人工智能没有凭空制造课堂危机，它极大降低了旧动力的运行成本。
本章的判断：人工智能没有凭空制造课堂危机，它极大降低了旧动力的运行成本——让凭证更快生成，让障碍更快绕过，让复杂差异更快被摘要成标准语言。同一套系统第一次可以连续完成结算、代偿与压缩。也正因如此，它是本书九条机制里唯一一处已经有外部实证的地方。
本章是全书唯一引用了课堂现场实验证据的一章。这两条证据不是本书自己采的，也不能证明本书的全部机制；它们证明的是一个关键分离——工具在场时的表现，和工具撤除后的学习，可以方向相反。
生成式人工智能进入课堂以后，许多讨论停留在“能不能用”“会不会作弊”“答案准不准”。这些问题重要，却没有触及最深层的变化。
生成式人工智能第一次把解释、举例、改写、反馈、提示、总结、评分和作品生产同时压缩到几秒之内。课堂过去需要教师、教材、同伴和平台共同完成的结算、代偿与压缩，如今可以由同一个系统连续完成。
因此，若课堂仍以完成质量和即时表现作为主要证据，人工智能会显得极其有效；若学习必须以无工具条件下的独立发起、边界判断和结构重构为证据，同样的高效可能暴露出完全相反的结果。
结算机。系统快速生成答案、作品、反馈和评分，使“学习已经完成”的凭证在学习者形成内部结构以前成熟。学生甚至可以拥有比过去更漂亮的学习档案，却无法说明其中哪一步改变了自己的判断。
代偿机。系统在学习者完成障碍定位以前自动续写、补全、提示和纠错。任务保持通行，困难却失去结构身份。下一次学生更早等待系统首动，平台也因“帮助有效”而更早介入。
压缩机。系统把长讨论、少数意见、含混经验和矛盾模型压缩成清晰摘要。公共语言更整齐，但原差异的关系结构、证据来源和未决条件可能不可恢复。
三种模式可以同时出现。一名学生把题目交给模型，获得分步解答，修改后提交；教师看到高质量结果，平台记录目标达成；模型又把全班错误总结成三条注意事项。结算、代偿和泄压在一个闭环中完成，而课堂几乎没有出现任何明显冲突。
第一条。Bastani 等人于 2025 年发表的大规模高中数学现场实验，为“代偿通行”提供了迄今最直接的外部证据。近千名学生在练习阶段使用两类基于 GPT-4 的导师：一种类似通用聊天界面（GPT Base），另一种加入教师设计的提示护栏（GPT Tutor）。两类工具都显著提高了辅助练习阶段的表现，但在撤除人工智能后的考试中，通用界面组反而低于从未使用人工智能的对照组；要求模型给出教师设计的分级提示而不是直接给答案，显著减轻了这种损害（Bastani et al., 2025）。
第二条。经济合作与发展组织《数字教育展望 2026》据此类研究强调：成功使用通用生成式人工智能完成任务，并不自动带来学习增益；缺少教学意图的认知外包可能提高输出质量，却削弱技能获得、元认知参与和长期独立表现。与此同时，专门按照学习科学设计、保留认知努力和教师能动性的教育型系统更可能产生持续收益（OECD, 2026）。
关于这两条的一个说明。本书全部参考文献中，逐条核对过作者、刊名、卷期、页码与数字对象标识符的只有少数几条，这两条在其中（见附录七）。这不是抬高它们的地位，而是相反的意思：一本没有自采数据的书，唯一能借的外部证据必须核到底。
它们证明什么，不证明什么。它们证明“在场表现”与“撤除后学习”可以分离，这正是第八章代偿通行的核心断言。它们不证明本书对这种分离的机制解释——九宫模型进一步要求研究：学生是否保留首动权，障碍是否保留结构身份，差异是否跨任务回流，摘要是否保存可恢复的关系，记录是否接受未来无工具证据的重开。这五问在现有实验里都没有被单独操纵过。
