AI时代学习从何开始:这位清华小朋友收到了“龙虾创始人”的回信

本期是「教育学人AIED」的第一篇纪实访谈文章。

四月中，我去清华大学无穹书院旁听了一节课，课程名称为“人工智能与自主学习”。一个大一学生跟我讲了自己的学习经历，今天我们就听听学生的声音。

故事的起点很小：他刚开始接触 OpenClaw，想给自己的 QQ Bot 设置一个定时任务，结果失败了。系统给出的错误提示很含糊，他折腾了好几个小时，也没弄明白问题到底出在哪里。

如果放在过去，这件事大概会到此为止。一个大一新生，面对一个复杂的开源项目、英文文档、命令行、权限系统、GitHub issue 和 PR（Pull Request，合并请求；开发者将代码的修改分支提交给项目管理员，请求将其合并到主代码库的流程），最自然的反应应该是：算了，等别人修吧。

但他没有停下来，无穹书院的学生嘛。

（图片来源：清华大学无穹书院首页）

他找来一个 CLI Agent，让 AI 去看源码、分析错误、解释系统结构，一边向 OpenClaw 追问错误信息，一边把报错交给 AI 继续拆解。

后来他不仅大致理解了问题所在，在 GitHub 上提交了 issue 和 PR，还给“龙虾之父” Peter 写了一封邮件，说明自己的发现和想法。

更有意思的是，Peter 后来真的认真回复了——他在 GitHub 上逐条说明相关问题已经如何被修复，哪些测试和文档已经补上，哪些提交证明这个问题已经进入发布版本。对一个刚刚进入大学、刚刚接触这类项目的学生来说，这不是一封普通的技术回复，而是一种来自真实世界的确认：你提出的问题，被看见了。

这不是一个”天才少年”的故事

我并不想把这个故事写成”清华学生用 AI 改变世界”的爽文。事实上，他自己后来也做了很多反思。

刚接触 AI 编程工具时，他很兴奋，甚至有点膨胀，觉得自己好像突然拥有了改变世界的能力，于是跑到 GitHub 上找 issue，试图让 AI 帮他读问题、写代码、跑测试、反复修改。

听起来很先进，但结果并不理想：他提交的 PR 被别人指出了不少问题，有些地方理解不准确，有些测试没有写好，有些改动还可能带来新的风险。后来因为期中考试，他没有继续维护，那个 PR 最终被关闭了。

他说，回头看，这其实有点不负责任。因为真正解决一个问题，不能只靠 AI 生成代码，你至少要理解两件事：别人到底遇到了什么问题，以及这个项目原本为什么这样设计。

而他认为自己当时对这两件事都理解得不够，只是把很多判断交给了 AI。

我觉得这恰恰是这个故事最值得写的地方——它不是一个所谓的成功案例，这个孩子肯定不会因为一封邮件就停止了探索的脚步。这是一个值得学习的学习案例：

AI让一个大一学生迅速进入了过去很难进入的场景，但也让他很快撞上了自己的认知边界。

新的学习，不一定从教材第一页开始

传统学习往往有一条清晰路径：先学基础知识，再做课后练习；先掌握概念，再接触项目；先通过考试，再进入真实世界。

这当然有它的价值，但在 AI 时代，另一种学习路径正在出现——先遇到一个真实问题，再借助 AI 进入问题现场，在解决问题的过程中倒逼自己补知识，最后通过真实社区的反馈校正自己的理解。

这个学生不是先系统学完软件工程、网络安全、权限控制、开源协作，然后再去参与 OpenClaw。他是先遇到了一个具体问题——为什么我的 QQ Bot 不能设置定时任务？——然后为了回答这个问题，被迫接触源码、权限、认证、错误提示、测试、文档、issue、PR 和邮件沟通。

这是一种”问题牵引式”的学习。它不像传统课堂那样从第一章讲到最后一章，而是从一个卡住你的地方开始，向四周展开：你缺什么就补什么，哪里不懂就追到哪里，哪里出了错就在那里重新理解。

这种学习方式可能更符合当下，因为今天的知识太多，工具变化太快，没人能等到”全部学完”以后再出发。很多时候，真正的学习恰恰发生在你已经开始做事之后。

AI 是脚手架，不是替身

这件事也提醒我们，AI 在学习中的角色应该被重新理解。它不是老师的简单替代品，也不是学生偷懒的捷径，更准确地说，它像一个脚手架。

没有它，一个刚入门的学生可能连源码目录都看不懂，更不用说理解一个复杂项目的报错链路。

AI 可以帮他翻译术语、定位文件、解释结构、生成初步方案，让他够到原本够不到的地方。但脚手架不是建筑本身：AI 可以把他带到问题面前，却不能替他真正理解问题；可以生成一段代码，却不能替他判断这段代码会不会破坏系统设计；可以帮他写一封邮件，却不能替他承担公共表达的责任。

他最后给我的一句总结是——最好不要让 AI 做自己认知之外的事情。

这句话比很多”AI 提效指南”都重要。所谓”认知之外”，不是说完全不能碰不懂的东西，学习本来就是从不懂开始的；关键在于，当 AI 带你进入一个陌生领域时，你要知道自己还不懂，而不是误以为 AI 的输出就是自己的理解。

AI 可以加速学习，但不能取消学习，还得不断扩展新知，而这需要老师，需要同学，需要AI，需要学院，需要从不同的人或是事中获得反馈。

真实世界的反馈，比标准答案更珍贵

在这个故事里，最打动我的不是他提交了 issue，也不是他写了 PR，而是他得到了真实世界的反馈。

课堂里的题目通常有标准答案，但开源社区不是这样：你提的问题有没有价值，别人会判断；你写的代码有没有风险，别人会指出；你的理解是否准确，项目维护者会用事实回应；你的贡献是否成熟，最终会体现在它能不能被合并、能不能进入版本、能不能经得起用户使用。

