夜雨聆风最近听了小宇宙上一期访谈：《郭宇&车畅：软件的终结与知识工作的未来 No.78》[1]。
顺带介绍一下郭宇：他曾是支付宝、糗事百科和字节跳动的技术人，28 岁从字节离职并因“财富自由”受到关注。后来长期旅居日本，写作、旅行，也持续关注科技股、Crypto、比特币等投资议题。近几年，他更多以技术使用者、投资观察者和生活方式实验者的身份，讨论 AI、软件和个体工作方式的变化。
节目里，郭宇谈到 Claude Code、Agent 技能、软件形态和知识工作的变化。他的表达很有冲击力：AI Agent 可能会重塑编程、法律、医疗、写作等大量知识工作。
听完之后，我又借助 AI 工具做了一轮批判性讨论。倒不是为了简单判断这些观点是对是错，而是想避免自己被节目里的情绪、强烈判断，或者自身认知里的局限性带着走。借助这个外部视角，我想从不同角度拆解一下播客中传达的观点、情绪和隐含假设。
讨论原本沿着节目里的主线展开：AI 会怎样改变知识工作。但越往下想，另一个问题反而更贴近家庭教育：当很多执行性能力都被 AI 大幅降低门槛后，人还需要打磨哪些底层能力？
在那轮讨论里，一个方向逐渐浮出来：AI 时代真正稀缺的，也许不是更多工具技能，而是一组更底层的通识能力。它们帮助人理解世界如何形成，理解他人处在什么位置，也理解自己如何被情绪、欲望、信息和工具影响。
这也是这篇文章真正想讨论的方向：AI 时代的家庭教育，应该回到一些更底层的通识能力。
这些能力听起来很大，像是大学课程、职业训练或成人学习里的概念。但仔细想，它们并不遥远。很多时候，它们就藏在家长和孩子每天的普通对话里。
一个日常场景
前几天，孩子和同学起了一个小冲突。
事情很简单：孩子摸了一下同学的头，同学以为他是在打人。回家后，我没有急着判断谁对谁错，而是提醒他：理解一个人的情绪和态度，不能只看对方说了什么，还要结合语气、表情、动作和当时的情境。
我举了一个家里更常见的例子：同样是叫他的名字，温柔的时候、提醒的时候、他犯错的时候，语气其实完全不同。名字本身没有变，但语调、表情、动作和场景变了，传递出来的意思也会变。
这件事本身并不复杂，但它背后涉及一种很重要的能力：读懂情境，理解边界，并意识到“我的意图”和“别人的感受”可能并不一致。
孩子可能没有恶意，只是随手碰了一下；但对方被突然摸头，也可能会感到惊吓或冒犯。这里没有必要把问题上升到严重的道德评判，但需要让孩子理解：人与人的相处，不只取决于自己想表达什么，也取决于对方实际接收到了什么。
过去我们可能把这类能力简单称为“情商”。放到 AI 时代看，它其实是更宽泛的通识判断的一部分。
为什么通识教育反而更重要
过去谈教育，常常强调技能。学一门语言，掌握一项工具，具备一项职业能力，似乎就能在未来获得某种确定性。
但 AI 正在削弱这种确定性。
写初稿、查资料、做 PPT、生成代码、整理数据、制作图片，越来越多任务正在从“专业技能”变成“可调用能力”。未来真正稀缺的，未必是谁能更快产出答案，而是谁仍然知道自己为什么提问、怎样辨认证据、如何理解他人，以及什么事情即使能做也不应该做。
换句话说，当 AI 越来越会回答问题、生成内容、提供建议甚至陪伴人时，家庭教育更应该回到一些底层能力：帮助孩子理解世界、理解他人、理解自己，并在工具越来越强的时代保留自己的主体性。
所谓家庭通识教育，不是把孩子训练成早熟的小大人，也不是额外增加一套知识负担。它更像一种日常生活里的底层训练：面对一件事，不急着下结论，而是多看一层，多想一步，多理解一点自己和别人。
