hehaiguang1123
a6f05ab2d5
- 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
5.5 KiB
5.5 KiB
created, title, tags, category
| created | title | tags | category | ||
|---|---|---|---|---|---|
| 2026-04-14 | LEARNINGS.md - 教育AI研究项目学习日志 |
|
其他 |
LEARNINGS.md - 教育AI研究项目学习日志
记录纠正、知识缺口和最佳实践
[LRN-20260420-002] best_practice
Logged: 2026-04-20T09:15:00Z Priority: medium Status: pending Area: docs
Summary
项目文档长期积累导致版本混乱（v2.0/v3.0/v3.1并存），需要建立清晰的文档生命周期管理
Details
经过20天运行，项目积累了多个版本的自动化配置、架构说明、启动文档等：
- v2.0（新自动化工作流配置）已废弃但仍存在
- v3.0（高等教育专项）已建立但旧文档未归档
- 4月1日启动清单等历史文档散落根目录
- 重复文件（如图谱的两个canvas）未被清理
正确做法：
- 建立归档目录，定期将旧版本移入
- 给归档文档添加
category: archivefrontmatter - 删除明确的重复文件
- 在 README 项目结构中标注归档目录
Suggested Action
- 每次大版本更新时，将旧版本移入归档目录
- 归档文件添加
note: 归档时间+归档原因frontmatter - 删除明确重复的文件（不同名但内容相同的备份）
- README 项目结构包含归档目录说明
Metadata
- Source: best_practice
- Related Files: README.md, 归档/, 高等教育AI专题-自动化工作流配置v3.md
- Tags: 文档管理, 生命周期, 项目组织
- Pattern-Key: docs.lifecycle-management
- Recurrence-Count: 1
- First-Seen: 2026-04-20
- Last-Seen: 2026-04-20
[LRN-20260420-001] best_practice
Logged: 2026-04-20T00:33:00Z Priority: medium Status: pending Area: docs
Summary
通用自动化工作流配置（v2.0）过于宽泛，需要按专题阶段定制而非全项目通用
Details
新自动化工作流 v2.0 设计了6个通用任务（新闻监测/案例深度/月度综合等），但与当前高等教育AI专题（W18-W21聚焦高校研究）严重不匹配：
- 案例深度分析任务与高校深度研究重复
- 国际新闻跟踪分散了研究精力
- 月度综合报告与W21终极报告冲突 正确做法：按专题阶段定制自动化配置，废弃不适用的通用任务
Suggested Action
按专题阶段重新设计自动化配置：v1.0（项目初始化）→ v2.0（通用三层）→ v3.0（高教专项），每个阶段只保留与主线匹配的任务
Metadata
- Source: best_practice
- Related Files: 高等教育AI专题-自动化工作流配置v3.md, 新自动化工作流配置.md
- Tags: 自动化, 专题化, 工作流
- Pattern-Key: automation.topic-specific
- Recurrence-Count: 1
- First-Seen: 2026-04-20
- Last-Seen: 2026-04-20
条目 #1：知识卡片真实性危机（2026-04-04 修正）
触发场景：最佳实践（教训总结）
来源：outputs/知识卡片质量评估报告-20260404-v2.md + outputs/深度研究报告修正完成报告-20260404.md
核心教训
| 问题类型 | 严重度 | 具体案例 | 影响 |
|---|---|---|---|
| 期刊名称错误 | 🔴 A级 | Nature Human Behaviour → 正确为 Humanities and Social Sciences Communications | 引用完全不可信 |
| 市场规模失实 | 🔴 A级 | 8.2亿美元 → 实际46-51亿美元（差5-6倍） | 数据研究价值归零 |
| 数据捏造 | 🔴 A级 | Khanmigo效果数据（78%/61%）无法验证 | 声誉风险 |
| 来源标注缺失 | 🟠 B级 | 所有4个来源都无URL/DOI | 无法溯源 |
修正原则（已固化到SOP）
- 所有Nature期刊引用必须验证正确名称
- 市场规模数据必须标注具体来源和定义范围
- 百分比效果数据必须附DOI或可查证URL
- 每个信息点必须标注来源类型（URL/DOI/采访/观察）
Pattern-Key（待晋升）
真实性核查 → 期刊名称验证真实性核查 → 市场规模验证真实性核查 → 百分比效果数据
条目 #2：中美ITS代际差距（2026-04-04）
触发场景：知识缺口
来源：机构档案/卡内基梅隆大学-HCII-教育AI研究档案-20260402.md
核心发现
- 理论差距：约20-30年
- 中国现状：多为"AI包装题库"
- CMU积累：Ken Koedinger 52,210+引用，40年认知科学
影响
- 研究报告不能假设"中美差距不大"
- 政策建议需要考虑技术积累时间
条目 #3：信源优先级体系（2026-04-03 确立）
触发场景：最佳实践
来源：真实性核查标准操作程序.md
已验证的优先级
1. 官方直接来源（官网/白皮书）→ 权重最高
2. 学术期刊（同行评审+DOI）→ 学术研究必备
3. 权威报告（Gartner/UNESCO/麦肯锡）→ 市场分析
4. 企业文档（年报/新闻稿）→ 需交叉验证
5. 媒体报道 → 仅作线索，需溯源
质量评分标准
- ≥80分：合格
- 官方渠道占比≥70%：达标
- 技术信息时效性≤6个月，市场信息≤12个月
条目 #4：机构档案A级模板（2026-04-03）
触发场景：最佳实践
来源：MEMORY.md "关键经验与教训"
成功案例
- 北京师范大学档案：信源质量分 92.9分（A级）
- 可复用模式：
- 机构基本信息（官网来源）
- 教育AI项目（官网+新闻稿）
- 核心数据（年报/报告）
- 研究成果（学术期刊）
Pattern-Key
机构档案 → 质量分≥80 → 北师大模板