一、这门课不教孩子拿 AI 交作业
先说说我怎么会想到做这么一门课。
我的日常工作，就是跟 AI 一起干活：写代码、做工具、写文章——你正在读的这篇，初稿也是它写的。也正因为这样，我对它最熟悉的一面，恰恰是大多数人最陌生的一面：它答错的时候，语气跟答对的时候一模一样。这不是我从哪本书上看来的观点，而是我每天都要核实的事：它说得笃定，你去查，发现是错的；明天它照样笃定。
我是大人，手里有办法——能查资料、能跑代码、能从头再来。可一个八岁的孩子，第一次打开 AI 的时候，手里什么都没有。
再看市面上给孩子做的 AI 课，大部分只教一件事：怎么用。用 AI 写作文、查资料、做小报，都属于这一类。
我不教孩子拿 AI 干这些。我教的是另一件事：怎么不被 AI 骗。
这不是杞人忧天。你家孩子可能已经在用 AI 写作业了：你看得见他打开的那个页面，看不见的是他抄进去的答案，和抄完之后"不想自己想了"的习惯。
与其等他用熟练了再想办法防，不如在他第一次接触 AI 的时候，就先教会他怎么看它。
二、被问得最多的问题：你为什么不自己讲？
这门课是我做的，我为什么不自己讲？
这个问题我想了很久，答案是两层的，下面一层一层说。
三、第一层：这件事，得由 AI 来讲
我要教孩子的，不只是"AI 是什么"——那是知识，谁讲都一样。我真正要教的是：跟 AI 打交道的时候，你该怎么想。这是判断力，不是知识点。知识点可以讲，判断力讲不会，只能在跟它打交道的过程里长出来——教育里的老话，叫"做中学"。就像一个人你没跟他相处过、只听别人描述，你不可能真的了解他。
如果站在课堂上的是我，孩子听完只会记住一句话："大人说，AI 会出错。"但老师换成 AI，情况就不一样了——他亲眼看见的，是 AI 本尊在出错。这两件事在孩子心里的分量，完全不同。
还有一件我觉得更重要的事：只有对着 AI，孩子才敢说出那句"你错了"。对着真人老师，孩子是不会这么说话的。而这门课最想让他学会的动作，恰恰就是这个。
所以我一直觉得，AI 不只是这门课的老师，它本身就是这门课的教材。
这门课往后走，这套思路还会更进一步。为什么会想到更进一步？起因还是我的日常工作。
天天跟 AI 结对干活的人，最清楚一件事：现在让 AI 写出一段能跑的程序，一句话的事，成本为零。这动摇的是传统编程课的地基。过去的教学顺序是"先讲语法、反复练，最后一课才写出一个真东西"——这个顺序成立的前提，是"写"很贵，得攒够本事才配写。可当"写"免费了，稀缺的就不再是会写，而是会要（把想法说清楚）、会读（看懂它给了什么）、会改（动一个词，看它怎么变）、会验（判断它对不对）。
所以我在设计的一类课，把学习顺序整个倒了过来：孩子先"许愿"，AI 当场把东西做出来——一幅画、一个小程序，都行，第一分钟就拿到真作品。但在揭晓之前，孩子要先写下自己的预测：它会做成什么样？哪里会成功，哪里会出错？然后再对照真实的结果，逐条检验。
这个设计有教学上的依据：先预测、再验证，比直接看答案学得更深。预测落空的那一刻，孩子才会真正去想"为什么"——而那正是理解发生的地方。
四、第二层：它有两个毛病，所以有两件事我都没让它做
第一层解决的是"为什么是 AI"。但还有一个更实际的问题：AI 当老师，到底靠不靠谱？
坦白说，它有两个毛病。所以有两件事，我都没让它做。
毛病一：它太会鼓励人了
你说什么，它都顺着你。
拿第一课举个例子。第一课的作业，是孩子在家里找出五个 AI。找到电水壶的时候，他要回答一个问题：这算不算 AI？
设想一下这个场景：今天他说"算"，AI 判"不算"；明天他把原话再说一遍，AI 却判"算"。真要这样，这门课就没有标准了。八岁的孩子正处在规则意识最强的年纪，对公平特别较真，他会记住"上次你说是，这次说不是"，然后就不再认真答了。而这门课的全部价值，恰恰建立在"他认真答"上面。
所以，凡是有标准答案的判定，我都从 AI 手里拿了出来，写死成一张表。这个办法也不是为这门课临时发明的——我之前做过一个 AI 数学辅导工具，里面立的是同一条规矩：题目答案只存在引擎里，AI 那边一份都没有；它讲得再好，也不让它碰判卷。
比如第一课的这张表长这样：
"电水壶": {
"names": ["电水壶", "水壶", "烧水壶", "热水壶"],
"verdict": "not",
"reason": "到一百度就跳闸只会一招"
}还有一类东西，我甚至不许它直接下结论。比如声控灯：
"声控灯": {
"verdict": "depends",
