EdTech 全球风向标
2026年7月23日 · 全球教育技术与人工智能教育应用动态精选
本期聚焦 LLM、AI Coding、Agent 与智慧教育四个方向，从全球政策、学术研究、企业研发与行业动态中筛选出 10 条值得关注的动态。第 1 条为全球政策动向，仅作介绍；第 2–4 条为学术研究成果，附学者点评；第 5–7 条为企业研发产品，附研发者推介语；第 8–10 条为行业动态。
WAIC 2026 发布「上海人工智能教育（国际）平台」：全国首个面向基础教育的国际级 AI 教学平台
2026 世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）期间，「上海人工智能教育（国际）平台」于 7 月 19 日在国际人工智能教育论坛上正式发布。该平台由上海教师教育学院、上海师范大学联合攻关，希沃作为核心共建单位提供教育垂直大模型与远程互动技术底座，采用「云+端+边+智」架构，集成云端算力、终端交互、实训硬件与智能模型，兼具远程授课、线下实操、智能考核与资源共享等功能。平台旨在为区域、学校、教师与学生提供普惠化、可扩展的 AI 教学与实践支持，构建「手脑协同」AI 教育新模式。
该平台目前已在上海多区落地：徐汇区构建贯通「区域-学校-班级-个人」的四级学情监测体系，AI 生成的学情分析报告已超过 2 万份；宝山区求真中学通过「AI 循证评课」将课堂语言行为数据化；虹口区常态化应用智能体辅助课堂教学。后续平台将逐步延伸至「一带一路」等国际合作场景。
arXiv 预印：自改进型 AI 编程智能体通过「累积行为规则」实现跨会话学习
Aditya Aggarwal 与 Nahid Farhady Ghalaty 提出一种自改进的 AI 编程智能体闭环框架，针对 LLM 编码智能体在跨会话中重复同类错误的问题，把每一次被接受的 Code Review 评论编码为「持久性行为规则」，逐步扩展智能体可自检的错误类别。该框架由三部分组成：版本受控的指令文件、自检清单（self-review checklist）以及保证规则集完整性的自动验证机制。在 35+ 服务的微服务平台上部署后，规则集从 5 条扩展到 18 条行为规则、15+ 项语言规范与 15 条自检条目；实证显示「受规则约束的错误类别」复发率降至 0%，并使评审精力从「低层正确性」转向「设计层验证」。
值得关注的是：这一工作与 Reflexion、ExpeL、Voyager 等「经验式 LLM 学习」路线形成对比，证明在不改模型权重的前提下，跨会话持续学习是可行的，为教育与工业编码场景中的 Agent 迭代提供了新的工程范式。
arXiv 预印：多智能体数学推理中「评审精度」与「批判采纳」是可分离的
Chih-Hsuan Yang 等来自阿贡国家实验室、芝加哥大学与 NVIDIA 的研究团队，针对数学与科学 Agent 系统中常见的「规划-执行-评审（PER）」架构提出质疑。他们在 4,181 道 Omni-MATH 题目上对比 PER 流程与「广播式对等讨论」，发现 PER 评审者精度（0.861）虽显著高于广播式（0.644），但「真正改变下一轮答案」的「有用批判」反而更少，最终解题准确率也低于广播式。强制要求评审者显式被「承认」甚至会进一步降低准确率；把评审建议嵌入求解者的「工作上下文」虽能改善跟进度，但仍未弥合差距。
值得关注的是：该研究首次把「评审者检测质量」与「批判采纳度」拆为两个独立维度，警示单看「评审准确率」会高估 Agent 系统能力。这一发现对教育场景中的「AI 互评」「AI 教学反馈」设计具有方法论意义。
这条结论值得每一位做「AI 教学反馈」的人停下来读一遍。我们过去评估 AI 教学反馈时，往往盯着「反馈是不是对的」这一维度，却忽视了「学生会不会真的采纳」。这篇论文提醒我们：在设计 AI 反馈时，信息的「可采纳性」——可读、可操作、嵌入决策上下文——可能比「准确性」更决定最终学习效果。这对自动评分、智能批改、学习诊断等研究方向都有警示作用。
达特茅斯学院 Nature 子刊 RCT：定制型 AI 导师可让大学生学习增益达 1.30 SD
达特茅斯学院研究团队在 Nature Scientific Reports 发表随机对照试验（RCT），在高校真实课程场景下测试其自研 AI 辅导平台 Phosphor。研究发现：相比传统课堂主动学习方法（约 0.5 SD），AI 辅导在多个指标上取得 0.71–1.30 SD 的学习增益，最高相当于 34% 的学习效果提升。研究者同时指出：平台上「对话式 AI 助手」使用率偏低，学生大部分互动来自「针对性练习题」模块——这与教育心理学长期证实的「主动回忆测试」效应高度一致，提示真正的「学习价值」可能来自结构化练习机制，而非「AI 本身」。
