1. 9.9 元这个定价本身就是一道筛子

第一次看到“9.9 元 AI 班宠”这个词，我的反应不是“又一个 AI 套壳”，而是“这个价格定得挺狠”。做教育类产品的人都清楚，面向学生端收费最难的不是定价高，而是定价低——低到让家长懒得追问，低到让老师不觉得你在推销，低到让学校层面根本不认为这是个需要审批的采购行为。9.9 元就卡在这个缝里：它比一杯奶茶便宜，比一包零食贵一点，家长扫码付款时的心理摩擦几乎为零，同时又能把纯薅羊毛的人挡在门外。

这波“9.9 元 AI 班宠”之所以能火，表面看是 AI 陪聊加养成小宠物的组合新鲜，实际上它踩中的是游戏化教育做了十几年都没彻底解决的老问题：课堂里的反馈太慢、太稀、太集中在少数人身上。所谓的“班宠”，从目前流传出来的产品形态看，大致是一个班共养一只虚拟宠物，学生通过打卡、完成任务、课堂表现积累成长值，宠物会随班级整体进度进化，同时每名学生还能和它单独对话。这套东西技术含量真不算高，但它把“AI 对话能力”和“养成数值”这两件已经被验证过的东西，塞进了一个极低决策成本的入口里。

我写这篇不是要吹它，恰恰相反——这类产品最容易死在第二个月。9.9 元能买来一次新鲜感，买不来一个学期的持续参与。下面我按自己做类似项目的经验，把它拆成几个能直接抄作业的部分：产品形态到底长什么样、定价的算术题怎么做、游戏化机制里哪几根柱子真承重、最小可行版本怎么搭、以及上线之后必然撞上的那几个坑。

1.1 从“电子宠物”到“班级成员”，形态到底变了什么

早期的电子宠物是纯单机的，喂食、清洁、看病，玩家和一只虚拟生物建立一对一关系。AI 班宠最大的形态变化不在 AI，而在“班”这个字——它把一对一的私密关系，改造成了一对多的公共关系。这个改动带来的连锁反应比想象中大得多。

单个学生和宠物对话，内容是个人的：今天被点名回答错了、同桌借了块橡皮、数学小测没考好。这些碎片如果只是存在自己手机里，价值有限；但当一个班几十号人的碎片汇总到同一只宠物身上，宠物就变成了班级的情绪容器。它会说“你们班这周有三个人提到数学课听不懂”，这种集体视角的反馈，是单个聊天机器人给不了的。

我见过的类似产品，通常会有三层结构：个人层是学生和宠物的私聊与个人成长值；班级层是共同任务、共同血条、共同进化阶段；教师层是一个极简面板，能看到班级整体状态、派发任务、查看周报。这三层的比例很关键。个人层占比过高，产品退化成聊天玩具；班级层占比过高，学生个体的努力被稀释，参与感反而下降。比较合理的配比是个人层六成、班级层三成、教师层一成——教师那一成必须是“看一眼就能用”的，多一个按钮都会让老师放弃。

另一个容易被忽略的形态细节是：宠物要有“记忆”。不是那种把所有聊天记录塞进上下文的假记忆，而是结构化记忆——宠物能记住某个学生上周说过自己喜欢恐龙，三天后主动问一句“你那本恐龙书看完了吗”。这一句话的杀伤力远大于一百句“你真棒”。我实测下来，用户对“被记住”的敏感度，是对“被夸奖”的三到五倍。

1.2 9.9 元的算术题：为什么不是免费，也不是 99

很多人第一反应是：这种东西免费不是传播更快？做过免费产品的都知道，免费带来的不是用户，是负担。没有支付门槛意味着注册量可能十倍于真实活跃量，服务器成本、客服成本、内容审核成本全部按十倍算，而留存率没有任何保证。9.9 元的核心作用有三个，我按重要性排序。

