EdTech 全球风向标
1中央网信办启动”清朗·未成年人网络保护”专项行动，AI家教产品成重点整治对象
7月20日，中央网信办在全国部署启动为期4个月的”清朗·未成年人网络保护”专项行动。第一阶段聚焦暑期节点，集中整治发布、互动、营销三个环节的突出问题；第二阶段剑指平台算法推荐、学习教育版块和未成年人模式建设。
暑期是学习平板销售与内容消费高峰，今年恰是AI家教类产品投放最密集的一季。监管条款明确整治部分AI软件创设不良人设角色、输出暧昧低俗内容，要求平台不得设置诱导沉迷、过度消费的算法模型，并专门部署排查儿童智能手表有害内容和第三方应用诱导充值。
据洛图科技数据，2025年中国学习平板全渠道销量632万台，作业帮、学而思、科大讯飞、小猿位居前四，2026年一季度前六品牌合计份额已达87.5%。这是一个高度集中且高度依赖营销驱动的市场，各家营销话术已越过产品功能边界，旗舰机型普遍售价四千至八千元。
216,851条对话揭示：AI辅导回复风格如何影响学生编程学习效果
来自马萨诸塞大学的研究团队分析了StudyChat数据集中203名学生的2,214段ChatGPT辅导对话，将其转化为16,851条助教回复交互。研究使用Gemma 4进行LLM辅助标注，人工验证一致率达82%（Cohen’s κ=.74）。
核心发现：验证反馈（Verification feedback）具有最高的有效续学率（82.4%），而直接给答案最低（62.7%）；在高认知负荷的代码请求中，分步引导能更好降低学生困惑；但在高负荷调试场景中，直接答案反而导致更多未解决续学。响应风格与学生续学行为之间的关联显著（χ²(7)=100.39, p<.001），且效果高度依赖上下文。
3苏格拉底式引导 vs 提示词优化：哪种LLM辅导方式更能培养长期学习能力？
洛桑联邦理工学院（EPFL）团队在研究生移动机器人课程中开展了为期6周的对照实验（66名学生），比较了两种LLM辅导方式：苏格拉底引导型（SG）和提示词优化型（PR）。随后52名学生在3周课程项目中使用无约束LLM。
结果显示：虽然两组在任务表现和提示模式上相似，但SG组学生在后期获得了更高的学习增益，且更倾向于采用”理解驱动型”提示策略——这种策略与更高理解水平显著相关。尽管学生认为SG辅导效率较低，苏格拉底式引导确实支持了学生与LLM长期学习能力的培养。
这项研究触及了AI教育应用的核心张力：效率与深度学习之间的取舍。SG辅导虽被学生感知为”更慢”，却在后续独立使用LLM时展现出迁移效应——这说明好的教学支架不仅是即时辅助，更是学习能力的”接种”。对教育者而言，这意味着在LLM辅导系统设计中，不应一味追求即时效率，而应关注长期能力培养。研究也提醒我们，学生对”效率”的主观感受与实际学习效果之间存在错位。
4“知识债务”警报：AI编程Agent如何让开发者悄悄失去学习能力
来自TCS研究等机构的研究团队提出了”知识债务”（Knowledge Debt）概念——开发者级的技术债务类比，指开发者在过度依赖AI编程Agent后，无法完全理解Agent执行的代码变更逐渐累积。论文提出六项设计原则，并构建了SHIELD多智能体系统，利用AI编程Agent自身的推理过程，在不打断开发者心流的前提下，将”意外学习”（incidental learning）重新融入开发者-Agent交互。
研究指出，AI编码Agent确实提升了生产力，但传统开发者通过努力解决问题获得的非正式知识这一学习路径正在被”短路”。开发者技能的无声萎缩是一个比”AI取代程序员”更隐蔽、更迫切的威胁。
