夜雨聆风
先说我自己的事。
最近这一年多，我的工作方式发生了巨大的变化。以前写一份材料，从查资料、列大纲、想结构到逐字逐句打磨，少说也要三天，碰上不熟悉的领域，拖上一周也是常事。现在呢？我把整体框架和思考逻辑给到大模型，它几分钟就能输出一个相当完整的初稿。我再根据自己的判断润色、调整、补充，整个周期直接缩短了三分之二。
我相信很多人和我一样——大模型已经悄无声息地侵入到了我们工作和生活的方方面面。它不是未来的概念，它就是此时此刻的日常。
正因为如此，当我看到这条消息时，心里咯噔了一下：距离2026年高考还有不到一周，各大AI平台——豆包、元宝、文心一言、通义千问、Kimi、DeepSeek等，将在高考考试时段对拍题、答题、试题解析等功能按下“暂停键”。部分中小学作业辅导工具，也同步限制了实时答疑功能。
消息一出，网上有人拍手叫好，也有人不以为然地嘀咕：至于吗？就这短短几天，用得着这么大动干戈？
我想说的是，这绝不是一个“小题大做”的故事，也不是一句“因噎废食”就能轻轻带过的论断。
高考期间AI涉考功能“限时上锁”，禁的不是技术的未来，而是一道不该被跨过的红线。
一、别说小题大做，AI作弊比你想象的更可怕
“这算什么作弊？手机都带不进考场。”“不就问问AI嘛，有那么严重？”
如果你到现在还这么想，那恐怕是低估了真正的AI作弊有多“变态”。它所代表的，已经不再是传统电子作弊的“硬枪硬炮”，而是一种近乎无解的降维打击。
它的第一个可怕之处在于“零门槛”。
过去高考作弊，你需要花大价钱雇佣“枪手”——真有水平的人不愿意铤而走险，愿意干的人未必有真水平，成本极高，风险极大。但AI工具的出现，彻底改变了这一切。
一部智能手机，一个AI应用，考生趁着监考间隙把试题拍下来，用隐蔽设备传出场外，场外同伙利用AI的“秒级响应”能力在数秒内输出完整解题过程和答案。你可能觉得“手机根本带不进去”，但智能设备隐蔽化使用在现实中远比我们想象的复杂。当AI能够在数秒内完成多学科答题且正确率不低时，当辅助解题的便利性被异化为舞弊捷径时，科技就从帮人学习的“天使”，变为了摧毁公平的“魔鬼”。
它的第二个可怕之处在于“难以察觉”。
如果说过去的人工作弊像是一把明晃晃的刀——声音大、动静大、容易被抓到——那么AI作弊更像是一股无形的水，渗透进考场的每个缝隙，不留痕迹，却无比致命。传统基于人工巡查的监考方式存在天然盲区，而AI解题一旦传回考生手中，根本无法被察觉。
实际上，这种利用AI工具从事“考前泄题答疑”“考场外答题答案回传”的风险，早已不是什么理论推演，而是已经隐约浮出水面的现实隐忧。北京邮电大学互联网治理与法律研究中心主任谢永江的一句话说得很透彻：“如果考试组织环节存在任何微小漏洞，AI工具都可能将其无限放大，造成难以估量的恶劣影响。”
高考安检再严密，也不存在100%的零漏洞；AI技术再先进，也不应该成为绕开规则的工具。不是非要等到出了大事才去补救，“上锁”本身就是一种对防线的未雨绸缪。
二、“技术向善”四个字，不是说说而已
幸运的是，在这场技术与规则的对弈中，AI企业这次选择了“自缚手脚”。
多家AI平台已经明确：豆包客服表示，为维护考试公平，每年高考期间都会禁用拍题答疑功能；腾讯元宝的工作人员透露，去年高考期间元宝就已明确“考试期间不答题”，暂停所有涉及高考的服务请求，今年继续落实；千问方面也回应，高考期间正常可用，但“拍题答疑”等类似功能将暂时关闭；Kimi会在接收到做题指令时，提示该功能在高考时段无法使用。
这不是AI企业“自毁前程”的昏招，而是一种极其高级的战略清醒。
放在前两年，AI答题功能还是各大厂商竞相宣传的卖点，“能做高考数学题”“能写满分作文”曾是吸引流量的金字招牌。而在2026年的今天，AI平台主动限时“禁用”，在高考期间暂停相关功能，正在成为一种行业共识。
各大AI平台涉考功能的“上锁”，看似是服务的“暂时收缩”，实则是责任的“主动延伸”。它也是这些AI平台用实际行动向整个社会释放的一个清晰而诚恳的信号：技术创新，绝不等同于无边界滥用；技术进步，必须与社会公序良俗、公共利益同频共振。
更难得的是，这种管控并非“一刀切”的全面禁用，而是“分时段”的精准限制。日常聊天、生活问答等非涉考功能不受影响，只有在考试时段，拍题识图、试题解析等功能才会被临时锁住。这种精细化、科学化的管控思路，既从源头上切断了不法分子借机牟利的可能，又不影响AI工具的正常使用。
三、你在抗议什么？是“不方便”还是“不习惯”？
我知道，这场“上锁”行动一定会引来反对的声音。
“为什么限制？我又不高考，凭什么跟着受影响？”“小题大做，根本没必要。”“影响我们正常使用，这是倒退。”