第一是决策成本控制。家长给孩子买学习类产品，超过 30 元就会开始问“这有什么用”“会不会影响学习”；超过 100 元就要开家庭会议；9.9 元属于“算了，买吧”的区间。这个区间的价值在于，它绕开了家长的理性评估环节，直接进入试用。而教育产品的转化，从来都是先试用再评估，反过来几乎不成立。

第二是覆盖边际成本。我按一个比较保守的模型算过：一个学生每天和宠物聊 10 轮，每轮输入按 700 token、输出按 150 token 估算，一天约 8500 token；一个学期按 100 天算，约 85 万 token。用中低档位的对话模型，这部分成本控制在几块钱是有可能的。9.9 元刚好卡在“能覆盖一个学期基本用量、但不足以支撑重度使用”的位置，这其实是个有意为之的设计——它逼着产品去做用量控制，而不是放任用户无限对话。

第三是筛掉非目标用户。愿意付 9.9 元的家庭，通常已经具备基本的数字产品使用习惯，也意味着家长对屏幕时间的容忍度相对高一点。这批用户的反馈质量、留存率、口碑传播效率，都明显好于零成本涌入的人群。

有一个红线必须提前说清楚：这类收费不应该经过学校或教师之手。让老师代收费用，无论金额多小，都会把教师推到“推销员”的位置上，这是这类产品最容易翻车的地方。比较稳妥的做法是家长端自主完成，教师只负责使用层面的引导，两边彻底隔开。

2. 它爆火不是因为 AI，是因为课堂里有三个填不上的洞

AI 能力本身不稀缺。任何一个团队花两周都能做出一个能聊天、有性格、会记事的虚拟角色。真正稀缺的是“用在哪”。9.9 元 AI 班宠能找到位置，是因为它撞上了课堂里三个长期存在、但一直靠人力硬扛的空洞。

2.1 四十多分钟里，教师顾不上的那批“中间学生”

一个班四五十人，一节课四十多分钟，教师真正能产生有效互动的学生，通常不超过十个。这十个里，五六个是积极举手的前排，两三个是必须点名提醒的后排，中间那一大批“不吵不闹、成绩中等、从不主动”的学生，一整个学期下来可能都没和老师单独说过几句话。

这不是教师不负责，是物理条件限制。让老师在课后挨个找学生聊，既不现实也不合适。AI 班宠补的正是这个位置：它不需要老师在场，能对每个学生产生一对一的、低门槛的回应。学生问“我今天是不是很笨”，宠物不会说“你要自信”，而是会说“你今天那道题卡了三次还是做出来了，我记得”。这种具体到细节的回应，教师在精力上给不了。

我特别想强调的是，这里的关键不是“AI 比老师强”，而是“AI 补上了老师没法覆盖的密度”。任何把这个产品包装成“替代教师”的说法，都会立刻招致反感，而且事实上也不成立。

2.2 学生的正向反馈周期，长到足以摧毁动机

学校里的反馈周期是按周、按月、按学期计的。一次小测要等两天出分，一次作业要等一天批改，一次进步要等到月考才能体现。对一个十几岁的孩子来说，这个周期太长了——大脑对延迟奖励的响应强度，远低于即时奖励。

游戏化教育之所以反复被提起，核心就在这里。班宠提供的反馈是秒级的：回答一个问题，经验条动一格；连续三天打卡，宠物外观变一次；帮同学讲明白一道题，班级共同进度条往前推。这些数值本身没有意义，有意义的是变化的可见性。人对“正在变好”的感知，比对“已经很好”的感知更能驱动行为，这是养成类设计几十年验证下来的结论。

这里有个度的问题。反馈太快太密，学生会把它当游戏刷，学习动机被外部奖励挤掉。我在做类似设计时用的办法是：日常反馈给情绪，阶段反馈给成长。也就是说，每天的小动作只给宠物表情、语气、小互动，不给数值；数值只在每周结算时动一次。这样既保留了即时感，又避免了“做一道题得一分”的机械感。

