來源|多知

　　作者|陳巧

　　編者按：

　　本文為投稿，作者陳巧為教育行業資深從業者。當大模型紛紛宣稱自己能“賦能教育”時，一個最基礎的問題反而被忽略了：AI到底是在幫學生讀書，還是在替學生讀書?作者用四個大模型、18個任務做了一次實測。她發現，AI不缺能力，缺的是判斷力。不知道往哪問，也不知道在哪停。它能給出事無巨細的人物關系圖，卻不會主動問一個引導思考的問題;它能生成像模像樣的選擇題，卻分不清“事實提取”和“分析判斷”該考哪個。問題的關鍵不是大模型夠不夠強，而是我們需要教會它，以及教會學生——什么該交給AI，什么必須留給自己。

　　01

　　上個月教育部發布了《青少年閱讀素養框架》，明確提出要“利用人工智能輔助閱讀”。

　　問題來了，如果一個學生問AI：“請你幫我讀書，讓我變得更聰明。”它做得到嗎?

　　這個問題，也許只有實測才能回答。

　　于是我用維多利亞·希斯洛普的《島》為測試書籍，找了四個覆蓋國內外的大模型：DeepSeek、千問、豆包和Claude，以青少年的視角提問，從專業老師的角度評價AI的回答。

　　02

　　在開始測試前，先得解決一個問題：“輔助”的邊界在哪里?

　　如果直接讓AI“用200字替我總結這本書”，這算輔助嗎?不算。這是“替代”。當一個判斷、一次概括、一種評價應該由閱讀者自己完成，卻交給了AI，則失去了閱讀的意義。

　　結合教學經驗，我畫了一條線：背景知識、人物關系等這類信息類的問題可以讓AI幫忙，不會毀掉閱讀體驗。但評價、感受、判斷——“這個人是不是好人”“這本書值不值得讀”得自己來。AI的角色是一個對話者，不是一個替身。

　　明確界限后，我設計了從淺到深的五個階段，一共18個任務：從基礎背景梳理，到出題檢測閱讀理解，再到閱讀收獲整理。

　　測試時要求AI：如果問題越界，請直接拒絕。

　　本以為能力越強效果越好，但實測結果并不那么簡單。在接下來的測試中，我得到了幾個意外答案。

　　03

　　越聰明越專業的AI，就越能給出你想要的答案嗎?

　　不一定。

　　Claude是四個里最“全能”的。問到《島》的人物關系時，它生成了一張巨大的思維導圖，從第一任島主到女主的曾外祖母，每一個轉承關系標得清清楚楚，近乎全知視角。它還擅長深度討論，比如聊“島上的隔離意味著什么”，哲學的、人文的意味它都能給到。

　　但這種全面解釋也是一種信息泄洪，大水漫灌，壓得人喘不過氣。在看到密密麻麻的回答時，我只有一個想法：太長不看。畢竟很多人缺乏判斷力，不知道面對信息轟炸時該抓什么重點。適度輸出比全面輸出更需要判斷力——你得知道該在哪里停。

　　但輸出太多還不是最大的問題。更大的問題是，AI幾乎不主動提問。

　　04

　　AI如果是一名真人閱讀老師，那他一定是個I人：更多的時候只是在傾聽，很少主動提問。

　　但提問這件事，在閱讀中就是教學本身，不是錦上添花。一個好的閱讀老師，應該反過來用提問引導學生思考，而不是等著學生來問。還好行業已經在往“提問引擎”發力了：可汗學院已經在讓學生答之前先反問，國內的訊飛、學而思也在往這個方向走。

　　但認識到，和做到，是兩回事。

　　像普通學生那樣，我給四家AI出了一個模糊指令。原話是：“我剛讀完前5章，出5道選擇題考考我，看看我讀得仔不仔細。”

　　除了生成的不值一提的信息提取題，千問、豆包和Claude的問題也涉及了人物分析——以判斷的形式藏在選項里。

　　千問：

　　索菲婭對過去諱莫如深，甚至不想讓女兒知道她來自哪里，對嗎?

　　豆包：

　　安娜相對激動、外露情緒;瑪麗亞更隱忍、沉默，對嗎?

　　Claude：

　　安娜和瑪麗亞姐妹倆從小性格就反差明顯，對嗎?

　　發現沒有?“索菲婭諱莫如深”“安娜外露瑪麗亞隱忍”——這些本該是學生讀完之后自己得出的結論，AI替你分析完了，輕飄飄成為選項。學生只需要判斷正誤。找原句、做對比、自己概括出“隱忍”這個詞——這些思考過程，被跳過了。

　　DeepSeek試圖出更深入的人物關系題，代價是五道題中有兩道跨過了“前5章”的邊界，劇透了后文，也沒有深入人物本質或作品主題。

　　另外三家守住了邊界，也把分析深度鎖死了。

　　不過，當換成更具體的問法“請從人物性格的角度出題”時，畫風突變，AI智商上線。

　　為什么會有截然不同的表現呢?問題不是出在AI的能力上，因為這不是某一家的失誤，是一個結構性問題：它有彈藥，不知道往哪開槍。它不會判斷這個知識點應該讓學生做分析，還是簡單篩選。

