AI时代，孩子如何"筑基"？

教育沙龙 · 2026.05.10

01 / 16

听说了么？

MIT学生，两天，用AI学完一门课。

这则新闻提供了一个“人+AI”认知增强的极限案例。

或许它是假新闻，但未来有没有这个可能性？或者说，有没有朝这个方向发展的趋势？

问题来了：怎样发展“人+AI”的能力？

我们这些非AI原住民，可能对未来一无所知。但有一点可以确信：

——未来的人不会是一个人战斗，一定带着自己的AI法宝。

02 / 16

让我们试一下

3分钟，搞懂一个新概念

现在，请用3分钟，借助任意AI工具，搞懂："AI Harness是什么"。

不要有压力，只是让AI分析一下我们的思维地图，它说的也不一定对。

——将你和AI关于这个话题的全部对话保存为链接，再将链接发回给AI，并输入——

链接为一个用户和AI关于一个新知识的问答学习过程，用户对相关知识了解程度为【零基础/了解一些/比较熟悉】

1. 严格按照顺序对每个问题进行分类（类型包括：A定义锚定、B机制/来源、D边界判断、P场景映射、O开放探索、E结构重构），绘制思维地图。

用表格呈现，左列为提问原文（如：Q13: "就不能把harness搞成一个配置文件，就像skill一样，或者跟skill融合么？"），中列为问题类型（如：E结构重构），右列为抽象描述（如：尝试将两个已知概念进行结构性融合）。

2. 评测认知驱动类型，按照九宫格来分类：

| 内驱力 \ 模糊容忍度 | L1 | L2 | L3 |

|----------------------|----|----|----|

| L3 | 偏执型 | 工程型 | 极客型 |

| L2 | 执行型 | 实用型 | 策略型 |

| L1 | 规避型 | 依赖型 | 游移型 |

3. 描述该类型的人典型的认知特点、需要注意的点

4. 此类型的人，适合做哪一类PBL来增强与AI的协同，拓展“人+AI”的能力边界

不同的人，思维地图完全不同。

03 / 16

现在我们可以猜到，他是怎么做到的了

借助AI深度学习的核心公式

高质量的认知框架 × 高质量的信息供给

老警察凭几十年经验内化了认知框架，拿到可靠线索，马上就能破案。程序员、医生、教师、律师，莫不如此。

但未来还要“进阶”——用AI扩展能力边界，也就是具备“跨界”的能力。

04 / 16

学习范式也要同步升级

过去的学习 vs 未来的学习

	过去	未来
目标	“人”——>领域人才	“人+AI”——>跨界人才
方式	记忆、刷题、标准答案	与AI协作，迅速掌握新知识
锻造的能力	存储、检索、计算	底层操作系统升级

在"人+AI"这个新物种中，AI是一个高能外挂——可以理解为一件高阶法宝。

05 / 16

把AI炼成本命法宝

开启AI外挂，没那么简单

障碍一

AI是"被动引擎"，需要内驱力来点火。AI不会起心动念。剥离应试框架后，有多少孩子清楚自己想要什么？

障碍二

AI的本质是"黑盒与概率"，没有标准答案。习惯了确定性教育的孩子，能从一个输入框中编织自己的知识网吗？

一个未完成筑基的修士，驾驭不了高阶法宝，也就无法进阶化神。

06 / 16

筑基框架

AI原住民的筑基 = 三大系统

动力系统

内驱力

探索系统

模糊容忍度

判断系统

价值·审美·好奇·抗挫

07 / 16

系统一

动力系统：内驱力

从"被要求学习"走向"我想弄明白"

我对什么有兴趣？
我想解决什么真实问题？
我有没有自己的问题意识？

没有内驱力，AI只会变成偷懒工具。

心理学依据：自我决定理论（SDT）——真正的创造性和深度认知参与，只能由胜任感、自主性、归属感激发。

当AI把执行门槛抹平后，唯一驱动系统运转的，就是内驱力。

08 / 16

系统二

探索系统：模糊容忍度

从"等标准答案"走向"敢在不确定中试错"

能不能接受AI第一次答得不好？
能不能换个问法再试？
能不能带着不懂继续推进？
能不能从错误中提炼规律？

没有模糊容忍度，孩子很容易觉得AI"不好用""太乱了""我不会"。

低容忍度的人面对未知会急于求解或直接放弃；高容忍度的人能在没有标准答案的状态下持续探索。

09 / 16

系统三

判断系统：价值、审美、好奇心、抗挫力

价值体系

什么值得做，什么不该做

审美判断

什么是好作品、好方案

好奇心

能否持续提出自己的问题

抗挫力

失败后还能不能继续

责任意识

AI做的东西，我是否负责

这部分决定了：是被AI牵着走，还是反过来驾驭AI。

10 / 16

认知类型

筑基之前，先判断筋骨类型

用"内驱力"和"模糊容忍度"两个维度

极客型

高内驱 · 高容忍

游移型

低内驱 · 高容忍

实用型

高内驱 · 低容忍

规避型

低内驱 · 低容忍

最高级的学习者：自己设定目标 + 在没有现成路径时找到资源解决问题。
但——不是每个孩子都需要成为极客型，也不可能。

11 / 16

差异化筑基

不同类型，不同筑基路径

类型	特点	风险	筑基方向
极客型	主动探索，自驱力强	过度发散	需要收敛，给边界
实用型	目标明确，要答案	视野窄	需要打开，拓边界
游移型	靠感觉，重体验	缺结构	需要结构化，建骨架
规避型	回避不确定性	直接放弃	需要降门槛，给台阶

12 / 16

实践指南

四种路径设计

极客型：开放沙盒

"用AI做一个全新的游戏Demo"——让他自己碰撞边界。家长的任务：不打扰。

实用型：明确任务

"用AI查资料写一个五分钟演讲"——在完成中积累信心，任务逐步升级。

游移型：从感受出发

"用AI配图写一个绘本故事"——在创造中建立与工具的连接。

规避型：降低门槛

从小任务开始，把任务拆成小步骤——用成功体验打破回避循环。

13 / 16

动力与探索

在场景中建立系统

提出意图 → 调用资源 → 落地验证 → 面对意外 → 重新调整

AI只是催化剂，最终长出的是解决问题的肌肉记忆。

当孩子习惯了这套闭环，他和AI组成的二元系统就会自己演化——能力边界自然延伸。

14 / 16

判断系统

在与现实的摩擦中建立判断

用AI帮家里做一周菜谱？——爸妈的口味、冰箱剩菜、预算都得纳入考量。
用AI策划一次周末出行？——天气预报不准，地铁维修，有人临时不去。

这些微小的现实摩擦力，恰恰是虚拟世界给不了的教育。

价值、审美、好奇、抗挫——都在这些真实的碰撞中生长出来。

15 / 16

家长不是AI原住民

我们大概率想象不出孩子们未来的工作，正如00年代的人想象不出"短视频创作者"是一种职业。

我们能给的不是方向，是筑基的支持。
他们自会成长。

16 / 16