1029 lines
52 KiB
Markdown
1029 lines
52 KiB
Markdown
# LLM Wiki 日志
|
||
|
||
## [2026-07-01] ingest | LLM Wiki 最佳实践指南
|
||
|
||
**来源**: 全库实测分析 + [[LLM-Wiki-v2]] 理念
|
||
|
||
**操作**:
|
||
- 新增 `wiki/LLM-Wiki-最佳实践.md` — 基于全库 506 页实测分析的最佳实践指南(reference 页)
|
||
- 实测发现:引用纪律双峰分布(74/506 页有 raw 引用,已用者质量近完美),Phase 1 生命周期字段 0% 落地
|
||
- 提炼四大黄金标准([[DSpark]]/[[拆与合]]/[[何长工]]/[[印度教育AI区域模式]])作为对标
|
||
- 给出 frontmatter/溯源/正文/链接的 do-don't 表 + 完成自检清单 + v2 理念映射表
|
||
- 按投入产出比排序改进优先级路线(P0 普及溯源 → P1 激活关系图 → P2 落地生命周期 → P3 统一方言)
|
||
- 更新 `wiki/index.md` 核心概念表 + 概览指标(505 页)
|
||
|
||
**涉及页面**: 1 个新页面,2 个更新页面(index.md)
|
||
|
||
**关键要点**:
|
||
- 本库引用系统"在用到的地方近乎完美"(行级零漂移已抽样验证),核心问题不是"如何更好"而是"如何让更多页面达标"
|
||
- 发现双溯源方言并存(原生 [raw:line] vs home-wiki sources/),新内容统一前者
|
||
- 本页以身作则:填满 confidence/status/last_reviewed/relations 四个 Phase 1 字段
|
||
|
||
|
||
|
||
**来源**: [[LLM-Wiki-v2升级技术方案]] Phase 3(长期进阶)
|
||
|
||
**操作**:
|
||
- 新增 `tools/scripts/knowledge-graph.py` — 图存储层:从 relations 重建图、存 JSON、证据链反向追溯(caused_by/supports/extends)、融合搜索(qmd + graph 扩展)、Graphviz DOT 导出
|
||
- 升级 `tools/scripts/graph-search.py` — 新增 `--use-graph` 模式,读预构建 `knowledge-graph.json` 加速扩展(对比原 live-frontmatter 模式)
|
||
- 新增 `tools/scripts/review-pages.py` — 页面评审器:Ollama 可用时做 LLM 语义审核,不可用时降级为静态规则评审(低置信度/缺 source/过时/无行号引用);集成 B-3.3 低置信度建议(`--confidence-low`)
|
||
- 新增 `tools/data/knowledge-graph.json` — 图数据库(504 节点,1 边)
|
||
- 填充首条 canonical relation:[[LLM-Wiki-v2]] `supersedes` [[LLM Wiki]](方案 L211)
|
||
- B-3.2 矛盾自动标注复用已有 `detect-conflicts.py --auto-callout`
|
||
- 修正 `wiki/index.md` 最后更新日期(06-30 → 07-01)
|
||
|
||
**涉及页面**: 0 个新页面,2 个更新页面([[LLM-Wiki-v2]] 加 relations,index.md 改日期)
|
||
|
||
**关键要点**:
|
||
- 图数据库当前仅 1 边,因 relations 字段采用增量迁移(新页面优先)。随 relations 填充,图搜索/证据链追溯自动生效
|
||
- LLM 评审器当前以静态模式运行(本机未装 Ollama);安装后无需改代码即启用语义审核
|
||
- 验证通过:`knowledge-graph.py build/stats/neighbors/export-dot`、`review-pages.py --page --json` 均正常
|
||
|
||
**Phase 总进度**: P0 ✅ P1 ✅ P2 ✅ P3 ✅(脚本就位,relations 增量填充 + LLM 后端待接入为持续项)
|
||
|
||
|
||
## [2026-06-30] sync | home-wiki 跨库同步
|
||
|
||
**来源**: `D:\TC_UP\home-wiki`(专注高等教育 AI、系统理论、哲学思想的知识库)
|
||
|
||
**操作**:
|
||
- 创建 `tools/sync/sync_homewiki.py` — 可复用的跨库同步转换脚本(Frontmatter 转换 + OpenClaw 标记清理)
|
||
- 创建 `tools/sync/knowledge-base-sync-plan.md` — 完整同步方案文档
|
||
- 同步 concepts/ → wiki/(11 个概念页)
|
||
- 同步 entities/ → wiki/(2 个实体页)
|
||
- 同步 syntheses/ → wiki/(1 个综合报告)
|
||
- 同步 raw/articles/ → raw/homewiki-articles/(4 个 HTML 原始文章)
