项目档案｜交互式知识书 / AI 教材

更新时间：2026年05月26日 11:36（北京时间）

项目状态卡

字段	内容
当前阶段	先验证
优先级	P1
当前评分	68 / 100（正式评分）；看板分 88
话题发起人	亚洲詹姆斯（[已脱敏]）
当前推进人	默认同话题发起人；若后续有明确样例负责人，再人工更新
最近更新时间	2026-06-01
当前判断	交互式知识书 / AI 教材值得进入先验证阶段，但不能只停留在“AI 教材有前景”的概念判断。第一阶段必须收敛到一个具体用户、一个具体主题和一个可被真实用户体验的样例。
下一步	用 7-14 天做一个最小交互式知识书样例，验证用户是否能更快理解、更愿意完成学习，并收集留存、反馈和付费意愿；通过后再决定是否进入 Demo 开发。
维护策略	中频更新：重点更新样例验证、目标用户、内容主题、产品形态、留存反馈和付费反馈。

最新进展

• 2026-06-01：补齐项目档案维护结构，并将项目映射到 Lark 话题 thread_id：[已脱敏]。当前保留原正文“正式评分 68 / 100、先验证”的判断，只新增项目状态卡、最新进展、数据链接和维护说明。

• 2026-05-24 至 2026-05-26：话题内已累计 23 条消息、13 条人类消息、10 条 AI/App 分析、8 个资源，说明该方向已有较多内部讨论，适合进入样例验证，而不是只停留在研究报告。

• 2026-06-02：完成 01 项目档案受控区块维护：同步当前 project_key / thread_id / Base record_id / Wiki 文档链接，并按最新话题数据校验项目状态、负责人、证据链接与下一步维护边界。

执行摘要

交互式知识书 / AI 教材是一个值得进入 先验证 阶段的项目方向。它不是简单的“把教材搬到线上”，也不是普通 AI 问答工具，而是把知识内容升级为 可互动、可追问、可测验、可反馈、可个性化推进 的学习产品。

当前在 AI机会雷达中的最新正式口径应统一为：

• 看板分：88

• 正式评分：68 / 100

• 正式结论：先验证

• 下一步动作：先做 7 天验证实验，再决定是否进入 Demo 开发。

这意味着它值得继续推进，但还不适合直接重投入开发。当前最重要的不是泛泛讨论“AI 教材很有前景”，而是尽快收敛：

1. 第一版到底服务谁；

2. 第一版到底教什么；

3. 第一版到底是一本交互式知识书、一个 AI 导学产品，还是一个学习工作流工具；

4. 用户是否愿意持续使用，而不是只体验一次。

我的综合判断是：

这个方向很适合作为 AI Agent 养成记 / AI 公司养成记 体系中的内容型 + 产品型项目，但必须先选一个最小切口，用 7-14 天做出可以被真实用户使用和反馈的样例。

一、项目定义

项目名称

交互式知识书 / AI 教材

项目类型

commercial_product（可兼容内容产品 / 教育工具 / 企业知识产品）

一句话定义

把传统静态知识内容升级为 可互动、可提问、可测验、可个性化引导的 AI 学习产品。

核心价值

不是“提供知识”，而是：

• 降低理解门槛

• 缩短学习路径

• 提高完成率

• 增强反馈感

• 让知识从“读过”变成“学会”

它不是什么

为了避免定义过宽，先明确它不等于：

• 普通电子书

• 纯 AI 问答机器人

• 传统录播课平台

• 泛教育大平台

• 一个什么都能学的“万能 tutor”

它更像是：

把某一类知识内容做成一个可互动的学习体验层，让用户边读、边问、边练、边反馈，而不是被动阅读。

二、当前正式结论

当前统一评分口径

项目 │ 分数 │ 说明 ─────────┼─────────────────────┼───────────────────────── 看板分 │ 88 │ 用于机会排序、热度判断 正式评分 │ 68 │ 用于正式评审、立项判断 正式结论 │ 先验证 │ 不是立即立项，也不是暂停 当前阶段 │ 待轻量研究 / 待验证 │ 应尽快进入样例验证