这篇论文为AI编程教育的讨论注入了关键视角——在”AI是否会取代程序员”的争论之外，它揭示了更隐蔽的风险。”知识债务”概念精准命名了这一现象，SHIELD系统的设计思路——利用Agent自身推理来创造学习时刻——提供了一种富有创意的平衡方案。该研究对所有将AI编程工具引入教学的场景都有重要启示：我们不能只关注生产力提升，更要关注学习路径的保护。对于计算机教育者而言，如何在教学中平衡AI工具使用与基础能力培养，已成为不可回避的课题。
5Khan Academy全面重构Khanmigo：从”认知卸载”转向”认知加载”
Khan Academy对其AI辅导工具Khanmigo进行了重大重构，将AI直接嵌入练习题中，而非作为独立侧边栏。此前Khan Academy创始人Sal Khan承认初版Khanmigo未能有效提升学习效果，许多学生甚至不使用它。
新版Khanmigo能实时看到学生正在解决的具体数学题，标记错误并要求学生解释推理过程，实现从”认知卸载”（AI直接给答案）到”认知加载”（迫使学生主动思考）的转变。2025年10月至2026年4月的内部测试显示，有效学习交互增加了6个百分点。此外，Khan Academy还推出了全新改版的学习体验，包含学习队列、Gem挑战与奖励、Khanmigo自定义等功能，并于2026年6月底在美国全面上线。
Khanmigo的这次重构抓住了AI辅导的核心矛盾——工具好用但学不到东西。把AI从”旁边的助手”变成”嵌入题目的教练”，让AI能看到学生正在做什么、错在哪里，并即时追问。这种设计思路值得所有教育AI产品借鉴：好的AI辅导不是让学生更轻松地得到答案，而是让学生更深入地思考。从”认知卸载”到”认知加载”的理念转变，应该成为AI教育产品设计的底层共识。
6LingoAce发布AI-native英语学习产品Tutor Luna：从学习工具到学习系统
全球教育科技公司LingoAce于7月20日正式发布面向4-12岁儿童的AI-native英语学习产品Tutor Luna。该产品以AI-native learning engine为核心，打破传统AI Tutor路径，构建了一套能持续理解学习者能力变化并参与教学决策的AI原生学习引擎。
系统能够持续识别学习者能力状态，动态生成学习任务，提供即时互动反馈，并不断更新学习者能力模型，进一步优化学习策略。LingoAce目前已覆盖全球180多个国家和地区，累计服务58万+学员，完成2200万+课时。Tutor Luna选择了英语作为首个应用场景，因为英语拥有成熟的国际能力标准和评估体系，且高度依赖真实表达和即时反馈。
Tutor Luna的设计理念值得关注——它不是把AI当作”更好的问答工具”，而是构建了一个能持续跟踪学习者状态的自适应系统。从”回答问题正确与否”到”能力如何持续成长”的视角转换，体现了AI教育产品从功能点向系统化演进的趋势。对于面向低龄学习者的产品，这种”参与学习过程”而非”辅助学习过程”的设计哲学值得深入探索。AI-native learning engine的架构思路，也为多学科扩展提供了可能。
7阿里云发布Qoder企业版：AI编程平台进入组织级协同时代
7月3日，阿里云正式面向全球发布Qoder企业版，将AI编程助手从面向个人的开发工具升级为服务企业组织的生产力平台。核心亮点包括：QMind个人云端知识库，支持跨产品、跨设备、跨人员的企业知识共享，实现知识的自同步与自迭代；Credits资源池化计费模式，管理员可按需为成员动态分配额度；支持十万级文件超大代码库解析能力，通过Repowiki模块理清多年沉淀的模块功能与业务逻辑。
Qoder全系产品已服务中国一汽、中信证券等数十万家企业，全球用户超500万。企业版在安全层面提供了覆盖传输加密、访问控制、运行时防护等五大领域的纵深安全体系，已获ISO/IEC 27001:2022认证。国际站版本同步在阿里云市场开售。