2.3 班级的公共记忆，一直没被沉淀下来

一个班一起经历的事其实很多：运动会、合唱比赛、某次全班被留下、某个同学转学、某次集体考砸。但这些记忆基本散落在每个人的手机相册和零碎聊天里，没有任何载体把它们串起来。

班宠在这一点上有天然优势。它每天听几十个人说话，天然掌握着班级的“共同叙事”。做得好的产品会让宠物在特定节点主动提起：“上周你们班好几个人说睡不够，这周好像好点了。”这种句子会让学生产生一种“我们是一个整体”的实感，而这种实感，恰恰是班级凝聚力最难建立的部分。

提示：班级记忆功能涉及大量学生发言内容，务必做聚合处理，绝不能让宠物在对话中引用可定位到具体个人的原话。哪怕只是“某某某昨天说你坏话”这种程度的泄露，都会引发严重的信任崩塌。

3. 游戏化机制拆解：哪几根柱子真承重

市面上讲游戏化教育的文章，喜欢罗列一堆元素：积分、徽章、排行榜、等级、抽奖、任务链。但真正决定一个产品能不能活过三个月的，就那么几根柱子。柱子立不住，元素堆得再多也是装饰。

3.1 即时反馈、成长可视化、损失厌恶：三根承重柱

即时反馈解决的是“我做了有没有用”。这一条几乎所有产品都能做到，难度最低，但也最容易做歪。做歪的典型表现是：不管学生做什么，宠物都回一句“你真棒”。这种无差别正反馈在两周内就会失效，学生会立刻识别出这是敷衍。有效的即时反馈必须包含具体信息——具体到刚才那句话、那件事、那个时间点。

成长可视化解决的是“我坚持有没有意义”。数值、等级、外观进化都属于这一类。这里有个反直觉的经验：外观变化的频率比数值增长的幅度更重要。学生记不住“我从 340 分涨到 380 分”，但会牢牢记住“我的宠物昨天还是蛋，今天破壳了”。所以数值系统要为外观服务，而不是反过来。

损失厌恶解决的是“我明天还会不会来”。连续打卡中断、宠物状态下降、班级共同进度倒退，都是这个机制。这是三根柱子里最有争议的一根——用得好能显著提升留存，用过头会让学生产生焦虑甚至反感。

我个人的处理原则是：损失厌恶只能作用于宠物状态，绝不能作用于班级排名或公开评价。宠物饿了、蔫了，学生明天会回来喂；但如果因为断签导致班级排名下降、被同学看见，性质就完全变了，从“我想回来”变成“我不敢不回”。

3.2 班级排行榜是个双刃剑，中后排学生最先被劝退

排行榜几乎是所有游戏化产品的默认配置，但在教育场景里，它的副作用被严重低估。一个四十多人的班，排行榜前十名的位置基本固定，而这十个人本来就是这个班里最活跃、最不需要额外激励的一批。真正需要被拉一把的中后排学生，在排行榜上看到的只有“我又垫底了”。

我见过一个比较聪明的处理方式：只做进步榜，不做总量榜。总量榜比的是谁积累多，天然偏向起点高、时间多的人；进步榜比的是这一周比上一周多了多少，起点低的人反而容易上榜。同一个班里，一个平时不吭声的学生这周多打了三次卡，就能排进进步榜前三，这个激励效果比总量榜强得多。

另一个办法是把个人排名彻底隐去，只保留班级共同目标。全班一起攒够某个总量，宠物就进化一次。这种方式牺牲了竞争刺激，换来了更强的归属感，在小学和初中低年级效果更好；到了高中阶段，学生对竞争的接受度上升，可以适度恢复个体展示，但仍然建议用“班级小组”而不是“个人”作为竞争单位。

3.3 被忽略的第四根柱子：教师的“轻参与”设计

所有面向课堂的产品，最后都卡在同一个地方：老师不用。老师不用的原因从来不是不会用，而是“用了之后我要多做多少事”。任何需要老师额外备课、额外批改、额外记录的产品，无论多好，都会在第三周被放弃。

