AI 教育产品的个性化学习（因材施教）技术上怎么做？和大模型结合的正确姿势是什么？

先这样答

个性化学习的经典三件套。学习者建模：答题记录、用时、错误模式聚合成能力画像，哪些知识点掌握、哪些薄弱、错误是概念不清还是粗心。内容知识图谱：知识点之间的依赖关系建成图，学分数运算前要先会整数乘除，图谱决定教学路径的合法性。推荐引擎：在图谱约束下，按学习者画像推送下一个最该学的知识点和对应难度的题目，跳过已掌握的、不在未掌握前置知识上硬推。

大模型补齐的是三件套做不到的部分。讲解生成：同一个知识点按学生水平换讲法，基础弱的用具体例子铺台阶，基础好的直接讲抽象定义，这个规模化的因人施讲只有生成模型做得到。对话辅导：苏格拉底式引导代替答案直给，学生卡住时给提示而不是答案，通过追问定位错误概念。错误诊断增强：把学生的错题过程和对话记录综合分析，比只看对错标签能更准地定位错误根源。

红线有三条。辅导不代做：直接给答案毁掉学习过程，产品设计上要有引导策略和防刷答案机制。诊断可解释：告诉家长和学生「为什么判断他薄弱」要能给证据（具体错题模式），黑盒分数没有说服力。事实零错：讲错一个知识点在教育产品里是重大事故，讲解生成要挂教材知识库做检索增强，超纲和存疑内容宁可不说。

面试官会怎么追问

• 「怎么防止学生用辅导功能抄作业？」 策略层：先给思路提示，多轮引导后才逐步给出关键步骤，完整答案只在练习模式外提供；检测层：识别「直接要答案」的请求模式，切换教学模式。
• 「学习者画像怎么冷启动？」 入学诊断测试覆盖图谱主干节点，快速定位起点；前期用相似学习者群体的画像做协同过渡，个人数据积累后切换。
• 「大模型讲解错了怎么办？」 检索增强锚定教材内容、生成后知识点审核、用户纠错反馈回流。教育内容的审核标准要比通用对话高一个量级。

回答的坑

• 把个性化说成「推荐更多题」。三件套的建模和路径规划才是因材施教的骨架，生成是皮肉。
• 不设答案防线。辅导和代做的边界设计是教育 AI 的产品命门。