评分唯一性说明

如果其他文档里出现：

• 更高的概念性判断

• 更宽泛的“值得做”结论

• 没有区分看板分和正式评分

则应以本次统一口径为准：

正式评分 = 68 / 100，正式结论 = 先验证。

后续如果分数变化，应先更新 Score History，再回写项目档案。

三、为什么值得看

这个项目值得看，不是因为“教育一直很大”，而是因为它处在一个明确变化点上：

1. 静态知识内容的体验已经落后

传统知识产品的问题很明显：

• 读者不知道从哪里开始

• 看不懂时没有即时反馈

• 不知道自己学没学会

• 内容与个人水平不匹配

• 学习过程难以持续

2. AI 能真正改善学习过程，而不只是生成内容

AI 在这个方向上的价值，不是再写一份教材，而是：

• 把知识点解释成不同难度版本

• 根据用户提问即时补充案例

• 自动生成练习和测试

• 判断用户卡在哪

• 给出下一步学习建议

3. 内容 + 工作流 + 反馈，比“泛 AI 教育”更适合切小场景

大平台做的是通用教育入口，但小团队更适合做：

• 一类人群

• 一类知识

• 一种学习目标

• 一套交互式学习体验

这使它更适合作为机会雷达里的一个可验证、可沉淀项目，而不是大而全叙事。

四、当前项目的关键问题

虽然值得看，但这个方向现在还没收得足够窄。

当前最核心的 4 个问题

1）目标用户还不够清晰

目前可能的用户包括：

• 想系统学 AI 工具的普通用户

• 想提升某项能力的职场人

• 企业内部培训场景

• 考试/证书学习用户

• 专业知识学习用户

这些用户的动机和付费方式差异很大，不能混在一起。

2）首个内容主题还没定

如果第一本“知识书”是什么都没定，产品就会一直停留在概念层。

必须先选一个：

• AI 工具入门

• 产品经理 AI 工作流

• 商业分析方法

• 某类考试/培训内容

• 某个行业的标准知识模块

3）产品形态还没定

当前至少有三种可能形态：

• 交互式知识书：偏内容产品

• AI 教材 / 导学工具：偏学习工具

• 学习工作台：偏系统化学习体验

如果不先选一个最小形态，就容易做得过重。

4）留存和付费还没验证

很多人会愿意体验，但不一定愿意持续使用。

所以第一阶段要验证的不是“大家觉得不错”，而是：

• 是否愿意认真学完

• 是否愿意回来继续用

• 是否觉得比普通文档/课程更有效

• 是否愿意付费或推荐给别人

五、目标用户建议

我建议先不要做“面向所有人的 AI 教材”，而是先选一个最容易验证的用户群。

推荐优先级

优先级 1：职场型知识学习用户

例如：

• 想系统学习 AI 工具的人

• 想学 AI 工作流的人

• 想快速掌握某个新方向的人

优势：

• 场景明确

• 愿意自驱学习

• 更容易接受交互式内容

• 也更适合内容传播

优先级 2：企业内部培训场景

例如：

• 新员工培训

• 某岗位知识上手

• AI 工具内部培训

优势：

• 需求真实

• 有组织付费可能

• 可复用性强

难点：

• 进入门槛更高

• 需要更稳定的产品形态

优先级 3：考试/标准课程人群

优势：

• 用户目标明确

• 练习和反馈价值明显

难点：

• 内容制作重

• 竞争者也多

当前建议

第一阶段优先建议：

从“职场型 AI 知识学习”切入。

因为它最适合与当前“AI Agent 养成记 / AI 公司养成记”主线结合，也最容易做出第一本样例。

六、首个切口建议

这是当前最重要的部分。

我建议第一版不要做“通用 AI 教材”