九种值得穿插的能力
这九种能力如果平铺开来，会显得很多。换一种方式看，它们大致可以分成三类：理解世界如何运转，判断信息是否可靠，理解人如何感受和选择。
理解世界，主要包括历史感、社会理解和组织理解。
第一是历史感。
历史感不是背诵年份和朝代，而是知道今天的生活方式、制度和技术都不是凭空出现的。手机支付、外卖平台、短视频、AI 工具、考试制度、城市生活，都是在特定时代条件下形成的，也会继续变化。
第二是社会理解。
社会理解的核心，是知道人的选择常常受位置、资源和压力影响。服务员态度不好、外卖骑手赶时间、同学情绪失控，当然都可能涉及个人责任，但也可能有工作压力、规则设计、时间约束和关系处境。理解原因，不等于同意行为。
第三是组织理解。
组织理解是知道学校、公司、医院、平台、政府都不是靠某一个人运转的，而是靠角色分工、流程、规则和资源配置。食堂排队慢，可能不是某个工作人员的问题，而是窗口数量、用餐时间、预算安排和流程设计共同作用的结果。孩子如果能从抱怨某个人走向分析一个系统，思考层次就会明显不同。
判断信息，主要包括统计思维、法律意识和经济学直觉。
第四是统计思维。
统计思维是现代社会的防身能力。一个动人的故事不等于普遍规律，一个身边案例不等于整体事实，一个相关现象也不等于因果关系。孩子越早理解“样本”“个例”“偏差”“证据”，越不容易被情绪化叙事牵着走。
第五是法律意识。
法律意识不是背法条，而是理解权利、义务、证据和边界。拍别人照片能不能发出去，借东西有没有约定，网络账号能不能共用，聊天记录为什么有时重要，这些都不是抽象法律问题，而是日常生活中的边界训练。
第六是经济学直觉。
经济学直觉不是教孩子逐利，而是让他理解资源有限、选择有成本、行为受激励影响。大杯奶茶为什么只比中杯贵一点，游戏为什么设置每日签到，免费软件靠什么赚钱，商场为什么这样安排动线，这些日常问题都能帮助孩子理解“选择”和“代价”。
理解人和价值，主要包括审美能力、伦理判断和人性洞察。
第七是审美能力。
审美不是艺术训练的附属品，而是一种判断力。语言是否准确，画面是否舒服，产品是否简洁好用，表达是否有质感，都属于审美。AI 会让内容生产变得越来越容易，真正稀缺的不是生成能力，而是判断什么值得保留。
第八是伦理判断。
伦理判断最重要的起点，是区分“能不能做”和“该不该做”。AI 写作业、生成图片、模仿声音、批量生产内容，都可能在技术上可行，但不一定在伦理上正当。孩子需要慢慢理解，效率不是唯一价值，方便也不是越多越好。
第九是人性洞察。
人性洞察不是教孩子世故，而是让他理解人并不完全理性。人有自尊、面子、恐惧、嫉妒、善意和脆弱。很多冲突表面上是在争道理，背后却是在争尊重、位置和情绪出口。理解这一点，孩子才有可能学会修复关系，而不只是赢得争论。
这也是成年人需要补的课
这些能力说是在谈孩子，其实也在谈成年人。
很多所谓“孩子需要的 AI 时代通识能力”，本质上也是成年人长期欠缺的基本能力。
比如证据意识。成年人也容易被个例、短视频、情绪化标题和朋友圈经验带着走。看到一个故事，就以为是规律；看到一个专家，就以为是事实；看到 AI 说得流畅，就以为可靠。
比如经济学直觉。很多人并不习惯从激励、成本、机会成本、风险收益和“谁买单”的角度看问题，于是容易被“免费”“优惠”“高回报”“稳赚”“大家都在做”影响。
比如法律和边界意识。随手转发他人照片、泄露聊天记录、替别人做决定、账号共用、合同不看条款、口头承诺不留证据，这些并不只是孩子的问题。
