当Khanmigo在全球200万师生中使用、LearnLM在165名英国中学生中实现66.2%的知识迁移率（较人类辅导高5.5个百分点）、无防护AI却使撤走后独立成绩下降17%——智能体助教的“助学”与“害学”之间只隔着一层教学法设计。AI-SLI发布的这份蓝皮书，系统阐述了智能体助教的能力分层、人机共学教学法的四条设计原则与三种课堂形态，并以2024-2026年的一手循证研究为锚点，揭示了教师作为“最后一公里”枢纽的关键角色。
智能体助教能力分层与教学功能映射
L1应答型→L2辅导型→L3任务型→L4协同型
从技术能力维度，智能体助教可划分为四个递进层级。L1应答型——单轮问答、知识检索，教师介入强度低，典型为通用聊天机器人问答界面；L2辅导型——多轮对话、苏格拉底式追问、错误诊断，教师介入中，Khanmigo学生端、Jill Watson论坛答疑为代表；L3任务型——任务分解、工具调用、过程记忆，教师介入高，LearnLM触发式介入辅导、智能体化教学助手为代表；L4协同型——跨会话长期记忆、学习者画像、主动干预，教师介入极高（需治理），目前多为研究原型。
教学功能映射包括：概念脚手架（提供分级提示而非直接答案）、形成性反馈（即时、具体、可操作反馈）、差异化练习生成、元认知提示（引导学生复述思路、自我提问）、教师侧减负（辅助备课、生成分层教学素材、汇总学情）。Khanmigo教师端提供25项以上教师专用工具，自2024年8月起在美国K-12教师中免费开放，后扩展至180余个国家。
人机共学教学法的四条设计原则——循证支撑的判断
认知不外包、教师在环、可解释与可质疑、公平可及
四条原则均有2024-2026年一手循证研究支撑。认知承担不外包——宾夕法尼亚大学近1,000名9-11年级学生随机对照试验（PNAS，2025年6月）显示：拥有AI访问权时，普通ChatGPT界面使成绩提升48%、带教学防护提示的GPT Tutor提升127%；但撤走AI访问权后，曾使用无防护版本的学生成绩比从未接触AI的对照组下降17%。该研究标题为“没有防护栏的生成式AI会损害学习”[30]。
教师在环——斯坦福大学Tutor CoPilot研究（首个真实在线辅导人机系统RCT，900名辅导员、1,800名K-12学生）显示：接入Tutor CoPilot的辅导员学生掌握知识点概率提高4个百分点，低评分辅导员所带学生受益最大（掌握率相对提升9个百分点），系统成本仅20美元/辅导员/年[31]。可解释与可质疑——即便是LearnLM仍有0.1%消息含事实错误，学生需养成核验AI输出的心智习惯[32]。公平可及——Tutor CoPilot研究中低评分辅导员及其（多来自服务不足社区的）学生获益最大，人机协同可作为能力再分配机制[31]。
三种课堂形态与教师AI素养的关键角色
个性化辅导、协作探究、创作共创三种形态
三种课堂形态为：个性化辅导型（AI-as-Tutor）——循证最充分，哈佛大学交叉随机对照试验（194名大学物理学生，Scientific Reports，2025年6月）显示定制AI辅导学习成效达主动学习课堂两倍以上（效应量约0.73-1.3个标准差），用时更短[34]；协作探究型（AI-as-Peer）——乔治亚理工Jill Watson作为嵌入课程在线讨论论坛的虚拟助教，2024年春季在五门课程中部署，接入班级A等级比例（66% vs 62%）略有改善[35]；创作共创型（AI-as-Co-creator）——学生与智能体共同完成写作、编程、设计等任务，须配套AI使用披露与署名规范[28]。
教师AI素养滞后已成为全球中小学AI教育支撑环境中最普遍、也最容易被低估的短板。UNESCO 2024年9月《教师人工智能能力框架》指出“多数国家尚未界定教师应具备的人工智能能力、也未建立起相应的国家级培训方案”。美国兰德调查显示，截至2024年春季约七成中小学教师尚未接受过AI培训；到2024年秋季仍有43%报告至少接受过一次AI培训，低贫困学区（67%）与高贫困学区（39%）存在显著落差[18]。中国累计培训教师297万人次，将AI知识纳入教师资格考试与认证[7][50]。