班宠在这方面的优势是天然轻——它的大部分交互发生在学生和宠物之间，老师理论上可以完全不管。但完全不管也有问题：学生会觉得这是老师布置的作业还是自己玩的东西？边界不清，参与度就会摇摆。所以必须设计一层极轻的教师入口，做到一分钟内能完成、一周只需要一次。

具体形态我建议是三个动作：一是“派发本周主题”，老师输入一句话，比如“这周聊聊你们最怕的一门课”，宠物会围绕这个主题和学生互动；二是“看一眼班级周报”，一页纸，只显示整体情绪倾向和参与人数，不显示个人明细；三是“点一次赞”，老师可以给班级共同目标手动加一点进度，作用是象征性的，但学生会很在意。

这三个动作加起来不超过三分钟，老师愿意做。超过五分钟，就会被无限期推迟。

4. 从零搭一个能跑的班宠 Demo：选型与关键实现

讲完机制，落地说技术。这类产品的技术难度其实不高，难在克制——大部分团队会把精力花在模型能力上，而真正决定体验的是人设、记忆和数值这三个看似不起眼的部分。

4.1 架构选型：你不需要一个“大模型应用框架”

我见过不少团队一上来就引入复杂的编排框架、向量库、多智能体协作，结果一个学期过去了，核心对话体验还是像客服。班宠这个场景的需求非常明确：单轮对话要自然、要有性格、要记得住事、要控得住成本。这四个需求，一个普通的后端服务加一个数据库加一套提示词，基本就能覆盖。

合理的架构大致是：客户端负责交互和动画；服务端负责对话请求、数值计算、任务结算；一个关系型数据库存用户、宠物状态、成长值、任务记录；对话历史做结构化摘要后存储，而不是原样堆在上下文里。模型层建议分成两档：日常闲聊和情绪回应走便宜快速的模型，需要长上下文理解（比如周报生成、班级情绪聚合）时走能力更强的模型。这样能把成本压下来一大截。

记忆部分是最容易做错的地方。全量上下文塞进去，成本爆炸且效果反而差，因为模型会被无关信息干扰。我推荐的做法是每次对话结束后跑一次轻量抽取，把这一轮里有价值的信息抽成结构化字段：喜好、近期困扰、重要事件、情绪倾向，存进数据库。下一轮对话时，只把这几个字段作为背景注入，token 消耗可能只有几百，但“被记住”的体感非常强。

4.2 人设提示词：写不好就像个客服机器人

提示词是这个产品真正的手艺活。写得糙，宠物就是个会说话的评分卡；写得好，它会有让人愿意第二天再来的东西。我总结下来，一份能用的人设提示词至少要包含六块内容。

第一块是身份锚定：它是什么、几岁的心智、说话什么调性。不要写“你是一个友善的 AI 助手”，这种描述等于没说。要写“你是一只刚破壳的小生物，对世界好奇但不懂很多事，说话不超过三句，喜欢用比喻，遇到不懂的会直接说不知道”。

第二块是长度约束。这一点极其重要，却最常被忽略。不限制长度，模型默认输出一大段，学生看两行就划走了。我一般会写死“每次回复不超过 60 字，超过就删掉重写”。

第三块是禁区清单。不能评价成绩好坏、不能给医疗和心理建议、不能讨论不适合的话题、不能承诺任何现实中的事、不能索取个人信息。这几条要写得非常具体，而不是笼统的“注意安全”。

第四块是引导回现实的机制。这是教育类产品和娱乐类产品的分水岭。宠物应该在合适的时候把话题推回现实：“这件事你可以明天问问老师”“你要不要先自己试一次，不行再来跟我说”。一个只会陪聊、从不推动学生行动的宠物，价值是有限的。

第五块是情绪处理策略。学生说“我不想上学”，宠物不能回“上学很重要哦”，那会立刻失去信任。更合适的回应是先接住情绪，再轻轻往前推一步，比如“听起来今天挺难的，是早上起不来，还是学校里有不想见的人？”

