ARTICLE · 1045381
AI时代,文科生真正需要的不是多学几个工具
AI时代,文科生真正需要的不是多学几个工具现在的大学生，很少有人完全没有用过AI。 写一封邮件，整理课堂笔记，概括一篇论文，修改简历，准备一次展示，甚至先让AI搭出一份作业框架——这些已经逐渐成为普通的学习动作。 但这里有一个容易被忽略的区别：会使用AI完成一次任务，不等于拥有一个AI项目。 前者解决的是“这次怎么更快做完”；后者需要回答的是：“我发现了什么真实问题，我怎样理解它，AI在其中承担什么工作，我做出了什么可以被别人使用和检验的东西？” 这个区别，不只影响一份作品是否好看，也影响我们究竟有没有在AI时代形成自己的能力。 假设一个学生让AI生成了一份行业报告。 报告可能结构完整，排版整齐，也列出了不少观点。但只要继续追问几个问题，作品的基础就可能开始松动： 如果这些问题没有答案，那么学生拥有的更接近一次AI生成结果，而不是一个项目。 项目不是把输出做得更长，也不是再加一个“聊天机器人”界面。它要把一个人对问题的理解、材料的选择、AI的使用、作品的形成和外部反馈连接起来。 这三者都可能有价值，但它们解决的问题不同。 AI工具使用通常是完成一个局部任务。例如翻译一段文字、整理访谈记录、生成几个标题。任务结束，过程也随之结束。 课堂作业通常由教师提出问题、规定格式并进行评价。学生可以在这个框架中学习，但问题不一定由学生发现，作品也不一定会遇到真实用户。 真实项目则需要学生自己面对不确定性：问题是否真的存在？谁受到影响？已有材料能否支持判断？AI是否适合介入？第一版作品为什么没有被理解？要继续、收窄，还是停止？ 这种不确定性比较麻烦，却也是项目真正产生学习的地方。 如果只是学习几个AI工具，课程很快就会过期。工具界面会变，模型名称会变，今天流行的工作流也可能被新的产品取代。 我更希望学生形成三种能够继续发展的能力。 第一种是AI知觉。 它指的不是知道更多术语，而是在一个具体任务里，能够感知AI擅长什么、容易在哪里出错、哪些结果看起来流畅却不能直接相信，以及什么时候必须由人作出判断。一个有AI知觉的人，不会因为输出完整就停止核验，也不会因为自己不懂编程就把AI视为与本专业无关。 第二种是AI嗅觉。 它不是每天追逐新模型和排行榜，而是看到一项变化后，能够继续追问：它究竟改善了能力、成本、速度还是使用门槛？它让哪些过去很难完成的任务开始变得可行？这种变化与我的专业有什么关系？我能否通过一个小测试，而不是一段宣传视频，判断它是否真的有用？ 第三种是领域转化。 学生需要回到历史、文学、教育、传播、商科或其他真实领域，找到值得处理的问题，再决定AI怎样支撑研究、信息整理、公共表达、学习反馈或服务设计。这里的目标不是把每个专业都改造成计算机专业，而是让学生知道怎样借助AI扩展本领域的行动能力，同时保留专业知识、事实核验和伦理判断。 三种能力是一条连续路径：先看见AI的能力边界，再判断哪些变化值得关注，最后把变化转化为本领域可以使用和检验的作品。 下面不是已经发生的学生案例，而是一个用于说明过程的假设示例。 一名历史专业学生发现，身边不少同学参观地方博物馆时，能看懂单件展品的说明，却很难理解不同时期、人物和事件之间的关系。 如果他直接说“我要做一个博物馆AI助手”，题目仍然太大。更可行的做法，是先把问题收窄： 
接下来，他需要做的不是立刻选工具，而是完成几项基础工作： 最终作品可能很小：一个网站、一个主题、几件展品、一次真实测试。但它已经包含了问题定义、领域知识、AI协作、人的判断、作品交付和用户反馈。 这比“做一个无所不知的文化聊天机器人”更有限，却也更真实。 我目前使用以下七项标准判断一个大学生AI项目是否成立。 1. 问题是真实的 问题来自可以观察的用户、场景、材料或流程，而不是为了使用某个热门工具临时编造。 2. 有学生自己的领域视角 历史、文学、社会学、商科、教育、传播，都可以成为理解问题的入口。AI不能代替学生对领域的学习。 3. AI的作用明确 要能说清AI究竟用于检索、分类、比较、生成、分析、交互，还是工作流自动化。“项目使用了AI”不算说明。 4. 