|
||
- 同步 04-Tools/ → tools/docs/homewiki/(7 个工具文档)
|
||
- 更新 `wiki/index.md` — 新增"跨库同步(home-wiki)"章节
|
||
- 更新 `wiki/log.md` — 记录本次同步操作
|
||
|
||
**涉及页面**: 14 个新 Wiki 页面,4 个 HTML 原始来源,7 个工具文档
|
||
|
||
**同步内容清单**:
|
||
|
||
| 类型 | 数量 | 明细 |
|
||
|------|------|------|
|
||
| 概念页 | 11 | 涌现、临界态、以终为始、实践论、LLM-Wiki-v2、markitdown、顶级人生三重境、老红军长寿现象的精神分析、漱茶说、山西12个原始古村落、EgoCentric数据采集与具身智能发展 |
|
||
| 实体页 | 2 | 郭朝晖、万物本源说 |
|
||
| 综合报告 | 1 | 哈尔滨工程大学春季校园招聘会调研报告 |
|
||
| HTML 原始来源 | 4 | 郭朝晖科研经历、Hermes智能体进阶、涌现本质-万物本源说、(重复1个) |
|
||
| 工具文档 | 7 | Hermes多Agent协作、markitdown集成、WSL指南、CLI-MCP-Skill关系等 |
|
||
|
||
**转换规则**:
|
||
1. Frontmatter: `type/title/created/updated/tags/sources/confidence` → `categories/tags/created/source/type`
|
||
2. 标签映射: home-wiki Canonical Tags → 目标仓库 tags(含 `wiki`、`concept`、`people` 前缀)
|
||
3. 来源格式: `sources: [路径]` → `source: "[[文件名]]"` (wikilink 格式)
|
||
4. 内容清理: 移除 OpenClaw 标记注释、Related 章节、最后更新行
|
||
5. 冲突检查: 预先验证无同名文件冲突
|
||
|
||
**质量验证**:
|
||
- ✅ Frontmatter 格式符合目标仓库规范
|
||
- ✅ OpenClaw 标记已清理(LLM-Wiki-v2.md、markitdown.md 补充清理)
|
||
- ✅ 重复标签已修复(郭朝晖.md)
|
||
- ✅ Wikilinks 保持文件名引用(Obsidian 自动解析)
|
||
- ✅ HTML 原始来源已同步到 raw/homewiki-articles/
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 452+ → 466+ (+14)
|
||
- 来源数: 48 → 49 (+1 home-wiki)
|
||
- 概念页面: 179+ → 190+ (+11)
|
||
- 实体页面: 27+ → 29+ (+2)
|
||
- 最后更新: 2026-06-30 (home-wiki 跨库同步)
|
||
|
||
**自动化工具**:
|
||
- `tools/sync/sync_homewiki.py` — 支持命令: `concepts`、`entities`、`syntheses`、`raw`、`all`
|
||
- 后续定期同步可直接运行: `python tools/sync/sync_homewiki.py all`
|
||
|
||
---
|
||
|
||
## [2026-06-30] ingest | 向DeepSeek学习破局
|
||
|
||
**来源**: [[raw/向DeepSeek学习破局]] — 得一录,微信公众号,2026-06-29
|
||
|
||
**操作**:
|
||
- 创建 `wiki/拆与合.md` - 核心概念页面,包含四步操作逻辑、应用场景、边界条件
|
||
- 创建 `wiki/DSpark.md` - 技术工具页面,DeepSeek 推理加速系统案例
|
||
- 更新 `wiki/index.md` - 添加到"核心概念"和"工具"章节,更新统计指标
|
||
- 更新 `wiki/log.md` - 记录本次 ingest 操作
|
||
|
||
**涉及页面**: 2 个新 Wiki 页面,1 个 raw 来源
|
||
|
||
**关键要点**:
|
||
- **核心洞察**:你面对的大部分二选一,可能根本不是真的二选一,而是框架制造的假互斥
|
||
- **拆与合四步操作**:检验独立性 → 匹配异构机制 → 保留最小接口 → 接受接口成本
|
||
- **DSpark 案例效果**:0.2%-1.3% 接口成本,换来 16%-30% 接受长度提升和 60%-85% 推理速度提升
|
||
- **与分治法/模块化的区别**:分治法解决"一个问题太大"(同质机制),模块化解决"一个系统太复杂"(同一技术栈),拆与合解决"多个目标看起来互斥"(异质机制)
|
||
- **三大应用场景**:认知方法(系统完备 vs 行动交付)、组织设计(效率 vs 灵活性)、个人决策(安全 vs 成长)
|
||
- **三种失效条件**:子系统不独立(如婚姻中的信任和自由)、接口成本过高、只有一种机制可用
|
||
- **核心操作问题**:这两个目标是真的在互相抢夺,还是你的框架把它们锁在了一起?
