AI太听话,有时候也挺麻烦的

前两天，一个参加过我 AI 培训的老师来问我：

她所在的幼儿园 11 月要做过程性质量监测。时间不算宽裕，所以她把《深圳市高质量幼儿园过程性质量提升指导手册》丢给 AI，希望它帮忙做一个六周教研计划。

她的 Prompt 已经写得挺完整了。

背景说了，目标说了，参考文件给了，要做什么也拆得很细：六周怎么推进、每周突破什么、老师做什么、哪些是红线，甚至还要求 AI 再整理一份可以直接打勾的物质环境 Checklist。

如果按很多“AI 提问教程”的标准，这道题其实已经出得不错。

然后 AI 也很争气。

它一口气给出了一份二十多页的方案。

六周总表、分周任务、教师清单、红线排查、照片留痕、三级把关、冲刺周……一应俱全。

看到这里，事情本来很容易结束：

但我看了一会儿，开始觉得有些地方不太对。

01AI先帮她纠正了一个问题

先说它做得好的。

老师原来的目标里写的是：

但《手册》的评分方式不是这样。

5分对应的是二阶指标全部达到；6分才进入三阶，7分是三阶全部达到。

AI把这件事挑了出来，又把目标改成了“5分保底，6—7分冲刺”。

这一段其实很有意思。

因为老师本来是来问：

但 AI 第一次帮上忙的地方，恰恰不是“执行 Prompt”，而是发现她的 Prompt 本身有问题。

所以我平时和 AI 对话时，经常会主动跟它说：

有时候我甚至会直接告诉它：

我不会觉得这样显得自己“不专业”。

人又不是每天脑子都开满性能模式。

既然都找 AI 了，没必要还在它面前硬撑。

02但它接下来有个安排，我看着就有点别扭

AI给六周排了一条很工整的路线：

看起来很顺。

环境容易改，先改环境；师幼互动难，最后攻坚。

项目计划这么排，没什么毛病。

但如果真的做过教研，我看到这里第一反应会是：

环境当然可以集中改。

少什么材料，补；区域不合理，调；安全有问题，处理。

但教师什么时候介入幼儿游戏，能不能认真听完一个孩子的话，面对冲突时是替孩子解决还是继续追问，这些不是周一布置、周五验收的东西。

更何况，一线老师都是成年人。

成人学习也不是听完一次培训，第二天集体换一个人。

所以如果是我来排，我大概率第一周就会开始碰师幼互动，只不过每次碰得很小。

今天先看看老师是不是说得太多。

下次只看一个问题：孩子说话的时候，我们到底有没有听完。

再往后，看老师什么时候进入游戏、为什么进去、进去以后发生了什么。

与此同时，环境该整改还是整改。

如果真要给深圳本地园所一版能执行的方案

尤其对最近正在准备过程性质量监测的深圳园所来说，只说“AI这里排得不对”，其实不够。

真正的问题是：六周确实很短，环境、材料、作息、安全这些眼前的问题必须抓紧改；但教师的观察与互动又不可能等迎检结束后再说。

所以如果是我，我不会把六周重新排成另一条更复杂的单线，而会让两条线同时跑。

两条线不是两套额外任务。快线每天都会产生真实现场，慢线就从这些现场里取一个一分钟视频或一段文字片段，围绕三个问题复盘：

另外，原来那张大而全的 Checklist，我也会拆开。

还有几个很小、但会直接影响执行的细节：

第一，所有具体数字都要追问来源。来自《手册》的，注明原文；根据文件推导的，说明推导过程；只是园所建议的，就不要写成统一标准。

第二，现场记录尽量记录事实。比如三次活动转换实际用了多久、一个幼儿最长等了多久，比写“过渡环节组织得不够紧凑”有用得多。

第三，检查不要顺手变成考核。班级自查、年级互查、园级抽查可以有，但不打分排名、不和绩效挂钩；只报事实，不报印象。发现安全和卫生红线，再当场定人、定时整改。

第四，材料要减，而不是越做越多。一段一分钟现场片段，往往比又增加一张观察表更能推动教师改变。

这样做，才是在同时回应两件真实的事：深圳园所眼前确实要面对监测；教师的专业改变，又不能被压缩成一次迎检冲刺。

这个地方，我后来就在想：

我为什么会觉得它不对？

不是因为我记住了某条“AI 使用原则”。

就是看过教研现场，带过老师，也知道很多事情实际怎么发生。

所以那句话摆在那里，我会觉得硌得慌。

这大概就是我平时说的 AI + 幼教 taste（简称AI taste or taste哈哈哈哈）。

03AI taste不是“这个答案我喜欢不喜欢”