比如组织理解。很多人遇到问题，会很快归因到某个人不行，却很少继续看流程、制度、资源配置和激励机制。学校、医院、公司、平台里的很多问题，单靠“换一个好人”并不能解决。
再比如伦理判断。技术越方便，人越容易把“能不能做”当成“该不该做”。AI 时代尤其如此：能生成、能模仿、能批量生产、能自动化，不代表应该无边界地使用。
所以，这件事并不是家长单方面教育孩子，而更像一次亲子共同补课。
家长不必先变成历史学家、经济学家、法学家或 AI 专家。更重要的是，在孩子面前示范一种态度：承认自己不确定，愿意一起查证，并允许自己的判断被修正。
这比给出一个标准答案更重要。孩子需要看到，真正成熟的思考不是永远正确，而是在不确定中持续修正。
家庭通识教育最理想的状态，不是父母变成老师，而是家里形成一种共同探究的气氛：遇到事情，不急着站队，不急着下结论，不急着嘲笑别人；先问事实是什么，证据是什么，谁受到影响，有没有别的解释，我们应该承担什么责任。
AI 时代的新变化
这些能力并不是 AI 时代才出现的。过去它们分散在儿童哲学、媒介素养、新闻素养、数字公民教育、财商教育、公民教育、社会情感学习、批判性思维等领域里。AI 时代的新任务，是把这些旧框架重新组合，并加入一些新的问题。
AI 并没有让传统通识教育失效。相反，它让这些能力更重要。
过去的核心问题是信息不够，孩子需要多读书、多查资料、多接触世界。现在的问题是信息过量，而且真假难辨。AI 能生成看起来很专业、很流畅、很像真的内容，于是教育重点从“获取信息”进一步转向“评估信息”。
过去写作教育常常担心孩子写不出来，或者抄别人作业。现在 AI 几秒钟就能生成一篇完整文章，新的问题变成：这是不是你的思想？你是否理解其中内容？它有没有事实错误？它有没有真正表达你的经验和判断？
过去强调掌握工具，现在还要强调审查工具。会使用 AI 是基础，更重要的是会追问 AI、核查 AI、识别 AI 的自信胡说，并判断什么时候不能用 AI。
还有一个更深的变化：过去的媒介主要影响孩子看到什么，生成式 AI 则会参与孩子怎么想。它会对话，会回应情绪，会给建议，甚至会被孩子当成一个随时在线、永远耐心、似乎理解自己的对象。因此，孩子需要知道：AI 可以陪你聊天，但它不是一个真正承担关系责任的人。
所以，AI 时代的家庭教育需要额外加入几个主题：AI 幻觉、数据和隐私、算法推荐、人机分工、过程透明。孩子要慢慢形成一个基本意识：AI 可以帮我整理、比较、生成草稿、提供反例，但选择、理解、修改和承担后果，仍然是人的责任。
一个家庭版“六问法”
九种能力听起来复杂，日常并不需要逐条展开。更适合家庭使用的，是把它们压缩成几个稳定的问题，先在具体生活里反复使用。
遇到新闻、电影、消费选择、学校事件或人际冲突时，可以从六个方向切入：
1. 它从哪里来？ 2. 里面有哪些人？ 3. 谁得利，谁受损？ 4. 证据是什么？ 5. 规则和边界是什么？ 6. 人心里真正想要什么？
这六个问题分别对应历史感、社会理解、经济学直觉、统计思维、法律意识和人性洞察。它们不需要一次问完，也不适合每件事都问。很多时候，在一个合适的时刻多问一句，就足够了。
关键不在于把孩子问倒，而在于让他意识到：世界上的事情很少只有一个角度，人的感受也很少只有一种解释。
先学会怎么问 AI
这套方法也可以用在 AI 身上。
AI 可以成为一种帮助自己跳出信息茧房的工具。它能模拟反方观点，补充没有想到的维度，也能提醒一个判断背后可能有哪些前提。