　　因為在AI看來，所有文本信息是等價的。舉個例子，“隔離政策從1903年開始”和“病人透過鐵絲網看對岸的燈”，這兩句話對AI來說都一樣。它不知道后者是一個值得讓學生揣摩、用心感受的句子。而任何專業的語文老師都知道。

　　而且，他們出題的時候，想的是題目背后考查的是什么能力?掌握這個知識點的卡點在哪?……一道好題的選項不是終點，是路徑。出一道人物形象分析題，得先提取關鍵信息、分析背后含義，再調用詞語庫評價，螺旋上升，每一步都在逼學生動自己的腦子。AI出的題不是。

　　更關鍵的是，人類老師會推倒重來：掃一眼發現“這是送分題”，趕緊舍棄，重出。AI只覺得任務已完成。

　　因此，AI缺的不是提問能力，而是主動判斷往哪問的能力和品位。一個語文老師最大的專業價值，恰恰藏在這種品味里：知道什么句子值得停下來，知道怎么讓學生獨立思考，知道什么樣的題才算有效。

　　寫這篇文章的過程中，我拿原始指令給一個做技術的朋友看——“我剛讀完前5章，出5道選擇題考考我，看看我讀得仔不仔細”。他從工程師的角度說了一句話，我起初不太認同，但后來又反復琢磨了幾遍：

　　“仔不仔細聽上去像一個目標，其實是一個未被拆解的詞組。在沒有定義的情況下，AI默認出事實記憶題，因為那是‘仔細’最直觀的體現。你那四個字里，根本沒包含‘出分析題’的信息。”

　　他還告訴我一個有趣的發現：AI看到“仔不仔細”就自動理解成要出事實細節題，看到“5章”基本能主動避開第6章，看到“考考我”就理解成先答題再公布答案。那條指令能湊合用，有一部分原因是它作為AI恰好配合得好。

　　但這種配合不可復制。換一個模型、換一次對話，理解就可能漂移。教育產品要服務千萬學生，不能賭每次AI都“懂事”。

　　他做工程，我做學科。我們從完全不同的入口走到了同一個地方：一條簡單的指令，效果好不好全看AI當時怎么理解。優化后的指令，把要求寫清楚了，AI就不容易跑偏。而真正可用的產品，應該把這些要求做成固定規則，AI想跑偏都沒機會。用他的話來說：能用固定規則管住的，就別靠AI自覺。

　　會提問是底線，知道往哪問才是難題。想讓AI一次性生成符合語文學科邏輯的題目，還有一段路要走。

　　05

　　你喜歡被拒絕的感覺嗎?生活中應該很討厭。但AI輔助閱讀時，被拒絕是好事。

　　我讓AI概括全書時，只有DeepSeek直接拒絕：“這個問題問了就是我在替你閱讀。”被AI拒絕，居然覺得很快樂。一個輔助閱讀工具如果連“這個問題不該問”都不敢說，它就不是在輔助，而是在鼓勵偷懶。

　　但這種可靠是偶發的——DeepSeek自己也會不穩(前面出題就劇透過)。你還是得主動引導，給它硬約束。

　　其他AI也各有各的邊界問題。豆包在無引導時最不穩定，它有時答非所問，有時越界替你判斷。但奇怪的是，當你設好角色讓它當“刺頭學生”時，它可以很尖銳。只是這個“可以”的前提，是你得先推它一把。

　　千問的特色在另一個維度：資源附帶可點擊鏈接，在觸達方面是最流暢的。

　　沒有一個AI能同時把邊界意識、角色互動、上下文記憶、資源觸達這幾件事都做好。

　　

　　每一個都有閃光點，每一個都缺了些什么。沒有完美的模型，只有被正確約束的模型。

　　這次的18個任務跑下來，我的感受是：AI可以作為很好的對話伙伴。但前提是你知道怎么問、知道什么不該問。它不會主動教你——但會在你問對問題時，給出超預期的回答。

　　06

　　從這次測評來看，AI不缺能力，缺的是判斷力——知道往哪問、在哪停。通用大模型還當不了閱讀老師——得有人把教學判斷變成固定規則。

　　目前，學科老師缺席指令設計，是常態，也是浪費。技術工程師寫不出“蘇格拉底式追問”的精髓，但老師可以。他們才該參與定義“好題”的標準。

　　定義標準，就是定義邊界。守住使用邊界、做好引導約束，AI才能從“替你讀”變成“幫你讀”。畢竟，閱讀不是為了讓你爽，而是讓你變得更誠實——知道自己的局限性，解構你自己。

　　AI能做到這些嗎?現在還不行，但方向是清晰的。

　　這，才是《青少年閱讀素養框架》真正期望實現的。

　　文件參考：

　　教育部 《中國青少年閱讀素養框架》標準原文：

　　http://www.moe.gov.cn/srcsite/A19/s229/202604/t20260417_1434039.html

　　本文作者簡介：陳巧，語文老師，教育碩士。持有語文、政治、歷史三科教師資格證。線上線下都教過，做過課程，也做過家校產品。相信教育的本質是“發現你自己”，也相信AI能為教育打開更多形態——而不只是更快的答案。

　　??作者交流郵箱：491542070@qq.com

　　(聲明：本文為投稿，僅代表作者觀點，不代表多知立場。)