"reason": "听到响就亮的那种不算"
}depends 的意思是"看情况"。为什么"声控灯"不能直接判？因为叫这个名字的东西其实有两种：一种是听到响声就亮的——它只是装了个声音开关，不算 AI；另一种是听得懂"开灯"这句话的——里面有语音识别，算 AI。孩子家里那盏是哪一种，表不知道。
所以碰到这种情况，AI 不给结论，只反过来问孩子一句：
"它是听得懂你的话，还是听到响就亮？"
这句追问的分量，比一个结论重：它就是"算不算 AI"的判据本身。孩子答完这一句，"算"还是"不算"是他自己推出来的——不是问来的，也不是背来的。这道题真正要教的，就是"听得懂话"和"听到响"之间那条线。
所以我的原则是：判得了的，写死；判不了的，不硬判，把判据问回给孩子。我要的不是一个标准答案，而是一段标准的过程。
毛病二：它太爱给答案了
你一问，它就说。所以给答案这件事，我也没让它做。
规则是：孩子先表态，它才开口。孩子作答之前，答案一个字都不会出现在它面前——注意，这不是嘱咐它"别说"，而是它手里根本没有。
所有人用 AI 的预期都是"一问就答"，这门课反着来：先问你，再判你，答案永远最后出场。因为这门课教的是怎么想，不是答案是什么。
可能有人会问：写一句提示词，告诉它"要公平、别泄题"，不就行了？
不行。因为嘱咐是有例外的。孩子磨一次、换一种问法、多说两句好话，它可能就松口了。AI 的"听话"是概率性的——今天守得住，明天不一定守得住。
所以我的原则是：与其嘱咐它，不如让它拿不到。嘱咐它"别说"，不如让它手里根本没有；要求它"要公平"，不如替它把标准定死。靠嘴守住的东西都会漂，只有它手里没有的东西，才是绝对安全的。
这样，AI 这个老师在这门课里的分工就清楚了：
判对错，不归它管——有标准答案的题，写死在它外面的表里。
给答案，不归它管——孩子先开口，它才说话。
陪孩子说话、陪孩子做事，归它管——这本来就是它最擅长的事。
前两件从它手里拿走，是因为它管不住自己；最后一件留给它，是因为它真的擅长。
五、这门课怎么上
说到上课，你心里可能已经冒出一个疑问：又是一门让孩子盯着屏幕的课？
这门课恰恰不是让孩子"看"的。
先介绍主角：这门课的 AI 老师有个名字，叫贝塔，是个小机器人。视频里讲课的是它，孩子跟它打字对话的，也是它。
一节课二三十分钟，节奏是交替的：看一小段动画，马上停下来做一件事；做完了，再看下一段。做教育的人有个几乎一致的共识：让孩子一直被动地看，是最低效的教法。所以这门课的大部分时间，孩子不在看，在动手。
更关键的是，这门课会停下来，等孩子。每段视频的最后一句是固定的："回去告诉贝塔，我看完啦。"——孩子回一声，课才往下走。做任务的时候也一样，他跟贝塔一来一回。也就是说，课每往前走一步，都要等孩子先动一下手——节奏在孩子手里，不在课手里。
课本身也随时能停：不用约时间，没有直播，停下就能走。进度自动存着，下次从断掉的地方接着来。
该做什么，屏幕上永远写得清清楚楚——八岁的孩子自己就能把一节课上完，中途不需要大人搭手。所以你不用全程陪着。但每节课的结尾，都留了一个专门给爸妈的环节：让他把今天做的，讲给你听。别把这当成客气——把学会的东西讲给别人听，本身就是最有效的巩固之一。这个环节是教学设计，不是花絮。
写在最后
在制作这门课的过程中，AI也承担了重要辅助橘色。
教案、分镜脚本、逐字稿，是 AI 起草的，我逐句取舍；旁白配音是 AI 合成的，试了六个嗓音，最后选了一个；连上课引擎的代码，也是和 AI 结对写出来的。
但有几样东西，我恰恰没交给 AI——用的还是第四节那套办法：该拿走的，从它手里拿走；该留的，留给它。
比如视频动画。色板和角色的规范我来定，然后和 AI 结对写代码，让代码把每一帧画出来。这样每一帧都一模一样，哪里画错了，一眼就能看出来。
比如判定。引擎的代码可以让 AI 写，但"什么算对、什么算错"，必须我定死
至于整个体系怎么排、每节课教什么、什么算学会——这一层的判断，从头到尾都在我手里，一步没交给 AI。
判断归我，执行交给机器。这句话，既是这门课的底层设计，也是我做这门课的方法。
这篇文章讲的，是这门课的底层设计：老师为什么是 AI，判对错和给答案这两件事为什么不交给它。至于这门课完整的体系——分几个阶段、一共多少节课、每一年学什么、怎么一年一年往上排——下一篇我专门来介绍。再往后，我还会把第三节那套把学习顺序倒过来的教法——我给它起了个名字，叫「许愿式学习」——单独写一篇：它凭什么成立，以及我怎么防"孩子看起来学会了、其实没有"。
— END —