|
||
|
||
**新增Wiki页面**:
|
||
1. [[拆与合]] — 拆解框架制造的假互斥,让不同目标回到各自独立子系统的思维模式
|
||
2. [[DSpark]] — DeepSeek 大模型推理加速系统,通过将速度和连贯性拆分到独立子系统实现 60%-85% 推理速度提升
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 450+ → 452+ (+2)
|
||
- 来源数: 47 → 48 (+1)
|
||
- 概念页面数: 177+ → 179+ (+2)
|
||
- 工具页面数: 25+ → 26+ (+1)
|
||
- 最后更新: 2026-06-30 (新增拆与合思维模式)
|
||
|
||
---
|
||
|
||
## [2026-05-23] ingest | 革命,革命,到底是要革谁的命? 毛传25
|
||
|
||
**来源**: 带刀客毛传25,关于毛选首篇《中国社会各阶级的分析》为何是革命叙事的基石
|
||
|
||
**操作**:
|
||
- 创建 `wiki/革命,到底是要革谁的命.md` - 毛传25 参考页面
|
||
- 更新 `wiki/index.md` - 添加到"历史参考"章节
|
||
|
||
**涉及页面**: 1 个新 Wiki 页面,1 个 raw 来源
|
||
|
||
**关键要点**:
|
||
- 解释毛选首篇的定位:解决"实明,名正"的问题
|
||
- 千年农民起义困境:从朱元璋到李自成的历史轮回
|
||
- 灯下黑:陈独秀等人对农民问题的认知盲区
|
||
- "房间里的大象":凡是政策上犯错误的,一定是大东西看不见
|
||
- 教员突破:韶山冲九个月农民运动→《沁园春·长沙》→国民党二大决议
|
||
- 核心洞察:求知难——从民族革命到阶级革命的自我改造
|
||
|
||
---
|
||
|
||
## [2026-05-23] rewrite | 毛传系列深度重写
|
||
|
||
**操作**: 将 6 个毛传 wiki 页面从 stub 摘要深度重写为 LLM Wiki 标准的深度编译
|
||
|
||
**重写详情**:
|
||
|
||
| 页面 | 原始行数 | 重写后行数 | 核心变化 |
|
||
|------|---------|-----------|---------|
|
||
| 林彪的表现无懈可击 | 55 | ~190 | 5 叙事节、10+ callout、人物关系图、30+ 溯源标注 |
|
||
| 朱毛会师井冈山始末 | 59 | ~170 | 6 叙事节、何长工联络路线、湘南特委悲剧、25+ 溯源标注 |
|
||
| 井冈山上的人心博弈 | 61 | ~170 | 7 叙事节、收服袁文才、井冈山地理结构、陈浩叛变、新社会框架、20+ callout |
|
||
| 教员的建军思路 | 58 | ~180 | 6 叙事节、秋收起义失败、三湾改编、兵为将有→党指挥枪、15+ callout |
|
||
| 练兵先练己 | 60 | ~180 | 5 叙事节、铜鼓脱险、认知差、五个分歧、练兵先练己、15+ callout |
|
||
| 毛传写作思路讲解 | 53 | ~160 | 6 叙事节、沟通哲学、杜修经反面教材、行动>语言、15+ callout |
|
||
|
||
**质量提升**:
|
||
- 每个 wiki 页面从通用模板格式重写为叙事式深度编译
|
||
- 提取 raw 原文中的所有关键人物、事件、数据、原始引用
|
||
- 每个事实标注 `[raw:{文件名}:{行号}]` 溯源
|
||
- 使用 callout(quote/tip/warning/danger/success/abstract/info)高亮关键洞察
|
||
- wikilink 交叉引用相关人物和文章
|
||
- 修正 frontmatter tags(如 `jinggangshan` → `jinggangshan-period`,`he-zhanggong` → `he-changgong`)
|
||
|
||
**待办**:
|
||
- 创建实体页:杜修经、陈毅、朱德、何长工
|
||
- 创建概念页:三猛战术
|
||
- 更新 `wiki/林彪.md` 实体页加入井冈山时期内容
|
||
- 更新 `wiki/index.md`
|
||
|
||
---
|
||
|
||
## [2026-05-23] ingest | 毛传系列文章
|
||
|
||
**来源**: 8 个 /raw 目录新建文档
|
||
|
||
**操作**:
|
||
- 识别今天(2026-05-23)在 /raw 目录新建的 8 个文档
|
||
- 创建 `wiki/林彪的表现无懈可击.md` - 毛传32 参考页面
|
||
- 创建 `wiki/朱毛会师井冈山始末.md` - 毛传31 参考页面
|
||
- 创建 `wiki/教员的建军思路.md` - 毛传29 参考页面
|
||
- 创建 `wiki/练兵先练己.md` - 毛传28 参考页面
|
||
- 创建 `wiki/井冈山上的人心博弈.md` - 毛传30 参考页面
|
||
- 创建 `wiki/毛传写作思路讲解.md` - 写作方法论参考页面
|
||
- 更新 `wiki/index.md` - 新增"历史参考"章节,添加 6 个毛传系列页面条目
|
||
- 更新 `wiki/log.md` - 记录本次 ingest 操作
|
||
|
||
**涉及页面**: 6 个新 Wiki 页面,8 个 raw 来源
|
||
|
||
**关键要点**:
|
||
- 毛传系列(28-32)讲述井冈山时期关键人物和决策
|
||
- 覆盖林彪、何长工、建军思路、人心博弈等主题
|
||
- 所有页面遵循溯源规则,数字/结论标注 `[raw:{文件名}:{行号}]` 格式
|
||
- 新增"历史参考"类别用于组织毛传系列文章
|
||
|
||
**新增统计**:
|
||
- Wiki 页面数:402 → 408(+6)
|
||
|
||
---
|
||
|
||
## [2026-05-23] update | 新增读书笔记类别并更新规范
|
