КосмоАкадемия: ИИ-тренажёр по школьному учебнику, который учит, а не решает
У моего сына девять лет, второй класс и СДВГ. Вечерняя домашка по математике выглядит так: счёт он знает, но на четвёртом примере внимание уплывает, в тетради слетают отступы, а любое приложение из маркета он проходит за вечер и просит новое. Мы с ним построили своё. Это работающий веб-тренажёр по настоящему школьному учебнику (kids.automata.sale), и в этой статье я разберу, как он устроен, потому что комбинация решений в нём встречается, насколько я вижу, в единичных экземплярах по всему миру.
Почему маркеты не помогли
Мы перепробовали популярные тренажёры. Общая конструкция: космический или звериный фон, звёзды за правильные ответы и поле ввода. Ребёнок с СДВГ быстро понимает, что игра награждает за клики, а не за понимание, и вырабатывает стратегию угадывания. Ни одно приложение из тех, что мы видели, не умело трёх вещей:
- брать задания из нашего учебника, с нашими номерами и нашими формулировками, чтобы утром можно было показать тетрадь учителю;
- сначала проверять, что ребёнок уже знает, и не грузить лишним;
- подсказывать так, чтобы не назвать ответ.
Поэтому родился проект «КосмоАкадемия»: ученик — кадет космической школы, задания — миссии, прогресс — путь от орбиты Земли до Море Спокойствия по мотивам «Аполлона-11», коллекция из 15 ракет за решённые серии. Но космос здесь только оформление. Внутри четыре инженерных контура, и каждый заслуживает отдельного разбора.
Карта системы
СКАН УЧЕБНИКА МЕТОДИКА learn НАСТАВНИК-LLM
│ │ │
OCR в несколько probe → plan → teach сократический
проходов, дословная в самих данных заданий режим, ответ
сверка человеком │ запрещён промптом
│ │ │
└────────────┬──────────┴────────────────┬───────┘
▼ ▼
ДАТАСЕТ ЗАДАНИЙ КНОПКА «СПРОСИ ЦУП»
(117 карточек) (объясни / наводка / пример)
│ │
└────────────┬─────────────┘
▼
КАРТОЧКА + ТЕТРАДЬ В ОРФОРЕЖИМЕ
(решаем в приложении — записываем как в школе)
Внизу этой схемы самое важное: приложение не заменяет школу, а готовит к ней. Разберу контуры по порядку.
Контур 1. Конвейер контента: скан → OCR → дословная сверка
Домашка задаётся по конкретному учебнику, значит, источник истины — страница учебника, а не фантазии генеративной модели. Конвейер такой:
скан страницы (PNG, 300 dpi)
↓ vision-модель, узкий запрос: «выпиши дословно задание №N»
сырой текст
↓ второй проход по спорным фрагментам («выпиши №N ещё раз, буква в букву»)
сверка: текст модели против скана
↓ расхождение? → правка в пользу скана
TBTask — карточка в датасете приложения
Два правила конвейера. Первое: полная транскрипция страницы vision-моделями нестабильна, а узкие запросы по одному заданию надёжны, поэтому страница читается по частям. Второе: в датасет попадает только то, что подтверждено повторным чтением скана.
Зачем столько осторожности — показывает реальный случай. Внешний агент подготовил для страницы 20 пять заданий, сверка со сканом показала: в задании про подсчёт углов агент перепутал фигуру и «нашёл» прямой угол у шестиугольника, хотя на скане прямой угол у пятиугольника. Попади это в приложение — ребёнок выучил бы ошибку и принёс её в класс. Конвейер поймал расхождение до публикации. За полтора месяца так внесено 22 страницы двух учебников (математика и русский язык), 117 заданий, и ни одна формулировка не написана «от себя».
Контур 2. Методика learn: probe → plan → teach, закодированная в данных
Основа педагогики — открытая методика learn (репозиторий amosblomqvist/learn): сначала безусловные истины, потом производные шаги; каждый узел сначала мотивируется, потом устанавливается, потом связывается с предыдущим и закрепляется квизом. Ключевая идея: понимание — это связный граф зависимостей, а не набор фактов.
