一位物理教师的转型之路，揭示了AI教育产品的核心痛点。从黑板前的四年教学经验到AI产品经理的角色转变，他发现了学生真正的学习断点不在知识点本身，而在于思维节点的迷失。这篇文章深度剖析了教育场景中那些数据报告无法捕捉的真实需求，以及如何将教师对学科认知规律的深刻理解转化为有效的AI教育产品。

我不是来炫技的，我是来还债的

那是一节物理课，内容是电磁感应。

我在黑板上画完图，转过身，看见第三排的小李盯着草稿纸发呆。他的笔停在半空中，不是那种”我在思考”的停，是那种”我完全不知道从哪里开始”的停。

我走过去，蹲下来问他卡在哪里。他说：”老师，我知道公式，但我不知道为什么要这么用。”

我愣了一秒。

这句话，是我教了四年物理听到过最多的一句话，没有之一。学生不是不会背公式，他们是不知道公式背后的逻辑是什么。他们卡的不是知识点，是思维的某一个具体节点——而那个节点，每个人都不一样。

那一刻我想：如果有一个AI，能在他写下第一步的时候就感知到他的思维断在哪里，然后像我一样蹲下来问他”你是在这里卡住的吗”——那该多好。

这个念头，是我后来转行做AI产品经理的起点。

我知道这听起来有点浪漫主义。我同事觉得我疯了，我妈觉得我在糟蹋一份稳定的工作，我自己有时候也觉得：一个物理老师跑去做AI产品，这操作，搁谁看都像是在职场版《变形记》里走错了片场。

但我欠那些发呆的孩子一个更好的工具。这笔债，我想亲自来还。

我为什么比”纯互联网人”更适合做AI教育产品

先说一个让我想通了很多事情的对比。

一个没有教过书的产品经理做教育AI，他拿到的是用户调研报告：N=200，置信区间95%，学生在某某环节的错误率是43%。数据很漂亮，但那个43%背后是什么，他不知道。

而我拿到的，是四年里每一节课学生的表情。

是小李那种”停在半空中的笔”，是期末前一周教室里弥漫的那种特殊的焦虑气味，是家长群里凌晨十一点发来的”老师我孩子这道题又做错了怎么回事”——这些东西，是任何调研都买不来的第一手需求。

四年课堂经验，是我最贵的产品文档。

具体来说，这份”文档”里有几条别人没有的信息：

第一条：学生在哪里“假懂”。 物理里有一种非常危险的状态，叫做”听懂了但不会用”。学生在课堂上点头，回去做题就崩。这种假懂不是随机分布的，它高度集中在几个固定的认知断层上——比如楞次定律里”阻碍变化”和”阻碍运动”的混淆，比如受力分析里”合力”和”分力”的方向感缺失。这些断层，我在黑板前站了三年才摸清楚。一个从来没教过书的产品经理，可能需要访谈一百个学生才能接近这个认知——而且他可能还会把”学生说不会”和”学生真的不会”混为一谈。

第二条：老师批改作业的时间真正花在哪里。 不是打分。打分是最快的那部分。最慢的是看学生的解题过程，判断他到底是”算错了”还是”想错了”——这两件事的干预方式完全不同。算错了，提醒他检查；想错了，你要重新讲一遍逻辑。现在市面上大多数AI批改工具，做的是”自动打分”，本质上只解决了最快的那部分，把最难的那部分留给了老师。

第三条：课堂节奏和学生注意力的真实规律。 上课第7分钟是注意力的第一个峰值，第22分钟开始衰减，第35分钟基本上已经有一半人在神游。这不是我瞎说的，这是我站在讲台上四年观察出来的。但我看过的AI教育产品，没有一个在互动频率的设计上考虑过这个规律——它们要么全程轰炸，要么全程沉默。

这三条，是我进入产品经理这个领域时带来的”原始资本”。它们不能替代我去学PRD怎么写、用户故事怎么拆，但它们让我在理解”用户是谁、用户要什么”这件事上，有一个很多同行没有的起点。

