Xueersi lance le "Petite Dragon" pour l'apprentissage précis de l'écrevisse

Le 1er avril, Xueersi (Apprendre et Réfléchir) a publié le premier produit natif côté étudiant de l’industrie, un produit d’apprentissage de l’écrevisse ciblé, conçu sur mesure à partir de l’architecture OpenClaw — « Xiao Jinglong ». Avec pour positionnement central « mappage du cerveau, propriété privée, compagnon d’apprentissage », Xiao Jinglong intègre pour la première fois dans un agent intelligent dédié aux élèves : mémoire à long terme, diagnostic dynamique de la progression scolaire, chaîne de Skill dédiée à l’éducation et système d’accompagnement émotionnel. Il fournit aux élèves un service d’IA d’accompagnement à l’apprentissage sur l’ensemble du parcours et pour l’ensemble des matières. À l’heure actuelle, le produit peut être téléchargé via le site officiel https：//mate.tal.com/.

En 2026, à mesure que l’agent open source OpenClaw devient rapidement célèbre à l’échelle mondiale, l’IA agentique passe d’une phase « capable de répondre » à une nouvelle étape « capable de percevoir, de planifier, d’exécuter et de réfléchir ». Ses capacités, naturellement compatibles avec des scénarios modernes d’éducation fondés sur des informations sur la progression scolaire, l’interaction intelligente et la différenciation pédagogique, permettent à l’IA éducative de ne plus se limiter aux réponses passives, mais d’évoluer vers un « agent intelligent dédié à la croissance à long terme des élèves ».

L’IA s’intègre sans friction dans des scénarios d’apprentissage continus, formant une cartographie dynamique du monde de l’apprentissage

Selon la présentation, « Xiao Jinglong », fort des 22 années d’expérience d’éducation accumulées par Xueersi et des capacités d’IA éducative de pointe de l’industrie, relie les étapes clés couvrant l’ensemble du cycle de vie de l’apprentissage des étudiants, et s’accompagne d’une « chaîne de Skill dédiée à l’éducation ». Elle peut générer dynamiquement des plans personnalisés d’apprentissage et d’entraînement en fonction de la progression scolaire, générer intelligemment le contenu d’entraînement dédié, corriger les sujets et fournir des explications ciblées centrées sur les points faibles, tout en consolidant automatiquement des résumés spécifiques et en constituant le dossier personnel d’apprentissage, afin de créer pour les élèves un scénario d’accompagnement immersif. Par ailleurs, elle dispose aussi de capacités comme les rappels quotidiens, la gestion de la progression, la perception des émotions et l’interaction d’accompagnement. Pour la première fois, l’IA entre véritablement dans le quotidien d’un élève, dans un scénario continu d’apprentissage : elle peut déceler les lacunes de connaissances, les points faibles de capacité, les blocages cognitifs et la meilleure action d’apprentissage à entreprendre ensuite, à travers chaque geste de l’élève.

Les élèves peuvent à tout moment discuter avec l’IA partenaire d’apprentissage Xiao Jinglong. Qu’il s’agisse d’expliquer un exercice, de diagnostiquer la progression scolaire, de corriger une copie ou de générer des exercices de manière intelligente, il suffit de formuler la demande dans la fenêtre de dialogue : le système appelle automatiquement les Skill correspondantes depuis le « Skill Gallery ». Les notes interactives organisent et transmettent en temps réel les points de connaissance, les chapitres du manuel, les vidéos de démonstration, etc. C’est comme échanger avec un camarade de révision bien réel : tout en discutant facilement et en interagissant, on assimile pleinement les connaissances.

La carte des connaissances de « Xiao Jinglong », qui reflète la situation de l’élève

Au sein de « Xiao Jinglong », diverses capacités d’apprentissage avancées sont découplées et encapsulées en plugins Skill distincts. Dans cette architecture, l’élève n’a pas besoin de basculer à répétition entre des entrées de fonctions ni d’effectuer des configurations complexes : Xiao Jinglong peut percevoir de manière autonome le contexte, orchestrer dynamiquement les Skill et fournir automatiquement les capacités adaptées aux besoins de l’élève. Les responsables concernés expliquent que, grâce à des « barrières dédiées à l’éducation » et à une conception d’agent « pur », il est possible de contrôler efficacement les hallucinations des grands modèles et les interférences d’informations non pertinentes. D’autre part, en reconstruisant la « chaîne de Skill dédiée à l’éducation », l’agent se dote de « mains et pieds » capables d’appeler dynamiquement des compétences en fonction de différentes tâches d’apprentissage. Ce que présente Xiao Jinglong n’est pas « une disposition côte à côte de plusieurs fonctions », mais un système d’agent intelligent éducatif qui travaille de manière autonome autour des objectifs de tâche de l’élève.

