我给女儿做了个学习App，才发现9成「补课班」是假的
作者为女儿开发学习App的过程引发了对当下教育现状的深刻思考。文章指出，传统补课班和多数AI教育产品只是贩卖焦虑，并未做到真正的“因材施教”。AI在教育领域的核心价值在于以低成本实现个性化辅导（即精准控制“步长”），而非单纯的效率提升。作者提供了三个问题帮助家长鉴别真假AI教育，强调技术并非难题，意愿才是关键。
相关文档
a16z深度对谈：每天只学2小时？AI 时代如何彻底重塑我们的学校
本文整理了 a16z 播客中 Alpha School 创始人 Joe Liemandt 与 HAA 学院联合创始人 Gagan Biyani 的深度对谈，探讨 AI 时代的教育变革。核心观点：结合认知科学与大语言模型的学习引擎可将知识获取速度提升 10 倍，学生每天仅需 2 小时核心学术学习；剩余时间用于培养领导力、创业精神、金融素养等真实世界技能。文章强调从被动防御转向主动进攻，通过 Vibe Coding、机器人实战等方式培养 AI 原生一代成为乐观的'未来建设者'，教育正经历范式转移的历史转折点。
三套让 AI 开发 iOS App 更专业的 Skill 推荐
作者被“逆向任何 iOS 应用”的夸张标题吸引，点进去后发现是三套给 AI 使用的 Skill。文章推荐了 Appllama Skills（让 AI 先研究畅销 App 的界面设计再照做）、Expo 官方 Skills（涵盖路由、原生 UI、打包上架的最佳实践）以及 Emil Kowalski 的 Skills（5 万星项目，专治 AI 动画与细节没品味的问题）。作者认为虽然标题夸张，但内容对做 App 开发的人很有价值，值得安装尝试。
教你用AI创作绘本、动画和互动课件
本文介绍了腾讯出品的AI趣味学习社区“懂了鸭”，一款面向青少儿成长、融合趣味学习与AI创作的内容平台。作者实测演示了其四大核心功能：生成闯关小游戏、做动画、做绘本和制作动态课件，并详细说明了知识树分类、作品改编、模型选择（Deepseek、混元、GLM等）以及积分消耗情况。平台目前处于邀请内测阶段，注册即送积分，适合家长和教师为孩子快速创作AI教育内容。
H3 古风舞蹈创作方法论：从动作动链到导演级运镜
作者系统总结了一套基于 H3 模型的 AI 古风舞蹈视频制作方法论。核心原则是先建立舞蹈再建立镜头：从作品意图、音乐分析、编舞设计出发，构建持续层、动链层、微动作层三层舞蹈结构，写出包含受力、路径、重心、惯性等完整物理过程的动作链，并按音乐节拍与动作密度对齐。镜头设计强调真实摄影机几何而非抽象角度术语，每次运镜都需有目的。文章还涵盖参考图视觉权限界定、跨段连续性检查、负面约束的正向替代方案、提示词语法结构与交付前的导演级自检流程，旨在建立可复用的模块化 AI 舞蹈创作系统。
好的写作到底是什么
本文整理自 The Art Of Storytelling 的视频，探讨好写作的本质。核心观点：写作不是把想法誊写到纸上，而是让想法成形。写作是在起点（读者已知）与终点（读者读后的理解）之间找一条最短的直线，即安排信息出现的顺序，让读者自己走到寓意。文章提醒写作者提防知识的诅咒，用词只看能否帮读者往前走，避免用大词炫耀，并强调培养自己独特的声音来自个人对世界的体验，建议写作者过丰富的生活积累素材。清晰比简单更重要，好散文如窗玻璃。
从 Agent Loop 到推理引擎：哈佛 CS2680 现代AI系统课程深度解读
本文深度解读哈佛大学2026年秋季Juncheng Yang开设的研究生课程CS2680《现代AI系统：Agent与系统优化》。课程以一条主线贯穿agent循环到LLM推理serving栈，通过五个递进式作业逐层解剖系统：A1为Claude Code构建Web前端，A2从零实现最小agent harness，A3在黑盒API下优化成本与延迟并引入排行榜竞争，A4自建推理引擎部署开源模型，A5全栈profile驱动的假设验证优化。文章还分析了课程的AI使用政策（强制披露、Claude Code session存档审计）、leaderboard评分机制、严格的20% A档曲线以及体现系统研究方法论的期末项目设计，展示了'AI时代如何教系统课'的完整答案。
AI 教学辅助：6 个 GitHub 仓库覆盖备课出题答疑复习
文章介绍了想将 AI 应用于教学的 6 个 GitHub 开源仓库，按教学任务分类：QuizWeaver 用于备课出题，可从授课内容生成题目和教案；anything-to-course 是 Agent Skill，把资料组织成课程大纲和复习计划；Agentic-AI-Tutor 基于上传材料答疑并附引用；studyforge 提供课程生成、测验和间隔复习；freelingo 面向语言学习场景；lextures 用于课程与成绩管理。作者建议按任务选择工具，并注意部署和模型要求，最终教学适配仍需人工核对。
AI 时代的 eval 究竟应该怎么做
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
提示词不用写得专业，要写到你自己能读懂
作者以AI生图的窗边咖啡馆人像提示词为例，讲解如何整理AI生成的冗长提示词。核心方法是：删流程、合重复、换实景、测删除。要点包括：去掉分栏小标题后整体通读，合并重复表达同一意思的形容词；把'不要杂乱'等否定句改写为具体的正面画面描述；将'高级感、电影感'等笼统大词拆解为具体的光线、配色和构图要求；一次只删一句，对照出图验证效果，但不要为了精简丢掉关键的安排。最终目标是写出自己能读懂、出了问题知道从哪句下手的提示词。
AI 时代，如何突破个人能力边界
作者以技术小白身份借助 AI 获得世界 AI 大赛 Top 10 的经历为例，复盘出三种可培养的元能力：一是结构化思考，把陌生复杂的事拆解到可下手；二是学习与迁移，通过情景化提问从专家身上提取判断依据，并让 AI 协助设计与整理；三是 AI 协作技巧，包括清楚交代背景目标、先确认理解再动手、用具体场景讲解选项利弊、分工验收并具体反馈后迭代。作者认为这三种能力配合使用，是普通人在 AI 时代突破能力边界的金手指，每解决一个问题，能力边界就往外拓一点。
手把手教你写一篇长文：如何把一个想法变成一篇文章
本文系统讲解了如何将一个模糊的想法变成一篇完整的长文。作者首先将长文分为科普、教程、经验、观点、故事五大类型，并分别剖析各类文章的写作陷阱与结构脉络，如科普文要突破“知识的诅咒”、教程要教思路而非仅教操作、经验类文章需要复盘而非流水账。接着介绍从想法到成文的完整流程：确定文章类型与受众、理清脉络、撰写正文、修改精简、拟定标题、配图排版。最后分享了文章发布后提升热度的实用技巧，强调长文的长期价值。
