Scholé 面向专业人士和团队的 AI 学习平台，在工作流中嵌入实时、个性化的任务型学习。基于学习科学和自适应 AI，让学习者边工作边练习 AI 技能，学以致用。适用于希望提升团队 AI 应用能力的企业和个人。 热门评论 Vinitra Swamy嗨 Product Hunt！我是 Vinitra，Scholé AI 的联合创始人。我们团队的标签有很多：教育者、工程师、研究员、科学家、设计师。但本质上，我们是一群终身学习者，对好的教育科技兴奋不已。问题：我们研究AI教育超过10年，一直看到同样的鸿沟。MOOC 的一刀切学习意味着半内容与你无关，而且没有任何东西根据你的实际进展进行调整。辍学率很高，现在达到90%（我们自己也 guilty！）较新的AI学习工具走向另一个极端，大量开放式提示导向苏格拉底式讨论。对快速答案有帮助，但技能进阶在哪里？基于真实材料的基础在哪里？课程体系在哪里？方法：重新利用学习科学中有效的东西。脚手架、掌握学习、知识追踪、最近发展区、情景学习、自我调节、反思等等，但以一种对AI来说自然的方式构建。欢迎 Scholé：AI时代的代理个性化学习。我们目前专注于成人学习，并在以下方面个性化每一个体验：你的背景（工作、日常任务、工具）你的模式（视频、播客、交互任务、更多或更少解释）你的节奏和难度（你的优势、你的误解）你可以问 Scholé “我老听说的MCP是什么”，它不会生成泛泛的内容。它按需构建课程，将可信材料重新组合成与你角色和工具相关的解释、例子、播客、视频片段、视觉和交互任务。底层是一个多代理系统，有不同的教学代理来教学、说明、提问和挑战，实时协调以适应你理解的内容和下一步需要。我们使用 GenUI、编排器、对话式课程交付、知识追踪、层次记忆、多模态学习等等。我们的第一个用例是帮助人们理解AI对他们如何有用，因为这是我们知道如何教的内容 :) 但很快你会看到我们在这里教授其他一切。Scholé 适合谁？✅ 对AI好奇的初学者✅ 紧跟新工具的爱好者✅ 想要5分钟深度的专家✅ 想要从Wiki/幻灯片/PDF/视频学习的团队Scholé 有什么？🧠 多代理课程（解释、类比、任务、反馈、说明、反思协同工作）🔄 基于你的表现和误解的自适应进阶🧭 针对你的角色、工具和目标定制的个性化学习路径📚 基于来自哈佛、UC Berkeley、EPFL、UCSD、UW等我们最喜爱教授的高质量数据科学学习材料知识图谱📊 可查询的学习分析，基于你不断发展的知识🎧 课程DJ按你想要的方式重新混编课程我们非常兴奋以早期公开测试版和首次发布的形式将它呈现给你。反馈是我们最珍视的，请发邮件至 hello@schole.ai。我们也在与希望将内部PDF、幻灯片和视频转化为个性化学习体验的团队合作（我们已经在数百家公司手中！）。如果这听起来像你，请联系 enterprise@schole.ai。立即免费开始学习 Scholé：https://app.schole.ai 🎉Suyama Keiichiro@vinitra Scholé 的产品方向很有趣，但公开的技术证据还不足以让我信任它是一个企业级AI平台。主要问题是，产品描述了代理学习、个性化AI导师、知识追踪、层次学习者记忆、基于角色的课程生成和内部知识集成等高级概念，但公开网站没有提供足够的技术细节来说明这些系统是如何实际实现的。例如，我期望看到更清晰的架构信息：代理如何编排、用户上下文如何存储、知识图谱如何构建、检索如何基于事实、幻觉如何减少、学习进度如何评估、生成的课程在展示给用户前如何验证。另一个担忧是数据处理。如果公司上传内部PDF、幻灯片、视频或wiki内容，平台需要非常清晰地解释租户隔离、访问控制、加密、保留、删除、审计日志和模型提供者边界。没有这些，系统可能对企业使用有风险。前端在渲染页面输出中似乎也有重复内容。重复的章节、重复的推荐语和重复的文本块可能对SEO、可访问性、页面性能和可维护性产生负面影响。对于一个销售AI驱动学习质量的产品，公开实现应该更干净。产品还声称支持合规相关的学习，但从技术上看，没有足够明显的证据表明有审计追踪、完成记录、基于角色的培训映射、基于风险的学习路径或合规报告工作流。所以我的技术观点是：想法很好，但实现证据仍然薄弱。在看到架构图、安全文档、评估指标、数据流细节和真实企业案例研究之前，我认为它还不算技术成熟。Nika所以这有点像个性化的多邻国？:) 从仪表盘（地图）来看 :)Ludovic Fardel看起来很时尚很精致！我们能学习AI以外的东西吗？Sounak Bhattacharya“自适应AI”这个部分——它到底在适应什么？我以前的错误、我总在回避的主题、还是我学习的速度？在信任它能个性化任何东西之前，知道它具体读取哪些信号会很有帮助。Ebikere Sonia Ngwobia@vinitra，这是一个有趣的创新。不过我读的时候注意到，你把 Schole 定位为“帮助人们理解AI”的工具，但我认为更大的机会在于运营团队，因为不一致性在支持、销售和入职中会带来成本。但问题在于他们不认为他们有学习问题。他们认为他们有流程问题。我很好奇你如何为此转变进行定位。 热门产品Abhinand Shibu2026-04-21原文 打开互动版