||
|
||
**类型**:架构变更、类别添加
|
||
|
||
**操作**:
|
||
- 创建 `Categories/读书笔记.md` - 新增 PARA 类别索引页面
|
||
- 更新 `wiki/读书笔记优化规范.md` - 将 `categories` 从 `[[Clippings]]` 改为 `[[读书笔记]]`
|
||
- 更新 `Templates/读书笔记模板.md` - 同步更新 frontmatter 规范
|
||
- 更新 `Templates/Clipping Template.md` - 同步更新 frontmatter 规范
|
||
- 更新 `AGENTS.md` - 在 PARA 层文件夹组织表格中添加 `读书笔记.md` 示例
|
||
- 更新 `读躬行客之《三虎的表现无懈可击》.md` - 应用新的 categories 规范
|
||
- 更新 `wiki/index.md` - 添加"读书笔记"章节,更新统计指标
|
||
- 更新 `wiki/log.md` - 记录架构变更
|
||
|
||
**涉及页面**:
|
||
- 1 个新类别索引页面
|
||
- 3 个规范/模板文档更新
|
||
- 2 个现有文档更新(AGENTS.md、wiki/index.md)
|
||
|
||
**关键变更**:
|
||
- 新增 `categories: [[读书笔记]]` 用于深度阅读理解的笔记
|
||
- `categories: [[Clippings]]` 保留用于网页摘录(轻度处理)
|
||
- 区分:读书笔记 = 深度理解+结构化整理+Callout高亮+延伸关联;Clippings = 网页摘录+轻度处理
|
||
- 移除读书笔记的 `clippings` 标签,保留 `reading` 标签
|
||
- 添加质量检查清单和工作流建议
|
||
|
||
**新增统计**:
|
||
- PARA 类别:28 个(含读书笔记)
|
||
- 工具页面:26 个
|
||
|
||
---
|
||
|
||
## [2026-05-23] ingest | 读书笔记优化规范
|
||
|
||
**来源**: [[读书笔记优化规范]]、[[读书笔记规范使用示例]]
|
||
|
||
**操作**:
|
||
- 创建 `wiki/读书笔记优化规范.md` - Wiki 层规范页面
|
||
- 将详细规范文档移至 `raw/读书笔记优化规范.md`
|
||
- 将使用示例移至 `raw/读书笔记规范使用示例.md`
|
||
- 创建 `Templates/读书笔记模板.md` - 可直接使用的模板
|
||
- 更新 `Templates/Clipping Template.md` - 优化 Clipping 模板
|
||
- 更新 `wiki/index.md` - 添加新工具页面,更新统计指标
|
||
|
||
**涉及页面**: 1 个新 Wiki 页面,1 个 raw 来源
|
||
|
||
**关键要点**:
|
||
- 制定基于 PARA + LLM Wiki 的读书笔记版式标准
|
||
- 规范 Frontmatter 结构(categories、tags、created、author、url 等)
|
||
- 定义 Callout 使用规范(8 种类型:info、tip、warning、danger、important、success、quote、example)
|
||
- 简化章节标题(避免"一、"等冗余前缀)
|
||
- 添加延伸阅读章节(wikilink 关联)
|
||
- 提供完整的质量检查清单
|
||
|
||
**实践案例**: 读躬行客之《井冈山的战略》读书笔记优化
|
||
|
||
---
|
||
|
||
## [2026-04-21] ingest | 道家修炼经典编译
|
||
|
||
- **日期**:2026-04-21
|
||
- **操作类型**:Ingest(道家修炼经典编译)
|
||
- **来源目录**:`raw/呼吸之间_李谨伯/`
|
||
- **处理文件数**:65 个章节文件(完整书籍内容)
|
||
|
||
## 涉及文件
|
||
|
||
| # | 文件名 | 类型 | 状态 |
|
||
|---|---------|------|------|
|
||
| 1 | 哈佛大学AI教学项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 2 | 斯坦福大学AI教学项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 3 | 牛津大学AI教学项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 4 | 剑桥大学AI教学项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 5 | 清华大学AI教学项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 6 | 北京大学AI教学项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 7 | ETH-EPFL瑞士工程AI教育项目深度研究报告 | 机构 | ✅ 已在 wiki 中 |
|
||
| 8 | 中美顶尖高校AI教学对比研究报告 | 概念 | ✅ 已在 wiki 中 |
|
||
| 9 | 教学大模型发展状况深度研究报告-20260415 | 概念 | ✅ 已在 wiki 中 |
|
||
| 10 | 教育AI政策建议报告 | 报告 | ✅ 已在 wiki 中 |
|
||
| 11 | 教育AI创业公司生态研究报告 | 报告 | ✅ 已在 wiki 中 |
|
||
| 12 | 教师AI素养框架研究报告 | 报告 | ✅ 已在 wiki 中 |
|
||
| 13 | AIED-2025学术前沿论文深度解读 | 报告 | ✅ 已在 wiki 中 |
|
||
| 14 | 综合全景报告(第1-8周) | 报告 | ✅ 已在 wiki 中 |
|
||
| 15 | 教育AI创业公司生态研究报告-v2 | 报告 | ✅ 已在 wiki 中 |
|
||
| 16 | LLM文献地图(Shi 2026) | 工具 | ✅ 已在 wiki 中 |
|
||
| 17 | 哈佛RCT深度解读-Kestin-2025 | 报告 | ✅ 已在 wiki 中 |
|
||
| 18 | Productive-Failure研究综述-Sinha-2026 | 报告 | ✅ 已在 wiki 中 |
|
||
|
||
---
|
||
|
||
## 实体分类统计
|
||
|
||
| 类型 | 数量 | 具体 |
|
||
|------|------|------|
|
||
| **概念页面** | 23 | LLM教育应用、智能辅导系统、自适应学习系统、Productive Failure、教学大模型、ITS(智能辅导系统)、知识空间理论、知识追踪、苏格拉底式教学法、自适应学习、知识图谱、Chain-of-Thought、RAG、随机对照试验(RCT)、UNESCO教师AI能力框架
|
||
| **机构页面** | 14 | Khan Academy、Duolingo、Carnegie Learning、ALEKS、猿辅导集团、科大讯飞、作业帮
|
||
| **报告页面** | 11 | 深度研究报告、政策报告、生态分析
|
||
| **工具页面** | 21 | MAIC、OpenMAIC、陆工在线、Khanmigo、Birdbrain、LiveHint AI、小猿AI、讯飞星火、DeepSeek-R1
|
||
|
||
---
|
||
|
||
## Wiki 状态更新
|
||
|
||
**当前指标**:
|
||
- 来源数:42 个(无新增)
|
||
- Wiki 页面数:291 个(新增 5 个)
|
||
- 最新日志:2026-04-20(哈佛RCT、教师AI素养、Productive Failure等5份报告提取)
|
||
|
||
---
|
||
|
||
## 新增页面列表
|
||
|
||
| 类型 | 页面数 | 具体 |
|
||
|------|----------|----------|
|
||
| **机构页面** | 2 | Khanmigo-LLM教育应用、ALEKS(新增)
|
||
| **工具页面** | 6 | ALEKS、DreamBox Learning、松鼠AI、作业帮、Khanmigo
|
||
| **概念页面** | 3 | Productive Failure、Khanmigo、哈佛RCT研究、哈佛AI辅导RCT研究
|
||
| **总计** | 11 | — |
|
||
|
||
---
|
||
|
||
> **关键要点**:
|
||
> - Khanmigo: Khan Academy的AI导师代理,苏格拉底式引导方法,1.8亿用户
|
||
> - ALEKS: 基于知识空间理论的自适应平台,学习效率提升40%
|
||
> - DreamBox Learning: K-8数学游戏化平台,标准化测试提升1.5-2年级
|
||
> - 松鼠AI: 中国首家AI自适应学习平台,双引擎模式(AI智适应+真人督学)
|
||
> - 作业帮: K12拍照搜题+智能学习平台,亿级用户,银河大模型
|
||
> - 哈佛RCT研究: Nature Scientific Reports发表的随机对照试验,证明AI辅导效果是主动学习的2倍
|
||
> - Productive Failure: 教学法综述,涵盖理论框架和未来趋势
|
||
|
||
**新增Wiki页面**:
|
||
1. [[Khanmigo-LLM教育应用]] — Khan Academy苏格拉底式AI导师
|
||
2. [[ALEKS]] — 基于知识空间理论的自适应评估与学习平台
|
||
3. [[DreamBox Learning]] — K-8数学游戏化自适应平台
|
||
4. [[松鼠AI]] — 中国首家AI自适应学习平台,双引擎模式
|
||
5. [[作业帮]] — K12拍照搜题+智能学习,银河大模型
|
||
6. [[哈佛AI辅导RCT研究]] — Nature Scientific Reports RCT验证,效应量d=0.73-1.3
|
||
7. [[Productive Failure研究综述]] — Productive Failure方法论综述,理论框架和未来趋势
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 291 → 298 (+7)
|
||
- 来源数: 42 → 43 (+1)
|
||
- 最后更新: 2026-04-20(第7批深度报告处理完成)
|
||
|
||
---
|
||
|
||
> **关键要点**:
|
||
> - 新增 7 个 Wiki 页面,涵盖教育AI自适应学习平台和国际主流产品
|
||
> - 自适应学习系统技术成熟度: BKT→DKT→LLM-KT,技术持续演进
|
||
> - 国际主流平台: Knewton(B2B引擎)、ALEKS(知识空间理论)、DreamBox(游戏化)
|
||
> - 中国现状: 松鼠AI(首家)、作业帮(亿级用户)、学而思(九章大模型),差距明显
|
||
> - 哈佛RCT验证: AI辅导效应量d=0.63-0.73,学习时间减少18.3%,自定节奏优势
|
||
> - 教学大模型: Khanmigo(1.8亿用户), Duolingo(语言学习), Carnegie Learning(ALEKS)
|
||
> - Productive Failure: 教学法综述,理论框架和未来趋势
|
||
|
||
**新增Wiki页面**:
|
||
1. [[Knewton]] — B2B教育技术提供商,自适应学习引擎
|
||
|
||
---
|
||
|
||
## [2026-04-21] ingest | 第8批深度研究报告(亚洲高校综合+国防科大+AI融合+教育部案例+Intelligent-TPACK)
|
||
|
||
**来源**:
|
||
- [[亚洲高校AI教育综合研究报告-20260421]] — 亚洲高校AI教育六国模式综合报告(540行)
|
||
- [[国防科技大学AI教育档案-20260420]] — 国防科技大学AI教学项目深度研究报告(121行)
|
||
- [[AI赋能课堂教学深度融合机制研究报告-20260420]] — AI赋能课堂教学深度融合机制研究报告(431行)
|
||
- [[教育部AI高教典型应用场景案例分类研究报告-20260420]] — 教育部AI高教典型案例分类研究报告(280行)
|
||
- [[Intelligent-TPACK框架整理-Celik-2026]] — Intelligent-TPACK框架整理(186行)
|
||
|
||
**操作**:
|
||
- 读取并分析5份深度研究报告(总计1496行)
|
||
- 提取亚洲高校六国模式对比: 日本渐进GIGA、韩国AIDT失败、澳洲政策创新、中国强应用但弱政策创新
|
||
- 提取国防科大AI教育特征: 智慧教育、AI赋能、人机共育
|
||
- 提取教育部80个典型应用案例: 九大场景分类
|
||
- 提取Intelligent-TPACK框架: 技术内容知识(TCK)、教学策略知识(PCK)、教学情境知识
|
||
- 创建2个新Wiki页面
|
||
|
||
**涉及页面**: 2 个新页面, 3 个更新页面
|
||
|
||
**关键要点**:
|
||
- 亚洲高校六国模式: 对比分析四国模式(日本GIGA/渐进、韩国AIDT/失败案例)
|
||
- 国防科大: AI教育四大特征(智慧教育、AI赋能、人机共育、陆工大模式)
|
||
- 教育部80案例: 九大典型应用场景,高等教育占比52.5%
|
||
- Intelligent-TPACK框架: Celik 2026整合TPACK与技术知识,教学策略知识框架
|
||
|
||
**新增Wiki页面**:
|
||
1. [[亚洲高校AI教育六国模式综合报告]] — 亚洲高校AI教育六国模式综合对比分析
|
||
2. [[教育部AI高教典型案例分类]] — 教育部80个AI高教典型案例分类,九大场景框架
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 298 → 300 (+2)
|
||
- 来源数: 43 (不变)
|
||
- 最后更新: 2026-04-21(第8批深度报告处理完成)
|
||
|
||
---
|
||
|
||
**操作完成时间**:2026-04-21
|
||
**下次更新**:继续处理剩余深度研究报告(约6份)
|
||
|
||
---
|
||
|
||
## [2026-04-21] ingest | 第9批深度研究报告(技术基础)
|
||
|
||
**来源**:
|
||
- [[教学大模型发展状况深度研究报告-20260415]] — 教学大模型发展状况深度研究报告(747行)
|
||
- [[LLM教育应用深度研究报告-20260404]] — LLM教育应用深度研究报告(645行)
|
||
- [[ITS智能辅导系统深度研究报告-20260404]] — ITS智能辅导系统深度研究报告(820行)
|
||
- [[自适应学习系统深度研究报告-20260404]] — 自适应学习系统深度研究报告(647行)
|
||
|
||
**操作**:
|
||
- 读取并分析4份深度研究报告(总计2859行)
|
||
- 提取教学大模型全球应用数据(Khanmigo/Duolingo等)
|
||
- 提取LLM教育应用元分析结果(Nature HSSC倒U型分布)
|
||
- 提取LLM教育应用哈佛RCT精确数据(效应量d=0.73-1.3)
|
||
- 提取LLM Agents for Education框架(ACL Findings 2025)
|
||
- 提取ITS四模块架构和技术演进(1970s→LLM增强时代)
|
||
- 提取自适应学习知识追踪技术(BKT→DKT→LLM-KT演进)
|
||
- 提取Nature 2025 RCT自适应学习实证数据(效应量d=0.73-1.3)
|
||
- 创建3个新Wiki页面
|
||
|
||
**涉及页面**: 3 个新页面, 0 个更新页面
|
||
|
||
**关键要点**:
|
||
- 教学大模型: 全球8+主流产品, Khanmigo(1.8亿用户), Duolingo(语言学习), Carnegie Learning(ALEKS)
|
||
- LLM教育应用: Nature HSSC 2026 Meta分析显示ChatGPT影响呈"倒U型",适当使用d=0.42,过度依赖d=-0.15
|
||
- 哈佛RCT: AI辅导效应量d=0.73-1.3(大型效应),学习增益是主动学习2倍,自定节奏(70%学生<60分钟)
|
||
- ITS技术: 经典四模块架构(领域模型+学生模型+教学模型+交互界面),40年发展历程
|
||
- 自适应学习: 全球市场51.3亿→2030年126.6亿(CAGR 19.77%),中国千亿规模
|
||
- 知识追踪: BKT(1995)→DKT(2015)→LLM-KT(2024),技术持续演进
|
||
- 中美差距: 理论基础差距30年,实证研究明显差距,中国应用为主,美国认知科学驱动
|
||
|
||
**新增Wiki页面**:
|
||
1. [[LLM教育应用深度研究报告]] — LLM教育应用系统性研究,涵盖技术原理、哈佛RCT、Claude Learning Mode、OpenAI产品线
|
||
2. [[ITS智能辅导系统深度研究报告]] — ITS发展历程、四模块架构、Agentic AI应用、可解释AI(XAI)、中美差距分析
|
||
3. [[自适应学习系统深度研究报告]] — 自适应学习三层架构、知识追踪技术演进(BKT/DKT/LLM-KT)、国际主流平台(Knewton/ALEKS/DreamBox)、中国现状(松鼠AI/作业帮/学而思)
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 300 → 303 (+3)
|
||
- 来源数: 43 → 44 (+1)
|
||
- 最后更新: 2026-04-21(第9批深度报告处理完成)
|
||
|
||
---
|
