种子轮 · 2026 年 10 月

AI 让你以为学会了，
Dr.Turing 让你真的学会。

一般的 AI 关心答案对不对，Dr.Turing 关心学生懂没懂。记住和理解，当场看起来一模一样；Dr.Turing 看得出差别，并照着学生真正理解了多少来教。

先看一项实验：用 AI 学，学会了吗？

问题

AI 帮学生把题做对了，却没帮他们学会

高中生用 AI 做练习，练习分涨了很多。到了不能用 AI 的考试，他们没比不用 AI 的同学考得好，直接用 GPT-4 的那组还更差。可他们自己以为学到了。

柱高：比不用 AI 的对照组高或低多少（相对对照组平均分）。

就算 AI 只给提示、不给答案，练习分涨得再多，考试也没提高。当场答得好，不等于学会了。

Bastani et al., PNAS 122(26), 2025。土耳其一所高中的数学课，约 1,000 名学生按班随机分三组。局限：一所学校、四次课，考试和练习在同一次课里，没有测长期记忆。这项研究说明问题存在，不证明 Dr.Turing 有效，这要靠后面的试点。

当场答得好，为什么还不算学会？

洞察

当场学习效果最好的学法，
一周后考得最差

一项经典实验：大学生读同一篇短文，一组只反复读，另一组读一遍、再自己回想三遍。五分钟后测，反复读的效果好；一周后测，结果反过来。反复读的那组，学完时还最觉得自己记得住。

只反复读40%
读完自己回想61%

Dr.Turing 照这个规律，把「会」分成两种

表面上会

刚讲完，学生看起来就会了。可这时的会，可能只是还记得刚听过的话。就像实验里五分钟后的成绩，说明不了过一段时间还懂。

真正理解

过一段时间，学生不靠提示，也讲得清为什么，换个场景还用得出来。就像实验里一周后的成绩，这时的会才算数。

Roediger & Karpicke, Psychological Science 17(3), 2006，实验 2：大学生 N=180，每种学法、每个测验时间各 30 人；数字是回想出的要点比例。原实验还有一组「读三遍、回想一遍」，结果在两组之间。学完时估计一周后能记住多少（7 分制）：只反复读的 4.8，读完回想的 4.0。局限：散文材料、实验室环境。它说明当场的分数和感觉都靠不住，不证明 Dr.Turing 有效。换个情境也要会：Butler, JEP: LMC 36(5), 2010，反复自测的学生，换到新情境的推理题也答得更好。遗忘曲线：Ebbinghaus 1885，Murre & Dros, PLoS ONE 2015 复现，遗忘在学完后最初一天最快。所以 Dr.Turing 的门槛是：从学生第一次做到表面上会算起，至少隔 24 小时。这是按曲线定的假设值，没有用真实数据校准。

既然当场的感觉靠不住，真正理解长什么样？

产品

每个知识点，都教到真正理解为止

在 Dr.Turing 里，课件的每个知识点是一颗星：还没学是灰的，表面上会亮一半，真正理解才全亮。下面跟着一个学生学「死锁」，点每一段，看这颗星怎么一步步亮起来。

死锁还没学

示例对话，按产品现在的规则写；星的亮法和真实产品一致。

第 4 段如果理解错了，真实界面是这样

产品界面：左边是红色横幅「你很确定，但答错了。这就是以为学会了」和导师用厨房例子重新讲解；右边黑色星图里，死锁这颗星被红圈标出，写着以为会了，还没亮
左边：讲解像一本课本

学生很有把握，理解却是错的。导师不直接给答案，回到厨房的例子给一个反例，从学生已经会的「加锁」讲起。

右边：这门课的星图

同一时刻，「死锁」这颗星被红圈标出，写着「以为会了，还没亮」：红圈表示学生很有把握，却理解错了。

这一下幕后怎么算：技术段第 4 段「理解错了」
真实录屏，10 月 24 日录的，在导师规则改版前。现在理解错了，导师先给一个反例或一个引导问题，下一轮再请学生自己说一遍。顶栏的「看懂」现在叫「表面上会」。演示学生之前的学习记录是预置的。

从不会到真正理解，每一步谁来做？

技术

学生会没会，由代码算，不由模型说了算

上面那颗星每亮一步，背后都是同一个五步循环：学生说一句，Claude 读懂，代码算分，规则定动作，Claude 再开口。Claude 不打分，规则看不到分数。点每一段，看幕后发生了什么。

上课前Claude 读课件，抽出知识点和前后关系，建好这门课的星图。所有学生共用一张图，每个学生每颗星亮到哪，代码单独记。

  1. 1学生说

  2. 2Claude 读懂

  3. 3代码算分

  4. 4规则定动作

  5. 5Claude 开口

M掌握度0.6 半亮
O真正理解0.7 全亮
  • 表层 0.2
  • 讲得清为什么 0.3
  • 换个场景用得出 0.3
  • 全亮后又讲清 +0.1
代码只把这些交给规则

