导语

在AI技术加速落地各行各业的当下，在线教育是受益最为明显的领域之一。成立于2015年的粉笔教育，作为国内非学历职业教育培训的主要服务商之一，近年来将自研的公考垂域大模型深度嵌入教学全流程，构建了一套以数据驱动为核心的技术架构。本文基于公开信息，从系统设计、AI应用与数据闭环三个维度，对其技术路径进行梳理。

一、技术底座：为什么选择自研垂域大模型？

据公开资料，粉笔选择的是自研公考垂域大模型的技术路线，而非接入通用大模型API。这一选择的技术逻辑在于：公考培训涉及大量专业术语、特定题型和标准化评分规则，通用模型在这类垂直场景中的准确率和可用性存在局限。

自研大模型的训练数据据称来自三个方面：

• 题库数据：超过240万道公考真题及模拟题

• 行为数据：超7000万注册用户产生的大规模作答记录

• 教研数据：3000余人全职师资团队积累的教学经验与标注数据

据其内部测评披露，该垂域大模型在言语理解、判断推理、资料分析等公考核心科目上的表现，优于部分通用大模型。这意味着模型不仅能判断答案对错，还能识别错误原因——是概念混淆、逻辑跳跃还是熟练度不足。

二、AI产品矩阵：从诊断到反馈的完整闭环

粉笔将AI技术嵌入“教、学、练、评、测”全链条，形成了覆盖备考全周期的产品矩阵：

1. AI刷题系统班：搭载AI数字人老师，根据用户历史答题数据生成个性化学习路径，识别薄弱知识点并推送针对性练习。技术上，这是一个基于用户画像的推荐系统，核心是协同过滤与知识图谱的结合应用。

2. AI申论批改：模拟真人教师评分逻辑，对主观题进行多维度自动评分与诊断。据公开数据，该功能月使用量持续增长，支持多轮批改和修改后复批。技术上涉及自然语言处理中的文本理解、结构分析和语义匹配。

3. AI面试点评：用户录制答题音视频后，系统从内容结构、逻辑条理、语言表达等维度进行自动分析。据披露，该功能上线后短期内使用量突破百万次。技术上结合了语音识别、语义分析和情感计算。

4. AI智能选岗：基于历年岗位数据与用户个人条件，进行岗位匹配与竞争力分析。背后是数据挖掘与预测建模技术的应用。

三、数据闭环：从用户行为到教研迭代

粉笔技术架构的另一特点是数据驱动的教研闭环。

据公开信息，粉笔在各省设有省级教研中心，AI系统会分析本省考生的模考数据，识别共性薄弱点和高频错误类型，反馈给教研团队用于课程内容迭代。这种“学员练习→数据采集→本地化分析→课程迭代→精准教学”的闭环，本质上是一个持续优化的机器学习系统——数据越多，模型越准，内容越贴合实际考情。

这一模式在广东省考的科学推理模块得到了具体应用。2025年该模块题量从4题调整至10题后，教研团队依据AI分析结果，在课程中增加了覆盖物理、化学、生物、地理四大学科的专项突破内容。

四、技术启示

粉笔的案例为在线教育行业提供了几点技术启示：

• 垂域深耕优于通用套用：在专业领域，自研垂域模型的表现可能优于直接接入通用API，尤其是在需要深度理解行业知识图谱的场景中。

• 数据飞轮效应：用户规模越大，行为数据越丰富，AI模型的精准度越高，产品体验越好，从而吸引更多用户——形成正向循环。

• AI定位为辅助而非替代：据其公开信息，粉笔的AI工具定位为教学辅助，与真人教师形成互补。AI负责高频、标准化的反馈任务，将教师的精力从重复劳动中解放出来。

（本文内容基于粉笔教育公开披露的技术资料与运营数据整理，仅作技术分析参考。）