认识结构
观察底座、连杆、舵机和夹爪，理解机械臂为什么能完成旋转、抬升和抓取。
01 Robot Project
MeArm 机械臂项目
机械臂不是简单拼装，而是一堂完整的工程启蒙课。孩子会从认识零件开始，理解舵机、连杆和夹爪如何协同工作，再通过编程让机械臂完成抓取、移动等任务。家长能看到孩子如何把“机械结构”和“代码逻辑”真正连接起来。
适合：小学高年级至初中
能力：空间结构、控制逻辑、工程调试
成果：机械臂抓取挑战与改造方案
完成搭建
按任务图纸组装结构，并记录每个部件的作用，让搭建过程变成工程理解。
写入控制
用代码控制舵机角度和动作顺序，从“能动”走向“按目标执行”。
挑战任务
完成抓取、搬运、路径优化等挑战，并复盘失败原因和改进方法。
02 Creative Making
AI + 3D 打印
很多孩子有想法，但不知道怎么把想法做出来。AI + 3D 打印项目会带孩子从手绘创意开始，借助 AI 识别和三维建模，把脑海里的点子一步步变成真实作品。孩子收获的不只是一个打印模型，而是从想法到成品的完整创造过程。
适合：低龄启蒙至初中创客课
能力：创意表达、模型思维、数字制造
成果：可带走的 3D 打印作品
画出想法
从手绘、故事或生活需求出发，先让孩子说清楚自己想做什么。
AI 辅助生成
把创意转化为可调整的三维模型，降低建模门槛，保留孩子的主体表达。
检查与切片
理解尺寸、支撑、材料和打印时间，让作品从“好看”走向“能制造”。
打印与展示
完成实体打印、打磨和作品讲解，让孩子带着成果讲述自己的设计过程。
03 AI Tutor
随堂导学伙伴
智能体不是直接给答案，而是陪学生读题、拆解任务、定位报错和复盘思路。它让线上编程平台更像一个会观察、会提醒、会追问的学习伙伴。
适合：Python 入门与进阶闯关
能力：问题拆解、代码调试、自主学习
成果：闯关记录、错误复盘、能力画像
理解任务
AI智能体把关卡目标拆成孩子听得懂的小问题，帮助孩子先读懂题目，再找到解题方向。
提示而非代写
思路卡住时，智能体不直接给完整答案，而是提供分层提示，引导孩子自己迈出关键一步。
定位错误
结合报错信息、变量结果和尝试记录，引导孩子判断问题出在哪里，而不是盲目修改代码。
复盘成长
把每一次通关、报错和修改都沉淀为学习轨迹，让家长看到孩子从不会到会、从依赖提示到独立完成的变化。
Long-term Memory
长记忆：让导学伙伴真正记住孩子
导学伙伴不是每节课从零开始。孩子说过的话、做过的题、犯过的错和教师的反馈，会被整理成一条条可追溯、可演化的记忆，跨越课时持续影响之后的每一次提示。
一条记忆的完整生命周期
依托双层持久化事件桶版本图，完整演示一条记忆的生命周期：课堂交互统一接入（Ingest）→ 抽取为结构化事件（Extract）→ 复合记忆键定位事件桶（Locate）→ 桶内版本更新（Update）→ 不可变状态与统一版本发布（Commit）→ 状态约束检索输出带证据的回答（Retrieve），把零散对话变成可以被再次使用的证据。
技术积累 01 · 多源学习事件表征与结构化
围绕生成式事件抽取，把学习对话、作答记录与教师反馈统一封装成带来源与时间的消息，再抽取事件类型、触发信息，以及对象、行为、时间、知识点、结果等字段，形成可检索、可更新的结构化学习事件。原始文本不再直接参与检索，而是被归一为字段完整、置信度可校验的事件记录，为后续的索引与演化提供统一入口。
下图给出从查询类型、Passage 与 Prompt 构造，到事件触发词与论元（攻击者、目标、工具、地点）输出的完整链路；落到学习场景，就是把「学生自然语言、作答结果、教师反馈」映射为同一套事件字段，例如 e = (s, r, o, t, c, p, v, h) —— 主体、关系、客体、时间、上下文、重要性、版本与历史，字段可校验、可追溯。
技术积累 02 · 关联记忆索引与动态演化
以复合记忆键（学生 × 课程 × 知识点 × 时间窗口）定位事件桶，在桶内维护版本链以及替代、支持、冲突三种关系；通过不可变状态、局部路径复制与统一版本发布完成增量更新。检索时先校验有效版本、再保留冲突证据，使“薄弱 → 改善 → 已掌握”这类状态变化可以追溯，旧记忆被标记替代而不是被删除，智能体因此既能记得住，也能辨新旧、查依据。
下图对照两条参考路线：A-MEM 以 note 构建、链接生成、记忆演化与 top-k 检索组成动态关联记忆；Mem0 以抽取阶段与更新阶段（ADD / UPDATE / DELETE / NOOP 四种操作）维护长期记忆。本项目在此基础上引入事件桶与版本图，把“关联”与“演化”统一到同一索引结构里。
技术积累 03 · 长程记忆评测与轻量维护
面向跨会话检索、时间推理、知识更新与拒答四类能力构建评测体系，并配套记忆压缩、分主题维护与离线整理；在标注样例上对比长上下文、摘要记忆与向量检索等基线方案，衡量有效记忆召回率、过时信息误用率、响应时延与存储开销，确保记忆既记得准、判得对，也能在有限算力下长期维护。
下图左侧的 LongMemEval 覆盖单会话偏好、时间推理、知识更新、多会话与拒答五类任务；右侧的 LightMem 通过记忆压缩、分主题分段与并行更新，把长期维护开销压到可接受范围。这也是本项目评测与轻量化方案的直接来源。