我做的第一个AI教育产品，到底长什么样

好，说到正题了。

我要做的第一个产品，核心场景非常具体：帮学生在做物理大题的时候，识别出他的思维断点，而不只是告诉他答案对不对。

这个需求从哪来的？还是从课堂来的。

我发现一件事：学生做错题，有两种完全不同的错法。第一种是”过程对，结果算错了”——这种错，学生自己检查一遍就能发现，不需要老师介入太多。第二种是”过程就错了”——而且过程错的方式，往往不是随机的，是在某一个固定的思维节点上走岔了。

比如一道电路题，学生可能在”判断串并联关系”这一步就已经错了，但他后面的计算做得很认真、很完整。AI如果只告诉他”答案错误”，他会把后面的计算重新算一遍，发现算不出来，然后陷入一种非常挫败的循环。

我想要的AI，是能问他：”你在第二步判断电路结构的时候，你是怎么想的？”

把这个需求转化成产品功能，我的初步设计思路是这样的：

学生提交一道大题的解题过程（拍照或手写识别），AI不直接给出正确答案，而是先做一件事——把学生的解题步骤拆解成一个思维节点序列，然后定位到第一个出错的节点，用提问而不是纠错的方式介入。比如：”你在这一步写的是F合=ma，那你画受力分析图了吗？能不能给我看一下？”

这个设计的核心逻辑是：反馈的目的不是告诉学生他错了，而是帮他找到他自己的思维断点。 因为只有他自己找到了，他才真的记住了。

听起来很美对不对？然后我就开始踩坑了。

坑一：我把“我的教学直觉”当成了“用户需求”。 我觉得学生需要被追问，但我没有验证过学生是否愿意被追问。结果在早期测试里发现：相当一部分学生，面对AI的追问，第一反应是烦躁——”你直接告诉我答案不好吗？”这让我意识到，教学逻辑和产品逻辑之间有一道沟，老师觉得”对学生好”的东西，学生不一定买账。

坑二：我低估了“老师端”的重要性。 我一开始把所有精力放在学生端，觉得学生是核心用户。但在学校场景里，真正的决策者是老师——老师不用，学生根本接触不到这个产品。而老师的第一个问题不是”这个产品有没有用”，而是”这个产品会不会增加我的工作量”。这让我重新思考了产品的切入逻辑。

坑三：我对AI的能力边界判断失误。 我设想的”识别思维断点”，在技术上比我想象的难得多。现有的大模型在处理物理解题过程时，对”步骤逻辑”的理解还不够精准，尤其是涉及图形和公式混合的场景。这让我不得不把第一版的功能范围大幅收窄。

这三个坑，让我花了差不多两个月重新梳理产品方向。但我不后悔踩这些坑，因为每一个坑都让我对”产品”这件事的理解更深了一层。

从教师到AI产品经理，我的认知升级踩坑记录

转行这件事，我经历了三个非常清晰的阶段，现在回头看，每个阶段都有点可笑，但也都是真实的。

第一阶段：盲目兴奋。

刚开始的时候，我觉得自己简直是天选之人。有教学经验，懂学生，懂课堂，做AI教育产品简直是天作之合。我去报了几个产品经理课程，买了几本书，觉得自己学得挺快——毕竟我本来就会讲课，理解能力应该不差。

然后我第一次尝试写PRD（产品需求文档）。

我写了三千字，洋洋洒洒，把我对这个产品的所有想法都塞进去了。发给一个做了五年产品的朋友看，他沉默了一会儿，然后说：”你这个……更像是一篇教学设计方案。”

我当时脸上的表情，大概就是那种”我以为我在打篮球，结果发现我在踢足球”的感觉。

第二阶段：自我怀疑。

这个阶段大概持续了一个多月。我开始看那些科班出身的产品经理写的东西，看他们讨论用户故事、MVP、迭代节奏，看他们用各种框架拆解需求——我感觉自己像一个闯进手术室的体育老师，周围的人都在做精密手术，我连手术刀叫什么都不知道。

有一天晚上我在学习JTBD理论（Jobs to be Done，用户雇佣产品来完成某个任务的框架），看到一句话：“用户不是在买你的产品，而是在‘雇佣’你的产品来完成他们想完成的任务。”

