Launch HN: Bloomy (YC S26) – 面向K-12的AI驱动掌握式学习
Hi HN，我是Alex Southmayd，Bloomy（https://bloomylearning.com）的创始人——一个面向K-12学生的AI驱动掌握式学习平台。Bloomy为学生提供AI导师与自适应课程（目前涵盖数学、英语语言艺术和写作）。
运作方式：我们诊断学生的技能缺口，将其置于个性化学习路径中，并提供符合标准的课程和一个苏格拉底式AI导师，该导师在引导学习的同时不会直接给出答案。目标是借助AI解决Bloom 2-sigma问题（https://en.wikipedia.org/wiki/Bloom%27s_2_sigma_problem）。
简短启动视频：https://tinyurl.com/bloomylearning 更长的产品演示：https://youtu.be/XHvoKt6qMeo 家庭访问Bloomy：https://bloomylearning.com/families
我最初是一名教师。我通过Teach For America教授七年级英语和写作，每天都要努力为30名有着30种不同需求的学生提供差异化教学。有些学生需要补习，有些需要加速学习，还有许多学生需要一个坐在他们身边的导师，帮助他们推理下一步。Benjamin Bloom的2-sigma结果——即一对一辅导可以比传统课堂教学产生更好的效果——对我来说一直直觉上成立。难点在于让每个孩子都能负担并享受到这种关注。
然后AI改变了成本曲线。当我看到像Alpha这样的学校以掌握而非课堂时间为基础组织教学时，这个模式就变得清晰了。如果你听说过Alpha School，那大致就是启发我们的那种学习模式。但我一直在思考那些已经存在的家庭和学校：在家上学家庭、微型学校、混合学校以及大多数孩子目前所在的常规课堂。
大多数学生和教师以错误的分辨率看待学习差距。他们得到一个分数、百分位、基准分数或宽泛的标准——而不是“这是这个学生下一步应该学习的技能”。现有的个性化学习产品往往感觉像数字工作表：它们提供大量练习，但很少进行诊断或教学。很少有产品配备AI导师来提供核心教学。
Bloomy从诊断开始——我们整合第三方评估并提供自己的评估——并为每个学生创建学习路径。学生一次只学习一个技能，接受简短课程，以自适应难度进行练习，只有在展示至少90%的掌握度后才能前进。学习路径会根据学生的表现以及我们与Learning Commons（Chan Zuckerberg Initiative）合作构建的技能先决条件知识图谱实时更新。
每个技能分为三个阶段。Base Camp通过示例讲解概念。Climb提供引导式练习和苏格拉底式支持。Summit是一个独立的十题掌握度评估，没有提示或AI辅助。学生需要在Summit中达到90%才能进阶。如果他们遇到太多困难，将被引导到更适合其水平的其他技能。
BloomyBot不是一个空白聊天窗口，而是一个实时、互动且善于观察的数字导师。在练习过程中，它会接收当前段落或问题、学生尝试、作者编写的解释以及相关的误解背景。它遵循一个阶梯式辅导流程：首先询问学生尝试了什么，然后指向概念，建议策略，一起完成一个步骤，只有在学生遇到困难后才提供更重的脚手架支持，并在此过程中适应和学习学生。学生可以打断它，我们已开始推出对西班牙语、法语以及客户要求的其他小众语言的多语言支持。
我们目前使用多种Anthropic和OpenAI模型来驱动BloomyBot。导师被限制在当前课程中，会重定向无关问题，限制对话长度，并且在掌握度评估期间不可用。语言模型不选择课程，也不决定学生是否掌握了某项技能。这种分离很重要。一个传统上“有帮助”的AI响应可能是一个糟糕的辅导响应：如果它直接给出答案，学生完成了任务但可能什么也没学到。我们的目标不是构建一个做作业的聊天机器人。而是将AI置于一个由诊断、教学、练习、反馈和独立掌握组成的结构化循环中。
LLM仍然可能出错，我们并不声称我们的约束能消除这一点。我们通过将BloomyBot锚定在作者编写的课程内容中、使其保持主题相关、记录对话并将其从评估中移除，来减少出错面。教师和家长可以查看辅导活动，学生可以报告问题，安全信号会触发人工警报和备份审计。
我们也不认为Bloomy是教师、家长或人类导师的替代品。一个好的真人导师更好。我们正在测试的更具体问题是：在一个学生本来就要进行的有限学习环节中，一个上下文感知的导师能否提供比静态的“正确/错误”反馈更好的帮助？长期来看，问题更在于：学生在一对一AI辅导下（至少在课程的某些方面）是否比在中大型课堂中接受多对一教学表现更好？
Bloomy目前已在多种场景中使用：传统学区、特许学校、混合学校、微型学校、在家上学家庭以及寻求额外学术支持的家庭。在马萨诸塞州一所特许学校面向约150名6至8年级学生的早期试点中，学生平均达到了预期水平的约1.8倍。