В приложении методика живёт не в иллюстрациях, а в схеме данных каждого задания. Раскладываю по фазам.
Probe — карта знаний перед уроком. Каждое задание открывается «допросом условия», и первые вопросы — намеренно лёгкие, на проверку опорных навыков. Перед задачей про огурцы — «сколько будет 6 + 4?», перед задачей про отрезки — «сколько миллиметров в сантиметре». По learn это называется найти границу знания: сначала убеждаемся в «поле», потом идём к потолку. Ребёнок с СДВГ получает ранний успех и входит в задание без страха.
Plan — маршрут страницы. Над карточками выводится «План манёвра»: маленький DAG на человеческом языке, от фундамента («часть + часть = целое — у тебя уже есть») через узлы с номерами заданий к «цели манёвра». Ребёнок видит, зачем сейчас именно эта задача и что будет дальше. Методика требует показывать план ученику и получать его согласие — план в приложении делает ровно это.
Teach — цикл на каждый узел. У задания четыре свойства: hook — мотивация «зачем это уметь» («обратные задачи — это машина времени: по ответу восстанавливаем вопрос»), дословный текст условия, явная связь с предыдущим узлом («в №1 ты видел, как покупка поворачивалась обратной стороной — теперь переверни сам») и квиз-закрепление после решения.
Отдельно про квизы: дистракторы пишутся по правилу learn — сначала формулируется правильный вариант, неправильные получаются его мутациями: та же длина, тот же строй, каждая ошибка реальная и диагностическая. Ребёнок, выбравший «7 + 4» вместо «7 − 4», получает объяснение, а не просто крестик.
Контур 3. Наставник «Спроси ЦУП»: LLM, у которой нет права ответить
В каждой карточке — кнопки наставника: «Объясни», «Наводка», «Похожий пример». За ними стоит LLM (GLM через API z.ai), и вся её конструкция подчинена одному запрету: не решать за ученика.
- На сервер уходит только текст задания. Правильные ответы не передаются вовсе — утечь нечему.
- Системный промпт кодирует методику: коротко, 3–5 предложений, мотивировать, закончить одним вопросом, который двигает к решению. Режим «похожий пример» разбирает аналогичную задачу на других числах, называя ответ примера, но не исходной задачи.
- Ответ озвучивается синтезом речи — читать необязательно.
- Все вопросы ученика логируются в базу: родитель вечером видит, где именно застряли.
Это тот же принцип, что у нас в CRM с ИИ-директорами: агент готовит рассуждение, решение остаётся человеком. В детском варианте он ещё жёстче — у модели физически нет правильного ответа.
Контур 4. Мостик в тетрадь: орфографический режим
Главное открытие первого класса: у сына (и у половины класса) проблема не в счёте, а в оформлении. Учитель проверяет тетрадь, а не приложение. Поэтому после каждого решённого задания приложение показывает образец записи на клетчатом листе — в точном орфографическом режиме начальной школы:
- поля четыре клетки с красной линией;
- дата на 11-й клетке, «Домашняя работа.» — с отступом в пять клеток;
- «Задача 1.» — с отступом, краткая запись и «Ответ:» с заглавной, строки через клетку;
- столбики примеров — через три клетки, с автоматическим переносом по ширине листа;
- рукописный шрифт синими «чернилами» — как настоящая тетрадь.
Ребёнок решает в приложении, где вводить проще и есть мгновенная проверка, а в тетрадь переносит по образцу. Ссылку на решение можно за одну кнопку отправить учителю: публичная страница без регистрации показывает задание, ответы и «рассуждение кадета».
Интерфейс под СДВГ
Несколько решений, которые сделали именно наш случай:
- Задание разбивается на шаги: детектив-допрос, ввод по одному примеру (поле стоит рядом со своим примером, а не «12 одинаковых ячеек по порядку»), тетрадь. Ни одного экрана с двенадцатью одинаковыми полями.