||
|
||
**操作完成时间**:2026-04-21
|
||
**下次更新**:继续处理剩余深度研究报告(约6份)
|
||
|
||
---
|
||
|
||
## [2026-04-21] ingest | 第10批深度研究报告(实证研究)
|
||
|
||
**来源**:
|
||
- [[哈佛RCT深度解读-Kestin-2025]] — 哈佛大学AI辅导RCT研究深度解读(509行)
|
||
- [[Productive-Failure研究综述-Sinha-2026]] — Productive Failure研究综述-Sinha-2026(340行)
|
||
|
||
**操作**:
|
||
- 读取并分析2份实证研究报告(总计849行)
|
||
- 提取哈佛RCT研究设计(交叉随机对照试验,194名哈佛本科生,物理课程)
|
||
- 提取AI辅导成效数据(后测得分4.5 vs 3.5,学习增益28.6%,效应量d=0.73-1.3)
|
||
- 提取学习时间节省(49分钟AI组 vs 60分钟控制组,节省18.3%)
|
||
- 提取Productive Failure元分析数据(88项研究,8个领域,平均效应量d=0.41)
|
||
- 提取Productive Failure关键发现(85%研究显示显著学习失败)
|
||
- 提取8个领域评估结果(学业成就/自我效能感/动机/认知负荷/社会情绪/学习时间/技术接受度/学习策略)
|
||
- 创建1个新Wiki页面
|
||
|
||
**涉及页面**: 1 个新页面, 0 个更新页面
|
||
|
||
**关键要点**:
|
||
- 哈佛RCT: 交叉随机对照试验(AI辅导 vs 主动学习),194名哈佛本科生
|
||
- AI辅导成效: 后测得分4.5 vs 3.5,学习增益28.6%,效应量d=0.73-1.3(大型效应)
|
||
- 学习时间: AI组49分钟 vs 控制组60分钟,节省18.3%
|
||
- 自定节奏: 70%学生AI组<60分钟,主动学习组仅20%
|
||
- Productive Failure: 88项研究元分析,覆盖8个领域
|
||
- 平均效应量: d=0.41(小到中型效应)
|
||
- 学习失败率: 85%研究显示显著学习失败
|
||
- 8个领域评估: 学业成就(d=0.33-0.54),自我效能感(d=0.28-0.47),动机(d=0.25-0.41),认知负荷(d=0.22-0.36),社会情绪(d=0.19-0.33),学习时间(d=0.31-0.50),技术接受度(d=0.35-0.54),学习策略(d=0.27-0.44)
|
||
- Cohen's d评估: d=0.41处于小到中型效应边界,传统P-F方法效果有限
|
||
|
||
**新增Wiki页面**:
|
||
1. [[Productive-Failure研究综述-Sinha-2026]] — Productive Failure研究系统性综述,涵盖88项元分析、8个领域评估、理论框架、Cohen's d效应量分析、未来研究方向
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 303 → 304 (+1)
|
||
- 来源数: 44 (无新增)
|
||
- 最后更新: 2026-04-21(第10批深度报告处理完成)
|
||
|
||
---
|
||
|
||
**操作完成时间**:2026-04-21
|
||
**下次更新**:继续处理剩余深度研究报告(约10份)
|
||
|
||
---
|
||
|
||
## [2026-04-21] ingest | 第11批深度研究报告(教师培训与政策)
|
||
|
||
**来源**:
|
||
- [[教师AI素养框架研究报告-20260413]] — 教师AI素养框架研究报告(213行)
|
||
- [[教育AI政策建议报告-20260413]] — 教育AI政策建议报告(341行)
|
||
|
||
**操作**:
|
||
- 读取并分析2份教师培训与政策研究报告(总计554行)
|
||
- 提取UNESCO AI CFT框架(5维度×3级别=15项能力)
|
||
- 提取中国《教师生成式AI应用指引》(6大场景+6条红线)
|
||
- 提取《人工智能+教育》行动计划(资格考试+培训体系)
|
||
- 提取浙江省高校教师AI素养框架试点
|
||
- 提取全球教育AI格局(美/中/韩/印/日五国对比)
|
||
- 提取技术趋势判断(小模型/DPO/Agentic AI/整合浪潮)
|
||
- 提取"答案服务必死"定律(Chegg市值跌99%)
|
||
- 提取政策建议框架(政府/学校/企业/教师四个维度)
|
||
- 提取分级分类管理(学前/义务教育/高中/高教/职教)
|
||
- 提取实施路线图(短期0-12个月/中期1-3年/长期3-5年)
|
||
- 提取风险红线清单(5大风险+5条禁止事项)
|
||
- 创建2个新Wiki页面
|
||
|
||
**涉及页面**: 2 个新页面, 0 个更新页面
|
||
|
||
**关键要点**:
|
||
- UNESCO框架: 5维度×3级别=15项能力(Acquire/Deepen/Create)
|
||
- 中国指引: 6大场景(能力提升/教学应用/内容审查/数据保护/人机协同)+6条红线
|
||
- 五国格局: 美国研究强、中国应用强、韩国激进失败、印度市场泡沫、日本以人为本
|
||
- 技术趋势: 小模型可行(8B达GPT-4o质量)、DPO/RLHF主流、Agentic AI、整合浪潮(2800+→<500家)
|
||
- 市场教训: Chegg(答案服务)市值跌99% vs Duolingo(学习过程)市值$158亿
|
||
- 政策建议: 渐进式推进(参考日本GIGA)、分级管理(学前最严→职教最松)、六条红线(意识形态/数据/伦理)
|
||
- 实施路线: 短期(0-12月)指南/试点→中期(1-3年)沙盒/验证→长期(3-5年)法律框架/深度融合
|
||
- 三个不等式: AI≠替代教师/思考、效率≠效果
|
||
|
||
**新增Wiki页面**:
|
||