值得关注的是：该研究延续 2025 年哈佛 PS2 Pal 研究的证据基础，但同时因「自我选择偏差」（愿意用 AI 练习的学生本身就更可能学得好）而在 Hacker News 等社区引发方法论争议，成为 AI 教育研究如何区分「技术效应」与「练习效应」的典型案例。
1.30 SD 这样的效应量在教育研究中极为罕见，达特茅斯团队能把 0.5 SD 提升到 1.30 SD 是非常突出的贡献。但学术争议同样重要：到底是「AI 让学习更好」还是「练习题让学习更好」？对教师和教育研究者而言，真正可复制的不是某个具体 AI 平台，而是「嵌入式、可解释、强制思考」的设计原则——这与近几年国际教育技术学界关于「脚手架设计重于模型能力」的呼吁是一致的。
Anthropic 发布 Claude for Teachers：免费向美国 K-12 教师开放一年
Anthropic 正式发布 Claude for Teachers，面向美国 K-12 教师免费开放 Claude Pro 全部功能，支持至 2027 年 6 月 30 日。产品最大亮点是与 Learning Commons（扎克伯格与普莉希拉·陈 2025 年发起的教育计划）合作，把 50 个州的学术标准、学习能力点与学生掌握顺序注入模型，使 AI 生成的备课内容直接对齐各州考纲。教师还可调用 Claude Code 与 Cowork 让 Agent 自主完成「学生数据上传—自动分析—明日教学调整」等工作流。Anthropic 同时与美国教师联合会（AFT）合作对齐其「金标准」隐私条款，承诺教师对话数据不用于训练 AI 18 岁以下学生不能使用。
值得关注的是：在 OpenAI 推出 ChatGPT for Teachers 约 8 个月后，Anthropic 才进入 K-12 教师市场，但其「州标准深度绑定 + 教师技能库开源 + 隐私金标准」的差异化打法，标志着头部大模型公司在「教师入口」的争夺从「通用能力」转向「标准合规 + 工作流嵌入」的新阶段。
如果你的团队正在做面向教师的 AI 工具，Claude for Teachers 提供了三个值得抄的「产品级方法论」：第一，把课程标准作为一等公民接入模型，而不是把 AI 当万能助手；第二，把教学技能库开源 + 通过连接器目录分发，让教师工具长在生态里；第三，绑定工会 / 教师组织作为「隐私守门人」，让产品合规叙事大于功能叙事。在中国，区域教研标准、地方师训资源也具备类似的可接入空间——谁能先把「国家标准 + 区域资源 + 工具技能」做成可插拔的连接器，谁就能在教师侧建立真正的护城河。
微软 ISTELive 26：发布《2026 AI in Education Report》与 Study and Learn Agent
微软在 ISTE 2026 期间发布《2026 AI in Education Report》第三版。报告显示 92% 的学生与教育领导者、88% 的教师已在校用 AI；58% 的学校正在规模化部署 AI；但 77% 的学生与 53% 的教师尚未接受过正式 AI 培训。同步发布的教学产品包括：Teach 内的「Unit Plans」可一键生成对齐标准的教案；Assignments 新增「Student AI Guidelines」与「Learning Groups」让教师在作业中嵌入 AI 使用规范；Learning Zone 推出「教育者节奏」实时课堂体验；Copilot Notebooks 让学生基于自身材料生成交互式学习指南；Study and Learn Agent 把基于研究的学习方法直接嵌入 Copilot Chat，引导学生做主动回忆与反馈。此外，Minecraft Education 宣布 10 月启动面向 13–16 岁学生的「Velocity Prize」全球 AI 技能挑战。
值得关注的是：微软把「报告—工具—培训—认证」打成了完整闭环：报告揭示需求→工具满足场景→Elevate for Educators 与 ISTE+ASCD 联合 AI Literacy 认证完成能力建设。AI 教育竞争正从单点产品走向「生态与教师能力共建」。
对于做 LLM 教育应用的研发者，微软这套布局最值得借鉴的不是某个具体功能，而是「场景分层」思路：Unit Plans 管「备课」、Assignments 管「作业」、Learning Zone 管「实时课堂」、Study and Learn Agent 管「自习」——每个 Agent 对应一个教师日常动作，避免「一个超级助手管所有」的反人性设计。另一个值得抄的细节是「Student AI Guidelines」：让教师可以在作业中显式定义「学生该不该用 AI、怎么用」，把「学术诚信」从抽象政策变成可配置的提示词结构，这条路对中国一线教师同样适用。
