Hi，我是 Junping Yi。

过去这几年，我的工作与研究主要聚焦在 Artificial Intelligence：

• 打造教育及工业级 AI Agent
• 强化 AI Agent 的记忆、搜索与规划能力
• 推广 Agentic AI 技术

2015 年，我在 edX 上注册了 MIT 的计算机科学课程。当时还在一所普通的高中，没有自己的电脑，每天中午就用手机敲代码写作业。有次作业比较难，我连吃饭时都在想解决方案。后来在手机上把代码跑通的时候，别提有多开心了。

作为一个普通高中生，能在手机上自学地球另一端的硬核课程，并获得了远超课堂的反馈和成就感。这种巨大的反差让我开始思考现有教学系统的问题，这也成了我此后多年一直探究的核心命题。

从科学角度看，教学系统的设计理应符合大脑机制。但在现实中，填鸭灌输、死记硬背、劣质教材一直存在。我花了不少时间去研究各种教育模型：从 Montessori、Jean Piaget 的 Constructivism，到 Seymour Papert 的 Constructionism 和 Flipped Classroom，再到 How People Learn。这些想法都很好，但总让人觉得它们只是“理念”，缺乏足够的说服力。

直到读到 Stanislas Dehaene 的 How We Learn，我才找到答案。书中的一句话让我深有共鸣：“the brain learns only if it perceives a gap between what it predicts and what it receives”。这为我一直以来的思考提供了一个清晰的科学立足点：所有的教育方法，最终都绕不开 how the brain works。我当年在手机上不断 debug 并跑通代码的过程，正是这种“预测误差”的最佳实践。

但是教育的现实更复杂。面对资源的稀缺和错配，我曾以为计算机网络是终极答案。但 Neil Postman 的 The End of Education 抛出了一个更核心的问题：“人到底为什么要学习？”其实无论各国的教育体制怎么包装，它当前的底层叙事，仍然不可避免地是“为社会培养劳动力”。

一趟柬埔寨之旅，更是让我直面了这种现实。那天晚上停电，我才发现隔壁居然是一所学校。在伸手不见五指的黑夜里，孩子们正借着蜡烛微弱的光芒学习。第二天，我问导游是怎么学会这么多门语言的。他回答，这里的学校高年级不教科学课程，只教语言——英语、法语、西班牙语、中文——因为当地的旅游产业只需要这些。

这也让我意识到，很多人以为有了更好的网络资源，大家自然就会开心地学习，但事实并非如此。单向的信息输入，解决不了人为什么要学习的动力问题。

兜兜转转，我发现自己还是更纯粹地喜欢解决第一个问题——认知的难题。

那么，一个对 Cognitive Science 深感兴趣，同时又懂 Computer Science 的人，接下来会做什么？

当然是 Artificial Intelligence。过去的几年里我一直尝试结合 AI 和教育，最近的 Generative AI 让我看到无比的潜力。未来我会继续在这个领域里探索，看看能不能找到一些真正有意义的突破。

在这之前，我曾在教育科技公司工作了近十年，负责过产品与增长。后来决定换一种活法，于是辞职开始了旅居生活，前往中国各地实地了解这个国家。在此期间，我逐渐将精力完全转向 AI 与独立探索，也出于个人兴趣写了不少 App。

如果你希望联系我，不要想“随时都可以”。 现在最好。