M、O 两个数，规则看不到

示例记录 · 数字按下面的参数算出，参数没有用真实数据校准

规则看不到分数

决定这一轮讲解、追问、引导还是讲透的规则，只看这个点到了哪一步、该不该回头再看、还差哪一面。先讲哪个点、讲多细，由另一组代码规则参考掌握度来定。Claude 只负责把话说好，改不了规则定的动作。

规则先过自动测试，再上线

导师规则是一段不调模型的代码：同样的情况，永远定出同样的动作。上线前过了 33 条一步步对照的测试，又随机生成 6,000 段、每段 30 步的模拟对话，每一轮都检查「最多一个问题」「学生提问先回答」「第二次还错就讲透」，全部通过。这些测的是规则有没有守住，不是教学效果；Claude 实际说的话也不在测试里，靠提示词约束。

每个分数都追得到原话

每个分数都能追到哪天、哪次对话、学生的哪句话。每次学完，Claude 再通读整段对话复核一遍，改掉当场判错的地方，分数由代码重算。换了模型，要重新检查 Claude 打的标签。

掌握度 M 用一个经典公式算（BKT，Corbett & Anderson, 1994；按前置点调整起点是我们加的规则），参数是先验 0.3（直接前置点都学过、都到半亮，就提到 0.4；有一个学过却没到半亮，就压到 0.2）、猜对 0.2、失误 0.1、学会 0.15。真正理解 O 按方面记：第一次不靠提示就会 0.2，换个条件还讲得清 0.3，换个场景还用得出来 0.3，过 0.7 全亮；全亮以后隔一阵又讲清，再加 0.1、0.05。两面都要离第一次表面上会至少 24 小时；全亮以后回头再聊的间隔按知识类型预设（概念类约 3、7、14、30 天）。这些都是假设值，没有用真实数据校准。上面的数字从起点 0.4 一步步算出，是示例，不是真实学生的记录。

课上学的记下了，课外聊到的呢？

学生模型

课外聊到的，也会长成学生星图里的一颗星

星图不分哪门课：课外聊到的概念也记进学生自己的星图，连到相关的知识点。按设计，用得越久，越清楚学生会什么。每次学完，Claude 还会从学生亲口说的话里记下背景、目标和偏好，写进「我的档案」，每条附一句原话和日期，按要求不记猜测。导师打比方、举例子时会用上；目标过了期限就不再用。这份档案，学生能看、能改；删掉的一条，导师不再用。

我的星图：课程星团用「和死锁有关」连到一颗课外星「哲学家就餐问题」
课外星的详情：凭什么，列出学生两次提到它的原话和日期

每颗星都能追到哪天、哪次对话、学生的原话学生讲死锁时顺口问了操作系统课的哲学家就餐问题，它就成了一颗课外星，连到「死锁」。

它怎么检查自己

学生开口前，它先猜会不会，事后看准不准。它还记下「这个学生用哪种讲法学得好」，说中了才交给导师，老说不中就删掉。点每一步，看它记下什么。

学生每次不靠提示开口，都能核对一次。但它能不能猜中学生过一段时间还会不会，要隔一段时间、看学生不靠提示还会不会才知道；只在当场检查的产品，拿不到这份数据。

学生自己的感觉也记下来。学生说「我懂了」之后，接下来不靠提示是不是真的会，会记下来；回答前说的把握，也和这次对不对配成一对。很有把握却理解错了，会当场点破（见「产品」）；攒下来的这些记录现在只记着，导师不读，也不给学生看，等有了真实学生数据，再决定怎么用。

真实录屏画面。代码已部署上线，但只用演示数据验证过，还没有真实学生数据；「10 月 23 日」那次是模拟的较早一次学习。

这些现在做到哪一步了？

完成度

已经上线；前 3 课建图全部对上，还没有真实学生用过

61/61

前 3 课课件自动生成星图：人工标注的 61 个知识点全部覆盖，没有重复，用时 109 秒。

怎么测的

上传 COMP5348 前 3 课课件，线上用真实模型建图，和人工标注的 61 个知识点逐个比对。只查了有没有漏、有没有重复，标准以外多出来的点没有评。

34/34

第 1 课抽出的原文引用，全部在课件对应页找到。

怎么测的

代码逐条在原页查找引用原文；另外人工随机抽查 10 处，也都对。

5/5

两个学习记录不同的学生问同一个问题，导师教法有 3 处不同；连跑 5 次，次次都是这 3 处。

怎么测的

线上对比页，两个学生的学习历史是预置的，同一个问题连跑 5 次，比较导师的教法。这说明教法会跟着学生变，不说明教得更好。这是 10 月 22 日在导师规则改版前测的。改版后的导师规则只跑过自动测试（见「技术」），它和真实模型配合时的教法，还没重测。

