做教学产品很容易获得一种虚假的进展感：又多了一个页面、一个 Agent、一张架构图、一段生成视频，演示越来越丰富，于是项目看起来也越来越“完整”。TeachFlow 的开发过程让我逐渐接受一个更严格的判断：产物数量只能证明做了多少，不能证明学生学会了什么，也不能证明教师少花了多少时间。
这篇文章不是否定工程产出。没有稳定的接口、可恢复的课堂状态、可信的学习证据和清晰的工作台，教学成效无从发生。问题在于，工程产出只是证据链的前半段。
四层证据不能相互替代
我把 TeachFlow 的完成标准拆成四层：
- 资产层：页面、接口、图、文档、脚本是否存在。
- 工作流层：教师和学生能否完成发布、作答、复核、返修等真实任务。
- 决策层：系统给出的学情、建议和状态是否来源清楚、可以反驳、能够撤销。
- 成效层：教师是否节省时间，学生是否在延迟后测或迁移题中表现更好。
这张图最重要的不是层数，而是箭头旁边的条件：上一层是下一层的必要条件，却不是充分条件。一个 build 通过，不能推出教师工作流顺畅；一次作答进入数据库，也不能推出学生已经掌握。
OECD 在 2025 年关于数字技术与学生学习的综述中给出相似的警告：仅有技术接入并不保证教育收益，成功的数字化还需要教学法层面的设计。这个结论不能替 TeachFlow 背书，却能帮助我们识别常见逻辑错误：把“系统具有某功能”直接写成“系统改善了学习”。
TeachFlow 当前真正证明了什么
在当前固定源码快照中，课程发布会冻结课程 revision、图版本与 TEACHES / ASSESSES 映射；可确定评分的 Quiz、教师评分和 Agent 代练才允许进入掌握度重算；教师和学生读取同一份 Current 的不同投影；测试又把类型、数据库、浏览器和恢复路径拆成不同门禁。这些机制回答的是：
- 教学事实有没有权威来源；
- 当前状态能否追溯到输入证据；
- 失败时会不会留下半场数据；
- 历史事实会不会被后来的修改覆盖；
- 角色切换和班级切换会不会泄漏上下文。
这些都是可信产品的基础，但仍然只属于前三层。当前项目没有真实学校试点、教师节时统计、长期留存、对照组或延迟后测，因此不应公开声称“提升教学效果”“显著减负”或“验证了个性化教学”。
为什么这仍然是产品价值
克制不是把项目说小，而是把下一步说准。若系统无法区分“没有证据”和“能力薄弱”，教师就可能基于假图表做错误干预；若一次答对直接变成 secure，学生就可能过早离开某个知识点；若测试污染共享演示库，界面上再漂亮的数字也失去可信来源。
因此，TeachFlow 当前最有价值的成果不是某个模型答案，而是建立了一条可升级的证据阶梯：先证明事实可追溯，再证明工作流可完成，随后才能设计真实教学评估。
下一阶段怎样验证成效
真正的成效评估至少需要提前定义：
- 目标人群、学科、课时与使用场景；
- 对照或基线，而不是只看使用后的绝对分数；
- 教师任务耗时、纠错次数和放弃率；
- 即时正确率之外的延迟后测与迁移题；
- 退出、失败、未使用和证据不足样本；
- 公开样本与真实课堂数据的严格分型。
这也是为什么本项目把“真实效果”留为 blocked，而不是用合成 Golden Case 填满最后一格。
常见问题与设计边界
既然没有教学效果数据，项目价值在哪里？
价值在于已经完成了可运行且可审计的教学闭环，并把未来评估所需的数据来源、状态边界和失败语义做成了系统合同；但不能把这种评估准备度说成效果结论。
为什么不先快速上线再说？
可以做受控试点，但前提是明确不会伤害历史证据、不会越权、能退出、能回滚，并且收集真正回答问题的数据。快速不等于跳过责任。
你如何防止自己又陷入功能堆叠？
每个新增能力必须回答用户任务、可观察证据、生产边界和停止条件。无法说明这四点的功能进入路线图，而不是当前版本。
参考资料
- OECD：The impact of digital technologies on students’ learning
- UNESCO：Guidance for generative AI in education and research
- TeachFlow 当前源码、
README.md与项目亮点与演进.md（固定提交见文章包元数据）
结论
TeachFlow 目前记录教学活动的身份、版本、来源与处理结果。下一层验证需要真实教学任务：教师是否减少了重复处理，学生是否理解了关键概念，以及这种理解能否在延迟后测中保留。