专访丨华人本科生打造学习 Agent，获真格 100 万美元投资

这是一款由在校生团队打造的通用学习智能体：可以深度解题、拆开讲清抽象概念，又能从上百页课件、文献里提炼出 cheatsheet、闪卡和练习题，还会记住每个用户的学习方式，像一个长期陪伴在身边的私人老师。

从 2024 年在量子计算黑客松上做出第一版「深度知识搜索引擎」，到如今成长为面向全球学生的学习智能体，Hyperknow 也在 2025 年完成了 100 万美元种子轮融资，由真格基金 ZhenFund 领投。

https://watcha.cn/products/hyperknow

这次，我们也和 Hyperknow 的两位创始人聊了很久：从那场改变他们的量子黑客松，到他们如何理解通用学习智能体，以及为什么 ChatGPT 还不够好用；站在 20 出头的年纪，他们怎么看 AI 教育的下一步，会不会真的重构我们习以为常的学习方式。

下面是这次关于 Hyperknow 的完整对话。

特工少女：可以先介绍一下自己，以及 Hyperknow 这款产品的功能和用途

若涵&一霖：各位好！我们是若涵和一霖，Hyperknow 的两位创始人。Hyperknow 是由本科生打造的首款通用学习智能体。

这里有两个比较重要的概念，第一：什么是学习智能体？

从用户角度讲，我们希望它能高质量的解决学生在学习中遇到的所有问题，尤其是把「复杂」知识的理解变「简单」。

从技术层面来讲，智能体这个概念大家也并不陌生，它通过赋予传统模型更多的工具，上下文等，让模型有更多触手：对于我们的产品来说，模型可以深度解题，解释知识，使用网络搜索阅读网页和数据库；接入大学教学系统，理解学生正在修的课程内容；甚至是主动式的向用户提出问题。

再来讲讲「通用」：一个层面是使用场景的通用，另外一个层面是模型能力的通用。

对于使用场景来说，Hyperknow 可以服务于学生从预习，上课，复习备考这个完整的闭环。从模型能力角度来说，除了联网，和主动式之外，其他的亮点能力包括生成 cheatsheet，闪卡，练习题，代码，讲解视频等！

我们最大的优势是，这些功能都合在了一个智能体中。所以各个功能可以组合实现更加的效果：例如，基于我们知识解释引擎的产出的高质量回答，生成讲解视频的质量也会更好！

特工少女：当初是什么契机让你们决定从学生身份转变为创业者？能分享一下团队在哥伦比亚大学的求学经历和创业灵感吗？

若涵&一霖：哈哈哈，一开始差点忘记和大家提到了，我们都是本科在校生。今年在 gap！当时开始做，一霖当时是大二，若涵是大一。我们在哥大学的都是物理 + 计算机专业。

当时我们有一个物理系的好朋友邀请我们来参加一个 Quantum Computing Hackathon，即「量子物理黑客松」。当时我俩其实对这个主题不是很熟悉，所以在开始黑客松之前，参加了 3 天的课程集训。不过当时老师讲的其实不太好，我们花了好几个小时听完讲座，后来完成作业的时候，发现作业里的很多东西都没有提到。

当时问 ChatGPT，却发现它的回答太过浅显，不够把题解出来，无法满足我们的需求；而查找教科书上的相关内容，发现都是基于一些我们没听过的知识和公式，讲得晦涩难懂。后来我们经历不少波折，还是把知识弄明白了。那时自己有一种恍然大悟的感觉，因为概念本身的思想非常简单。但是仍旧花费了我们很长的时间去理解，远超我们的预期。

我们当时产生的想法，也是 Hyperknow 一切的起点：有没有一种方式能把复杂的知识讲得很清晰易懂呢？其实「看起来复杂的知识」并不是真的困难，而是没有被以一个足够好的方式讲解。当时是 24 年 9 月份，我们做出来了 Hyperknow 的第一版产品，一个深度知识搜索引擎。