这种反馈有时很直接，甚至会让人难堪，但它也非常珍贵——因为它让学生知道，学习不是为了在试卷上得分，而是为了让自己的判断进入真实系统，并接受真实系统的检验。

对年轻人来说，这种体验非常重要。他会发现，世界并不会因为你年轻就自动鼓掌，也不会因为你不成熟就彻底拒绝你。

只要你认真提出问题、认真表达想法，就可能被认真对待；但同时，你也必须接受别人专业、具体、不留情面的纠正。

这是一种比”鼓励教育”更高级的教育——它不是简单地说”你真棒”，这就是强化学习，这就是告诉你：你这个问题有意义，但这里不对；你这个方向值得讨论，但证据不足；你这次做得不够好，但你可以继续往前走。

如果你也想这样学

写到这里，我想直接对正在读这篇文章的你说几句。如果你也想用这种方式学习，至少有三件事值得想一想。

第一，不要等”准备好”了再开始。一个真实卡住你的问题，往往比一份完整的教程更能驱动学习——它会自动替你筛选哪些知识真的需要、哪些可以先放一放。从一个具体的报错、一段不工作的代码、一个想做却做不出的小工具开始，往往比从教材第一页开始更容易撑下去。

而且，这个时代，什么算是准备好了呢？ChatGPT准备好了吗？马斯克准备好了吗？DeepSeek准备好了吗？人形机器人准备好了吗？

第二，用 AI 时要时时校准自己的认知边界。当你借 AI 进入一个陌生领域，每隔一段时间就要问自己一句：这段输出我能验证吗？如果完全不能，至少要承认”现在我还不懂”,而不是把 AI 的回答直接当成自己的答案。

一个简单的标准是——你能不能用自己的话再解释一遍它给你的方案。如果不能，那它对你来说仍然是一个黑箱，能跑通只是运气，不是理解。

第三，主动让自己的判断进入会被检验的场合。可以是一个 GitHub issue，可以是一篇公开的复盘，可以是一封发给陌生专家的邮件，也可以是写篇公众号或者拉个群聊。

哪怕被拒、被指出错误、被删帖、被黑粉骂，也比一直待在”自己跟自己对话”的舒适区里更值得——因为前者会让你的判断慢慢变得可靠，后者只会让你越来越自信地相信一些不靠谱的想法。

这三件事老生常谈，至今已觉不新鲜。但在 AI 时代，它们有了新的分量——因为 AI 让我们格外容易跳过那些原本必须自己走过的中间步骤，也格外容易把”快速给出像样的答案”误认成自己已经懂了。

教育真正要保护的，是这种进入世界的勇气

作为一个做教育科技媒体的人，我从这件事里看到的，不只是 AI 编程工具的能力，而是一种新的学习模式正在形成。

年轻人不再只能等老师布置题目——他们可以从真实产品、真实开源项目、真实用户问题里开始学习；可以借助 AI 跨过最初的门槛，直接进入复杂问题现场；也可以通过 GitHub、邮件和社区，把自己的问题抛向更大的世界。

我觉得不只是计算机专业可以这样，最起码所有大学生们都可以试着回母校跟小朋友们分享大学感受。

哪怕是哪个学生喜欢相声，租件大褂就可以去校园广场就撂地演出，我读大学的时候演过30段校园相声。

好吧，说相声可能确实难了一些，我也没这个天分，就是卖膀子力气自己过过瘾。

我是想说明，学习正在从”先掌握再行动”，变成”在行动中掌握”，而且在行动中发现自己掌握不了，也是好事。我幸亏在大学就演过瘾了，没直眉瞪眼地奔着相声艺术家的方向走。

一个大一学生，在宿舍背报菜名，学唱太平歌词，练几段模仿秀，在一场场活动中积累舞台经验，最终又在大学毕业时看清现实弃艺从文；

一个大一学生，在宿舍里调一个龙虾🦞，因为一个含糊的错误提示，顺着 AI 的帮助摸进源码、提交 issue、写 PR、发邮件，最后收到核心开发者的认真回应。

这两个人都离实现理想有很远的距离，也都很有生命力。

当然，我们也得正视新的挑战。

我们不能只教学生怎么使用 AI，更要教他们怎么判断 AI；不能只鼓励他们大胆尝试，也要让他们明白公共协作中的责任；不能只赞美他们”动手能力强”，也要帮助他们建立对复杂系统的敬畏。

最起码，体制内相声演员和民间剧团相声演员的发展路径、风险、待遇，得能搞搞清楚。

但无论如何，学生进入真实世界的勇气应该被保护——因为真正的成长，往往不是从一门课开始，而是从一个具体问题开始：一个报错，一次失败，一封被关闭的 PR，一次来自远方工程师的回复。

亦或者，发了自己的演出视频，郭德纲和于谦怎么着都不回复。这都是反馈。

这些东西未必会出现在成绩单上，却可能深深改变一个年轻人理解世界的方式。

AI 时代的学习，不再只是把知识装进脑子里。它更像是让一个人带着问题走进世界，再在世界的反馈中，一点点长出自己的判断力。

本文文稿已获当事学生同意，出于为该学生的身心健康发展着想，我也隐去他的姓名和班级，大家默默关心、等待他的成长和进步即可。