这个词我以前也讲过几次。

但它很容易被理解成一种挺玄的东西：有审美、有感觉、会挑答案。

其实没那么玄。

还是拿这个案例来说。

《手册》对环境展示有一个要求：

AI到了实施方案里，为了让事情更好操作，顺手给出了一个具体高度：

乍看挺贴心。

问题是，《手册》没这么规定。

原来是一个需要结合儿童年龄、空间情况、展示内容进行判断的“适宜”，到了 AI 手里，突然多出一个厘米数。

这种时候，我看到一个莫名其妙冒出来的精确数字，会想问：

不是说这个数字一定错。

是我要先知道：

• 这是原文件规定的？

• 是已有专业依据？

• 还是 AI 为了让自己的答案显得更完整，现场给我补的？

如果对材料不熟，对现场也不熟，这种地方其实很容易滑过去。

因为 AI 说得实在太像那么回事了。

04还有那些密密麻麻的“留痕”

AI这份计划里还有一个很鲜明的特点：

表特别多。

自查表、照片包、采购清单、清点表、整改台账、观察记录、模拟自评报告……

AI很喜欢这些东西。

这也很好理解。

表格世界很友善：做了就是做了，没做就是没做，最好再来一个复选框。

但站在一线老师的位置看，就得多想一句：

两件事差得挺远。

《手册》自己其实很强调现场观察。园外人员进班，建议对一个班持续观察不少于3小时；只有现场没有观察到、无法判断的内容，再通过提问了解。

所以我会比较关心：

专家真的在班里坐三个小时，会看到什么？

而不是资料柜打开以后，有没有二十种表格。

这也是经验带来的那点“不舒服”。

AI看到的是：

老师看到的可能是：

05我觉得，很多人和 AI 的卡点不在 Prompt

很多人和 AI 的关系，大概是这样的：

如果不满意，就重写 Prompt。

如果满意，就结束。

所以大家特别执着于：

但我自己平时其实很少这么用。

我会先丢一个想法。

它回我。

我看到一句不舒服的，就停下来。

“你为什么这么排？”

“这一条是谁规定的？”

“如果站在老师的角度再看一遍呢？”

“你刚刚是不是顺着我的假设走了？先别管我的判断，你自己重新判断一次。”

很多时候，我也不知道答案。

我只是知道：

那就继续聊。

06觉得不对，不需要先想清楚“正确答案”再去找 AI

我觉得这个坎很多人也会有。

他们可能看到一个答案不太舒服，但下一步不知道怎么做。

因为脑子里会默认：

其实也不完全是。脑海里已经有了终点的大概轮廓固然重要，但是在做中学、做中思、做中反馈也同样重要。

比如这次师幼互动的问题，你完全可以直接跟 AI 说：

这几句话没有什么高级 Prompt 技巧。

甚至挺口语的。

但它们做了一件很重要的事：

把“我觉得这里不对”继续往下谈。

07这可能才是 AI taste 比较实在的一面

所谓 taste，并不是看见 AI 答案以后，坐在那里优雅地打个 72 分。

它更像几个很琐碎的瞬间。

看到师幼互动被塞到最后一周，觉得不对。

看到一个来历不明的“1.0—1.2米”，顺手问一句哪来的。

看到二十张表，开始替老师头疼。

看到 AI 把你的观点说得特别顺，突然怀疑：

这些判断当然和专业知识有关。

也和你见过多少真实情况有关。

但还有一部分，是用 AI 用久以后形成的习惯：

你不会把它的第一版当成成品。

它写完了，你们的对话不一定写完了。

08我现在教AI，也会比较在意这件事

前面教大家怎么写 Prompt，当然有用。

因为很多初学者连背景、对象、任务都说不清楚，AI只能靠猜。

但等这些学会以后，我其实更希望大家练另一件事：

第一版可以就是拿来看的。

看看它怎么理解你。

看看它暴露了什么。

看看你读到哪里会皱眉。

皱眉的地方，就拿回去继续问。

AI很听话，这是它的优点。

偶尔也是麻烦。

你让它往一个方向走，它通常真的会走，而且还能一路给你铺好路、画好箭头、做完表格。

所以有时候，人还是得负责站在旁边喊一句：

我理解的 AI taste，大概就藏在这些“等等”里面。