而要做：

一个聚焦的交互式知识书样例

例如：

方案 A：AI 工具与工作流入门

适合人群：想系统理解 AI 工具和工作流的职场人

可做内容：

• 什么是 AI 工作流

• 常见 AI 工具怎么分层

• 怎么选择工具

• 怎么设计最小工作流

• 常见误区和案例

优点：

• 与当前团队主线一致

• 更容易产出第一版样例

• 适合传播

方案 B：AI 项目评审入门知识书

适合人群：想理解“怎么找项目、怎么打分、怎么判断方向”的人

优点：

• 和机会雷达主线强绑定

• 可以直接服务当前团队方法论沉淀

• 适合内部 + 外部双重使用

方案 C：某个垂直能力主题

例如：

• 产品经理如何用 AI

• 招聘流程里的 AI 应用

• GEO/AEO 入门导学

优点：

• 更垂直

• 更容易形成明确价值

当前推荐

如果要快速启动，我最推荐：

先做《AI 项目评审 / AI 工作流入门》的交互式知识书样例。

原因：

• 与你现在手头机会雷达最贴近

• 可直接复用已有文档和研究

• 最容易在短时间内做出 demo

• 也最符合“AI 公司养成记”的公开过程叙事

七、评分细则（正式版）

当前正式评分

68 / 100

正式结论

先验证

评分维度拆解

维度 │ 权重 │ 分数 │ 判断 ──────────────┼──────┼──────┼──────────────────────────────────────────── 需求真实性 │ 16 │ 82 │ 学习反馈、个性化引导、完成率提升是明确需求 AI 工作流适配 │ 12 │ 78 │ AI 很适合做解释、追问、练习、反馈 技术可行性 │ 10 │ 72 │ 样例级产品容易做，但完整系统要更复杂 验证可行性 │ 10 │ 86 │ 7 天内可做一个样例给真实用户试用 分发可达性 │ 10 │ 66 │ 传播可做，但首批精准用户仍要定义 商业/价值回收 │ 10 │ 66 │ 用户价值明确，但付费模式还需验证 复用与留存 │ 8 │ 86 │ 如果内容/路径设计得好，复用和持续学习潜力强 成本结构 │ 8 │ 70 │ 内容生产与交互设计有成本，但可控 风险与责任 │ 8 │ 72 │ 教育效果、内容准确性和版权要关注 Tranfu 适配度 │ 8 │ 76 │ 适合当前团队方法论沉淀与公开叙事

总结

这个分数说明：

• 这个方向值得做样例验证；

• 但还没有到“可以重投入、直接做大产品”的程度；

• 最关键的是先验证：

• 用户是否愿意持续使用

• 学习效果是否比普通文档更好

• 一个小主题能否形成明确价值

八、核心风险与反证

风险 1：看起来很有价值，但其实只是“更炫的文档”

