基础教育玩转大模型——从专业知识库开始

根据我近20年来的观察，从一个新技术的爆发到基础教育系统开始制定政策利用该技术，大概有2-4年的滞后期，按照这个规律，chatGPT已发布了3年了，Deepseek爆火到现在也即将进入第2年，2025年也号称是智能体元年，基础教育已经纷纷开始在大模型领域开展探索。各地在应用过程中出现以下问题：

重应用轻路径。各地已经纷纷为基础教育拥抱大模型设计好了应用场景，但是如何通往这些应用场景的路径还不够清晰，一方面需要老师们探索，另一方面需要区域层面统筹规划统一供应，为不同的应用场景提供“术、器”层面的支撑。
大模型回答问题如何循循善诱+符合最近发展区？通用大模型在给学生使用时，会不管不顾的直接呈现答案，还会呈现超出学生认知的内容。在课堂中我们可以让教师掌控应用的过程，在课外，我们无法获知学生如何应用。

如何破解这一问题呢？一般思路有两个，一个是训练专属大模型，形成解决上述问题的专业垂类大模型，这种路径解决的效果最好；一个方法是专用知识库+通用大模型（指令微调）。

以上两种都依赖一项基础工作：基础教育知识库。

那有人可能会有疑问，大模型都基于海量知识进行训练，内容肯定超越了基础教育的内容量啊，为什么还要建基础教育知识库？今天的大型语言模型在训练时已摄入大量教材、教辅、百科乃至历年考题，其表层知识覆盖看似足以应付多数基础教育场景。

基础教育并非知识的简单堆砌，而是认知发展的精密脚手架。它讲究阶段性、结构性、适龄性与教育伦理性。大模型虽博学，却无“教育意识”：它可能用大学微积分解释小学分数，也可能在道德判断上模棱两可，甚至无意传播偏见或错误史观。此时，若无一个经过教育专家精心梳理、符合课程标准、嵌入认知发展规律的基础教育学科知识库作为“锚点”或“护栏”，大模型便如一艘无舵之舟，在知识海洋中看似自由，实则可能偏离育人航向。

知识库的意义，不仅在于“提供正确答案”，更在于定义何为值得教的知识、如何组织这些知识、以及在何种情境下激活它们。这正是教育专业性的体现。大模型擅长关联与生成，但不擅长判断“什么对一个10岁的孩子真正重要”。而学科知识库，若由一线教师、课程专家与认知科学家共建，就能成为连接通用智能与教育实践的“意义转换器”。

从公平与安全角度考量，若每个学校、每位教师都依赖未经校准的大模型，将导致教育内容碎片化、质量参差、甚至意识形态风险。一个共享、开放、可审计的基础教育知识库，恰可成为数字时代的“公共教育基础设施”，确保技术赋能不沦为资本或算法的私有领地。

当然，也需警惕“知识库万能论”。知识库不应是僵化的教条容器，而应是动态演化的认知生态，支持大模型进行情境化推理、跨学科联结与创造性引导。理想状态是：大模型作为“智能引擎”，知识库作为“教育罗盘”，二者协同，方能在尊重儿童认知规律的前提下，释放技术的教育潜能。

建设基础教育学科知识库并非技术上的“必须”，却是教育伦理、认知科学与社会公平维度上的“必要”。没有它，“玩转”大模型或许热闹一时，却难以真正“玩好”教育。真正的智慧，不在于让机器模仿教师，而在于让技术谦卑地服务于人的成长——而这，正需要知识库作为那根不可缺失的“定海神针”。

因此，基础教育拥抱大模型，从建设基础教育专属知识库开始吧！