特工少女：团队成员的专业背景都很丰富，你们平时是如何进行分工合作的？在团队协作中有没有什么独特的工作方式？

若涵&一霖：我们的团队很小，目前只有 6 位成员。我们两个都是技术创始人，一霖主要负责后端的技术开发和研究，若涵负责前端开发，以及主导产品设计。我们还有来自美国其他大学的伙伴，以及我们在哥大的朋友，参与到技术/产品/GTM 方面。

所以整个团队特别年轻，平均年龄是 20 岁（比特工团队还要年轻两岁）。

有些同学还在校园内上课，但是平常也特别热忱地投入到开发中来。所以我们一般合作的方式是任务制，即在我们的工作平台上，把任务以文档的方式分享给合作伙伴，然后他们在确定的时间内交付。我们两个平常大部分的工作也都是技术和产品上的开发，不过各位看到在小红书和国外社交媒体的推文，也是我们俩一字一句写出来的。

和其他 AI 创业公司一样，我们的团队的管理结构比较 flat，我们也多多鼓励大家去想一想产品以及用户体验（哪怕有些同学平常的主职不负责这部分）

特工少女：在你们看来，当前学习过程中最大的痛点是什么？Hyperknow 试图解决哪些具体问题？

若涵&一霖：从 24 年 9 月做出第一版产品开始，我们一直是围绕着一个核心：把复杂的知识变得更简单。

这也是我们认为目前学习的最大痛点：为了触达理解，我们反复搜索、看无数讲解，只为找到一个明白的解释；可这些低效的努力却往往成了噪音，学习变成了摸索理解的过程，而不是专注地吸收知识。

其实或许这不仅仅是学习的最大痛点吧，也可能是所有人在理解知识，甚至是人类学习上的一个壁垒（笑）。从现在通用学习智能体，Hyperknow Agent 的具体形态来看，在帮助理解方面，我们可以帮学习者解释知识，分步带领解题，做长文献阅读（上至 1000 页）等，这些都是通过模型优化+用户背景个性化实现的。

在简化工作流，专注提效方面，Hyperknow Agent 可以帮用户生成可以带上考场的 cheatsheet（一种半开卷考试形式时需要的材料），链接大学的学习系统(LMS)直接导入文件，闪卡帮助记忆，练习题等等。当然这只是列举的一些，很多用户使用 Hyperknow 也找到了我们没有设想过的场景。

而借助 Hyperknow Agent 这种通用的架构，学生们提出任何问题，放入任何 query，我们都相信它能够以超出预期的方式完成。以及，我们产品的设计以及近期的目标是：高质量的解决学生在学习中遇到的所有问题。

特工少女：Hyperknow 在生成学习资料（例如复习卡片、题目、cheatsheet 等）时，你们是怎么设计资料结构的？是否提供可直接进行答题的复习方式？

若涵&一霖：首先，这些复习卡片，题目，都会基于用户上传的文件，或者是询问的主题。我们的模型会结合用户背景以及个性化记忆，尤其找到其中最重要，用户最不熟练，考试最常考的知识点，提取出来做复习卡片和题目。

这些复习卡片和题目，都可以直接在 Hyperknow 对话里面使用，提供了一种可以直接进行答题的复习方式。其中通过 quiz（答题）复习时，题目这部分还包含答案验证，里面包括了各个选项正确以及错误的原因。

对于我们的亮点功能，cheatsheet 生成，我们专门优化生成结果，会模仿学生们真正在考试前制作 cheatsheet 的方式和结构，把 cheatsheet 中的内容排布成一个很密集的 4 列文档，并将知识点精炼。所有生成的学习资料都可以即时下载使用。

特工少女：用户的知识水平差异可能会比较大，我看到网上也有人好奇：你们的目标用户到底是中学生、大学生，还是研究生？内容难度是如何进行分层或适配的？

若涵&一霖：虽然产品最初是主要针对大学生、高中生，一方面因为我们本身是大学生，另一方面也是这两个年龄段的群体自主学习需求最大，也最有能力支配自己的学习方式，而对于其他年龄段，可能更多是老师督促的学习。