“人工智能教师”这个比喻容易把现有课堂的权力结构直接复制给技术：系统掌握完整状态，判断学生缺口，决定下一步，给出反馈并宣布掌握。这样的系统可能比人类教师更耐心、更及时，却也可能更彻底地独占状态保持与首动权——第六章的“中央整合型”靶格，在技术条件下会变得更难被察觉，因为它不再有教师疲劳这个天然上限。
差异伙伴的任务不同。它不以最快生成正确答案为首要目标，而是帮助学习者外显当前模型、辨认障碍层次、保留未决差异、生成对立例证、追踪版本变化，并把结果交还给学习者和共同体。它不替代课堂的认识状态，而是提高状态的可见性与可继承性。
好的教育型系统不是永远知道下一步，而是能够让学习者知道：当前哪一步必须由自己先发生。
初态先行。在系统生成解释以前，学生必须留下自己的第一判断、模型、例子或困难描述。系统保存版本，不允许最终答案覆盖初态。
障碍诊断先行。系统先询问“你卡在对象、规则、证据、表征还是执行哪一层”，再决定是否提供帮助。形式化地点击“需要帮助”不能替代真实诊断。
分级提示而非一次交付。提示从要求重新取样、提供反例、缩小搜索空间，到最后才展示关键步骤；每一级都记录学生是否重新发起。
未决差异留痕。系统把尚未解决的结构差异放入有限队列，安排在不同材料、角色或约束下回流，而不是把所有问题永久储存在错题本。
反例与边界强制。系统生成的任何总结都必须同时附带适用条件、最危险反例和可触发复议的证据。
无工具延迟检验。高质量输出不能直接作为学习完成凭证；关键理解必须在延迟、陌生材料和无工具条件下接受检验。
公共回写而非私下完成。学生使用系统后的结果必须说明修改了什么原判断，并把可复用的差异与证据写回小组或班级的共同状态。
七条护栏里，第一、二、三条直接对应 Bastani 等人实验中“教师设计的分级提示”这一有效条件；第四至七条超出该实验的操纵范围，属于本书提出而尚未被检验的部分。这条界线必须写清楚，否则本章会借别人的数据抬自己的价。
| 变量 | 危险设计 | 智慧设计 |
|---|---|---|
| 再生形式 R | 生成同类答案与模板 | 要求跨材料重新生成并说明新差异 |
| 敏感域 Σ | 自动标出所有关键点 | 比较误报与漏报，要求学生重写判据 |
| 可续建整体 W | 每次局部修补但覆盖历史 | 保留版本、依赖关系与重构理由 |
| 可复议推进 J | 答案输出后关闭会话 | 保存暂时裁决、证据负担与重开条件 |
| 限额变奏回流 Q | 无限收藏问题或原题重做 | 限制在制差异并跨表征回流 |
| 携差换手 H | 系统作为唯一状态中心 | 生成可交接包，下一主体拥有首动权 |
| 结算先行 C | 以系统产出质量证明掌握 | 用延迟的无工具证据重开当前记录 |
| 代偿通行 A | 系统自动补全与续写 | 学生先诊断，系统分级介入并撤除 |
| 差异泄压 P | 把争论压成统一摘要 | 保留分歧关系、删减项与未决条件 |
表 12-1 九维设计判别矩阵
这张表的用法不是打勾。同一个功能可以落在两侧：自动标出关键点在初学阶段可能是必要的脚手架，在边界训练阶段就成了替学生完成判差。判定依据始终是第八章那一条——被支持所替代的判断，有没有成为学习者下一轮必须承担的对象。
学生提交：3(x－2)=12，因此 3x－2=12。
普通系统可能直接指出分配律错误并给出正确步骤。差异伙伴首先保存原式，询问：“你认为括号表示两个独立项，还是一个整体？把整个括号替换成一个盒子 B，3B 表示什么？”学生回答后，系统要求他用三个相同盒子的图，或三个 (x－2) 的加法式展开。