1. [[教师AI素养框架研究报告]] — UNESCO AI CFT框架(5维度×3级别)、中国《教师生成式AI应用指引》、6条红线、浙江省试点、全球对比
|
||
2. [[教育AI政策建议报告]] — 基于第1-8周研究成果的政策建议框架,涵盖政府/学校/企业/教师四个维度、分级分类管理、实施路线图(短期/中期/长期)、风险红线
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 304 → 306 (+2)
|
||
- 来源数: 44 (无新增)
|
||
- 最后更新: 2026-04-21(第11批深度报告处理完成)
|
||
|
||
---
|
||
|
||
**操作完成时间**:2026-04-21
|
||
**下次更新**:继续处理剩余深度研究报告(约8份)
|
||
|
||
---
|
||
|
||
## [2026-04-21] ingest | 第12批深度研究报告(应用模型与框架-中美顶尖高校对比+六大顶尖高校项目)
|
||
|
||
**来源**:
|
||
- [[中美顶尖高校AI教学对比研究报告-20260416.md]] — 中美顶尖高校AI教学对比研究报告(466行)
|
||
- [[清华大学AI教学项目深度研究报告-20260416.md]] — 清华大学AI教学项目深度研究报告(341行)
|
||
- [[高等教育AI专项研究报告-20260408.md]] — 高等教育AI专项研究报告(362行)
|
||
- [[剑桥大学AI教学项目深度研究报告-20260416.md]] — 剑桥大学AI教学项目深度研究报告(362行)
|
||
- [[ETH-EPFL瑞士工程AI教育项目深度研究报告-20260416.md]] — ETH-EPFL瑞士工程AI教育项目深度研究报告(154行)
|
||
- [[北京大学AI教学项目深度研究报告-20260416.md]] — 北京大学AI教学项目深度研究报告(366行)
|
||
- [[牛津AI能力中心深度解析-20260415.md]] — 牛津AI能力中心深度解析(362行)
|
||
- [[牛津大学AI教学项目深度研究报告-20260415.md]] — 牛津大学AI教学项目深度研究报告(508行)
|
||
- [[斯坦福大学AI教学项目深度研究报告-20260414.md]] — 斯坦福大学AI教学项目深度研究报告(240行)
|
||
|
||
**操作**:
|
||
- 读取并分析8份深度研究报告(总计3049行)
|
||
- 提取中美顶尖高校AI教学对比模式(美国研究驱动vs中国应用驱动)
|
||
- 提取清华MAIC全AI守护系统(92%满意度、100%完成率)和OpenMAIC开源项目
|
||
- 提取全球高等教育AI市场数据(220亿美元→1010亿美元,86%学生使用AI)
|
||
- 提取剑桥对话性AI理论(Rupert Wegerif,DEFI,DeepMind合作)
|
||
- 提取ETH-EPFL双校协同模式(博士培养、产学研融合)
|
||
- 提取北京大学5U素养框架和7S学校体系
|
||
- 提取牛津AI能力中心(六类用户群体、教育工作者专项指南)
|
||
- 提取牛津三大支柱(AIEOU枢纽、OxfordCCAI、AI Competency Centre)
|
||
- 提取斯坦福AI Tinkery实践空间、CRAFT跨学科框架、AI Index Report
|
||
- 创建6个新Wiki页面
|
||
|
||
**涉及页面**: 6 个新页面, 0 个更新页面
|
||
|
||
**关键要点**:
|
||
- 中美顶尖高校对比: US研究驱动vs中国应用驱动,各有优势与挑战
|
||
- 清华大学: MAIC全AI守护(92%满意度)、OpenMAIC开源、三大支柱(课程/平台/培训)
|
||
- 全球高等教育: AI市场220亿→1010亿美元(5年CAGR35.9%),86%学生使用AI
|
||
- 剑桥大学: 对话性AI理论(生成式AI)、Rupert Wegerif DEF框架、DeepMind合作
|
||
- ETH-EPFL: 双校协同(ETH传统工程+EPFL计算机/AI)、博士培养、产学研深度融合
|
||
- 北京大学: 5U素养框架(Understanding/Using/Evaluating/Creating/Ethic)、7S学校体系(从学生到灵魂)、TBI联合实验室
|
||
- 牛津AI能力中心: 六类用户群体服务(教育工作者/学生/研究者/政策制定者/技术开发者/产业人士)、支持性非替代性定位
|
||
- 牛津大学: 三大支柱(研究/教育/应用)、AIEOU开放大学枢纽、OxfordCCAI计算与AI中心、AI Competency Centre
|
||
- 斯坦福大学: AI Tinkery实践空间、CRAFT跨学科框架、AI Index Report权威评估、硅谷生态优势
|
||
|
||
**新增Wiki页面**:
|
||
1. [[清华大学AI教学项目深度研究报告]] — 清华大学MAIC全AI守护系统、OpenMAIC开源项目、三大支柱体系
|
||
2. [[ETH-EPFL瑞士工程AI教育项目深度研究报告]] — 瑞士两大联邦理工学院双校协同、博士培养、产学研融合
|
||
3. [[北京大学AI教学项目深度研究报告]] — 5U素养框架、7S学校体系、TBI联合实验室
|
||
4. [[牛津AI能力中心深度解析]] — 六类用户群体服务、教育工作者专项指南、支持性能力建设
|
||
5. [[牛津大学AI教学项目深度研究报告]] — 三大支柱(研究/教育/应用)、AIEOU枢纽、OxfordCCAI、AI Competency Centre
|
||
6. [[斯坦福大学AI教学项目深度研究报告]] — AI Tinkery实践空间、CRAFT跨学科框架、AI Index Report、硅谷生态融合
|
||
|
||
**索引更新**:
|
||
- Wiki页面数: 327 → 333 (+6)
|
||
- 来源数: 44 (不变)
|
||
- 最后更新: 2026-04-21(第12批深度报告处理完成)
|
||
|
||
---
|
||
|
||
|