陪学关系迭代：AI 如何打通技能、情绪与知识陪伴?
从口语对话到习惯管理，从解题讲解到情绪支持，一类被称为「AI 学习伙伴（AI Learning Companion）」的新物种正在全球教育领域快速崛起。
与传统教育软件不同，它们不再以单一功能为中心，而是以「陪伴者」的角色嵌入学生的日常学习之中。既能作为随身陪练工具，也能承担学习助理和知识引导的部分职责。
这种变化，一方面来自生成式 AI 在理解、生成与反馈能力上的跃升，让人机互动从「指令式」走向更自然的对话；另一方面也源于教育需求本身的演进——学生愈发需要一种更个性化、更长期、也更具情绪温度的学习支持。
本文将以技能训练、情绪陪伴、知识引导为核心维度，结合国内外产品演进，观察 AI 学习伙伴如何在具体场景中重写学生的学习方式。
01 AI语言陪练：当沉浸式对话不再依赖真人
语言学习一向是教育科技创新的敏感地带，也是「AI 学习伙伴」最早跑通的场景。在这个领域，高频开口、沉浸语境和即时纠错是提升能力的三大关键。过去，这三项资源高度稀缺，往往依赖专业教师甚至母语者，一旦离开课堂，很难再维持相同强度。AI 在此填补了明显的供给缺口。
美国语言学习平台 Duolingo 是这一趋势的典型实践样品。为了弥补传统语言学习中「缺场景、缺陪练」的长期痛点，Duolingo 在 2023 年将 GPT-4 引入自己的游戏化体系，推出了 Roleplay 对话功能。用户可以在咖啡馆、地铁、公司等虚拟情境中与 AI 自由对话，体验接近日常交流的练习氛围。与过去固定脚本式的练习不同，AI 会根据用户的表达实时调整情节走向。如果用户提到「对坚果过敏」，扮演店员的 AI 便会立即换用新的推荐方式。练习过程因此不再停留在「套话式演练」，而是更接近真实沟通。
在国内，类似的场景需求更加明确，且更紧贴「应试 + 实用」双重目标。如咕噜口语（SpeakGuru）之类的产品，将雅思、高考英语与生活化表达拆分为不同轨道。学生可以进行雅思口语 Part2 的模拟问答，由 AI 参考考试官方的口语评分维度，给出关于流利度、语法准确性和词汇多样性的即时反馈；也可以在商务会谈、旅游沟通等场景中进行对练，练习更贴近日常表达。
从公开数据看，咕噜口语在 App Store 的评分长期保持在 4.8 分以上，并提供按月订阅等低门槛付费方式，其基础功能在免费版中亦可使用。多家教育类内容平台在测评中提到，这类轻量型 AI 口语应用不仅降低了额外口语练习的进入门槛，还使缺乏外教条件或需要高频开口练习的学生，能够在可控的成本下获得更持续的练习机会。这种「随时可练、成本可控」的特点，正成为 AI 口语类学习伙伴在国内获得关注的重要原因。
从学习体验来看，AI 语言陪练带来的变化，不只是多了一个功能入口，而是把练习这件事本身的条件改写了。过去，想进行真实对话练习，往往需要预约外教、上小班课，受时间、地点和价格的多重限制；一旦离开课堂，大部分人几乎没有持续开口的机会。
而现在，无论是 Duolingo 还是咕噜口语，只要打开手机应用，学生就可以在地铁上、睡前、课间用几分钟完成一轮口语练习，练习次数也不再受教师时间和课时费用的约束。对于缺乏语言环境、又很难长期投入线下课程的学习者来说，练习频率从「偶尔上一节口语课」，变成「随时可以开一段对话」，这是一种非常具体的变化。
正因如此，AI 语言陪练成为目前教育 AI 中率先形成产品规模、产品形态清晰、付费意愿相对稳定的应用方向之一。目前这一模式已开始向外延展，逐步渗透到音乐、编程等更多需要高频练习和即时反馈的技能训练场景中。
02 心理陪伴与习惯管理：AI能否补上学习中的“情绪缺口”？
学习并不是纯粹的认知过程。情绪、动机与自我效能往往决定学习的持续性，尤其在高压力教育环境中，这些因素对学生影响更为显著。长期以来，教育系统在学科知识之外的情绪支持常常不足，辅导关系也难以覆盖所有学生。AI 学习伙伴的出现，使这一环节第一次可以规模化触达。
美国 Luka Inc. 在 2016 年推出的 Replika，被普遍视为最早展现「AI 情绪陪伴」可能性的产品之一。它以生成式对话技术为基础，根据用户的语言习惯进行模拟回应，通过文字和语音与用户持续互动。尽管并非面向教育场景设计，但在青少年与年轻用户群体中，Replika 常被用于情绪表达、日常倾诉。
已有多项公开研究记录了这种使用趋势。英国学者 Craig Fletcher 在 2021 年的研究中对 Replika 用户进行访谈，发现很多人将其视为「不会评判自己」的倾听者，情绪压力在交流过程中得到缓解。国际人机交互期刊 IJHCS 2023 年的一项研究也指出，Replika 用户在与 AI 对话时，普遍更愿意讨论焦虑、孤独等敏感话题，因为「不必担心被误解或打断」。这些研究共同呈现了一个事实：在传统家庭与学校难以覆盖的情绪空间里，AI 所提供的「非评判式、随时可进入的对话环境」，正在成为一些年轻用户调节压力的补充方式。
