Hi，禾苗记

教育里最容易丢失的，往往不是答案，而是过程。

一道题今天为什么做错，老师曾提醒过什么，孩子在哪个瞬间突然开窍，一项计划为什么没有完成。事情发生时，我们都觉得它很重要；可新的作业、新的消息和新的考试很快又会涌进来，旧的信息便散在作业本、群聊、相册和大人的记忆里。

最后留下来的，常常只剩几个很重、却很模糊的判断：

“数学不稳定。”
“最近不够自觉。”
“这次又粗心了。”

这些话不一定错，但它们离真实的孩子太远了。

禾苗记想做的，是把被省略掉的过程重新找回来。

为什么开始做禾苗记

我们并不缺少教育工具。课表、打卡、网盘、题库、班级群、AI 对话框，每一样都能解决一小段问题。

真正麻烦的是，它们彼此不认识。

老师布置的任务停在群消息里，孩子交回来的照片躺在相册里，错题留在试卷上，家长临时记下的观察又在另一个备忘录里。下一次安排学习计划时，大家仍然要靠印象重新拼一遍。

于是家长越来越像项目经理，老师被重复整理和沟通拖住，孩子则面对一串不知道从哪里来的要求。明明每个人都在认真做事，协作却仍然围绕催促和猜测发生。

禾苗记的创作背景，就是这些很小、很具体的不顺畅：

• 不是没有记录，而是记录无法形成上下文；
• 不是没有计划，而是计划和真实执行脱节；
• 不是没有反馈，而是反馈很难回到下一次行动；
• 不是 AI 不够聪明，而是它经常在不了解孩子时就急着下结论。

我们因此把产品定义为一套教育协同记忆系统。它首先要做的不是再制造一个入口，而是把已经发生的任务、作业、知识、文件和反馈连起来。

禾苗记到底是什么

简单说，禾苗记是一款面向家长、老师和学生的本地优先教育协同软件。

它不是只负责提醒的任务 App，也不是把所有问题都丢给大模型的聊天机器人。它更像一张围绕孩子慢慢长出来的学习地图：

• 任务说明今天要做什么，以及完成后如何反馈；
• 学科与兴趣给学习信息找到稳定的位置；
• 作业、题目和知识点保留“为什么要练”的来源；
• 文件保存原始材料，而不是只剩一段 AI 总结；
• 成长记忆记录经过确认的事实和变化。

家长、老师和孩子看到的界面不同，权限也不同，但他们不是在维护三套互相矛盾的档案。大家围绕同一段成长过程，各自完成适合自己的动作。

核心功能如何连起来

1. 任务计划：把要求拆到今天能执行

“这周把数学补一下”听起来像计划，实际执行时却几乎没有信息。

禾苗记里的任务可以写清学科、开始日期、截止时间、预计时长、优先级、说明和清单。一次性作业使用任务模式，阅读、背词、跳绳、练琴这类长期安排则可以使用每日、每周或每月打卡。

任务也不止有“完成”一个按钮。孩子可以提交文字、照片或文件作为回执，家长和老师可以确认、补充意见或退回。这样下一周的调整有真实依据，而不是把没完成的内容机械地往后拖。