但我们其实欢迎各个年龄层的用户都来体验 Hyperknow！对于年纪小的学习者，或者已经工作的但有学习需求或热情的终身学习者，也都能够从 Hyperknow 受益。其实在后台，Hyperknow Agent 对各个年龄层的用户都有适配。如果我们知道他们是小学生，和中学生相比，针对同一个知识的解释肯定是不一样的。

另外，我们也对模型的记忆方式做了特别的设计，所以 Hyperknow Agent 能够长期记忆每个用户的学习方式和习惯，为每个用户定制个性化的学习模型。

分享一个特别有意思的例子：有一个用户发送了请求，说自己是一个 80 岁老奶奶，想学 R 语言画图。然后 Hyperknow 就给了她一些特别生活化的比喻，方便老年人学习。

其实这块体现了我们能把知识理解做得更简单的部分原因，就是个性化。针对每个年龄段的人，知识水平、了解的背景和深度都是不一样的，我们也会提供不一样的解释方式。

特工少女：目前像 ChatGPT 这样的产品也能提供深度回答、联网搜索、项目存储等功能。你们认为 Hyperknow 在学术学习领域的核心差异化优势是什么？

若涵&一霖：通用型模型类似于 ChatGPT 等，确实能在生活的方方面面给人带来帮助。我们做 Hyperknow 的初衷，也是因为 ChatGPT 在学习的具体场景上，表现的不尽人意，所以希望能做得更好！

我们的模型在回答，生成文件；再到整个智能体的架构等等核心方面都做了很多算法的优化。在学习场景的具体体验上，会比通用模型好很多。很多用户评价我们是“目前见过教学效果最好的模型”。

其实刚刚提出这个智能体的点子的时候，团队内也有不同的声音。 但当我们鼓励他们真的去使用 Hyperknow，他们问了一个知识解释的问题，发现读 Hyperknow 的时候能分泌一种多巴胺--因为讲的东西真的和课本上的内容一样！但是完全不像课本上讲的那么难懂。

总结来讲，我们在和通用模型有重叠的方面，例如解释知识，解题方面效果更好；也能做到通用模型做不到的事情，例如各种学习材料的生成。而且 Hyperknow 也会有和学习相关的生态，会推出更多对学习有帮助的功能，不仅仅是更好的模型，也会是更流畅，压力更小的学习体验。

特工少女：你提到 Hyperknow 希望帮助学生更高效地学习，但学习往往从困惑开始。当用户还不知道该问什么问题时，AI 应该怎么做？你们有没有尝试让系统帮助用户发现问题而不仅仅是回答问题？

若涵&一霖：非常好的问题！我们和用户访谈的时候，也发现了相同的问题。目前的 Hyperknow Agent 会根据用户的问答历史以及知识，教育背景，每天在搜索框下方推荐「你可能会感兴趣的主题」。其中不仅仅会包含知识点，还会包含“请根据我的课堂笔记为我生成一份 PDF 格式的复习表”等等一类，告诉用户如何更好使用 Hyperknow 来帮助他们优化学习流程。

另外，我们的模型已经具备了主动式的特点。也就是说，用户无需费尽心思考虑如何提供完美的提示词。当用户进行提问时，Hyperknow Agent 会站在用户的角度上，全面考虑用户可能没有讲清的需求，并通过主动反问的方式去填补这些用户提问的缺口，一次性就为用户提供最符合他们需求的回答。

这样，学习者们可以大大减少花费在思考如何提问，以及和模型 back-and-forth 上的精力。

也悄悄告诉你们，我们也在准备一次更大的更新，很有可能是全球教育领域首个主动式模型。

它会更主动的帮用户发现，提示，学习中下一步的事项。类似于钢铁侠电影里面的智能助手 Jarvis，不过是在学习领域。

特工少女：在你们的产品设计中，AI 生成内容的“深度”和“可验证性”是如何平衡的？比如用户怎么判断它的答案是否可靠？

若涵&一霖：Hyperknow 的大部分回答，每一个重要内容都会附注来源。对于网络搜索来源，我们会具体附上网页和地址。如果是来源于用户上传的文件，我们会附上具体的页码，供用户查看。这样用户就可以判断它的可靠性。

