夜雨聆风AI赋能教育
一、学生的问题
今天在苏州大学给数学科学学院的研究生做了一场讲座，主题是AI如何赋能中学数学教学——从政策变局到一线落地，讲了AI教育的三种应用层级、以及教师怎么打造个人专属智能体。
讲座快结束的时候，一个学生举手问了这样一个问题：
"如果用优秀教师技能打造的智能体普及了，普通老师会不会被替代？"
这个问题一出，报告厅安静了几秒。在座的都是师范生，他们听了一下午AI怎么改变课堂，心里想的其实是同一件事——我呢？我的位置在哪？
我的回答是：会的。但替代你的不是AI。
替代你的，是那些会用AI的老师，加上AI。
这个区别很重要。很多人在讨论"AI会不会替代教师"，但这个问题本身就问偏了。AI不会直接替代任何一个教师——它没有教育判断力，它优化的是对话体验而不是学习效果。现在的AI甚至会因为学生一句威胁式的要求就放弃教学策略直接给答案。一个裸奔的大模型进课堂，三大缺陷摆在那：过度顺从——学生一施压它就投降；低适应性——"泛而不精"的标准化答案；提示词脆弱性——换个说法它就跑偏了。它连一堂合格的课都上不了。
但一个优秀的老师，把自己二十年的教学经验封装成技能包，喂给专属智能体，形成独特的skills，让它知道什么时候该追问、什么时候该制止、什么时候该换一条路——这个"人+AI"的组合，可以同时教几百个学生，而且每个学生走的路径还不一样。
案例就是苏州中学5月13日那场OpenMaic公开课，语文、历史、数学、英语四门课，学生戴上耳机用Pad和AI互动自主学习，课堂安静得不像话，下课后学生主动要求继续上课。用优秀老师做的skills智能体真的很有效！
所以这个学生真正的问题不是"AI会不会替代我"，而是——我的水位线，在平均线以上还是以下？
二、AI应用的水位线
什么叫水位线？
AI来了，能力的水平线会往上抬。线以下的事，AI能做；线以上，才是人的空间。这就是水位线。
但这条线不是一条，是两条。
第一条，是你的个人水位线。
这条线由你自己的学科素养和AI应用能力共同决定。素养在哪，线就在哪。我在讲座里说过一句话——"老师的业务素养是智能体的天花板"。什么意思？一个老师如果自己都不清楚等差数列的核心概念该怎么建构，他打造的智能体就不可能知道什么时候该追问、什么时候该引导学生自己发现规律。AI不是拉你上去的绳子，它是照出你高低的镜子。你素养低，智能体也低，个人水位线自然上不去。
第二条，是你的区域平均水位线。
这条线由你所在区域AI教育的整体推进速度决定。区域平均线本身就是不均匀的，跟地方资源和推进速度绑定。
但不管均匀不均匀，这条线都在加速上升。2026年是智能体元年，已经明确教师资格考核要加入AI赋能教学内容。政策在推，技术在跑，区域平均线只会越来越快地往上抬。
两条线的关系，才是关键。
个人线在区域平均线以上的老师，AI是翅膀——你用智能体放大自己的教学能力，一个人能教出过去一个教研组的效果。
个人线在区域平均线以下的老师，AI是压力——区域平均线每抬高一寸，你的生存空间就窄一分。不是AI在淘汰你，是那些线在你之上的"人+AI"在挤压你。
想象一个场景：同一所学校，同一个年级，你还在用AI写教案、批作业，隔壁组老师已经用智能体做认知内化了——学生上课自己探索、自己建构知识，期末一评，差距立现。不是你不够努力，是你努力的层级在线下，而人家已经在线上跑了。
这就是为什么说"替代你的不是AI，是人+AI"。
三、三级标尺：你在线上还是线下
好，那怎么判断自己的个人水位线在哪？
学界有个三级框架，我拿它当标尺——
第一级：知识外化——线以下
AI替代你完成认知工作。学生用AI查单词、搜答案，老师用AI写教案、批作业。AI干了活，人没动脑子。
这一级不是不能用，但如果你只会这一级，你的个人水位线就在线下。因为知识外化做的事，AI自己就能做，不需要你。
举个反面例子。有老师上古典概型课，用AI模拟一万次掷骰子，展示7点出现频次最高。学生全程在看，没有参与，没有思考。这和传统PPT展示有什么区别？评委打分很低。这就是典型的知识外化——AI替代了认知，学生什么都没得到。
