能体密集亮相，比拼工作流顺不顺、任务能不能跑起来、商业闭环到底有没有。
教育与陪伴，成了观察这场「务实跃迁」的最佳窗口。
毕竟，教育行业讲了很多年因材施教，但真到了产品里，很多 AI 还是停在搜题、批改、生成讲解。至于为什么一讲就会、一做就错，AI 没真正看见。
现在，与爱为舞的学习 Agent 开始撬动这个僵局。
学习这个事儿，终于换了个姿势
在「爱学 AI 学习智能体」体验区，我们先试了试「爱学拍讲智能体」。
拍照搜题，都不陌生：拍一下，出答案，抄步骤，下一题。还能玩出什么花儿？
现场体验下来，打开方式确实变了：「搜题即答案」，变成了「搜题即思路」。
随手拍了一道初中几何题。
系统很快识别出题目，接着智能体开始带着我们推理。
先问：
∠1 + ∠2 = 180°，同时 ∠1 和 ∠DGE 也是邻补角，也能凑成 180°。那 ∠2 和 ∠DGE 为什么相等？
我们故意含糊其辞：它们都和 ∠1 有关系。
智能体没放过我们，继续追问：
这个依据叫什么？
直到说出「同角的补角相等」这个知识点，它才继续往下推进：
∠2 = ∠DGE，所以可以根据同位角相等推出 AB ∥ EG；
再利用平行线性质，得到 ∠3 = ∠ADE；
结合题目给出的 ∠3 = ∠B，通过等量代换推出 ∠ADE = ∠B；
最后根据同位角相等，两直线平行，推出 DE ∥ BC。
过程中，为了不让你走神儿，几乎每隔一两分钟，每到一个推理节点、一个知识要点，智能体都会 cue 你——
答得对，继续推进；答得模糊，追问依据；答错了，就降一阶给提示，或者带你回顾相关知识点。
讲题，就这样变成了一个可以交互、追问、纠错的思维过程。
体验完智能体如何讲透一道题后，我们又上了一堂 AI 英语课：
一道题讲得清楚，一节课也能 hold 住？
这是一堂英文写作课，学习怎么润色句子。
老师「 AI 心语」出现在屏幕右上角，很像真人，主区域则是一块动态板书。
一句最朴素的英文句子放到黑板中央：
A bird sat in the tree.
然后，「 AI 心语」带着我给这句话「化妆」。
先在 tree 前加形容词，比如 green，句子变成：
A bird sat in the green tree.
再在动词后加副词，让鸟儿坐得更具体；
继续加介词短语，补充这只鸟在哪里、来自哪里；
再加非谓语短语，写出它当时正在做什么；
最后加原因从句，把动作背后的理由也补上。
十几分钟后，一个低配句子，被一层层「补妆」，变成更完整、更有画面感的表达。
这节课最不同的地方是，「 AI 心语」没有一路自说自话。
我会被不断 cue 到：填一个词，补一个短语，判断哪部分是形容词、副词，甚至来场 PK 小游戏。
而且，可以自由回答。
比如，我故意坚持用 sadly 描写鸟儿状态，还反问：我觉得你的答案一点儿都不好，我就想用这个。
「 AI 心语」没有直接判错。
先肯定这个想法有自己的特点，再提醒题目希望使用更阳光、正向的词汇，随后把话题拉回「副词修饰动词」这个知识点。
我又故意说：哎呀，不记得你刚才讲什么了。或者，什么是非谓语动词呀？
她又会停下来重复或者解释，再把课堂节奏接回去。
更有意思的是，没有预制 PPT，「 AI 心语」会根据互动内容，现场板书。
需要填空的地方，会被标出来：
我的回答也会出现在板书上，并被高亮：
答错了，错误答案会被划掉；该给提示时，线索也会适时弹出来。
一节课下来，角色反转：
- 学员被推到了 C 位：要开口，要选择，要判断，要犯错，也要把自己的思路暴露出来。
- AI 成了陪练：追问、提示、纠偏，带着你一步步往前走。
而当我们转头和大屏上的「孔子」对话时，立马感觉穿越了。
屏幕里是一间古色古香的书斋。竹简、木案、旧墙、素色衣袍，一个长髯垂胸的孔子数字人站在中央。
他一开口，就有点穿越：
「今逢后世二零二六年……」
我们问他：如果看到今天 AI 的发展，未来学习会变成什么样？
孔子微微停顿，很快接上：
吾昔倡有教无类，因材施教，今此智能体，正可弥资源之壑，顺学子之性，令学皆得其所宜，人人皆能乐学善知，汝以为此智器于蒙童之教，最可补今之弊。
措辞、语气、眼神、表情都撑住了，微微颔首、抱拳作揖这些小动作也很自然。一时间，真有点忘了自己面对的是 AI 。
几轮对话下来，AI 教育里常说的个性化学习、因材施教，被放回孔子的语境里，突然有了跨时空的回声。原来，传统知识也可以变成一个可对话、可进入的现场。
从给答案到会教人，
中间差了一个自研「大脑」
几轮体验下来，最值得注意的并不是某个功能有多炫，而是同一个变化反复出现：
AI 开始知道，学生给出反馈之后，下一步该怎么走。
这正是 AI 教育最难的地方。
过去很多产品解决的是有没有答案、讲解够不够完整。但真实学习里，更关键的问题常常发生在答案之外：
学生为什么卡住？这个回答算不算真懂？现在该继续追问，还是换一种提示？该把知识点拆细，还是让学生自己再试一次？
这些判断，过去属于资深教师的隐形经验。现在，爱学试图把它变成模型能力。
这也是爱学大模型在整套学习 Agent 里的位置。它并不只是负责生成一段讲解，而是承担教学决策中枢的角色：
先识别学生状态，再判断下一步策略，最后把策略落到语言、板书、互动节奏和课堂流程里。
拍讲智能体里，这一点最直观。
同样是拍一道题，普通搜题产品会把答案和步骤直接摊出来。「爱学拍讲智能体」没有急着「剧透」，而是先追问，依据是什么。学生答得含糊，它继续追问；答到关键知识点，才推进下一步。
看似只是多问了一句，背后其实是教学逻辑的变化。
它要判断学生此刻缺的是知识点还是表达；也要判断什么时候该提示，什么时候该停下来让学生自己说。拍讲从「结果导向」变成「过程导向」，学习才有可能真正发生。
英语写作课上，也是如此。
当我们故意用 sadly 描写鸟儿状态时，「 AI 心语」没有直接判错，也没有简单给出标准答案。
它先接住这个表达，再把话题拉回「副词修饰动词」和写作语境。这种处理，比单纯纠错更接近真实老师的反应。
再往下看，动态板书也不只是视觉效果。
过去很多在线课堂的板书，本质上还是预制 PPT 。讲到哪一页，播到哪一步。学生回答错了，板书不会真的「看见」这个错误。
这次不一样。
在写作课里，学生填出的词会出现在画面上，错误答案会被划掉，关键位置会被标注，线索提示也会适时弹出。板书开始跟着学生反馈变化。
这意味着，模型输出的不只是「说什么」，还包括画什么、标哪里、什么时候擦掉、什么时候提示。教学思路被实时摊开，学生也能看到自己的思考过程如何被修正。
再进一步，是课堂节奏。
真正的课堂不会按脚本一路播放。学生可能回答说「不记得了」、「什么是非谓语动词」、甚至挑战所谓的标准回答。
这时，AI 要判断这句话是提问、跑题，还是没听懂；接下来要重复、解释、推进，还是降阶讲。
能不能接住这些变化，才是学习 Agent 和普通问答工具的分水岭。
所以，爱学大模型背后的技术重点，并不在于把一个大模型套进教育场景，而是把教学拆成一连串可感知、可判断、可执行的动作。
为此，爱学大模型吃进了大量真实课堂里的教学因果链。学生怎么答，老师怎么接，哪种追问有效，哪种提示会直接泄题，这些都要被持续训练和校准。
同时，它还搭了一套双重评测体系。
一边盯指令遵循，确保不透题、不跑偏；一边用更强模型和教研标准评估回答质量，看它是不是语气自然、简洁明了、逻辑连贯、针对性强。
这套体系带来的结果，是爱学大模型的指令遵循稳定在 99% 以上——我们体验过的「追问依据叫什么」、「先肯定 sadly 修饰鸟儿的创意，再纠正语义方向」，背后都是这套机制的功劳。
对错判断变得更准，线上 badcase 率也大幅下降。
不过，如果只做到这里，它仍然只是一个「此刻很会教」的系统。
真正让它更像学习 Agent 的是，自我进化。
为此，爱学还设计了一套数据飞轮。
- 线下小飞轮（安全试错）：在上线前，让模型在基于合成数据的虚拟课堂里反复「翻车」、反复修正，完成冷启动和基础策略迭代。