- Закономерности — с продолжением: столбики примеров стоят как в учебнике, а «продолжи столбик» требует вписать и следующее число, и ответ — проверяется понимание правила, а не только арифметика.
- Речь: любое задание и любой ответ наставника читается вслух.
- Прогресс-история: путь «Аполлона-11» от орбиты до возвращения, 15 ракет в коллекции — награды за серии, а не за клики.
- 15-минутный формат миссии: короткая сессия с ясным финалом.
Технологии
Стек сознательно скучный: React 18 + TypeScript + Vite + Tailwind на фронте, Express + SQLite (better-sqlite3) на бэкенде, pm2 и nginx на сервере, аккаунты учеников с сессиями в куках, прогресс синхронизируется между устройствами. Контент готовит агент в IDE по описанному конвейеру, публикацию подтверждает человек — тот же принцип «агент готовит, человек решает», что и во взрослой автоматизации.
Почему таких проектов единицы
Чтобы система заработала, должны сойтись пять условий одновременно, и это редкая комбинация:
- Предметная дисциплина: методика преподавания, закодированная до уровня полей данных, а не «геймификация поверх PDF».
- Агентный конвейер контента со скан-сверкой: без него ИИ-генерация формулировок быстро нафантазирует учебник.
- LLM-дисциплина: наставник, спроектированный вокруг запрета выдавать ответ, с изоляцией правильных ответов.
- Уважение к школьному стандарту: мостик в тетрадь с орфографическим режимом, потому что итог домашки сдают на бумаге.
- Родитель-инженер рядом, который каждый вечер видит, где система не работает, и правит её.
Рынок edtech огромен, но почти весь он — либо контентные платформы без ИИ-контура, либо ИИ-«решебники», которые решают за ребёнка. Середина — машина, которая учит учиться по вашему учебнику — почти пуста. Она и есть самое интересное место.
Что дальше
Короткая дорожная карта: включение наставника на живом ключе (конструкция уже ждёт его на сервере), новые страницы учебника по мере программы (с.18–19, 24–25 уже в очереди), и главный эксперимент — та же контентная модель для целого класса, где прогресс-тетрадь учителя видят по публичным ссылкам.
Если вы делаете что-то похожее для своих детей или думаете о таком проекте — напишите, обменяемся находками.
📞 +7 (906) 311-77-69 · ✉ hello@automata.sale · 💬 Telegram: @automatasale · 🌐 automata.sale
ИП Урядов Евгений Евгеньевич · ИНН 645112058391 · ОГРНИП 312645301900058 Работаем по России, Беларуси и Казахстану
Automata может помочь:
Частые вопросы
Это готовый коммерческий продукт?
Нет, это работающий семейный проект: живое веб-приложение, в котором сын делает домашку каждый день. Архитектура переносимая, контентная модель масштабируется на класс, но продажи продукта не планируется. Статья о подходе, который может повторить любой разработчик или издатель.
Не делает ли ИИ домашку за ребёнка?
В этом и главный принцип. Наставник-LLM получает только текст задания, правильные ответы до сервера запроса не доходят. Системный промпт запрещает называть ответ и решать задачу до конца: режимы объяснения, наводки и похожего примера, в конце обязательно вопрос, двигающий к решению.
Откуда берутся задания?
Со сканов страниц школьных учебников. Vision-модель переписывает условия в несколько узких проходов, затем идёт дословная сверка: в приложение попадают только формулировки, подтверждённые вторым чтением скана. Так внесено 22 страницы двух учебников, 117 заданий.
Что с данными ребёнка?
Минимум: имя и пароль ученика, прогресс миссий в собственной SQLite-базе на нашем сервере. Никакой телеметрии, рекламы и третьих сторон. Публичные ссылки для учителя содержат только решение конкретного задания.
Можно ли повторить такой проект самому?
Да, весь стек открытый: React, TypeScript, Tailwind, Express, SQLite. Ключевое не код, а дисциплина: конвейер скан-сверки, методика probe-plan-teach в данных и запрет LLM выдавать ответ. Описание всех четырёх контуров в статье.
Работаю удалённо — цены и условия для вашего города: