问题——技术迭代加速与学习负担并存 多位从业者观察到，智能技术的普及并不必然意味着工作与学习更轻松，反而让不少人承受持续更新的压力：新框架、新接口、新方法不断出现——知识折旧加快——个体需要更短时间内完成理解、迁移与应用。李可佳近日在个人文章中从深夜守着程序运行的细节写起，描述了“工具更强、节奏更快、个人更忙”的矛盾感，并将其概括为与时代“彼此不适却相互成全”的关系。 原因——需求侧变化与供给侧创新叠加 其一，产业数字化深化，岗位能力结构随之变化。企业对复合能力、跨学科协作与快速学习的要求明显提高，传统以阶段性教育为主的培养方式难以覆盖持续更新的技能需求。 其二，智能技术在内容生成、信息检索、任务分解各上能力增强，降低了“获取知识”的门槛，却抬高了“用好知识”的门槛。信息更容易得到，但筛选、验证、整合与落地的要求更高，个体也更容易在信息过载中产生焦虑。 其三，教育科技竞争正从“资源供给”转向“过程赋能”。过去比拼课程、题库与平台，如今更强调个性化学习路径、反馈机制与可持续迭代的训练体系。 影响——教育产品形态与个人成长逻辑正在重塑 在这个背景下，创业者开始探索新的学习产品形态。公开信息显示，李可佳曾创办教育科技企业“极课大数据”，并于2019年被字节跳动并购；其后负责智慧教育涉及的业务，推动多项产品落地。2025年初，他在硅谷创立Ouraca Inc.，推出面向个人成长的产品Aibrary，尝试将书籍与专家观点转化为个性化学习旅程，通过音频化内容、认知引导与行动建议提升学习的可执行性。 今年2月，李可佳继续发布“BotLearn”项目，并提出“龙虾大学”的概念：学习的主体不再只限于人本身，而是由个人拥有的数字化智能体承担更多信息处理与训练任务。这一设想带有隐喻意味，但指向一个更现实的问题——当工具具备更强“自主性”后，人如何把学习从被动追赶变成可控的成长系统。 对策——从“追热点”转向“建体系”，强化人机协同能力 业内人士认为，应对技术快速演进带来的学习压力，关键在于建立可持续的方法体系。 一是明确学习目标与能力框架。将学习从“跟着新概念走”转为围绕岗位任务、长期兴趣与核心能力进行结构化训练，减少无效投入。 二是建立可验证的知识闭环。对关键信息进行来源校验、交叉验证与情境化应用，把“看懂”变为“能做”，避免陷入碎片化与泛知识化。 三是提升人机协同素养。智能工具可承担检索、整理、初稿生成与方案比对等环节，但决策、价值判断与责任仍需由人完成。个体需要掌握任务分解、提示设计、结果评估与风险控制等能力，提高工具使用的确定性与安全性。 四是完善终身学习公共服务与企业培训机制。通过学习账户、技能认证、继续教育支持等方式，为劳动者提供更稳定的学习资源与转换通道，降低转型成本。 前景——终身学习将从“选择题”变为“基础设施” 从产业趋势看，终身学习正在从“加分项”变为“刚需”。李可佳此前在公开交流中提出，未来教育形态可能发生变化，关键在于探索适应新社会的强化训练方法，让个体更有效地与智能系统协作。这一判断也与当前产业实践相呼应：教育科技的价值将更多体现在提升学习效率、增强行动能力与构建长期成长曲线，而非单纯扩大内容供给。 同时，随着智能体技术发展，学习产品可能从“内容平台”进一步演进为“学习操作系统”：既能理解个人目标与约束条件，也能在不同场景中提供持续反馈与策略调整。如何在提效的同时守住隐私保护、算法透明与知识可信度等底线，将成为下一阶段必须回答的问题。
在技术革命重塑各行各业的今天，教育创新的意义不止于教学方法的更新，更关乎人们在智能时代如何学习与工作。从极课大数据到“龙虾大学”，李可佳的创业轨迹呈现了教育科技从业者在快速变化中寻找答案的努力。这些探索既为个体学习提供了新的思路，也为缓解技术变革带来的普遍焦虑提供了可借鉴的路径。当机器越来越像人一样思考时，人也需要重新思考如何更高效地学习——这或许正是智能时代抛出的现实命题。