#模型时代# #科技先锋官# 90%大学生每天都在用AI，但只有少数人真正用对了

Anthropic最新一期播客，和四位来自LSE、普林斯顿、UC Berkeley、亚利桑那州立大学的学生坐下来聊了聊一个现在非常重要的话题：AI和教育，具体到这期，是AI到底怎么改变了大学？这四位都是Claude Campus Ambassadors（校园大使），在各自学校运营Claude Builder Club，算是最前沿的AI用户群体。

我觉得其中一段核心看法我很认同，我们可以让AI帮忙，但是问题是他给的东西，你是否能理解，还是说，人类只是当一个“邮件转发器”。

一、校园现状：90%在用，但一片灰色地带

LSE的Zayn做过一个调研，90%的学生在日常学习中使用AI。总结讲座、做习题、给作业找反馈，用法五花八门。

但大学的规则完全没跟上。有的课程禁止AI，有的鼓励使用，学生夹在灰色地带里不知道怎么办。Marcus在Berkeley观察到，理工科学生在课堂上仍然被要求关掉VS Code里的AI功能，但一出教室就开着Copilot写项目。"课堂和现实脱节得厉害。"

人文社科的学生更纠结。Chloe发现普林斯顿的纯人文专业学生有不少直接拒绝使用AI，因为他们的核心技能是close reading（精读文本），觉得AI介入会破坏这个过程。而社科专业的态度在慢慢松动，开始试探性地把AI用在计算和数据分析上。

二、两种用法：答案机 vs 思考伙伴

Zayn有个尖锐的观察：AI暴露了你来大学到底是为什么。

"来大学的人大概有三种目的：第一是真的想学东西，第二是找个好工作，第三是社交和享受大学生活。每个人权重不同。AI让你可以轻松绕过学习环节。"

大多数人怎么用AI？Marcus说得直接：几年前chatbot刚出来的时候，典型用法就是"问一个问题、拿一个答案"，可能一天问50到100次，散落在不同对话里。Tino也见过研究生没时间就让AI帮着秒交quiz。小组作业里，有人拿到AI输出直接就贴上去，结果四五个人拼出来的东西一眼假。

"AI给什么就交什么"——这是用错的典型姿势。

那少数人在做什么不一样的事？

1、先想清楚要AI干嘛

Chloe说她在动手prompting之前会先想清楚：我是让AI直接帮我完成任务，还是帮我从不同角度思考问题？这个区分决定了后面所有的交互方式。

2、把想法倒给AI，再自己改

Marcus的方法是把零散的想法、bullet points一股脑倒进Claude，让它帮忙结构化成段落，然后自己手动改措辞，"改成我的声音和语气"。AI负责组织，人负责表达。

3、让AI当评委

Marcus还有个技巧：告诉Claude这份作业的评阅者是谁——是VP、recruiter还是教授——然后让它按对方的标准给自己打分，满分10分。反复迭代两三轮。"有时候反馈很有用，有时候有点过头。新版Sonnet和Opus 4.5迭代太多次还会提醒你：差不多了，可以交了。"

4、用learning mode让AI反问你

Zayn强烈推荐Claude的learning mode。开启之后AI不会直接给答案，而是反过来问你问题，一步步引导你自己想明白。"大学讲座是一个老师对两三百人，AI能变成一对一辅导。"

5、建project积累上下文

Marcus的做法是每门课建一个Claude project，把syllabus、课件、作业都上传进去，然后在里面开多个对话，就像一个文件夹下面有很多子文件。这样AI有足够的上下文，回答质量完全不一样。"这两年AI管理上下文和记忆的能力强了太多，我们的用法也得跟着进化。"

三、用对的人在造什么

会用AI的学生不只是学习效率更高，他们开始造东西了。

抢课神器：亚利桑那州立大学热门课一开放选课就秒空。有个学生做了个工具，输入想选的课，一有空位就自动通知你。

教室空位追踪器：LSE图书馆座位永远不够。Zayn的朋友做了个工具实时扫描哪些教室是空的，直接告诉学生去哪里能坐下。这个作者没有编程背景。

讲义注释生成器：Zayn自己做的，把课件上传进去，AI在每张幻灯片旁边生成"教授口吻"的注释，解释抽象概念、补充背景。

健康监测原型：Marcus在hackathon上看到学生把计算机视觉和Claude API结合，做情绪识别、中风早期检测、痴呆症筛查的demo。

校园bucket list游戏化：普林斯顿有个传统叫Princeton Prospect，是毕业前想做的事情清单。一群大一新生把它做成了有排行榜的互动应用。Chloe说，"他们只是室友，纯粹觉得好玩就来参加hackathon。"