我突然想到小李。他”雇佣”一个物理学习工具，不是为了看题解，是为了搞清楚自己卡在哪里。这个任务，我在课堂上帮他做过无数次。

我意识到：我不是不懂产品，我是用了错误的语言在描述我已经懂的东西。

第三阶段：找到支点。

我的优势不在于”懂产品流程”，而在于”真正懂用户”。这个认知转变，是我转行以来最重要的一次升级。

产品流程是可以学的，框架是可以学的，工具是可以学的——而且说实话，用AI来辅助学习这些东西，效率比我想象的高得多。我现在用AI帮我整理产品文档、生成用户故事模板、分析竞品功能矩阵，这些事情AI做得比我快得多。

但有一件事AI替代不了：它不知道小李那支停在半空中的笔意味着什么。

我不是在转行，我是在用另一种方式继续教书。 这句话我想了很久才想通，但想通之后，那种转行的焦虑就轻了很多。

AI教育产品的真实现状——我踩过的行业认知坑

在学习做产品的过程中，我把市面上能找到的AI教育产品研究了个遍。研究完之后，我有几个非常强烈的感受，可能会得罪一些人，但我觉得值得说出来。

观察一：大多数AI教育产品，是给家长看的，不是给学生用的。

你打开很多AI教育产品的宣传页，你会看到什么？”智能学情分析”、”个性化学习报告”、”错题知识点归因”——这些功能的展示对象，全都是家长和学校管理者，而不是坐在书桌前做题的学生。

这不是我在挑刺。这背后有非常现实的商业逻辑：家长付钱，所以产品要让家长觉得值。但问题在于，当产品的设计逻辑是”展示数据”而不是”改变学习行为”的时候，它对学生的实际帮助就非常有限了。

数据显示，2025年全国中小学智慧教室覆盖率已达78.3%，但设备高频使用率不足31.6%。这个数字背后，藏着一个行业性的尴尬：买了很多，用得很少。

观察二：AI批改作业的最大问题，不是准确率，是反馈语言。

我测试过好几款AI批改产品。它们的准确率其实还不错，判断对错的能力已经相当可以了。但我每次看到它们给出的反馈，都有一种说不出来的违和感。

反馈通常长这样：”该步骤存在逻辑错误，正确解法应为……”

这句话，没有任何一个学生会认真读完。

因为它没有温度，没有针对性，更重要的是——它是在”纠错”，不是在”对话”。而真正有效的学习反馈，是对话式的。它应该问学生”你是怎么想的”，而不是直接告诉他”你错了”。

这个问题的根源，不是AI不够聪明，而是产品设计者没有真正理解”反馈”在教育里的作用。

观察三：AI教育产品的真正壁垒，不是算法，是对学科认知规律的理解。

这是我觉得最重要的一条观察，也是我做这件事最大的底气所在。

现在的大模型，在知识储量上已经远超任何一个老师。但知识储量和”知道学生会在哪里卡住”，是两件完全不同的事。

楞次定律的知识，任何一个大模型都知道。但”高二学生在学楞次定律的时候，有40%的人会在’阻碍变化’和’阻碍运动’这两个概念上产生混淆，而且这个混淆在一次普通的讲解之后通常不会消失，需要通过具体的反例才能纠正”——这件事，模型不知道，但我知道。

这种对学科认知规律的理解，是一线教师最大的竞争优势，也是AI教育产品最难被纯技术团队复制的壁垒。

我还在路上，但我知道为什么出发

写到这里，我想回到那节课。

小李那支停在半空中的笔，我后来帮他找到了那个思维断点——他把”感应电流产生的磁场”和”原来的磁场”方向搞混了，一个非常小的概念偷换，但足以让整道题的逻辑全部崩塌。

我蹲在他旁边，花了大概五分钟，一步一步问他，让他自己说出来那个错误在哪里。

他说出来的那一刻，我看到他眼睛里有什么东西亮了一下。

那五分钟，是我觉得做老师最有价值的五分钟。

我现在做的事情，就是想把这五分钟，变成一个可以被更多学生用到的产品。我不确定它能改变教育，我不确定我能成为一个合格的产品经理，我甚至不确定这条路走得通。

但我确定一件事：做这件事的我，比站在讲台上的我，更诚实。

因为我终于不再只是在告诉学生”你要努力学习”，而是真的在想办法让学习这件事变得不那么难。

路还很长。但出发的理由，够真实。