大厂的 AI 学习模式，把检查放在什么时候？

为什么是现在

大厂的学习模式只管当场，还没管真正理解

学习模式上线时间 · 检查发生在什么时候

  1. 2025 年 4 月Claude 学习模式苏格拉底式提问；公开资料没提到隔段时间的复查
  2. 2025 年 7 月ChatGPT 学习模式苏格拉底式提问和当场小测
  3. 2025 年 8 月Gemini 引导学习一步步讲，边讲边检查理解
  4. 2026 年 6 月Gemini 学习笔记本诊断出强项和薄弱项；官方介绍没提到隔一段时间的独立复查
  5. 2026 年 10 月Dr.Turing表面上会之后至少隔 24 小时（按遗忘曲线定的假设值），不靠提示还讲得清为什么、换个场景还用得出来，才算真正理解

时机

学生已经习惯用 AI 学习；同时有了 AI 制造「学会了」错觉的证据。模型也第一次能从课件自动建出星图（COMP5348 实测 3 课 109 秒），掌握式学习不再只限于人工备好的课程。

立场

以「真正理解」为目标，要学生过一段时间再回来，看自己是不是还懂。这和通用助手追求的「当场满意」相冲突。

积累

学生模型每次先猜、再核对，记下的讲法说中了才用。要知道它能不能猜中「过一段时间还会」，只能隔开一段时间再看学生自己的表现；只在当场检查的产品，攒不下这类数据。见「学生模型」

守不住的也说清楚：讲解、建图、间隔复习都不是壁垒，我们也依赖 Claude 的模型。我们押注「过一段时间还会」会成为这个品类的标准，并争取先把它做出来。

把大厂和专做学习的产品放在一起，谁有哪一项？

竞争

单个功能都有人做，组合起来我们还没看到

最近的对手是 Google 的 Gemini 学习笔记本。点一列，看谁有这一项；点一行，看这个产品有什么、缺什么。

产品

依据各产品官网和发布文章，截至 2026 年 10 月。Gemini 一行另参考第三方评测 Educators Technology（2026-10-09）。Dr.Turing 一行是代码里已有的能力，还没有学生使用数据。

先从谁做起，能做多大？

市场

先从海外中国留学生切入，再一层层往外走

他们用第二语言读英文课件，Dr.Turing 用中文讲、原文引用保留英文；集中在少数学校，学费高、愿意为成绩付钱，平时聚在微信群、小红书和课程互助群里；创始人就在这个群体里。点每一层，看它怎么算、哪个数是估计。

示意，不按比例：2.69 亿人约是 33.8 万人的 800 倍。

之后

自下而上估算。来源 UNESCO 2024、澳大利亚教育部 2025、Open Doors 2025，部分人数为二手来源或估计。Studiosity 数据来自英国公开招标。

钱先从谁那里来，每个学生能剩多少？

生意

先向学生收订阅，有了证据再卖给学校

学生订阅 · 每个活跃学生每月$14.99/月

免费版限一门课。参考：Chegg 约 $15.95/月（二手来源）。卖给大学是「之后」那一层，见上面的对标。

成本为粗估：现在线上全用 Opus。每月 12 次学习、每轮按 1 次模型调用算；实际每轮调用多次，成本可能翻倍，也没算免费用户。

谁来做，为什么是我们？

团队

创始人就是用户：
在悉尼上这门课，自己搭了掌握度引擎

创始人

徐奥峰 Viper

创始人 / CEO · 悉尼大学计算机硕士在读

「我用 AI 学完一门课，觉得都懂了。让我复述，一句也说不出来。」

后来，这句话成了一篇论文和一个产品。论文被 AACL-IJCNLP 2026 主会录用，他是第一作者，问的是 AI 教学拿什么证明学生真的学会了。Dr.Turing 的代码由他一人写成，第一门课就是他正在上的 COMP5348。他还是悉尼大学学生组织 Vibe Coding Club 的负责人，三百多名成员，九成以上是留学生。

团队三人：徐奥峰负责产品和技术，2027 年 12 月毕业后全职投入；孟士博（Shibo Meng）新加入团队；另一位是大学教师，负责教育方向。

1,310

项对照测试：从开源 DeepTutor 移植的学习阶段、复习排期，和掌握度公式 BKT，拿同样输入和参考实现逐条比，误差小于百万分之一

6,000

段随机模拟对话检查导师规则，全部通过。这一轮做什么由代码定，Claude 负责读懂学生的话和讲解

3

项学生模型：讲法会随学生调整；先猜、再核对，只打分、不改参数。另有「我的档案」，以及只记录、暂不使用的自评。已接入线上，还没有真实学生数据

从试点做起，这一年怎么走？

下一步

接下来 12 个月：拿到「真正理解」的证据

0–2 个月

三组对照试点，拿到隔一周的测验结果、回来再学的比例和付费意愿；降低模型成本。

3–6 个月

向悉尼的中国留学生开放，支持任意课程。

6–12 个月

第一份学校合作；进入第二个城市。

AI 让你以为学会了，
Dr.Turing 让你真的学会。