第二级：认知内化——线上
AI不直接给答案，而是通过追问引导学生建构知识。AI改变的是学生的认知过程，而不只是提供认知结果。
这一级是当前高中教学真正能落地的优质模式。
举个我自己的课例。等差数列那节课，我分了三个环节：第一环节，用AI生成猜数字小游戏，学生在互动中自己摸索出等差数列的定义；第二环节，用AI生成可视化工具，学生自己调首项、调公差，自己发现公差对应图像斜率、前n项和对应抛物线；第三环节，创建智能学伴，引导学生自己推导通项公式的推广形式。全程学生是主角，概念是学生自己建构的，我只是最后做总结。
这就是认知内化。AI做的是追问和引导，知识是学生自己长出来的。
第三级：认知延展——线上更高处
人和AI深度耦合，形成人机协同共生系统。双方能力相互嵌入，单独一方都无法实现认知成果。这一级目前还在探索中，没有成熟的落地案例，但方向是明确的——人不再是AI的使用者，而是与AI共同完成认知的伙伴。不过，对大多数教师来说，第二级才是当下最该发力的位置。先把认知内化做扎实，第三级自然水到渠成。
三级标尺摆在这里，你对照一下就清楚自己的位置：你用AI，是在替学生省脑子，还是在帮学生长脑子？如果是前者，你在线下；如果是后者，你在线上。
而大模型的三大缺陷——过度顺从、低响应适应性、提示词脆弱性——恰恰说明了一件事：判断力才是教师最不可替代的能力。 AI优化的是对话体验，不是学习效果。知道什么时候该追问、什么时候该制止、什么时候该换路——这种判断力，只有经历过真实课堂打磨的老师才有。
四、给管理者的忠告，给师范生的清醒剂
给教育管理者：推AI教育，不是发工具。
很多学校推AI教育，思路是采购平台、培训操作、考核使用率。但使用率是最容易造假的指标——老师用AI写教案、批作业，使用率上去了，但全在知识外化层级，个人水位线一点没动。
想想看：A校和B校拿到同样的AI平台，A校只考核使用率，老师全在知识外化；B校要求教师打造专属智能体，从认知内化起步。两年后教学质量一拉，差距不是一点半点。A校的老师连智能体都做不好，B校的"人+AI"已经开始碾压了。
真正该盯的指标是：你的教师队伍里，有多少人能做认知内化？有多少人能打造自己的专属智能体？
区域平均线在加速上升，如果你的教师个人线提升速度跟不上，就会出现大面积"在线下"的危机。到时候不是AI淘汰了老师，而是你的区域整体被别的区域甩开——人家的"人+AI"在教学质量上碾压你，你的老师连智能体都做不好。
所以关键是抬教师的个人线。怎么抬？不是多开几场操作培训，而是让教师在真实课堂中打磨学科素养和教学判断力，再用自己的学科判断力去造出具备老师自身业务素养的智能体。素养是智能体的天花板，天花板不抬，工具再先进也白搭。
给师范生：基础不能省，但必须快跑。
讲座上有个学生问我：现在AI那么厉害了，我们还需要去练习以前的基本功吗？比如现在都可以用AI编程了，我们还需要用GGB或者几何画板做传统课件吗？是先练传统基本功，还是直接用AI生成？
我的回答是：先自己动手做,把业务素养的基础打扎实。
孙悟空明明可以一个跟斗就翻到西天取经，为什么还要陪着唐僧走九九八十一难？因为用直接取回来的经，佛是立不住的，唐僧必须经过磨难才能成佛。
基础能力不能省略——你自己没做过课件、没调过参数、没在课堂上被学生的问题逼到过墙角，你就不知道AI生成的东西哪些对、哪些错、哪些该追问、哪些该推翻。
判断力不是天上掉下来的，是一节课一节课磨出来的。
但过程不能省，不代表速度不能提。先自己动手，把底层逻辑搞清楚，明确知道好课的标准是什么，然后再用AI缩短打磨时间，快速跃迁到高阶能力。
你的目标不是学会使用别人的智能体，而是成为那个打造智能体的人。因为未来的竞争，不是"会不会用AI"，而是"你的个人水位线在不在区域平均线以上"。
水位线在往上抬，留给人的时间窗口不会一直开着。
先找到你的水位线，然后——往上走。
