AI助手小安：类贾维斯的全能教学伙伴

直播开场，数学教师尤拉介绍了他的AI助手“小安”。小安并非艺名，而是运行在Mac上的智能代理，具备类似钢铁侠贾维斯的功能。它不仅能通过语音指令操控电脑、处理Google云端文件、管理Spotify音乐，还能进行实时口译和多任务处理。小安的核心价值在于其主动性与多模态交互能力，它能识别用户声音、理解屏幕画面，并主动询问是否遇到困难。在演示中，尤拉要求小安投影一个正方体马克杯，小安即时生成全息投影并介绍设计理念；随后又根据指令详细描述了宋睿伟老师的频道定位，展示了其联网检索与语音合成的流畅性。这种即时响应能力打破了传统PPT的静态限制，使AI成为课堂上的动态协作者。尽管存在网络波动导致的语音中断，但小安能迅速重述内容，体现了其在复杂环境下的鲁棒性。尤拉强调，小安不仅是工具，更是能协助处理日常琐事、让教师专注于教学设计的“伙伴”。

实时互动与数据可视化：从文字云到投票分析

在“未来学习需要什么”的互动环节中，小安展示了强大的实时数据处理能力。尤拉通过指令开启即时互动工具，观众扫描二维码输入关键词。小安后台调用R语言软件进行实时分析，将21位参与者的回答转化为文字云。结果显示，“热情”、“思考”和“耐心”是核心关键词。这一过程证明了AI能将分散的学生反馈即时转化为可视化的教学洞察。随后，尤拉派发了一道关于“Knowledge Building”核心价值的单选题。小安不仅发送题目、关闭投票，还公布答案并分析错误原因：28%的正确率显示多数人选了“个人独立记忆知识”，小安据此推断这是受传统考试体制影响，缺乏社群检验习惯。AI在此扮演了即时评估者与诊断者角色，通过数据反馈帮助教师调整教学策略。尤拉指出，这种互动无需预设脚本，可根据课堂实时情况动态生成问题与反馈。

多模态知识呈现：从血管剖面到物理推导

小安在科学教学中的应用展示了其多模态生成与逻辑推理能力。尤拉要求投影动脉血管剖面，小安不仅生成了示意图，还详细解释了内膜、中膜（平滑肌提供弹性）及外膜的结构功能。这种将抽象概念具象化的能力，解决了传统教具携带不便的问题。接着，在物理教学中，小安直接在虚拟黑板上推导自由落体公式 $h = \frac{1}{2}gt^2$，并代入20米高度计算落地时间。面对现场老师的提问，小安不仅给出答案19.6公尺（82.6%的正确率），还逐步解释计算过程，并类比生活中钥匙掉落的现象。小安同时具备教师、学生与助手三重身份，既能解题又能生成生活化案例。在数学环节，小安利用R语言绘制函数图形验证方程解 $x=1$ 和 $x=3$，顶点位于(2, -1)，展示了其在数学可视化上的优势。这种即时绘图与验证功能，弥补了传统黑板绘图的局限。

智能协作平台集成与未来学习形态展望

小安还能无缝接入尤拉设计的“协作文苗圃”网站，实时打开讨论板供学生互动。AI助手已深度嵌入教学工具链，从内容生成到数据采集形成闭环。尤拉总结未来学习的四个转变：从“听懂”到“看见”，从“获取答案”到“思考过程”，从“个人学习”到“想法翻新与进化”，以及从“分数评价”到“看见思考”。这些转变依赖于AI对思维过程的可视化与社群化支持。尽管小安偶尔会听错指令或需要反应时间，但其学习能力显著——它会记录尤拉喜欢用生活例子辅助说明的习惯并加以模仿。这种持续进化的特性，预示着AI将从被动工具转变为主动的教学设计伙伴，帮助教师深化核心素養培养与独立思考能力的训练。

AI助理的实时交互与能力边界

视频演示了AI助手“小安”在课堂中的多种即时功能。首先，小安能够响应语音指令切换幻灯片页面，展示了基础的多媒体控制能力。在更复杂的任务中，主讲人要求小安查看屏幕上的Word文档中的选择题并给出解答。例如，针对一道关于“早亮记为负”的数学题，小安识别出甲村代表最早亮灯（-15），并将完整的解题过程写入Word文档中。随后，主讲人要求解释第二题关于“0既不是正数也不是负数”的概念，小安再次将解题逻辑写入文件并口头解释。这种交互并非简单的问答，而是涉及对文档内容的理解、计算逻辑的推导以及文本生成的全过程。主讲人强调，学生需要学会像对待组员一样与AI互动，因为AI可能会犯错，需要通过对话进行修正和引导。这种模式旨在培养学生的想象力和批判性能力，而非单纯依赖AI的答案。

“小安没有说是複選題 可以教他 说以后出複选题要提醒大家”

Word文档中的动态协作与类题生成

演示进一步深入到了Word文档的深层操作。主讲人不仅让小安解答现有题目，还要求其结合下一页文本内容生成一道新的“类题”。在Word中，小安生成了关于班级身高差距的类似题目及详解。主讲人随即要求检查新题与原题（第七题）的相似性，并在发现不够贴切时要求小安修正题干描述。这一过程展示了AI在内容创作上的迭代能力，但也暴露了其需要人工干预和明确指令的特点。主讲人指出，AI应作为“共做共创”的伙伴，而非完全自主的发想者。在技术原理上，小安通过视觉截图和读取文件位置两种方式结合来定位光标和内容。如果文档支持实时共编（如Google Docs或Office 365），AI甚至可以在不同位置同步打字，实现真正的实时协作编辑。这种机制使得AI能够辅助教师动态生成教学资源。