这些项目的共同点：技术难度不高，但解决的都是真实痛点。AI正在降低"做东西"的门槛。Zayn说他没有编程背景，但现在能在终端里用Claude Code搞定很多事。LSE的学生社团以前只有Instagram主页，现在开始搭建网站了。

四、怎么判断自己有没有用对

能造东西只是表象，更根本的问题是：你真的掌握了吗？

四个人的回答惊人一致：能不能当面解释清楚你做的东西。

Chloe说："如果有人针对你在AI帮助下提交的东西问一个刁钻的问题，你答不上来，说明你没真正掌握。"Tino的标准是能对五年级小孩解释清楚，也能对研究生讲明白。Zayn更直接："如果你提交的东西自己都不舒服，那就不是你的作品——你只是在偷Claude的输出。"

Tino还提到商学院的"最终boss"：你得上台做presentation，10到15分钟，defend你的观点。那个时候AI不会替你说话。第一层作弊也许能蒙过去，但到了要当面解释的环节就露馅了。

关于AI slop（AI垃圾内容），四个人的定义也很一致：当你知道自己用脑子本可以做得更好，但AI给了你一个平庸的输出——那就是slop。 典型例子是AI写的求职信，"每个学生都在用这种模板申请，根本不会让你脱颖而出。"

还有个微妙的问题：很多学生明明和Claude反复迭代、深度合作完成了项目，但被问"你怎么用AI的"时，却只会说"Claude很helpful，帮了很多忙"。他们不知道怎么描述自己的贡献，甚至有点心虚。

Chloe觉得这是因为我们还没有一套成熟的说法来谈论AI使用。没有这个共识，学校就只能在禁止和放任两个极端之间摇摆。

五、大学的应对：有人在进步

教授整体还是慢一拍，但有例外。

Zayn的弟弟今年在LSE读大一，必修课LSE 100已经完全改版。现在的要求是：和Claude进行一场对话，给它设定persona，然后提交对话记录作为作业。老师要看的不是输出，而是你怎么提问的。最后的成果是录一段视频而不是写论文——没法让AI代劳。

Chloe提到普林斯顿有些机器学习课自建了chatbot，专门回答学生问题、引用课件内容。但她觉得这更像权宜之计，"学生想用别的AI还是会用。"

Tino在亚利桑那州立大学的体验最激进。学校的career center给学生做了一个提示词库，教怎么用AI准备各种职场场景。有个叫"AI芯片战略与未来工作"的课，本来只开一学期，学生反响太好，现在变成常规课了。

六、就业市场：AI是帮手也是对手

主持人问找工作感觉怎么样，让大家比大拇指表态。四个人都比了个横着的——不上不下。

好的一面：AI确实帮忙了。练面试、改简历、定制求职信，这些繁琐工作现在轻松很多。

坏的一面：公司也在用AI筛人。Chloe说她这整个招聘季都在对着屏幕说话，"没有化学反应可言。"更糟的是简历海投完，15分钟后收到拒信——明显是AI秒筛的。Tino吐槽那封邮件还写着"able to inform you"这种模板句式。

一个积极信号：AI素养正在变成硬技能。Tino说四大咨询公司现在招人不只看MBA背景，更看你能不能把AI应用到具体行业场景里。"懂AI应用的MBA已经是他们的优先选项了。"

总结

这场对话最让人印象深刻的不是某个具体观点，而是整体的态度："We'll figure it out."

没有人假装问题不存在，但也没有人陷入悲观。他们承认作弊严重、规则混乱、教授跟不上，同时也看到门槛在降低、创造力在释放、新的学习方式在涌现。

Zayn说了一句话值得记住："现在的工具已经强大到可以让你不学东西也能毕业。用不用它来真正学东西，是学生自己的责任。"

选择权在你手里，AI只是放大器。

核心归纳

Q1: 大多数人和少数人的用法区别在哪？

大多数人把AI当答案机：问一个问题、拿一个答案、直接提交。少数人把AI当思考伙伴：先想清楚要AI帮思考还是帮执行，把零散想法倒给AI结构化再手动编辑，让AI按评阅者标准打分反复迭代，开learning mode让AI反问自己，建project积累上下文。

Q2: 怎么判断自己有没有用对？

能不能当面解释清楚你做的东西。如果有人问你刁钻的问题你答不上来，说明你没真正掌握。商学院的终极检验是上台做presentation defend你的观点——那个时候AI不会替你说话。

Q3: 大学应该怎么应对？

最有效的做法是改变作业形式。LSE的例子是让学生提交和AI的对话记录，考察的是提问能力；最后交视频而不是论文，没法让AI代劳。亚利桑那州立大学更激进，直接给学生做提示词库教怎么用AI。单纯禁止不现实，学校需要提供共识，帮学生理解什么是合理的AI使用。