人的判断不可缺少 学生需要负责目标、材料选择、事实核验、伦理边界、取舍、测试和最终表达。 5. 有可以查看和体验的作品 首期项目会统一形成一个网站，同时保留GitHub或Gitee仓库、README和过程记录。网站不一定复杂，但必须能够让别人真正打开和体验。 6. 经历过真实反馈 至少让目标用户或相关人士体验、阅读或评价一次，并说明反馈改变了什么。 7. 能诚实解释贡献和局限 学生需要区分本人、AI、模板和第三方工具分别完成了什么，也要说明项目目前没有解决什么。 代码很多、页面漂亮，或者使用了更复杂的技术，并不会自动让一个项目更好。真正重要的是，学生能否理解、维护和解释自己的作品。 做项目当然可能帮助一个人更清楚地说明自己的能力。但我并不想把它包装成“背景提升”。 一个项目不会替代成绩、语言、专业基础或工作经历，也不能保证被某所学校或某个岗位认可。 它更重要的作用，是让学生在课程之外完整经历一次学习：自己发现问题，补充陌生知识，选择材料，与AI协作，面对错误，听取反馈，再决定继续、转向还是停止。 在这个过程中，学生可能发现自己并不喜欢原来的方向，也可能第一次确认自己愿意长期研究某类问题。项目没有带来一个宏大的结果，但帮助他形成了更具体的自我认识。这同样是有效结果。 AI降低了制作原型的门槛，却没有替我们完成这种自我教育。恰恰相反，当生成变得容易，问题意识、事实核验、选择和反思会变得更加重要。 我正在“思考慢车”的“未来教育”栏目下，测试第一期「文科生AI项目实战」。 它不是一门追逐新工具的速成课，而是通过一个完整项目训练三种能力：感知AI的能力与边界，判断哪些前沿变化值得关注，以及把AI转化为本领域的方法和作品。 它面向在读大学生，尤其是没有编程基础、希望从自己的专业、兴趣或经历出发做项目的人。 四周内，参与者需要逐步完成： 每周除了共同课程，还需要至少投入3—5小时独立推进项目。课程不会替学生做网站，也不会提供申请、实习或就业结果承诺。 正式进入四周实验室前，我会先进行一次「AI项目选题诊断」： 价格：600元； 交付：30分钟学生访谈和一页《AI项目选题简报》； 目的：判断问题是否真实、是否与学生有关、AI是否有明确作用，以及四周能否完成； 规则：诊断完成后72小时内报名2588元四周 AI 实战项目实验室，600元全额抵扣，补交1988元。 诊断不是帮学生凭空生成一个“看起来厉害”的题目。临近申请、只想快速补一段经历，或者希望有人代做项目的学生，不适合参加。 如果你是在读大学生，没有编程基础，但想从自己的专业、兴趣或经历出发完成一个真实AI项目，可以关注“思考慢车”，在公众号后台回复：AI项目实战。 你会先收到三个自查问题和首期咨询说明。我会根据你的回答判断是否适合进入600元选题诊断。免费阶段不提供个人选题，也不判断录取或就业概率。 首期是一次小规模测试。我会如实记录哪些方法有效、哪些项目无法在四周内完成，以及学生真正需要的究竟是工具、项目方法，还是更基础的方向判断。
01
一次漂亮的输出，为什么还不是项目
你为什么研究这个问题？ 报告面向谁？ 使用了哪些材料，来源可靠吗？ AI具体处理了哪一步？ 哪些判断由你作出？ 有没有人真的读过或使用过？ 根据反馈，你修改了什么？
02
AI工具使用、课堂作业和真实项目有什么不同
03
文科生真正需要的，是三种逐步生长的能力
04
一个文科生AI项目可以怎样发生
能否根据某个展览已经公开的资料，为第一次参观的大学生制作一条20分钟的主题理解路径？
邀请几位目标用户描述参观时真正看不懂的地方； 收集博物馆公开资料，并记录来源； 选择一个明确主题，建立展品之间的叙事关系； 让AI辅助分类、比较和生成不同版本的解释； 由学生核验史实、决定取舍，并处理不确定信息； 做成一个可以通过链接访问的网站； 请目标用户试用，再根据他们的停顿、误解和问题修改。
05
一个合格AI项目，至少要经得住七个判断
06
为什么我把它看作一种自我教育
07
我正在测试一个四周项目实验室
一个真实、范围可控的问题； 一份人与AI的任务分工； 一个GitHub或Gitee项目仓库； 一个可以通过链接访问的网站； 一次真实用户测试和修改记录； 一份项目简述、个人反思和AI使用说明； 一次2—3分钟项目演示。