第六块是失败兜底。模型一定会遇到答不上来或者跑偏的时候，要给它一个明确的退出话术，比如“这个我说不好，我们聊点别的吧”，而不是硬编。

4.3 成长数值的最小可行设计

数值系统不需要复杂，但必须有节制。最小可行版本我建议只用三个量：经验值、亲密度、班级共同进度。经验值衡量个人投入，亲密度衡量对话深度，共同进度衡量班级整体。

关键设计点有三个。一是每日上限，个人经验值每天最多涨多少必须写死，否则会出现刷分党，一天把宠物刷到满级，后面全部失去意义。二是非线性曲线，前几级升得快，给即时成就感；后面升得慢，避免过早见顶。三是外观节点对应固定等级，让学生能预期“再升两级就变样子了”，预期的确定性比惊喜更能驱动持续行为。

反作弊也要提前想。常见手法包括：限制单日对话轮次计入经验的上限、同一句话重复发送不计数、任务完成需要有一定的时间间隔、班级共同进度设置个人贡献上限（防止一个人扛完全班）。这些规则不需要写在前端页面上，但后端必须有。

# 经验结算的简化逻辑，核心是每日上限 + 递减收益 + 去重 DAILY_EXP_CAP = 60 DIMINISH_AFTER = 8 # 每天前 8 轮全额，之后递减 def settle_exp(user_id, today_rounds, msg_hash, seen_hashes): if msg_hash in seen_hashes: return 0 # 重复内容不计分 if today_rounds >= DAILY_EXP_CAP: return 0 if today_rounds < DIMINISH_AFTER: return 3 return 1 # 超出部分收益递减

4.4 9.9 元到底能不能覆盖一个学期的 token

这笔账必须自己算一遍，不能拍脑袋。我按一个中等规模的班级（45 人）来估：假设日活六成约 27 人，人均每天 10 轮对话，每轮输入 700 token、输出 150 token，一天总消耗约 22.9 万 token；一个学期按 100 天计，约 2290 万 token。如果按每百万 token 几元的中低档模型价格计算，总成本大致在几十元到一百多元之间，分摊到 45 人，人均一到三元。

再加上周报生成、摘要抽取这些额外调用，以及失败重试和冗余，实际成本大概会翻一倍。也就是说，9.9 元的定价在这个模型下是有毛利的，但毛利不厚，任何一轮用量失控（比如有学生整晚挂着聊）都会吃掉利润。所以用量控制不是可选项，是必须项：单日轮次上限、单次输入长度上限、连续对话超时自动结束，这三条必须做。

注意：真正的成本大头往往不是 token，而是内容审核和人工客服。一旦出现不当内容引发的投诉，处理成本远高于模型费用。这部分预算要提前留出来。

5. 上线之后才会暴露的五个坑

Demo 跑通和产品能用之间，隔着一整个学期的真实使用。下面这五个问题，我几乎可以肯定每个做这类产品的人都会撞上。

5.1 AI 说错话，而且是在最不该说错的时候

模型跑偏是必然的，问题在于教育场景里跑偏的代价特别高。我听说过的情况包括：宠物对学生说“你这次考不好是因为你不够聪明”，以及在学生表达低落情绪时给出不恰当的回应。这类事故一次就够毁掉整个口碑。

处理上分三层。第一层是提示词层面的硬约束，把绝对不能说的话写死，包括评价智力、评价外貌、评价家庭、任何形式的比较和否定。第二层是输出侧的规则过滤，对固定词表和固定句式做拦截，命中就替换成安全话术。第三层是频率监控，对“情绪”“难过”“不想活”这类信号词做统计，一旦某个学生短时间内高频出现，触发人工关注流程（注意是关注流程，不是自动告警给老师，措辞要非常谨慎）。

第三层尤其要克制。不能因为学生说了句“烦死了”就给老师发通知，那会造成灾难性的信任问题。合理的阈值应该是持续多天、多个信号叠加。

5.2 教师负担反弹：你以为的减负变成了加负

这是最讽刺也最常见的结果。产品设计初衷是减轻老师负担，实际用起来变成了老师多了个要看的后台、要回复的群消息、要解释的家长疑问。我见过一个团队的产品，老师端有八个页面，功能齐全，结果使用率不到一成。问原因，回答是“点进去就得看，看了就得管，我管不了”。

