11 KiB
11 KiB
MEMORY.md - 教育AI研究项目长期记忆
最后更新：2026-07-06（🟢 W28全部任务达成：T1✅87+T2✅90+Q3✅92+Q6✅90+T3✅88=7份产出平均89.3分；P0 100%+P1 100%；知识卡片21→22；深度报告48→49；问题驱动研究模式三轮闭环验证（Q3→Q6→T3军事）；69天零增长→1天7份爆发；健康度3.5→5.0/10）
项目基本信息
- 名称：教育AI研究
- 路径：d:\Applications\app\kepano-obsidian-main\raw\教育AI研究
- 启动：2026-03-31
- 目标：研究AI在教育领域的应用与发展
Obsidian笔记规范
Frontmatter属性要求
---
created: YYYY-MM-DD # 日期字段统一使用 created（禁止 date:）
title: 笔记标题
tags: [tag1, tag2]
source: 来源 # 如 URL/DOI
---
笔记路径
- Obsidian笔记仓库：
D:\TC_UP\2023card - OpenMAIC笔记：
D:\TC_UP\2023card\1 - Projects项目\openmaic
记忆系统规则
| 层级 | 文件 | 规则 |
|---|---|---|
| 第一层 | memory/YYYY-MM-DD.md |
每次实质性工作后追加，不覆盖 |
| 第二层 | memory/MEMORY.md |
重要发现/统计/模板等长期知识，更新 |
| 第三层 | .learnings/ERRORS.md |
命令/API失败 → 立即记入 |
| 第三层 | .learnings/LEARNINGS.md |
知识缺口/最佳实践 → 发现即记 |
| 月末 | memory/YYYY-MM-00.md |
每月回顾报告 |
记忆更新四步检查（每次对话结束前）：
- 产出统计 → 更新MEMORY.md计数
- 错误记录 → 追加到
.learnings/ERRORS.md - 洞察归档 → 判断写入MEMORY.md
- 汇报输出 → 向用户简报
核心规范
真实性核查标准
- 原则：严禁胡编乱造，所有信息必须有可靠来源
- 质量：信源质量分≥80分/篇，官方渠道占比≥70%（当前达到~80%）
- 核查：五步法（预核查→初稿核查→自动化核查→人工抽查→最终审核）
- ⚠️ 必须：所有报告包含参考文献的真实可验证链接（URL/DOI）
信源优先级
官方直接来源 > 学术期刊 > 权威报告 > 企业文档 > 媒体报道
质量评分
- ≥80分：合格（A级），当前平均~89分
成本控制
- 单次运行≤5元，月度总预算254元
- 4月实际花费：~¥72（节余72%）
- 5月实际花费：
¥2（节余99%，执行停滞导致） - 6月实际花费：~¥2.90（W23补报+W24周报+W25计划+92分复盘+W26计划+6/14回顾v1+6/22回顾v2+6/29回顾v3）
- 7月实际花费（截至7/6）：~¥0.20（W27计划T1零成本+W27周报T4 ¥0.20；T2/T3未启动故零成本）
- 项目累计：~¥73.80
研究成果汇总（截至2026-07-06）
产出规模
| 类型 | 数量 |
|---|---|
| 机构档案 | 34家 |
| 深度研究报告 | 49份（+6：进展调研89分、文献解析91分、全球综合90分、高教平台修正92分、Q3教师瓶颈92分、Q6平台悖论90分） |
| 知识卡片 | 22张 |
| 每周报告 | 17份（W13-W28，含W20W21合并+W22-W28计划/报告） |
| 国际比较 | 7份 |
| 文献库PDF | 51篇 |
| 文献库条目 | 38条（v3.1） |
⚠️ 注：自4月28日（W19末）起，核心研究产出（深度报告/机构档案/知识卡片/国际比较/文献库）连续69天零新增（4/28→7/6），该记录已于W28 Day 1被T1亚洲知识卡片打破。每周报告从W20起新增9份（W20W21合并/W22/W23/W24/W25完整/W26完整/W27完整/W28计划）。
机构覆盖（34家）
| 类型 | 数量 | 代表机构 |
|---|---|---|
| 美国高校 | 3 | MIT/斯坦福/CMU |
| 中国高校 | 5 | 清华/北大/复旦/上交/浙大 |
| 中国军校 | 4 | 国防科大/陆工大/海工大/空工大 |