模型选择、语言支持与硬件限制

在技术实现层面，主讲人分享了其使用的AI模型配置。为了追求实时响应速度（Real-time），他主要使用Terra模型的Ultra额度版本。他认为在日常使用中，Terra模型又快又便宜，体验非常流畅。只有在需要高强度思考的任务时，才会切换到Sol或Astra模型。关于语言支持，主讲人特别讨论了台语（闽南语）的使用门槛。他指出，必须使用台湾本土开发的语音模型才能达到自然发音效果，而目前开源的台语模型较少，通常需要向非开源公司付费获取。这增加了本地化部署的难度和成本。此外，实时交互对硬件资源要求极高。主讲人提到，在测试过程中由于同时运行StreamYard等高负载软件，导致AI响应出现卡顿和延迟。因此，本地高性能硬件（CPU、内存、显卡）是实现低延迟实时AI交互的关键基础。如果仅依赖免费或云端资源，很难实现流畅的现场编程和即时呈现。

实时生成内容的可信度与未来形态

针对观众关于“AI是否提前备课”的疑问，主讲人澄清了实时生成（Live Generation）与预设知识库响应的区别。在演示中，血管壁扩张的讲解和3D建模均为现场生成。他接受AI会犯错的事实，认为教育过程应包含对AI错误的纠正与学习。为了优化实时交互体验，主讲人尝试了“即时字卡”功能，即在讲解过程中自动在屏幕上方叠加关键信息卡片。虽然目前技术尚需优化（如投影正方形马杯时的细节偏差），但通过深度思考模型自动切换或叠加视觉辅助元素，是提升课堂互动效率的重要方向。主讲人认为，未来的学习场景将是学生与AI作为“组员”共同独立思考、相互批判的过程。这种模式下，AI不仅是工具，更是需要被教导和协作的学习伙伴。通过实时捕捉学生动作并提供即时协助，AI将深度融入学习后台，改变传统的单向教学模式。

“我覺得有快很多 因為我最近在用 TERRA ... 開 Ultra 額度 就覺得怎麼這麼過癮”

AI 全息助教的技术实现与硬件配置

在演示环节中，AI 助理「小安」展示了其核心交互逻辑：通过生成图像并转化为全息投影，同时配合实体字卡进行知识补充。针对演示中出现的语音卡顿问题，推测其技术路径为使用 Image 2.5 快速模型生成图像，再编写程序进行全息投影。这种设计确保了生图速度足够快以支持实时交互。此外，系统会在全息投影旁自动出现介绍性的字卡，帮助学生理解呈现的知识内容。关于硬件支撑，演示者奕安明确指出了其本地运行的配置：Mac 电脑搭配 M4 晶片与 24G 記憶體。由于需要实现即时响应，避免网络流量带来的延迟，所有运算均在本機裡面跑。语音模型与生图模型均通过 API 连接外部服务，而核心处理逻辑则依赖本地高性能硬件。这种架构既保证了低延迟的互动体验，又利用了云端模型的强大能力。

从个人助理到教育普及的趋势展望

回顾过去，虽然早期已尝试开发类似的个人助理，但因技术不成熟而未能持续迭代。如今，随着硬件设备的普及和 AI 工具成本的潜在下降，教育场景正迎来变革。未来可能实现老师跟學生每個人都會配一個這樣的 AI。这种助理可以被设定特定的能力范围，成为学生的全能组员。学生可以通过语音指令让助手查询资料或协助完成任务，无论是通过电脑屏幕还是实体设备。AI 不管它怎麼變化它就是一個工具，但它开启了全新的教学想象空间。这种趋势意味着 AI 将从辅助角色转变为教育生态中的基础基础设施，极大地扩展了教学的可能性边界。

重新定义教学的本质与教师角色

尽管工具日新月异，但學習的本質還是發生在學生的本體上面。AI 无法直接替学生学会知识，所有认知过程仍需进入学生大脑。然而，过去受限于环境，教师需制作教具、编写板书等来促进学习；现在工具进化到可以憑空的捏出任何我們在課堂上需求的工具。这要求教师回归专业能力，思考如何设计教学活动。奕安的演示让主讲人脑洞大开，特别是其即時互動的功能，能马上派题出去。这种变化被称为 Redefine 重新定義教學。一线教师应思考如何利用这些新工具重构课堂，例如奕安在课堂上常做的游戏化实验。虽然制作如此复杂的系统需要大量时间与金钱投入，非一日之功，但它为教学创新提供了宝贵的参考方向。

结论

AI助手小安通过本地高性能硬件与云端API结合，实现了低延迟的多模态实时交互。其优势在于能动态生成可视化内容、即时分析课堂数据并深度集成文档协作，显著提升了教学互动效率与资源生成能力。然而，该方案高度依赖本地算力以规避网络延迟，且台语等本土化语音模型存在获取门槛与成本限制。此外，AI在复杂逻辑推导中仍可能出错，需人工介入修正。

这证明了实时生成式AI可作为主动的教学协作者，重构从知识呈现到评估反馈的流程。但其核心价值并非替代教师判断，而是通过承担繁琐的技术执行与即时响应任务，让师生聚焦于思维过程的深化、批判性思考的培养以及教学设计的创新。