Grâce à la capacité de mémoire à long terme, conserver des « actifs cognitifs » de croissance

La capacité de mémoire à long terme fait partie des plus importantes barrières différenciantes de Xiao Jinglong. La base d’un apprentissage précis repose sur une compréhension complète et minutieuse de la progression scolaire de l’élève. Si les données d’apprentissage restent cantonnées à un niveau de consignation statique, il devient difficile de réellement promouvoir un apprentissage précis.

Xiao Jinglong met en place un système de mémoire à long et à court terme destiné à la croissance des élèves : il peut enregistrer continuellement des indices multimodaux tels que les retours issus des dialogues, les résultats d’appel des Skill, les performances lors des exercices, les hésitations et les pauses, dans un flux de mémoire dédié à l’élève. Ainsi, il ne ressemble plus à « une encyclopédie sans mémoire », mais plutôt à un cerveau numérique capable de former progressivement le profil cognitif de l’élève : il se souvient des questions précédentes de l’élève et peut anticiper les difficultés possibles à venir, afin de générer des parcours d’apprentissage plus précis, plus efficaces, et plus personnalisés. L’interaction entre l’élève et l’IA ne consiste plus seulement en une consommation immédiate : c’est une infrastructure de base pour la croissance qui peut se déposer en permanence et prendre de la valeur en permanence.

Les capacités d’analyse des copies de « Xiao Jinglong »

En parallèle, Xiao Jinglong introduit également, dans l’architecture Agent, un mécanisme de calcul émotionnel optimisé par la psychologie de l’éducation. Lorsque le système détecte que l’élève est en situation d’échec, anxieux, perd patience, etc., il ne se contente pas de fournir une réponse standard : il utilise des indications progressives, un ajustement du rythme et des retours d’encouragement davantage conformes aux lois du fonctionnement psychologique de l’apprentissage. Il adapte son mode d’interaction et d’accompagnement en fonction de l’âge de chaque élève, de ses traits de caractère, de ses habitudes d’expression et de son état d’apprentissage. Chaque élève peut ainsi obtenir le « compagnon d’apprentissage » qui comprend le mieux sa situation.

Centré sur l’humain, retour à l’humain : l’IA deviendra un lien intelligent entre l’éducation et la sollicitude

En mars, Xueersi a déjà été la première à lancer le « Nine Chapter Dragon Shrimp », conçu spécialement pour le corps enseignant. Et la présentation de « Xiao Jinglong », destinée aux élèves, constitue précisément une nouvelle avancée dans le déploiement de la « matrice Dragon Shrimp » d’Xueersi dans le domaine de l’éducation par l’IA.

Du fait de doter les enseignants de moyens, à l’accompagnement des élèves : la « matrice Dragon Shrimp » vise à relier l’ensemble des maillons de l’éducation, afin que l’IA ne soit pas seulement un outil unique d’amélioration de l’efficacité, mais devienne un lien intelligent reliant l’école, les élèves et les familles, ainsi que les différents scénarios. Xueersi met en place en continu ses produits, s’efforçant de faire du « enseignement à grande échelle adapté aux aptitudes de chacun » une réalité, grâce à des mises en œuvre techniques répétées.

Lorsque répondre aux questions, corriger et générer deviennent progressivement des capacités fondamentales de l’industrie, le point de valeur des produits éducatifs de la prochaine génération reviendra à « l’humain » lui-même : comprendre l’élève, consolider l’élève, accompagner l’élève. La forme future de l’éducation + IA devrait être un système intelligent de croissance continue, d’accumulation continue et d’évolution continue. Lorsque l’IA éducative passe de « capable de répondre » à « capable de comprendre, de se souvenir et d’accompagner », l’ère des agents intelligents dédiés aux élèves commence réellement.