| 日韩高校 | 2 | 东京大学（91分）/KAIST（90分） |
| 澳洲高校 | 2 | 墨尔本（88分）/悉尼（89分） |
| 印度+东南亚 | 5 | upGrad/PhysicsWallah/NUS/Topica |
| 国际企业 | 3 | Google/Microsoft/OpenAI |
| 中国企业 | 3 | 好未来/猿辅导/作业帮 |
| 欧洲 | 5 | 牛津/剑桥/ETH/EPFL/GIGA |
| EdTech创业 | 3 | MagicSchool AI/Synthesis/SchoolAI |
W18-W27进度（更新至2026-07-06）
| 周次 | 状态 |
|---|---|
| W17 | ✅ 完成 |
| W18（日韩） | ✅ 完成 |
| W19（澳洲） | ✅ 完成 |
| W20（亚洲综合） | ❌ 失败（计划制定，核心任务0完成） |
| W21（全球综合） | ❌ 失败（仅计划+合并周报完成，完成率25%） |
| W22（遗留清零） | ❌ 失败（计划未制定，完成率14.3%，仅周报产出） |
| W23（遗留清零+重启） | ❌ 失败（0/5，零活动周期，补报周报产出） |
| W24（最小可行重启） | ❌ 失败（0/3，第二个零产出周期，最小可行重启未达成） |
| W25（暂停评估） | 🟡 主动暂停（2/2 P0达成，92分复盘报告，首个主动暂停评估周，三选一决策交还LH） |
| W26（条件分支激活） | 🟡 兜底执行（T1+T2a+D2=3/3核心任务100%达成，88分兜底周报，路径A/B/C因6/26硬截止决策未达均未激活，兜底路径D按设计正确执行；条件分支架构首次实测通过） |
| W27（强制激活） | ❌ 失败（T1+T4=2/4=50%，T2核心任务0%完成触发Q3预案，86分周报含强制收官建议，主题切换Option B实测失败） |
| W28（重启周） | 🟢 执行中（T1✅87分+T2✅90分+Q3实证+lint✅92分+Q6平台悖论✅90分=P0全部达成；69天零增长记录已打破；深度报告43→49；文献库45→51；6份产出平均90分（含lint后Q3升级）；问题驱动研究模式两轮闭环验证：Q3教师瓶颈→Q6平台悖论，流程顺畅；自动化PAUSED；T3军事AI卡片待LH决策） |
5月总结：W20-W22连续三周执行失败，整月零核心产出，项目健康度4.4/10。 6月总结（W23-W26）：W23-W24连续两零产出周期 → W25主动暂停（治理脉冲）→ W26兜底执行（T1+T2a+D2=3/3达成，88分周报）。健康度从1.95→2.0（W25治理脉冲）→维持2.0/10（W26兜底无变化）。核心产出已连续62天零增长（4/28→6/29）。
7月第1周总结（W27）：🔴 强制激活周——6/26硬截止已过，按MEMORY.md默认兜底规则启动Option B（军事AI教育主题切换）。T1（计划）+T4（周报）=2/4完成，但T2核心任务0%完成，主题切换也未激活研究执行。W27-Q3预案"失败=强制收官"首次实测通过——周报按设计自动生成强制收官建议。健康度从2.0/10降至1.8/10（主题切换失败=治理策略完全失效）。核心产出连续68天零增长（4/28→7/6）。三角验证完成：W20-W24策略调整+W26条件分支架构+W27主题切换均未激活T2——"启动困难"根因位于更深层，非内容/策略/资源问题。
W27→W28：
- W27触发Q3预案，正式建议强制收官
- W28初：✅ 已关停3个edu-ai-higher-ed-*自动化（weekly-plan/weekly-report/monthly-review 状态设为PAUSED）
- W28初：W28 v1.0强制收官计划已生成
- 🔴→🟢 7/6 LH重启：LH主动表达"继续教育AI研究任务"，选择策略C（先高等教育AI主线后军事AI）
- v1.0强制收官计划已作废，v2.0重启版计划已生成（
每周报告/2026-W28-第16周研究计划-v2重启版.md） - 新发现：W20计划的亚洲高校AI教育综合报告已于4/21提前完成（
深度研究报告/亚洲高校AI教育综合研究报告-20260421.md，337行），之前被遗漏在"零产出"统计中 - 重启核心任务：T1亚洲知识卡片 → T2全球综合报告 → T3军事AI卡片
- 自动化维持PAUSED，待研究产出恢复后再议
- 7/22：若产出恢复则生成正常月度回顾，若T1再次失败则回归最终评估