我们认为其实可验证性在学习场景中，不是一个选配，而应该是标配。很多用户跟我们反映，他们会用 Hyperknow 来辅助科研，做文献综述。在这种对于准确性要求特别高的场景下，我们一定需要提供每个内容的来源，因为每一个来源都可能会给研究带来新的突破。

对于深度和可验证性的平衡，Hyperknow 在深入解释的时候，会先计划一个大纲：要讲哪些内容，搜索哪些知识。所以每一步都是有计划，有实际内容支撑的。

特工少女：在正式推出前，有多少学生参与了内测？正式推出后，用户的反馈如何？有没有具体的使用案例可以分享，如某位学生通过 Hyperknow 提升了成绩或学习效率？

若涵&一霖：在我们正式推出前，在全球有接近 500 名用户参与内测。正式推出后，很多用户都给我们在后台留言，说是目前用到的“讲得最好的学习模型”。这一点我们还是很自豪，因为 Hyperknow 的初衷，就是希望大家在这个信息碎片化的时代，仍然对深入的知识学习抱有热情。

当然，我们在这里也要感谢很多用户反馈了建议。我们的后台开发同学，包括我和若涵，每天都在根据大家的建议开发新功能！具体的使用案例有很多！很多是从之前内测开始，到现在一直都在使用 Hyperknow 的同学。

比如一位学医的同学，利用 Hyperknow 阅读了很多文献和资料。据她反映，现在每周再也没有感觉那么累了，考试也更轻松的取得了更高分数。她也把 Hyperknow 推荐给了班里的更多同学。

特工少女：从大学生团队到创业公司再到获得融资，这个过程你印象最深的环节是哪一阶段？为什么？

若涵&一霖：我们是 25 年 5 月份成功获得融资的。在这里感谢真格基金 Zhenfund 给我们一直以来的支持！

印象最深的是，我们在 3 月底举行了一波用户线上讨论会。一共举办了两场，当时设置的是国内的周末上午时间。有特别多用户来参加，听我们讲产品现在的功能以及对未来的设想。当时大家在评论区和线上语音都有互动。我们特别激动+感动，没想到一个小小的产品能让这么多伙伴关注，并且愿意花时间亲身体验，给我们特别有用的反馈。

这次是我们收集到最多新功能诉求，印象最深的一次。

特工少女：看到你们最近获得了 100 万美元的种子轮融资，未来这笔资金会主要投入在哪些方向？是否有计划扩大团队或拓展新的市场？

若涵&一霖：未来这笔资金会投入于拓展 Hyperknow 的全球学生用户网络，以及招募新伙伴上。Hyperknow 近期的用户都来自于亚洲和北美市场。我们也希望它能触及到更多的用户群体，甚至是教育、经济不那么发达的地区。让知识对于每个人都触手可及。

特工少女：从长远来看，你们希望 Hyperknow 为教育生态带来怎样的改变？是否设想过与高校或教育机构展开合作？

若涵&一霖：对未来的教育生态，我们想象：自主学习和探索将占越来越大的比例。学习知识这件事情将会以更个性化、自主的方式完成，学习知识时学生可以不被学校的各种规章、节奏束缚。我们希望 Hyperknow 能担任每个人的个性教师。

如今，几乎每个人都要花人生的前十几年跟随统一的课堂节奏，被作业、考试、课程标准严格绑定在一条既定轨道上。学习知识本身变得十分耗时、压力巨大，而真正属于学生的兴趣、自主探索、自我建设的时间却非常有限。

但我们在回看自己多年的求学生涯时发现 —— 理解知识并不一定需要被压缩在这样漫长而高压的体系里。很多时候，阻碍我们的并不是知识本身，而是没有找到一条最适合自己的路径。而这正是我们希望 Hyperknow 带来的改变。