杭州发布「中科睿学」：覆盖 B 端机构 + C 端家庭的 K12 全场景 AI 助学系统
中科深波科技（杭州）有限公司在杭州正式发布覆盖「机构教学 + 家庭辅导」全场景的 K12 AI 助学系统「中科睿学」。该系统整合国产大模型算力、智能语音测评与高并发安全基础设施，构建「教、学、练、测、评、管」闭环生态。B 端面向学校与教培机构，提供智能出卷、作业批改、口语测评、智能备课、AI 监考与学情大数据分析全链路工具；C 端面向家庭，作为「AI 智能学伴」按学情动态规划路径、针对薄弱点强化练习并向家长同步学情报告。系统已覆盖小学至高中全学段，发布会现场演示了「生成练习题—批改英语作文—口语模拟训练」等场景。研发团队计划年内落地全国百所学校及教培机构。
值得关注的是：「中科睿学」是近期少数明确把「B 端 SaaS + C 端学伴」打通的国产 K12 AI 助学产品，并以「学情报告同步家长」为切点试图突破家庭付费意愿，对校内教育公平与家校协同有现实参考价值。
国内 K12 AI 产品的真正难点不在技术，而在「B 端学校愿意采购 + C 端家长愿意付费」的双轮打通。「中科睿学」用「学情报告同步家长」做桥梁，是值得借鉴的产品设计——把校内 AI 工具的使用价值显式外溢到家庭场景，让 B 端采购决策者（学校）看到 C 端的留存与续费信号，从而把学校的「成本中心」转化为「获客渠道」。这给做教育 AI 创业的团队一个明确的方向：别只盯着「卖给学校」或「卖给家长」二选一，把两者用学情数据连起来，才有规模化空间。
学而思发布培优 AI 家教与 T6 旗舰学习机系列
学而思于 6 月 30 日发布「全新培优 AI 家教」「国际学院」英语学习体系及 T6 系列旗舰学习机。培优 AI 家教将 AI 诊断规划与 AI 互动课堂打通，串成「诊断—规划—互动—反馈」动态闭环；T6 系列则按 T6 标准版（6899 元）、T6 国际版（8699 元）、T6 Max（11999 元）三档定价，覆盖欧标体系与美标原版两条英语学习路径。今年 5 月，学而思还联合中国信通院牵头制定了行业首个 AI 家教标准《智能家教系统及应用技术要求与评估方法》，并通过相关评估荣获当前最高评级。
值得关注的是：学而思从「学习机」走向「AI 家教」的转型，是国内教培龙头把硬件—内容—智能体打通的关键节点，也意味着 AI 学习硬件从「堆硬件、拼参数」阶段进入「教学闭环标准化」阶段。
兆涵科技联合南科大、鄂尔多斯发布「小兆老师」个性化精准教学平台
在第三届国际教育人工智能与学习科学研讨会期间，兆涵科技（深圳）有限公司联合南方科技大学人工智能教育研究中心、鄂尔多斯市人工智能应用科学研究院，共同发布面向未来课堂的个性化精准教学平台「小兆老师」。该平台围绕大班额教学下「精准教学、个性化辅导与教师减负」等长期痛点，构建「学情数据采集—AI 智能诊断—精准分层干预」教学闭环。教师可基于真实的日常教学数据，定位班级共性薄弱点与个体知识盲区，并一键生成匹配不同层次的分层练习与辅导方案。首批试点学校招募同步启动，深圳与鄂尔多斯将作为 AI 实验校率先开展实践。
值得关注的是：「小兆老师」是国内首个明确提出「学情数据—AI 诊断—分层干预」完整闭环，并直接对接南科大科研力量 + 区域教研院的中小学 AI 教学平台，体现了产学研协同的落地模式。
国务院印发《教育发展「十五五」规划》：推进人工智能全学段教育
国务院于 6 月 29 日发布《教育发展「十五五」规划》，明确提出「推进人工智能全学段教育，提升学生人工智能素养，增强提出问题、解决问题的能力」，并部署「人工智能+教育」行动、建设国家人工智能（教育）应用中试基地、扩大国家智慧教育公共服务平台覆盖、构建人工智能开源创新生态。规划与近期发布的《「人工智能+教育」行动计划》（教育部等五部门 4 月发布）形成衔接，把「AI 教育」从部门专项行动升级为国家级「十五五」教育战略。
值得关注的是：这是中国首次在五年规划层面把「AI 全学段教育」写入约束性目标，意味着 K12 到高等教育的 AI 课程、师资、算力、平台建设将进入「有预算、有指标、有考核」的快通道。
对教育研究者而言，这篇论文的真正贡献不是「Agent 更会写代码」，而是「Agent 学会了从人类的反馈中持续沉淀规则」。在编程教学场景中，资深教师的判断往往以「隐性规则」存在——命名约定、错误处理范式、性能取舍。把这些规则结构化地注入 Agent，等于把师者的经验工程化、可复用地传递给下一批学习者。这与「人机协同」教育的本质是一致的：不是替代教师，而是放大教师。