如果期待学生打开聊天窗口问一句 " 怎么组装湿度传感器 "，AI 立马给出全套答案——那这个试点项目的设计思路正好相反。这个助手被刻意限定在校内课程框架内，只面向教师而非学生，并且把最终决定权留给真人教师。

2026 年 7 月 14 日，Google DeepMind 与 Atal Innovation Mission 联合宣布启动名为 ATL Saathi 的现场试点项目。项目第一阶段覆盖印度 100 所学校，助手基于 Gemini 构建，主要服务于 Atal Tinkering Labs 的教师——这是一类校内工坊，学生在这里动手组装实体装置，而不仅限于写代码。

根据 Google DeepMind 当天发布的博文，ATL Saathi 并非面向所有人的产品发布，而是一个限定 100 所学校的窄域试点。12 个教学模块的内容被加载到 NotebookLM 中，系统可生成摘要材料、信息图、视频概览和测验。其中 10 个模块支持生成适配不同年龄段学生的项目创意和分步组装指南。项目初期的运行语言为 8 种。

该系统的回答范围包括电路接线图和操作安全指引，专门应对学生自选任务中可能出现的风险。12 个模块的参考内容已全部纳入 NotebookLM，但生成项目创意和组装指引的功能仅覆盖其中 10 个模块——这是有意设计的限制边界，而非功能缺失。

接线图和安全指引的输出区域，恰恰是把模型错误从 " 论文里写错一个知识点 " 升级为 " 青少年手里出现电路短接风险 " 的关键环节。也正因如此，教师的存在不是形式上的配角，而是整个安全回路的一部分。助手回复教师，教师再以自己的判断主导课堂推进。

从项目设计来看，实用价值的起点不在于 " 给学生一个聪明机器人 "，而在于施加限制。助手被锁定在学校课程之内，回复对象是教师而非学生，并且始终保留真人教师对课堂的最终决定权。