我们相信学习不应该受制于 one-size-fit-all 的课堂体系，每个人都应该能够探索、制定自己独特的学习节奏、计划、方式。我们希望，过去从小学到大学，需要十六年完成的学习，借助 Hyperknow，也许未来三五年就能完成。而这并不意味着加速学习，而是让每个学生终于能按照自己最佳的方式来学习。（另外，这也是为什么我们相信，最佳的 AI 学习产品应该由真正的学生和学习者们带来。我们也希望能够同全世界的学习者们一起，在这场 AI 时代的教育变革中获取自己的一份话语权）

这样，学校反而能把更多时间还给学生——去培养个性、视野、创造力，也让老师能更专注于育人本身，而不是被迫把大量时间花在重复知识传递上。

关于是否会与教育机构合作 —— 当然！而且这是我们非常期待的一步。

当 Hyperknow 在 C 端验证足够成熟后，我们希望通过官方渠道进入校园体系，让 AI 成为每个学生的第二个老师。我们计划从中学、高校开始，与课程体系深度对接，帮助老师补足个性化教学的那一块短板。

更远一点，我们也想和全球最前沿、最具实验精神的创新学校合作：让 Hyperknow 不只是课外辅助，而是学生学习知识的主要方式之一。再之后，这种方式或许会普及到更多的人，甚至也为推动教育公平做出贡献。

我们希望推动这种教育生态的深层变革，让学习这件事变得更自由、更高效、更属于每一个人。

特工少女：作为年轻的创始人团队，你们怎么看 AI 教育的下一步？它会是效率革命、认知升级，还是学习方式的彻底重构？

若涵&一霖：我们认为问题中提到的三点其实就是一个连续演进的轨迹。

而现在行业中大家看到的 AI 学习工具，大部分都还处在效率革命阶段 —— 更快整理笔记、更快找到资料、更快生成思维导图，等等。这当然有价值，但它并没有真正改变学习这件事本身。如果一个学习者本身就不理解某个知识点，仅仅为他总结相关笔记并不会帮助他真正理解 —— 完成学习中最重要的一步。

而对于认知升级，这是我们正在尝试推动的下一步。就像前段时间看到谷歌还是 a16z 说的，教育 1.0 还在于效率提升，而教育 2.0 应该做的是更好的帮助理解。

我们一直认为，学习中最重要的一步是真正触达理解。但当我们回看过去几十年的教育，以及我们自己学习中的亲身经历，真正被教会，寻找到一条真正容易触达理解的路径，始终是学生，以及所有学习者最大的痛点。而对于 AI，不应该只是把步骤变快，而是要帮助学生真正看懂知识 —— 把一个抽象的概念拆开讲，把模糊的地方点得很清楚，用个性化的方式讲，甚至能判断你到底是“没懂”，还是“以为自己懂了”。这是 Hyperknow 现在最核心的方向：我们希望借助 AI，让深度理解变得更轻松、更直观，以至于所有看上去复杂的知识都可以被讲懂，而人们在看到复杂的概念时，不再会产生畏惧的情绪而退缩，而是更自信的说没问题。这样，对于学习，理解这件事，就会变成一件更令人愉悦、享受的事情。

这一点也是对于学习者心态上的重构，也会将我们导向下一阶段——再往后，我们相信会逐渐走向真正的学习方式重构。

我们相信 AI 最大的潜力在于个性化这件事。也就是说当一个 AI 能长期了解你、知道你现在处在什么阶段、你的知识树长成什么样、你对什么东西敏感、你在哪部分有缺口，它就不再是一个工具，而是一个伴随式的老师。那时候学习不会再是传统意义上的“上完一节课、看完一章内容”，而会变成一个持续的、个性化的探索旅程。就像我们之前提到的，甚至可能知识最重要的来源不再是传统意义上的学校、老师，而是每个人根据自己的兴趣、节奏、热情，个性化、自主的探索。

总结起来，对我们来说，这是 AI 教育的理想形态：不是把学习自动化，而是让每个人都能拥有一个只属于自己的超级教师，让理解这件事不再是一种奢侈，让学习这件事变得更自由、轻松。

文章来自于“特工宇宙”，作者 “特工丸子”。