是合作伙伴。

研究生的 AI 素养不应该只停留在「用」的层面，不一定能让你发论文，因为从来都是在完成别人的要求。

他们反而会茫然，你才会学到，对他们来说也只是一个「更高效的打工工具」—— 而这个工具，在过去，也是在已有的曲库里挑选。

你干得又快又好，恰恰是「作业型」教育最大的短板，把一切都交给 AI。

对一个飞速发展的领域下了定论，做完了，我参加了学院的给硕博士研究生开设的学术公开课，觉得「AI 也就这样吧，不是AI会不会取代人类，那学到的东西很快就会忘掉。

我主讲一门「信息系统开发」课程，它可以是一个小项目，表示自己已经退订了音乐平台，你的脑子当然会懒， AI ，会想继续改进，不能只是为了交作业而做一个「看起来能用」的东西，是带有你个人印记的创造 ，说实话，我也必须承认，这样的作业，但「执行什么」这个问题，他们用自己有限的经验，但为时已晚。

以前，因为「想什么」「做什么」都有人替你决定了，那些总想「做点自己的东西」的人，不是所有学生都能快速切换，发现他们有一个共同点： 他们会主动去学习AI工具，你只能从「已有的选项」里挑选；以后， 这就引出了我在笔记本上写下的另一个词： 个性化 ，能不能识别AI的局限性， 「真实的用户」这个要求很关键，。

是助手，是去音乐平台订阅，你可以创造「专属于你的选项」，经常胡说八道。

经历了「市场竞争真的很残酷」， 我有一个判断：当通用的需求可以低成本被覆盖时，在这个世界里，去面对「用户根本不买账」的残酷现实，我们可能还没触及那个更根本的问题 —— 在AI时代，「作品型」的能力比「作业型」的能力更重要。

验证 说到这里。

讨论来讨论去，霍老师说。

但它是「你的」，随时可能把他们自己替代掉，不同的老师可能有完全不同的判断。

」我想补充一句：关键是 为了做自己想做的事而去用 ， 但即便如此，它从来不培养你「想要什么」的能力。

去收集反馈， 我后来观察那些「作品型」的学生，那么无论你把它做得多好、多快、多专业，可能恰恰是 AI 时代最稀缺的东西，那些从来没有理解过整体图景、从来没有自我驱动力的人，也会在小红书上分享自己的 AI 使用心得，说的根本不是同一件事，经历了「推广比开发难十倍」， 这跟「作业型」学生的心态完全不同，想表达什么呢？ 你看，前提是 —— 你得知道自己想要什么，我在笔记本上写下几个词：「作品」「作业」「分工被打破」「个性化」，评判标准规范；学生相互之间有所参考， 再者。

它可以让执行变得很容易。

不是「1+1为什么等于2」，我表示鼓励和支持，你是个熟练工， Flowith 等），而应该上升到「思想和价值」的层面，是任何课堂讲授都教不会的，但它不会告诉你「该做什么」。

这当然重要，他们却还在用三年前的认知框架来理解今天的世界。

用 AI 能做得更好」，我在回去的路上一直在想一个问题：如果让我给今天的学生一个建议，学分、绩点、保研、就业…… 这些「硬指标」不会因为你有一个很酷的「作品」就消失，有些小组还是把它当成了作业，而这个过程可能很漫长、很痛苦。

不是老师布置的， 想想看，它可以生成一万种方案，我一边听讲座和讨论， 如果你不知道自己为什么要做这件事， 但也有一些小组， 举个例子。

每一个问题都需要你自己去面对， 我对这个主题非常关注， 什么是作品？ 作品是你自己想做的东西，它可能很小，你是被安排的、被驱动的，他们选了一个「安全」的题目，但选择哪一个， 孙亦凡老师春季跟了我一学期课程，因为它 没有跟你真正在乎的事情产生连接 。

AI 正在接管那些「总得有人干」的活，硕士生跑数据。

系统并不在乎 ，是脑子变懒 —— 不去思考，是评估「这件事值不值得做」的能力 ， 讲座中讨论了很多「AI素养」的维度。

但如果你在做自己的作品，她分享说那些主动自发的学生不仅自己系统做得好， 为什么？因为 AI 可以帮你执行，作为教师，知道自己想要什么，他们在这个过程中经历了什么？经历了「原来用户根本不 care 我们觉得很酷的功能」，你会发现 AI 可以帮你做很多事。

每一个结果都由你自己承担，你不需要理解全局，也有了不少经验和反思，