但 AI 未必天然让人更开放。它也可能制造另一种更隐蔽的信息茧房：不是让人接触不到不同观点，而是把原有偏好包装得更完整、更有逻辑，让人误以为自己已经充分思考过。
过去的信息茧房，常常表现为只看到同温层内容。AI 时代的信息茧房，可能会变成一种更精致的东西：被定制化的理性包围。
它会给出反方观点，但这个反方观点可能只是一个容易被自己驳倒的反方；它会提供多角度分析，但这些角度仍然可能被限制在提问者原本设定的边界之内。换句话说，AI 放大的不只是人的认知能力，也会放大人的确认欲。
所以，真正重要的不是“问 AI”，而是如何问 AI：是否要求它提出最强反例，区分事实、解释和价值判断，标注不确定性，并挑战提问者自己的前提。
如果带着求证欲去问，AI 可能帮助人扩展视野；如果带着确认欲去问，它也会帮助人加固立场。AI 可以参与思考，但不能替人承担开放性本身。
AI 可以成为练习对象
在这个前提下，AI 不只是风险，也可以成为通识教育的练习对象。
比如，让 AI 回答一个孩子熟悉的问题，然后一起检查其中有没有事实错误、依据不足或遗漏视角。这样做的目的，是让孩子知道 AI 很强，但不是权威。
也可以让 AI 为一个问题生成反方观点，再一起判断哪些理由成立，哪些只是看似有道理。这样训练的不是“相信 AI”，而是理解对方、审查论证，也看见自己原来的立场可能有什么盲区。
还可以让 AI 用不同口吻描述同一件事：记者口吻、广告口吻、律师口吻、商人口吻、孩子口吻。孩子会直观看到，表达方式会影响判断，立场会改变叙事，语言并不只是传递信息，也在塑造感受。
最有价值的练习，是让 AI 做初稿，孩子做编辑：哪里空泛，哪里没证据，哪里有偏见，哪里说得很流畅但其实没有根据。这种训练能让孩子从 AI 的使用者，逐渐变成 AI 输出的编辑者和责任人。
分寸比方法更重要
这类教育最容易犯两个错误。
一个是过度说教。孩子只是说了一件小事，家长立刻上升到历史、社会、伦理、制度，孩子很快就会疲惫。
另一个是过早成人化。孩子需要游戏、情绪、幻想和无目的的快乐，不需要每件事都分析得很深。
更合适的方式，是把通识训练放在生活缝隙里。多数时候先倾听，少数时候轻轻追问，偶尔再深入讨论。家庭教育不是把孩子训练成辩论机器，而是让他慢慢形成一种习惯：面对复杂世界时，不急着下结论。
这种习惯长期积累，才会变成真正的通识能力。
最终目标不是聪明，而是清醒
AI 时代，孩子当然要会使用工具，会表达，会学习，会竞争。
但更重要的是，他要知道自己不知道；知道答案可能有错；知道效率不是唯一价值；知道别人和自己处境不同；知道技术有力量，也有边界；知道很多事情不能只问“有没有用”，还要问“应不应该”。
家庭教育里真正要保护的，也许正是这种清醒，也是一种主体性：我如何理解世界，我如何对待他人，我如何面对自己的欲望、恐惧和选择。
少给标准答案，多创造讨论；少追求立刻正确，多训练持续修正；少把 AI 当答案机器，多把它当思维训练器。
当 AI 越来越会回答问题、生成内容、提供建议甚至陪伴人，孩子最需要学会的，反而是怎样理解复杂的世界和真实的人，怎样提出自己的问题，怎样在工具越来越强的时代，仍然保留自己的感受、选择和责任。
引用链接
[1] 《郭宇&车畅：软件的终结与知识工作的未来 No.78》: https://www.xiaoyuzhoufm.com/episode/69c03ca42d318777c932c802
