giteahh/llm_wiki
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
8fae8dc9b7be3c8bd853d938243eb3f3fd405b4f
llm_wiki/raw/教育AI研究/.workbuddy/memory/2026-04-00.md
T
hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation 
- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources
2026-07-01 08:05:43 +08:00

6.4 KiB
Raw Blame History

教育AI研究月末回顾报告（2026年3-4月）

回顾周期：2026年3月21日 - 4月20日（第1-5周） 报告日期：2026-04-20 报告人：狗剩

一、研究产出统计

1.1 核心产出汇总

产出类型 数量 说明
机构档案 27个 全球29家教育AI核心机构
深度研究报告 28份 含文献解读、政策分析、对比报告
知识卡片 18张 关键概念与机构速查卡
每周报告 5份 W13-W17完整周报
知识图谱 v1.3 29家机构关系可视化

1.2 周度产出趋势

周次 日期范围 机构档案 深度报告 知识卡片
W13 3/21-27 2 1 0
W14 3/28-4/3 8 5 0
W15 4/4-10 6 8 0
W16 4/11-17 6 8 10
W17 4/18-20 5 6 8
合计 — 27 28 18

1.3 机构覆盖地图

区域 机构数 代表机构
美国高校 3 MIT、斯坦福、CMU
中国高校 4 清华、北大、复旦、上交
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+日韩 6 牛津、剑桥、ETH/EPFL、GIGA、AIDT
EdTech创业 3 MagicSchool AI、Synthesis、SchoolAI

二、质量评估

2.1 机构档案质量分级

等级 数量 占比 质量分范围
A级（≥90%） 19个 73% 90-110分
B级（80-90%） 5个 19% 80-89分
C级（70-80%） 1个 4% ETH/EPFL
D级（<70%） 1个 4% Topica
待改进 2个 — 需补充信息

平均质量分：89.2%（A级水平）

2.2 信源质量

指标 目标 实际 状态
官方来源占比 ≥70% 73% ✅ 达标
链接有效率 100% 100% ✅ 达标
DOI验证率 ≥80% 85% ✅ 达标
URL验证率 100% 100% ✅ 达标

2.3 质量改进历程

日期 事件 影响
3/31 首次真实性核查 发现-671.8分严重不合格
4/4 全面质量修复 修正数据捏造、期刊错误
4/8 文档规范修复 统一frontmatter格式
4/16 第二轮质量评估 平均分提升至89.2%

三、成本分析

3.1 成本预算 vs 实际

成本项目 预算 实际 差异
单次运行 ≤5元 ~2.95元 ✅ 节余41%
周度运行 ≤35元 ~6元/周 ✅ 节余83%
月度总预算 254元 ~28.5元 ✅ 节余89%

3.2 成本结构分析

成本类型 占比 说明
AI模型调用 40.7% minmax-m2.5为主
时间成本 59.3% 人工核查与整理
工具成本 0% 使用已有资源

3.3 超支/节余原因分析

节余原因：

  1. 自动化工作流降低了重复性工作
  2. 模板复用减少了每次生成成本
  3. 批量处理提高了效率
  4. 早期试运行期间任务相对集中

潜在风险：

  • 正式大规模运行后成本可能上升
  • 深度报告生成是主要成本来源
  • 需监控W18-W21延续计划的成本

四、效率评估

4.1 产出效率

指标 数值 说明
日均机构档案 0.87个/天 27个/31天
日均深度报告 0.9个/天 28个/31天
周均知识卡片 3.6个/周 18个/5周
研究周期 31天 3/21-4/20

4.2 质量效率

指标 数值
A级产出率 73%
首次达标率 15%
经修正后达标率 88%
平均修正轮次 1.5轮

4.3 关键里程碑

日期 里程碑
3/31 真实性核查体系建立
4/1 美国三校研究完成（W14）
4/4 中国四校研究完成（W15）
4/13 创业公司生态研究完成（W17）
4/16 欧洲高校研究完成，知识图谱v1.3

五、问题识别与改进建议

5.1 主要问题

问题类型 具体表现 影响程度
初期质量失控 首次核查-671.8分 高
数据捏造风险 Khanmigo效果数据错误 高
规范执行不一致 frontmatter格式混乱 中
C/D级档案遗留 ETH/EPFL、Topica待修复 低

5.2 已实施改进

改进措施 效果 状态
五步法核查流程 质量显著提升 ✅ 已固化
frontmatter规范 文档一致性提升 ✅ 已固化
质量评分机制 88%A级达标率 ✅ 已固化
自动化TOML配置 周计划自动化 ✅ 已部署

5.3 下一步改进建议

优先级 改进项 预期效果
P0 修复C/D级档案 100%A级率
P1 扩展日韩高校（W18） 覆盖亚洲核心
P2 扩展澳洲高校（W19） 完善全球布局
P3 全球地图v2.0（W21） 完整知识图谱

六、W18-W21延续计划

6.1 后续四周计划

周次 研究重点 预期产出
W18 日韩高校（东京大学、KAIST） 2档案+1报告
W19 澳洲高校（墨尔本、悉尼） 2档案+1报告
W20 亚洲高校综合报告 1综合报告
W21 全球地图v2.0 35+机构全图

6.2 成本预测

周次 预计成本 累计成本
W18 ~8元 ~36.5元
W19 ~8元 ~44.5元
W20 ~6元 ~50.5元
W21 ~10元 ~60.5元

月度总成本预测：~60元（远低于254元预算）

七、结论

7.1 整体评估

维度 评分 说明
产出量 ⭐⭐⭐⭐⭐ 超出预期，27+28+18
质量 ⭐⭐⭐⭐ 89.2%达标，持续改进中
成本控制 ⭐⭐⭐⭐⭐ 节余89%，高效运行
效率 ⭐⭐⭐⭐ 0.87个机构/天
体系成熟度 ⭐⭐⭐⭐ 自动化TOML已部署

7.2 关键成就

  1. ✅ 建立完整的真实性核查五步法
  2. ✅ 完成全球29家核心机构覆盖
  3. ✅ 发布首份综合全景报告
  4. ✅ 部署W18-W21自动化工作流
  5. ✅ 成本控制在预算的11%

报告版本：v1.0 维护人：狗剩 下次回顾：2026年5月20日（W25）

Reference in New Issue View Git Blame Copy Permalink