教师和同伴在学科判断、概念发展和具体语境理解方面仍然不可替代。 学生还应遵守所在学校或院系关于 AI 使用和披露的规定。

研究与阅读：用 AI 追问原始材料

AI 的作用应是让阅读更深入，而不是替代阅读。在打开聊天工具之前，先写一段简短摘要，指出作者的核心论点，并列出两个关于文章的问题。

然后可以询问：

• “作者作出了哪些假设？”
• “哪些证据支持每一项主要主张？”
• “批评者可能会如何回应？”
• “哪些术语需要精确定义？”
• “哪些证据缺失？”
• “还有哪些替代解释能够说明同样的证据？”

AI 可以帮助你提出搜索关键词、相关概念和潜在的资料线索，但不应被当作可靠的文献数据库。所有重要主张都要回到原始出版物核对，尤其是引语、参考文献、统计数据和技术细节。

比较两篇文章时，比较表也很有帮助，但每个单元格都应由学生根据原文填写并核实。建议保留一份研究记录，明确区分：

• 原文明确写了什么；
• 你从原文推断出什么；
• AI 提供了什么建议；
• 你独立核实了什么。

讨论结束后，关闭 AI，凭记忆写出作者的论证，并补充一个局限或尚未解决的问题。如果做不到，说明 AI 可能绕过了你的阅读，而不是加深了阅读。

科学：解释概念，暴露漏洞，再作出预测

“费曼学习法”要求学习者用简单语言回忆并解释概念，找出解释中的漏洞，修补这些漏洞，再次简化表达。 AI 可以在这一过程中扮演好奇的初学者或持怀疑态度的审阅者。

可以使用这样的提示：

• “我要解释光合作用。请扮演一名好奇的初学者，一次只问我一个问题。”
• “标出我没有定义的所有专业术语。”
• “给出一个我的解释会预测错误结果的情境。”
• “什么观察结果能够区分这两个假设？”
• “我的解释中哪一部分描述了机制，哪一部分只是相关性？”
• “改变一个变量，然后让我预测会发生什么。”

图表应由学生自己绘制，因果链应由学生自己说明，预测也应由学生自己作出。AI 随后可以追问边界情况、暴露误解并提供反例。最后的检验是：不看 AI 的回答，向一位想象中的初学者解释这个概念。

编程：先审查推理，再请求修复

在编程学习中，AI 很适合担任代码审查员、调试助手和测试伙伴。先自己写出第一版程序，再请求 AI 帮助定位问题，而不是让它把整份代码替换掉。

可以尝试：

• “找出最小的失效假设，不要重写代码。”
• “追踪变量，直到输出开始出错的地方。”
• “这段程序应该保持什么不变量？”
• “给我一个能够破坏这个算法的输入。”
• “为正常情况、边界情况、无效输入、空输入和对抗性输入设计测试。”
• “比较这两种方法的时间复杂度和空间复杂度。”

收到提示后，由学生自己实现修复、运行测试，并解释修改为什么有效。随后改变一个需求，在不要求 AI 重新生成全部代码的情况下自行调整程序。

一个实用标准是：学生应当能够解释提交代码中的每一行，复现问题，说明修复理由，并至少写出一个不是由 AI 提供的测试。

新加坡的 Learning Assistant 和 Feynman Bot：把“提问”放在答案之前

新加坡教育部将学生学习空间（Student Learning Space，简称 SLS）中的 AI 工具描述为通过提问、支架式引导和反馈支持学习，而不是直接给出答案。 其中的 Learning Assistant（LEA）可以承担不同角色，包括写作助手，并通过反复提问帮助学生加深理解。

这种设计体现了一个关键原则：学生的回应才是学习活动的中心。AI 不会立刻替你完成任务，而是通过提出下一个问题、指出知识空缺或要求澄清，制造有助于思考的“阻力”。

当然，有学习护栏并不代表系统永远正确。新加坡教育部的学生指南明确指出，Learning Assistant 的回答具有概率性，可能出现错误；学生应反思这些回答，并通过其他来源进行事实核查。

新加坡科技设计大学（SUTD）的 Feynman Bot 也采用了类似模式，用于概念学习。学生上传学习材料，选择适合的难度水平，然后解释主题；机器人会根据回答提出自适应问题。相关报道提到，学生大约有三到四次说“我不知道”的机会，之后机器人会根据暴露出的薄弱点提供一种思路，并提出新的问题。 相关研究则将其描述为把费曼学习法应用于自我调节学习的 AI 工具。

这并不意味着每个 AI 导师都应该无限期拒绝回答。真正重要的是，工具应当在给出结论前留出足够时间，让学习者先尝试、先解释，并正面面对自己的知识漏洞。

保护学习和署名权的使用规则

学生、教师和学校可以采用一些简单边界：

• 使用 AI 前，先完成一次独立尝试。
• 先要求提问、提示、批评或诊断，再要求解决方案。
• 不提交自己无法解释的文章、证明、代码或分析。
• 以一次不借助 AI 的解释或一道类似题作为收尾检查。
• 核实事实、计算、引文、参考文献、引语和代码。
• 在学校要求披露时，保留草稿、提示词、反馈和修改记录。
• 在判断、动机、伦理和高风险评估中，继续依靠教师和同伴。
• 把 AI 的不同意见视为进一步调查的理由，而不是证明自己一定错了。

学生应提供最初的思考，作出关键决定，并完成最终解释；AI 则负责提供问题、反驳、替代解读、测试和反馈。一次次“尝试—比较—批评—修改—解释”的循环，才会把 AI 辅助变成持久学习，而不是把思考外包出去。