如果最终用户体验只是“AI 帮你解释一下内容”，那它很可能被通用大模型直接替代。

风险 2：内容制作成本太高

如果每一本“知识书”都要重度定制，规模化会很难。

风险 3：学习效果无法明显优于传统内容

如果用户觉得：

• 看普通文档也行

• 看视频也行

• 直接问 ChatGPT 也行

那产品价值不成立。

风险 4：用户会体验，但不会留存

学习产品常见问题不是首用，而是复用。必须验证用户是否愿意第二次、第三次回来继续使用。

九、会议讨论建议

如果下午会议讨论这个项目，我建议重点围绕下面几个问题：

1. 我们第一版到底服务谁？

• 普通职场用户

• AI 初学者

• 企业培训场景

• 某个垂直专业学习场景

2. 第一版做哪本书？

建议必须现场定一个具体主题，不要散。

3. 我们要验证的到底是什么？

不是验证“这个方向有没有想象力”，而是验证：

• 是否有人认真使用

• 是否觉得更高效

• 是否愿意继续学

• 是否值得沉淀更多内容

4. 我们当前更像内容产品，还是工具产品？

这个需要统一，不然团队后续会做散。

十、7-14 天验证计划

验证目标

验证“交互式知识书 / AI 教材”是否能在一个小主题上显著提升学习体验和完成意愿。

验证对象

建议选：

• 5 位想学习 AI 工具/AI 工作流的职场用户

验证样例

先做一本最小样例：

• 主题：AI 项目评审 / AI 工作流入门

• 结构：5-8 个知识模块

• 每模块包含：

• 核心概念

• 例子

• 可追问解释

• 小测验

• 学习建议

验证动作

1. 做出第一版交互式知识书样例

2. 找 5 位用户完整体验

3. 收集：

• 完成率

• 提问次数

• 哪一部分最有价值

• 哪一部分最容易流失

• 是否愿意继续学下一章

1. 对比普通文档阅读体验

成功标准

满足其中 3 条即可视为验证通过：

• 超过 60% 用户愿意完整体验主要模块

• 超过 60% 用户认为比普通文档更易理解

• 超过 40% 用户愿意继续使用第二次

• 明确出现“这个方式更适合我学习”的反馈

• 产生明确的后续主题需求

停止标准

若出现以下情况，应停止扩大投入并重构：

• 大多数用户只觉得新鲜，但不愿继续使用

• 学习效果没有明显优于普通文档

• 内容制作成本远高于预期

• 主题过宽导致样例迟迟无法做完

十一、当前建议动作

当前结论

这个项目值得保留，而且值得进入小样例验证。

当前最优动作

不是继续抽象讨论“AI 教材是不是机会”，而是：

立刻确定一个最小主题，做一本交互式知识书样例。

我建议的唯一主线下一步

先做《AI 项目评审 / AI 工作流入门》交互式知识书 Demo，用 5 位目标用户做 7 天验证，再决定是否升级为正式产品方向。

十二、需要同步到 Lark 的字段建议

如果后续把这份项目档案写回 Lark，建议同步以下内容：

项目档案页

• 正式评分：68

• 正式结论：先验证

• 当前阶段：待轻量研究 / 待验证

• 下一步动作：做交互式知识书样例并完成 5 人验证

Score History

• 新增一条正式评分记录：68 / 先验证

• 标注当前验证主题和验证计划

Opportunities

• 保留看板分 88

• 明确区分“看板分”和“正式评分”

• 更新当前阶段与下一步动作

Daily Briefs / 每日更新

• 只写：今天明确了这个项目的切口、样例方向和验证计划

• 不重复承担长期评分真相源职责

数据链接

字段	内容
project_key	[已脱敏]:[已脱敏]
chat_id	[已脱敏]
thread_id	[已脱敏]
Base record_id	[已脱敏]
Wiki node	LgyAw8JRci185okJC83lrNTzgLf
Doc token	GZmhdfbE5oWDsnxLhf2lSMFFgpc
当前数据口径	23 条消息 / 13 条人类消息 / 10 条 AI 分析 / 8 个资源；来源为 recent topic snapshot 与项目档案正文。

项目增强分析（2026-06-02）

口径：基于最新项目维护报告、Lark 话题真实数据与可复核公开资料整理；web_search 当前不可用，因此未二次核验的市场判断均按“趋势/假设”保守处理。

project_id：interactive_ai_textbook

• project_id：interactive_ai_textbook

• Wiki / Doc：LgyAw8JRci185okJC83lrNTzgLf / GZmhdfbE5oWDsnxLhf2lSMFFgpc

• 阶段 / 优先级：先验证 / P1

• 更新策略：medium

• 话题负责人：亚洲詹姆斯

• 内部话题数据：23 条消息 / 8 个资源；最近摘要显示此前处理链路出现超时与回写失败，话题中提到“15 分钟太久”“2 分钟”“PPT 应该是没了”，说明团队关注点已经从概念转向“内容生成/交互产物的速度、交付物形态与可发送正文”。

一句话机会

把静态知识内容升级为“可对话、可练习、可生成讲解/测验/课件”的 AI 知识书，优先切入创作者、培训师、老师和知识型团队的轻量课程生产，而不是一开始做完整 K12 学习平台。

目标用户

1. 知识创作者 / 课程作者：有长文、PPT、资料包，希望快速变成交互式课程或训练营内容。

2. 企业培训 / 内训负责人：需要把 SOP、产品文档、销售话术变成可问答、可测验的学习材料。

3. 老师 / 教研人员：需要备课、生成讲义、练习题、讲解脚本，降低重复备课成本。

4. 自学者 / 学习社群运营者：希望围绕一本书、一组资料形成持续学习陪跑。

核心痛点

• 静态资料“不好学”：读者容易只收藏不学习，缺少即时答疑、练习和反馈。

• 课程生产成本高：从资料到大纲、讲义、测验、PPT、案例，需要大量人工整理。

• AI 学习工具常偏“泛聊天”：缺少围绕指定资料的结构化学习路径、题目、复盘和进度。

• 交付链路敏感：内部话题已暴露“15 分钟太久、回写正文失败”等问题，说明用户对速度与稳定交付很敏感。

当前证据

内部证据

• 维护报告显示该话题已有 23 条消息 / 8 个资源，是 Batch B 中内部沉淀最多的项目。

• 阶段为 先验证 / P1，不是纯机会池，说明已有较明确验证价值。

• 最近消息聚焦在“处理结果已收到但回写链路没拿到正文”“15 分钟太久”等，反映真实验证中首先卡在生成时长、输出形态、可靠交付，而不仅是概念讨论。

外部资料

• Khan Academy 的 Khanmigo 定位为 “AI-powered teaching assistant & tutor”，说明 AI 助教/导师已被头部教育机构产品化，但更偏学校/老师/学生场景。

• Google NotebookLM 定位为 “AI research tool and thinking partner”，可分析用户资料、把复杂内容变清晰，证明“基于资料的 AI 学习/研究伙伴”需求已被大厂验证。

• MagicSchool 定位为面向 school districts 的 AI 平台，主打教师和学校工作流，说明教育 AI 的机构端工具市场正在形成。

竞品 / 替代方案

• Khanmigo：AI tutor + teaching assistant，强教育品牌，但更偏正式教育体系。

• Google NotebookLM：资料问答、摘要、Audio Overview 等能力强，适合研究和学习，但不天然是“可发布的互动教材产品”。

• MagicSchool：教师工作流工具集合，覆盖备课、生成教学材料、学校管理场景。

• 替代方案：Notion/飞书文档 + ChatGPT/Claude、Gamma/Canva 做课件、Quizizz/Kahoot 做测验；用户可以拼工具完成，但流程割裂。

MVP 切口

建议先做 “资料 → 交互式知识书”生成器，避开完整教育平台：

1. 上传/粘贴一份资料：文章、PPT、课程大纲、产品文档。

2. 2 分钟内生成：章节大纲、每章一句话解释、3-5 个关键问题、随堂测验、可对话问答入口。

3. 输出一个可分享页面：读者可按章节学习、问问题、做小测、查看复盘。

4. 首批主题建议：AI 工具课、产品方法论、销售培训、投资研究入门，优先成人学习/企业培训，降低 K12 合规风险。

验证方式

• 速度验证：从资料上传到可分享知识书，P95 小于 2-3 分钟；超时则先流式生成章节。

• 留存验证：读者是否完成至少 2 个章节、是否完成测验、是否二次提问。

• 付费验证：创作者/培训师是否愿意为“生成 + 发布 + 学员数据”按月付费。

• 替代验证：让 5-10 位老师/培训师用 NotebookLM + Notion/Gamma 自行拼流程，对比本产品节省时间和交付质量。

风险与反证

• 大厂资料问答工具快速覆盖基础能力，单纯“上传资料问答”没有壁垒。

• 教育场景合规要求高，尤其涉及未成年人、学习评价、隐私和内容准确性。

• 如果用户只需要一次性总结/PPT，而不是持续学习，产品会退化成低频生成工具。

• 内部已经出现链路超时和回写失败，若不能稳定交付，会直接影响验证。

下一步

1. 选 3 个真实资料包做 demo：产品文档、AI 工具教程、销售培训材料。

2. 固定输出形态：可分享页面 + 章节卡片 + 问答 + 小测，不先做复杂 PPT。

3. 招募 5 位创作者/培训师试用，观察是否愿意把成品发给真实学员。

4. 记录生成耗时、完成率、二次提问率、用户手动修改点，作为 P1 是否升级依据。

参考来源链接

• Khanmigo：https://www.khanmigo.ai/

• Google NotebookLM：https://notebooklm.google/

• MagicSchool：https://www.magicschool.ai/

---

维护边界：本章节为 2026-06-02 增强分析受控块；后续若有新客户验证、竞品变化或 Lark 话题进展，可替换本章节，不覆盖原始档案正文。

项目质量升级（2026-06-03）

口径：本章节用于替换昨日偏模板化的增强稿表达；基于 Lark 话题真实数据、项目 mapping、既有维护报告与公开竞品格局，强调判断、边界、验证和反证。不覆盖原文其它章节。

project_id：interactive_ai_textbook

当前判断

这个方向的内部热度高于普通 P1 项目：23 条消息、8 个资源，并且讨论已经暴露出真实产品问题——不是“AI 能不能生成教材”，而是 生成速度、交付形态、回写稳定性、2 分钟内能不能给出可用正文。

当前判断：P1，先验证；优先做资料到交互式知识书的生成器，而不是完整教育平台。 最适合先服务成人学习、企业培训、创作者课程，不要一开始进入 K12 和未成年人学习评价。

真实内部话题数据

• 项目名：交互式知识书 / AI 教材

• project_id：interactive_ai_textbook

• Wiki / Doc：LgyAw8JRci185okJC83lrNTzgLf / GZmhdfbE5oWDsnxLhf2lSMFFgpc

• Lark thread：[已脱敏]

• 阶段 / 优先级：先验证；P1

• 更新策略：medium

• 负责人：亚洲詹姆斯

• 数据来源：snapshot

• 消息 / 资源：23 条消息 / 8 个资源

• 维护门禁：PASS

• 最近话题脉络：话题中出现过 bridge 收到消息但本地 agent 超时、回写链路未拿到可直接发送正文；用户反馈“15 分钟太久”“2 分钟”“PPT 应该是没了”。这说明团队已经在用真实任务压力测试“内容生成 + 交付”链路。

