做在线教育产品的团队经常会遇到一个问题——要不要上机器学习模型做流失预警。XGBoost跑一遍、特征工程搞一堆，模型给出的"用户A将在7天内流失的概率为73%"。然后呢？运营拿着这个概率不知道该干什么——73%算高危还是中危？要不要发Push？发什么内容？模型给出的一个浮点数离可执行的运营指令之间还隔着一整套产品逻辑。有相当一部分流失预警场景其实不需要模型。一套设计良好的状态机模型不仅能替代机器学

备考到第三四个月，很多学员会撞上一堵墙——正确率连续几周纹丝不动，刷题量没减，分数就是上不去。这个阶段最需要的不是"再多刷几套"，是一个能告诉你"你其实没退步，只是这个子题型在拖后腿"的方向校准。方向校准这件事，很多在线教育产品的做法是直接交给AI——AI标出薄弱子题型，系统自动推专项练习，完事。这个流程看起来高效，实际少了一个关键环节。本文拆开方向校准为什么需要"AI标位置 + 人做判断"的双层