Qoder企业版的三大设计——QMind知识库打破信息孤岛、Credits资源池化颠覆按人头收费、超大代码库解析解决遗留代码理解难题——每一项都直击企业AI编程的痛点。尤其值得关注的是Credits模式，从”按席位收费”转向”按算力消耗收费”，这种商业化创新可能引领整个AI编程赛道的转型。对于计算机教育而言，这种组织级AI编程协同平台也为高校编程教学团队管理提供了新思路。
8法国竞争管理局警告：OpenAI、Google、Anthropic占据全球AI Agent市场84%
7月17日，法国竞争管理局发布第26-A-05号意见书，指出OpenAI、Google和Anthropic三家合计占全球AI Agent使用量84%以上。管理局开展了前所未有规模的调查：自建AI Agent，向其提交550个购物相关问题，记录其访问和引用的网站。测试发现ChatGPT更多引用Reddit，而Gemini更倾向Idealo和Cdiscount等比价网站。
管理局警告，随着AI助手从回答问题转向代表用户执行搜索、比较、推荐乃至完成交易，它们可能成为用户与网络之间的”守门人”，影响哪些来源、商家和服务能被用户看到。管理局呼吁在数据访问、互操作性和默认设置方面采取行动，并援引欧盟AI法案、数字市场法和数据法作为关键工具。报告指出，虽然构建AI Agent的技术门槛已降低，但规模化仍依赖数据获取、平台集成、云基础设施和编排成本等优势。
9挪威宣布校园AI禁令：1-7年级全面限制生成式AI使用
挪威政府6月宣布新指南，将严格限制学校中生成式AI的使用，尤其是低龄学生。自秋季学期起，1至7年级学生一般不得使用生成式AI；8至10年级学生可在教师具备足够能力后，在教师监督下逐步谨慎使用；高中学生应学习如何正确使用AI，为继续教育和工作做准备。
挪威首相斯特勒明确表态：”校园教育的核心任务是教会孩子阅读、书写与数学演算。频繁使用AI容易使学生跳过自主思考、动笔演算等关键学习环节，削弱基础学习能力。”此举是挪威在多年重度依赖屏幕和数字材料后恢复学校基础学习的更广泛努力的一部分。法国已于2025年发布类似框架，仅从八年级开始在课堂有限、有监督地使用AI。OECD最新报告显示，72%的初中教师认为AI可能通过让学生将AI生成作品冒充个人作品而损害学术诚信。
10联合国秘书长警告：AI到达儿童的速度快于保护措施建立的速度
7月7日，联合国秘书长古特雷斯在日内瓦举行的AI治理全球对话开幕式上警告，AI到达儿童的速度快于保护措施的建立速度。”我们对每一件玩具进行安全检测后才让它到达孩子手中……然而AI已经到达我们的孩子——他们的学习、他们的友谊、他们最私密的问题——在任何人询问它会对他们做什么之前。”
古特雷斯强调AI的风险不再是理论性的，儿童已被伪装成朋友的机器欺骗、被引导走向自残。他表示”没有孩子应该成为未经监管AI的试验品”。此次AI治理全球对话于7月7-10日在日内瓦举行。同期，多国正在加强AI在儿童教育中的监管：美国国会近期颁布跨党派法案禁止向未成年人提供AI陪伴产品；中国4月出台《人工智能拟人化互动服务管理暂行办法》，严禁面向未成年人提供模拟亲密关系的服务；欧盟AI法案明令禁止在教育场景使用情绪识别AI系统。
该研究通过大规模真实对话数据，首次系统性地量化了不同AI辅导回复风格与学生续学行为之间的关联。验证反馈优于直接答案的发现，为”苏格拉底式”AI辅导设计提供了实证支撑。值得注意的是，效果高度依赖上下文——这意味着未来AI辅导系统不能”一刀切”，而需要根据学生当前认知负荷和问题类型动态调整交互策略。这对AI辅导系统的自适应能力提出了更高要求。