CoReasoning：与生成式AI协作推理的能力模型

CoReasoning项目由ApartsinProjects开发，于2026年6月1日在GitHub发布（开源协议MIT），提出面向生成式AI时代的可评估人机协作推理能力模型，将其分解为框架构建、批判性判断和引导优化三个维度，并配套开发开源在线学习平台CoReasoning Lab，为AI素养教育提供理论框架与实践工具。

当前多数AI教育产品聚焦快速获取AI答案，而非人机协作思考。传统观念视AI为工具，用户提需求、AI给答案；CoReasoning认为复杂问题需动态协作：人类定义问题、评估输出、引导优化，AI生成候选方案，这种模式要求人类具备独特能力组合。

项目将协作推理能力分解为三个维度：

1. 框架构建：把模糊问题转化为精确任务，包括明确边界约束、识别假设、澄清歧义、拆解子任务；
2. 批判性判断：审视AI输出缺陷，包括事实核查、逻辑评估、偏见识别、风险评估；
3. 引导优化：通过迭代反馈改进输出，包括定位不足、提出具体建议、保持目标一致、平衡探索与收敛。

研究团队开发含16个提示的评估工具，测试40名被试发现：同一维度内技能相关性远高于跨维度（约60:1），说明三个维度相对独立，需分别培养，不能相互替代。这启示AI素养培训应覆盖全部维度，而非仅提示工程。

平台架构：前端静态页面（HTML/CSS/JS）、后端Node.js+Express、数据库SQLite/PostgreSQL、AI集成OpenAI/Groq API、Docker部署； 学习流程：框架阶段（转化问题）→AI生成初始方案→评判+引导循环→三维独立评分； 特色功能：挑战模式（练习/评估）、多语言支持、角色权限（学生/教师/管理员）、课程管理、PDF报告。

项目采用MIT开源协议，开放资源包括：完整学术论文（HTML+KaTeX）、16个提示评估题库、实验数据集与分析脚本、人工标注验证研究，支持其他研究者复制、验证和扩展成果。

1. 能力重于工具：培养元能力而非特定工具使用，增强迁移性；
2. 批判性思维不可或缺：抵御AI幻觉、谄媚等缺陷；
3. 迭代对话优于单次查询：培养多轮协作耐心与技巧；
4. 多维度评估：用三维框架替代简单正确率衡量。

CoReasoning项目从理论（三维模型及独立性验证）和实践（学习平台与工具）两方面探索AI协作推理能力培养，为教育工作者提供教学资源、研究者提供开放数据、学习者提供提升途径。未来人机协作将成核心技能，该项目为AI时代能力培养提供扎实起点。