若学生仍然只乘第一项，系统不立即给答案，而把障碍定位为“整体放大与符号展开之间的表征断裂”，提供一个非代数变奏：三袋物品，每袋有 x 个苹果并拿走 2 个，共有多少？学生完成第一步后，系统再让他返回原式并说明哪一项必须改变。
最后，系统不把一次正确当作结算，而把“整体倍增是否作用于内部所有成分”登记为未决差异，在 −2(3x＋1)、面积缩放和单位价格问题中回流。下一名学生继承前一名的错误模型与反例，获得设计一个最能区分两种规则的题目的首动权。
这段对话里，系统一次也没有说“你错了”。它做的四件事是：保存初态、定位障碍层次、提供跨表征变奏、把差异交给下一位。
教师负责设定哪些学习目标必须保留无工具能力，哪些任务允许外部认知扩展；决定安全边界与未决容量；审查系统是否提前夺取首动权；把个体对话转化为共同课程证据。
学生负责外显初态、承担证据负担、说明帮助改变了什么、在撤除工具后重新发起。
系统负责保持记录、提供分级差异、提示边界、支持交接，而不把高质量输出冒充为学习。
三方责任不能互相转嫁。教师不能因为系统“个性化”就放弃课程判断，学生不能因为它“只是工具”就隐去它在推理中的作用，平台也不能以用户点击同意代替对学习依赖、隐私、偏差和可解释性的设计责任。
在生成式人工智能条件下，仅凭最终作品判断学生是否独立完成，越来越困难，也越来越没有理论价值。更有意义的评价对象是发生链：学生的初始模型是什么，哪项差异由谁发现，系统在哪个时间点介入，学生是否完成最小诊断，哪一条建议被拒绝，最终结构如何变化，撤除工具后能否重新发起。
这并不意味着全面监控学生。发生链记录应当遵循最小必要原则，以结构变量而非私密思维为对象，并允许学生查看、解释和更正记录。
评价也不能把九维指标再次变成高风险结算，否则新的理论会被旧的动力吞没——第七章解释了为什么这几乎是默认结局。
1. 同样的提示内容，学生先进行障碍诊断再获得提示，将比自动推送产生更好的无工具迁移。
2. 保留原始模型和版本差异，将提高学生对系统错误的识别率，而仅展示最终修订不会。
3. 带有删减记录和未决条件的摘要，将比更流畅但封闭的摘要产生更高的后续复议质量。
4. 将使用结果写回共同状态并由同伴接手，将比每人私下完成对话产生更强的知识累积。
5. 把无工具延迟任务用于重开先前“掌握”记录，将反向降低学生在第一次任务中直接索取答案的比例。
预测一在 Bastani 等人的实验里已经获得部分支持（护栏组优于通用组），但该实验操纵的是提示的形式，不是“谁先诊断”；本书要求的是在帮助内容与时间完全相同的条件下比较首动顺序。预测二至五完全没有被检验过。
若首动权、版本留痕和未来重开均不能在控制帮助内容后产生独立效应，本章必须收缩其理论主张。
第一个风险是借力。本章是全书唯一有外部数据支撑的一章，这一点很容易被滥用——把“撤除后表现下降”这个已被观察到的现象，直接读成“代偿通行机制成立”。它不成立。已观察到的是结果，本书主张的是机制；从结果到机制中间还差第三节末尾列出的五问。
第二个风险是时效。本章依赖的两条证据发表于 2025 与 2026 年，而模型能力与产品形态的变化速度远快于教育研究的周期。若三年之内出现设计良好的实验显示“通用界面组在撤除后并不落后”，本章的经验基础就会失效，而第八章仍然可以靠自己的赌注独立存活。本章不是第八章的地基，是第八章的一次外部旁证。
第三个风险是把护栏当成配置项。七条护栏都可以被形式化实现而不改变任何实质：系统弹出一个“你卡在哪一层”的下拉框，学生随手点一个，然后照常拿到答案。第七章说明了为什么这几乎必然发生。判断护栏是否真的生效，仍然只有一条：撤除工具、更换材料、延迟一段时间之后，学生能否自己发起下一步。