教师和同伴在学科判断、概念发展和具体语境理解方面仍然不可替代。 学生还应遵守所在学校或院系关于 AI 使用和披露的规定。

研究与阅读：用 AI 追问原始材料

AI 的作用应是让阅读更深入，而不是替代阅读。在打开聊天工具之前，先写一段简短摘要，指出作者的核心论点，并列出两个关于文章的问题。

然后可以询问：

• “作者作出了哪些假设？”
• “哪些证据支持每一项主要主张？”
• “批评者可能会如何回应？”
• “哪些术语需要精确定义？”
• “哪些证据缺失？”
• “还有哪些替代解释能够说明同样的证据？”

AI 可以帮助你提出搜索关键词、相关概念和潜在的资料线索，但不应被当作可靠的文献数据库。所有重要主张都要回到原始出版物核对，尤其是引语、参考文献、统计数据和技术细节。

比较两篇文章时，比较表也很有帮助，但每个单元格都应由学生根据原文填写并核实。建议保留一份研究记录，明确区分：

• 原文明确写了什么；
• 你从原文推断出什么；
• AI 提供了什么建议；
• 你独立核实了什么。

讨论结束后，关闭 AI，凭记忆写出作者的论证，并补充一个局限或尚未解决的问题。如果做不到，说明 AI 可能绕过了你的阅读，而不是加深了阅读。

科学：解释概念，暴露漏洞，再作出预测

“费曼学习法”要求学习者用简单语言回忆并解释概念，找出解释中的漏洞，修补这些漏洞，再次简化表达。 AI 可以在这一过程中扮演好奇的初学者或持怀疑态度的审阅者。

可以使用这样的提示：

• “我要解释光合作用。请扮演一名好奇的初学者，一次只问我一个问题。”
• “标出我没有定义的所有专业术语。”
• “给出一个我的解释会预测错误结果的情境。”
• “什么观察结果能够区分这两个假设？”
• “我的解释中哪一部分描述了机制，哪一部分只是相关性？”
• “改变一个变量，然后让我预测会发生什么。”

图表应由学生自己绘制，因果链应由学生自己说明，预测也应由学生自己作出。AI 随后可以追问边界情况、暴露误解并提供反例。最后的检验是：不看 AI 的回答，向一位想象中的初学者解释这个概念。

编程：先审查推理，再请求修复

在编程学习中，AI 很适合担任代码审查员、调试助手和测试伙伴。先自己写出第一版程序，再请求 AI 帮助定位问题，而不是让它把整份代码替换掉。

可以尝试：

• “找出最小的失效假设，不要重写代码。”
• “追踪变量，直到输出开始出错的地方。”
• “这段程序应该保持什么不变量？”
• “给我一个能够破坏这个算法的输入。”
• “为正常情况、边界情况、无效输入、空输入和对抗性输入设计测试。”
• “比较这两种方法的时间复杂度和空间复杂度。”

收到提示后，由学生自己实现修复、运行测试，并解释修改为什么有效。随后改变一个需求，在不要求 AI 重新生成全部代码的情况下自行调整程序。

一个实用标准是：学生应当能够解释提交代码中的每一行，复现问题，说明修复理由，并至少写出一个不是由 AI 提供的测试。

新加坡的 Learning Assistant 和 Feynman Bot：把“提问”放在答案之前

新加坡教育部将学生学习空间（Student Learning Space，简称 SLS）中的 AI 工具描述为通过提问、支架式引导和反馈支持学习，而不是直接给出答案。 其中的 Learning Assistant（LEA）可以承担不同角色，包括写作助手，并通过反复提问帮助学生加深理解。

这种设计体现了一个关键原则：学生的回应才是学习活动的中心。AI 不会立刻替你完成任务，而是通过提出下一个问题、指出知识空缺或要求澄清，制造有助于思考的“阻力”。

当然，有学习护栏并不代表系统永远正确。新加坡教育部的学生指南明确指出，Learning Assistant 的回答具有概率性，可能出现错误；学生应反思这些回答，并通过其他来源进行事实核查。

新加坡科技设计大学（SUTD）的 Feynman Bot 也采用了类似模式，用于概念学习。学生上传学习材料，选择适合的难度水平，然后解释主题；机器人会根据回答提出自适应问题。相关报道提到，学生大约有三到四次说“我不知道”的机会，之后机器人会根据暴露出的薄弱点提供一种思路，并提出新的问题。 相关研究则将其描述为把费曼学习法应用于自我调节学习的 AI 工具。

这并不意味着每个 AI 导师都应该无限期拒绝回答。真正重要的是，工具应当在给出结论前留出足够时间，让学习者先尝试、先解释，并正面面对自己的知识漏洞。

保护学习和署名权的使用规则

学生、教师和学校可以采用一些简单边界：

• 使用 AI 前，先完成一次独立尝试。
• 先要求提问、提示、批评或诊断，再要求解决方案。
• 不提交自己无法解释的文章、证明、代码或分析。
• 以一次不借助 AI 的解释或一道类似题作为收尾检查。
• 核实事实、计算、引文、参考文献、引语和代码。
• 在学校要求披露时，保留草稿、提示词、反馈和修改记录。
• 在判断、动机、伦理和高风险评估中，继续依靠教师和同伴。
• 把 AI 的不同意见视为进一步调查的理由，而不是证明自己一定错了。

学生应提供最初的思考，作出关键决定，并完成最终解释；AI 则负责提供问题、反驳、替代解读、测试和反馈。一次次“尝试—比较—批评—修改—解释”的循环，才会把 AI 辅助变成持久学习，而不是把思考外包出去。