但 Replika 也面临清晰的争议。2025 年 5 月，意大利数据监管机构因其在未成年人保护与用户数据处理方面存在违规，对 Replika 的母公司 Luka Inc. 处以 500 万欧元罚款，并要求平台加强年龄验证与数据透明度。这一处罚引发了全球范围内关于「AI 情绪陪伴是否适合未成年人」「如何界定技术边界」的讨论，也提醒行业必须在情绪支持与用户安全之间找到更稳妥的平衡。
国内对这一方向的探索更结合「学习管理」本身。以学而思在 2024 年推出的「小思 3.0」为例，其重点不在学科功能，而在「情绪感知 + 习惯引导」。当学生在与 AI 的对话中表现出烦躁或焦虑时，系统会通过呼吸放松、节奏建议、任务拆解等方式进行回应；当学生出现拖延倾向时，它会以轻量的方式引导其制定短期目标，通过可完成的小步骤降低学习阻力。此外，它还会与学生进行每日学习复盘，并同步给家长。
这一类 AI 的意义并非替代心理教师，而是为原本缺乏支持的学习场景提供基本的情绪和习惯支撑。对于许多孩子而言，「有人听你说完」「有人肯定你的努力」「有人帮助你拆解任务」，本身就能降低心理压力，提升学习持续性。
教育心理研究长期强调「自我效能感」是驱动学习的重要因素，而美国的 Koko、英国的 Wysa 以及华为推出的「智能憨憨」等 AI 情绪陪伴类产品，正在提供一种新的技术路径。它以轻量方式稳定学生的学习情绪，并通过习惯管理累积「可见的小成就」。在这类场景中，AI 不是解题工具，而更像一位耐心、不施压、又能持续回应的学习陪伴者。
03 私人导师的雏形：AI向“一对一全科陪学”演进
在技能训练与情绪陪伴之后，AI 正在触及教育更核心的部分：知识引导。相比「练习」和「情绪」，知识引导的体系更复杂、更依赖结构化理解，也对模型能力提出更高要求。一旦 AI 能在这一层面上提供稳定支持，它就具备了「私人导师」的基本雏形。
来自欧洲教育科技公司 Microblink 的 PhotoMath，是 AI 知识引导领域较早落地且影响力广泛的国际样本。自 2014 年推出以来，它从最初的「拍照识别数学题」工具，逐步迭代为聚焦「过程化学习」的 AI 助手。凭借对数学解题逻辑的深度拆解能力，截止 2025 年，在全球范围内累计获得了 5 亿次下载。
在使用 PhotoMath 时，用户拍下数学题后，AI 不仅给出答案，更呈现每一步的逻辑依据：为何移项、为何适用因式分解、该步骤的数学原理是什么。用户可在任意步骤提问，AI 会重新解释。这种模式使学习从「看答案」转向「理解过程」。在不少教师和家长看来，这种「过程透明」的解题方式，比单纯给出答案更适合作为学生进行数学自学和课后复习的补充工具。
国内的小猿 AI 超拟人老师在 2025 年 11 月完成了新一轮升级，将「过程化讲解」扩展到语文、英语、数学、物理等，形成跨学科讲解。
这一版本首次把视觉识别、语音理解与可视化推理整合在同一套系统里。学生只需将作业或练习册放在摄像头前，AI 就能「看懂」题目。产品强调「类真人老师」的表达方式，以更贴近日常课堂的语言解释抽象知识。例如讲物理浮力时，会先从生活场景引出，再给出概念推导；讲阅读解析时，会带着学生识别段落结构。AI 的讲解过程支持随时打断、提问和重讲，形成了与真人家教相似的互动节奏。这种方式降低了理解门槛，也让 AI 讲解不再「机械」。
这一方向的潜力与挑战并存。一方面，AI 将有机会在未来承担更多「常规性、重复性」的知识讲解与练习指导，让教师从基础教学中解放出时间；另一方面，AI 的稳定性、解释质量、伦理边界仍需严格把控。尤其在全科辅导中，AI 是否能保持可信度、是否会在关键知识节点上出现误导，是决定其长期价值的关键。
AI 学习伙伴的出现，并没有改变教育的根本结构，但确实改变了学习发生的方式。它补上了许多原本被忽视的「缝隙」，如口语练习的频率、情绪支持的及时性、知识讲解的可复现性。这些看似细微，却关系着学生能否坚持、能否理解、能否持续投入。技术把这些环节变得更可获得，也让学习不再完全依赖时间表、场地或家长的精力。
现实也提醒我们，AI 在教育中的角色不会一蹴而就。学习数据安全、青少年情绪依赖、模型误答风险、付费模式的透明度，这些结构性问题都需要更明确的行业规范与长期监管。同时，AI 教育产品所承诺的「个性化」「陪伴感」，仍需要更扎实的技术基础和更谨慎的场景设计，才能真正避免沦为概念堆砌。
本文来自微信公众号“多鲸”，作者：次约，36氪经授权发布。