我们团队的标签有很多：教育者、工程师、研究员、科学家、设计师。但本质上，我们是一群终身学习者，对好的教育科技兴奋不已。
问题：我们研究AI教育超过10年，一直看到同样的鸿沟。MOOC 的一刀切学习意味着半内容与你无关，而且没有任何东西根据你的实际进展进行调整。辍学率很高，现在达到90%（我们自己也 guilty！）
较新的AI学习工具走向另一个极端，大量开放式提示导向苏格拉底式讨论。对快速答案有帮助，但技能进阶在哪里？基于真实材料的基础在哪里？课程体系在哪里？
方法：重新利用学习科学中有效的东西。脚手架、掌握学习、知识追踪、最近发展区、情景学习、自我调节、反思等等，但以一种对AI来说自然的方式构建。
欢迎 Scholé：AI时代的代理个性化学习。
我们目前专注于成人学习，并在以下方面个性化每一个体验：
你的背景（工作、日常任务、工具）
你的模式（视频、播客、交互任务、更多或更少解释）
你的节奏和难度（你的优势、你的误解）
你可以问 Scholé “我老听说的MCP是什么”，它不会生成泛泛的内容。它按需构建课程，将可信材料重新组合成与你角色和工具相关的解释、例子、播客、视频片段、视觉和交互任务。
底层是一个多代理系统，有不同的教学代理来教学、说明、提问和挑战，实时协调以适应你理解的内容和下一步需要。
我们使用 GenUI、编排器、对话式课程交付、知识追踪、层次记忆、多模态学习等等。我们的第一个用例是帮助人们理解AI对他们如何有用，因为这是我们知道如何教的内容 :) 但很快你会看到我们在这里教授其他一切。
Scholé 适合谁？
✅ 对AI好奇的初学者
✅ 紧跟新工具的爱好者
✅ 想要5分钟深度的专家
✅ 想要从Wiki/幻灯片/PDF/视频学习的团队
Scholé 有什么？
🧠 多代理课程（解释、类比、任务、反馈、说明、反思协同工作）
🔄 基于你的表现和误解的自适应进阶
🧭 针对你的角色、工具和目标定制的个性化学习路径
📚 基于来自哈佛、UC Berkeley、EPFL、UCSD、UW等我们最喜爱教授的高质量数据科学学习材料知识图谱
📊 可查询的学习分析，基于你不断发展的知识
🎧 课程DJ按你想要的方式重新混编课程
我们非常兴奋以早期公开测试版和首次发布的形式将它呈现给你。反馈是我们最珍视的，请发邮件至 hello@schole.ai。
我们也在与希望将内部PDF、幻灯片和视频转化为个性化学习体验的团队合作（我们已经在数百家公司手中！）。如果这听起来像你，请联系 enterprise@schole.ai。
立即免费开始学习 Scholé：https://app.schole.ai 🎉
主要问题是，产品描述了代理学习、个性化AI导师、知识追踪、层次学习者记忆、基于角色的课程生成和内部知识集成等高级概念，但公开网站没有提供足够的技术细节来说明这些系统是如何实际实现的。
例如，我期望看到更清晰的架构信息：代理如何编排、用户上下文如何存储、知识图谱如何构建、检索如何基于事实、幻觉如何减少、学习进度如何评估、生成的课程在展示给用户前如何验证。
另一个担忧是数据处理。如果公司上传内部PDF、幻灯片、视频或wiki内容，平台需要非常清晰地解释租户隔离、访问控制、加密、保留、删除、审计日志和模型提供者边界。没有这些，系统可能对企业使用有风险。
前端在渲染页面输出中似乎也有重复内容。重复的章节、重复的推荐语和重复的文本块可能对SEO、可访问性、页面性能和可维护性产生负面影响。对于一个销售AI驱动学习质量的产品，公开实现应该更干净。
产品还声称支持合规相关的学习，但从技术上看，没有足够明显的证据表明有审计追踪、完成记录、基于角色的培训映射、基于风险的学习路径或合规报告工作流。
所以我的技术观点是：想法很好，但实现证据仍然薄弱。在看到架构图、安全文档、评估指标、数据流细节和真实企业案例研究之前，我认为它还不算技术成熟。
我们能学习AI以外的东西吗？
但问题在于他们不认为他们有学习问题。他们认为他们有流程问题。
我很好奇你如何为此转变进行定位。