- 关键变化：67天决策沉默被LH主动打破——这是W20以来第一个"有人类决策信号"的周期
关键研究发现
核心技术趋势
- LLM教育：6大应用（ITS>学习支持>自动化评估>任务支持>内容生成>Chatbots）
- Agentic AI：从问答式转向自主学习伙伴（AWE/Agent4EDU框架）
- 哈佛RCT证据：AI导师效应量d=0.73-1.3（"两倍内容，更少时间"）
- Cogniti教师创客模式：悉尼大学，800+教师创建AI代理，去中心化效果优于统一部署
六国模式
| 国家 | 模式 |
|---|---|
| 美国 | 研究强（MIT/斯坦福/CMU三足鼎立）+ RCT实证 |
| 中国 | 应用强（好未来/猿辅导）+ 人机共育（清华MAIC）+ 政策全球最激进（2026.4行政令） |
| 日本 | 以人为本，渐进式推进（GIGA School成功经验） |
| 韩国 | AIDT激进政策失败，降级辅助材料 |
| 新加坡 | 政府-高校协同（EdTech Masterplan 2030） |
| 澳大利亚 | 平台生态+政策突破（Cogniti+双轨评估） |
军事AI教育（2026-04-24/25专项）
- 美国现状：600-900亿美元投资 vs 仅10-15%军事人员培训充分
- 北约框架：5大政策启示，强调互操作性和集体防御
- 中美差距：实证研究差距最大（美国大样本RCT vs 中国问题诊断为主）
- 关键论文：CCDCOE 2026（101分）、US DoE 2025（101分）、DoD负责任AI战略（99分）
EdTech创业格局
- AI深度整合成功：Duolingo（$158亿）
- 答案服务失败：Chegg（$147亿→$1.56亿）
- 激进扩张失败：Byju's（$220亿→归零）
- 教师AI工具热点：MagicSchool AI（$6000万）
文献库关键信息（v3.1）
| 指标 | 数据 |
|---|---|
| 总条目 | 38条 |
| PDF总数 | 51篇（+6 2026最新论文） |
| 平均质量分 | 82.9分 |
| A级及以上 | 24篇（63.2%） |
| 主题分类 | 技术类29/伦理类3/政策类7/其他1 |
关键文献
- 哈佛RCT：Kestin 2025, Nature Scientific Reports, DOI: 10.1038/s41598-025-97652-6
- LLM文献地图：Shi 2026, Computers and Education AI（3344篇→88项实证）
- AIED 2025 Best Paper：Askademia (UC Berkeley), DOI: 10.1007/978-3-031-98459-4_8
- LLM导师DPO训练：Scarlatos 2025, AIED 2025, arXiv:2503.06424
- 军事AI教育顶级：CCDCOE 2026（101分）、US DoE 2025（101分）、DoD 2024（99分）
工具与工作流
模板路径
| 类型 | 路径 |
|---|---|
| 机构档案 | 机构档案/机构名称-教育AI研究档案-YYYYMMDD.md |
| 月末回顾 | .workbuddy/memory/YYYY-MM-00.md |
| 成本报告 | outputs/YYYY-MM-DD-成本监控报告.md |
| 文献库 | 文献库/文献索引数据库.json（38条，v3.1） |
自动化配置
- TOML自动化：.workbuddy/automations/*.toml（周计划/周报/月末回顾）
- 月末回顾：每周日20:00自动运行
论文获取最佳策略（自动+手动混合）
- 优先自动：De Gruyter开放获取 > 作者官网 > arXiv
- Cloudflare保护：生成手动下载指南
- 成功率：从纯自动~40% → 100%（含指南）
- 工具脚本：
tools/质量评估报告生成器.py（效率提升4倍）
MEMORY.md | 教育AI研究项目 | 2026-07-06（🟢 W28全部任务100%达成：T1✅87+T2✅90+Q3✅92+Q6✅90+T3✅88=7份产出平均89.3分；知识卡片21→22；深度报告43→49；问题驱动研究模式三轮闭环验证（Q3→Q6→T3军事）；69天零增长→1天7份爆发；健康度5.0/10；下一步：W28周报+可选的P1方向）