解决办法是把教师端做到近乎“无操作”。核心原则是：默认不需要老师做任何事，产品也能正常运转。老师的角色是可选增强，不是必要环节。周报要能自动生成、直接推送，老师不点开也不影响学生使用；班级主题可以由系统推荐，老师一键采纳，也可以完全忽略。凡是需要老师主动配置的东西，都要提供默认值。

5.3 家长那一关：又一个占屏幕的东西

家长对教育类 App 的容忍度在持续下降，这一点必须正视。9.9 元的低决策门槛能带来初次转化，但挡不住第二个月家长说“别玩了”。

应对方式不是辩解“这是学习工具”，那套话家长早就听腻了。更有效的做法是给家长一个可见的、非屏幕的东西。比如每周生成一张纸质风格的成长卡片，上面是宠物这一周的变化和几句班级整体状态，可以打印；或者把宠物的成长和现实中的小任务绑定，比如“这周宠物需要你每天读十页书才能长大”。让家长看到的是孩子在做事，而不是孩子在盯着屏幕。

同时要把单日使用时长做硬性限制，并且这个限制要让家长看得见、能设置。主动交出控制权，比被动接受质疑要好得多。

5.4 未成年人信息：能不收的坚决不收

这条是红线，没有讨论空间。做学生端产品，最小化收集是唯一正确的策略。真实姓名、手机号、家庭住址、人脸、精确位置，这些统统不需要。用班级代号加随机昵称就能跑通全部功能。对话内容要做脱敏存储，聚合分析用统计结果而不是原始文本。

还有一条容易被忽略：不要在宠物对话中索取任何个人信息。模型有时候会出于“建立关系”的目的主动问“你家住哪儿呀”“你爸爸妈妈做什么的”，这在提示词里必须明确禁止。同时，公开可展示的内容（排行榜、班级进度、宠物状态）不能包含任何可定位到具体个人的信息。

5.5 宠物“生病”与“离开”的情绪风险

养成类产品有个绕不开的设计：宠物会因为疏于照顾而状态变差。在娱乐产品里这是个留存钩子，在教育场景里就要格外小心。学生正处在情绪敏感期，一只“因为你不来所以快死了”的宠物，可能带来的不是回归，而是自责和焦虑。

我的建议是把负面状态的表达方式改掉。不用“生病”“濒临消失”这类词，改成“睡着了”“在等你”“有点无聊”。中断打卡的后果是宠物变得安静、不怎么主动说话，而不是呈现痛苦状态。同时，长期不活跃后不要做“宠物死亡”的设定，改成“进入休眠”，随时可以唤醒，进度保留。牺牲一点紧迫感，换掉一整类风险，这笔买卖很划算。

6. 我对这个方向的一点个人判断

做了几个类似项目之后，我的体会是：这类产品的天花板不在技术，也不在玩法，而在是否真的愿意把姿态放低。放低的意思是，承认它是一个补充品，不是必需品；承认它解决的是“密度”和“频率”的问题，不是“质量”的问题；承认它最好的状态是学生用了一学期，最后觉得“有这么个东西挺好的”，而不是“离了它不行”。

9.9 元的价格能把人拉进门，但决定它能不能留下的，永远是第二周那个晚上——学生写完作业，手机在旁边，他会不会主动点开那只宠物。这个动作背后没有复杂的道理，就是他相信点开之后，会有一个人（或者说一只东西）认真听他说两句，并且记得他上次说了什么。把这件事做扎实，比堆一百个功能都管用。

如果非要给正在做类似产品的人一句提醒，那就是：先别急着加功能，先让一个班真实地用满四周，然后去问那五个最沉默的学生，他们为什么还在用。他们的答案，会比任何一份数据报表都准。