2. 学科与兴趣：不只记录语数英

孩子不是一张只按考试科目展开的表格。

在禾苗记里，语文、数学、英语可以分别聚合老师、知识点、题目、任务和成绩；绘画、足球、舞蹈或乐器也能拥有自己的组织、课程、任务和成长事件。

我们希望“兴趣”不是个人资料里一行很快过期的文字，而是和学校学习一样，拥有被认真记录的资格。

3. 作业、知识点与题库：保留问题的来路

作业分析不是为了更快给出一个红叉。

一份作业被识别和批改后，有价值的部分应该继续留下：涉及哪个知识点，错误更像是概念没懂还是过程遗漏，哪道题值得进入错题本，接下来需要怎样的变式练习。

禾苗记把作业分析、知识库和题库放在同一条链路里。AI 可以先整理题目和错因，但结果需要被人检查，再决定是否进入孩子的学习记录。

4. 文件与成长档案：原始材料不能消失

AI 总结得再漂亮，也不应该替代原始材料。

作业照片、试卷、教案、任务附件和学习资料会进入文件系统，并保留它们与任务、知识点和记忆之间的来源关系。以后回看一个结论时，仍然能找到当时发生了什么。

AI 能力：聪明，但不能越界

我们当然相信 AI 会改变教育软件。

但在教育里，最危险的并不是 AI 偶尔答错，而是它用很肯定的语气替一个并不了解的孩子下结论。

所以禾苗记没有把 AI 做成一个无所不能的总控台，而是拆成一项项边界明确的 Skill。每个 Skill 只申请完成任务所需的最小数据范围，并把结果先放在草稿或提案里。

目前产品围绕四项能力逐步内测：

1. AI 任务规划：读取用户明确选择的文字、图片或文件，把安排整理成可编辑任务草稿；确认后才进入任务系统。
2. AI 作业分析：识别题目与作答，提出错题、错因和知识点建议，由家长或老师复核。
3. AI 成绩单识别：从成绩单图片中提取测验、日期和各科成绩，回填前仍可修改。
4. AI 知识点教案：围绕一个知识点生成讲解、例子和小测，帮助老师或家长继续编辑，而不是假装替代教学。

这里有三个不会因为模型升级而改变的原则：

• 最小授权：任务规划不需要读取全部成长档案；看图能力也只在用户选择图片时启用。
• 先提案，后确认：AI 可以整理、拆解和建议，不能直接把判断写进孩子档案。
• 保留来源：重要结果记录来自哪个 Skill、使用了哪些数据域，以及何时由谁确认。

为什么坚持本地优先

孩子的作业、错题、状态、家庭沟通和老师观察，不是普通的运营数据。

禾苗记从一开始就把本地优先放在产品底层：核心数据优先保存在用户自己的设备上；个人使用可以尽量留在本机；需要家庭协同或多设备恢复时，再通过明确授权参与加密同步。

这条路会比“所有内容默认上传云端”更麻烦。设备加入要确认，密钥丢失不能靠客服随意恢复，AI 处理云端材料时也必须清楚说明边界。

但这种麻烦是值得的。

因为真正的数据所有权，不是一句隐私政策，而是系统在技术上也不能轻易绕过用户。

接下来准备做什么

禾苗记现在仍处在内测阶段。我们不想用一张塞满功能名的路线图制造“马上什么都有”的错觉。

未来一段时间，工作会集中在四条主线上：

把已经存在的链路做深

继续完善文件、作业分析、知识点、题库与任务之间的双向关系。我们更在意一次真实使用能不能走完，而不是首页又多一个入口。

让跨角色协作更克制

老师的观察、AI 的分析和插件的输出，都应该先成为提案。谁能看到、谁来确认、是否让孩子本人看到，需要由清楚的权限和审核流程决定。

让 Skills 真正可管理

逐步补齐插件运行时、模型能力配置、调用记录和第三方 Skill 审核。AI 能力可以扩展，但每一项都必须说明自己读什么、做什么、留下什么。

让本地 AI 成为真实选项

在设备能力允许时，让部分识别、索引和推理在本机完成，并和云端任务使用一致的状态与确认流程。用户不必为了使用 AI 就默认交出全部数据。

我们会继续慢一点，把底座打牢，再让 AI 更聪明。

为什么叫禾苗记

孩子像禾苗。

禾苗不会因为我们盯着它，就一夜长高；也不会因为大人着急，就跳过发芽、扎根和抽节。

教育也是这样。

真正能做的，不是把每一天都变成一场效率竞赛，而是少丢失一些过程，少制造一些误解，在需要的时候给出恰好合适的支持。

所以我们把它叫作「禾苗记」。

不是替孩子定义成长，而是陪他把成长稳稳记下来。

Hi，禾苗记。接下来，慢慢长。