• 证据等级：L3-（内部互动密集、有真实链路问题；仍缺外部用户验证、真实学习完成率和付费信号）

外部竞品 / 替代方案

1. Khanmigo：AI tutor + teaching assistant，教育品牌强，适合正式学习和老师/学生场景，但不是“创作者一键发布互动教材”的工具。

2. Google NotebookLM：资料理解、问答、摘要、Audio Overview 很强，是最直接替代。弱点是更像研究/学习伙伴，不天然提供课程发布、测验、学员进度和创作者商业化。

3. MagicSchool：教师工作流工具，适合学校和老师，覆盖备课、题目、课堂材料；但更偏教育机构，不一定服务企业培训/知识创作者。

4. Gamma / Canva / Tome：能从资料生成演示文稿，但交互学习、测验和持续问答不足。

5. Notion/飞书文档 + ChatGPT/Claude：用户可以手工拼出大纲、题目、讲义，但流程割裂、交付形态不统一。

6. Kahoot / Quizizz：测验互动强，但不是完整知识书生成器。

MVP 做什么

MVP：资料 → 交互式知识书。

用户上传或粘贴一份资料，例如文章、PPT、课程大纲、销售手册、产品文档。系统在 2-3 分钟内生成：

• 章节大纲；

• 每章一句话解释；

• 每章 3-5 个关键问题；

• 随堂小测；

• 可对话问答入口；

• 一个可分享页面。

首批主题建议：AI 工具课、产品方法论、销售培训、投资研究入门、内部 SOP 培训。先服务成人学习，避免儿童教育合规复杂度。

MVP 不做什么

• 不做 K12 全学科 AI 教材平台。

• 不做复杂 PPT 生成器；内部已有信号表明 PPT 形态可能太慢、太重。

• 不做学习管理系统 LMS：班级、排课、作业批改、成绩管理都暂缓。

• 不做视频课程生成。

• 不做开放社区和学生社交。

• 不承诺知识完全正确，必须保留来源引用和人工校对入口。

• 不做所有资料类型，首版优先纯文本/PDF/网页/简单 PPT 内容。

7 天验证计划

• Day 1：选 3 个真实资料包：一份产品文档、一份 AI 工具教程、一份销售/培训资料。

• Day 2：定义固定输出结构：章节卡片、关键问题、小测、问答入口、复盘建议。

• Day 3：用现有模型/API 生成 3 个 demo，不做前端也可以先用静态页面或 Markdown + 简单交互。

• Day 4：压测生成耗时，目标 P95 小于 3 分钟；如果超过，改成先出大纲，再逐章流式补全。

• Day 5：找 5 位创作者/培训/老师角色试读，让他们判断是否愿意发给真实学员。

• Day 6：让 5-10 位学习者体验至少 1 个章节，记录完成率、提问数、小测完成率。

• Day 7：复盘创作者修改点和学习者卡点。

7 天通过门槛：创作者愿意发布率 ≥ 40%；学习者至少完成 2 个章节的比例 ≥ 50%；生成到可分享初稿 P95 ≤ 3 分钟。

14 天验证计划

• Week 2 前 3 天：选择一个最有反馈的主题，把 demo 改成可分享页面。

• Week 2 第 4-5 天：让 1 位创作者/培训负责人把它发给真实小群体，不少于 10 个学习者。

• Week 2 第 6 天：收集学习数据：章节完成、二次提问、测验完成、收藏/转发、人工修改量。

• Week 2 第 7 天：验证付费：创作者是否愿意为生成/发布/数据统计付费，或企业培训是否愿意按资料包付费。

14 天通过门槛：至少 1 个真实知识书被发给真实学习者；学习者完成率和二次提问率明显高于普通文档；创作者愿意为节省时间或学员数据付费。

风险反证

• 如果用户只想要“一次性总结”或“一页 PPT”，说明产品会退化成低频生成工具，不应做互动教材。

• 如果 NotebookLM + Notion/Gamma 的组合已经足够好，差异化必须转向“发布 + 学员数据 + 课程运营”。

• 如果生成时间无法稳定进入 2-3 分钟，内部已经出现的“15 分钟太久”会成为致命体验问题。

• 如果资料内容一复杂就幻觉严重，必须增加来源引用、逐章校对和人工确认。

• 如果创作者不愿意把生成物发给真实学员，说明质量还停留在 demo。

下一步

1. 固定“可分享页面 + 章节卡片 + 问答 + 小测”的输出形态，不再优先追 PPT。

2. 选 3 个真实资料包做 demo，并记录生成耗时。

3. 先找成人学习/企业培训用户验证，不进入 K12。

4. 把内部链路的超时和回写失败列为产品风险，而不是仅当工程 bug 处理。

---

维护边界：本章节为 2026-06-03 质量升级受控块；后续新证据出现时可整体替换本章节。

维护说明

• 本档案是先验证项目主页，不是泛教育赛道报告；后续只沉淀会影响样例验证、目标用户、主题选择、产品形态和评分的内容。

• 负责人默认取 Lark 话题 root message 的 sender；本项目话题发起人为“亚洲詹姆斯”。

• 自动维护只允许更新项目状态卡、最新进展、数据链接和维护说明；原有研究正文默认不覆盖。

• 评分口径必须区分看板分和正式评分；正式评分变化应先进入 Score History，再回写项目档案。

• 进入自动写入前，必须先通过 scripts/update_project_archives.py --project-id interactive_ai_textbook --fetch-docs 的 dry-run 门禁。