但静下心来想一想：高考的几天，你究竟会因为拍不了数学题、做不了试卷解析而错过什么？你失去的不过是一点即时获取答案的“便利”，而高考失去的，可能是千万个寒窗苦读、渴望公平的灵魂，用一整段青春努力换来的珍贵机会。
也有网友表达了一种更为微妙的抱怨：“日常学习离不开AI，这让我很不习惯。”这背后其实暴露了一个更深层的问题——当AI答疑、智能解题成为学生查漏补缺、攻克难点的“日常工具”，学生和家长已经习惯于把AI当作“外挂大脑”，对它的依赖已经超出了合理范畴。
“高考限用”恰似一记清醒的耳光，打醒了所有正在被AI温柔“绑架”的人。
AI用得太顺手了，以至于我们已经忘了——真正的学习，从来不是把问题交给AI，而是自己把问题搞懂。AI一旦在不合理乃至不合法的行为中被运用，将会起反作用。它给我们带来的结果是好是坏，取决于使用AI的人。
四、上锁只是开头，真正的考场在考后
高考的钟声即将敲响，各大AI平台的主动“上锁”绝非因噎废食，而是守住公平底线的必要之举。
但我更关心的是：那几天的上锁之后呢？
高考不过短短几天，AI工具的“窗口期限制”只是应急之策。真正的挑战在于——日常学习中，AI工具到底该怎么用？考试结束、功能解锁之后，我们是否还会回到那个“不动脑子、直接要答案”的老路上？
高考AI限用只是一把钥匙，为的是打开一道更大的思考之门：AI赋能教育是大势所趋，但人工智能应该是学习的“辅助者”，绝不能成为思维的“替代者”。要让AI成为学习与成长的辅助工具，不能把所有的事情都交给AI去做，否则，学生很难掌握应有的知识与技能。
技术的边界，从来不是由企业或政策单方面决定的，它同样取决于我们每一个正在使用AI的人。AI是“天使”还是“魔鬼”，取决于拿它的人站在哪一边。如果我们每个人都保持清醒和克制，那把锁才能从内部消失。
正如《新京报》评论所说：“AI技术向善的核心，是让技术服务守护社会公平。越是飞速发展，越需要敬畏规则、坚守底线。”
五、知识的价值，从来不是用来和AI赛跑的
说到这，我不得不面对一个更扎心的问题——也是我最近一直在想的。
我们寒窗苦读十几年，从小学到高中，背了那么多公式、记了那么多知识点、刷了那么多题。可到头来呢？大模型轻轻松松就装下了整个人类知识的总和，你花一个学期学会的微积分，它一秒就算完了。你熬夜背下来的历史年份，它倒背如流。你不惜一切代价想要装进脑子里的东西，可能还不及AI训练数据里的一个零头。
那问题来了：如果拼知识存量，我们永远拼不过AI，那上大学还有什么意义？毕业以后我们凭什么和AI竞争？
这恰恰是我想说的。
大学期间，最该学的不是“知识”，而是“驾驭知识的能力”。什么意思？就是你会不会提一个好问题，会不会分辨AI给出的答案靠不靠谱，会不会把碎片信息组织成自己的认知体系，会不会在AI的辅助下做出更聪明的决策。你不需要和AI比谁记得多，你需要比的是谁更会用AI、谁更有判断力、谁更有创造力。
毕业以后，最值钱的不是“我会什么”，而是“我能解决什么”。当AI可以写代码、写文案、做设计、分析数据，企业还会为“我会用某个软件”买单吗？不会。他们只会为“你能不能用AI帮他们解决一个真实的问题”买单。解决问题的能力——发现问题、拆解问题、协调资源、落地执行——这些是AI暂时还做不到的，也是你真正的护城河。
所以回到高考。高考期间AI“上锁”，保护的是一场考试的公平。但更长远的公平，是我们每一个人都想清楚：AI不是来取代你的，它是来倒逼你成长的。你不需要跑赢AI，你需要跑赢的是那个还停留在“死记硬背”“拿来主义”思维里的自己。
这届高三孩子踏入考场的时候，也是所有在校大学生、所有职场人重新思考自己“不可替代性”的时候。
锁住AI几天容易，锁住我们自己不动脑子的习惯，才是一辈子的事。
六、最后
说到底，科技本无对错，人心的拐点决定了它的流向。
此时此刻，全国千万考生还在深夜的台灯下做着最后的冲刺。他们一笔一画、夜以继日，不是因为不懂什么叫捷径，而是因为他们比谁都清楚，所有的抄近路，最后都会绕远。心若不动，万事皆可为你所用心若不动，万事皆可为你所用（二）心若不动，万事皆可为你所用（三）心若不动，万事皆可为你所用
你很难想象：考场内拍出的试卷，场外AI秒出答案。两个月后，靠作弊被录取的人，和那个伏案苦读的人，坐进了同一间大学教室。
如果有一天，努力输给了算法、钻研败给了捷径、十几年伏案不敌几秒搜题，那最后被取消答案的，不会只是一个人的高考成绩，而是整代人对教育的信任与信心。
高考最该珍视的，从来不是AI有没有被限制，而是每一个真实奋斗过的名字，是否都能受到同样的尊重。
附：【AI小词典】
- LLM（大模型）：
就是ChatGPT、豆包、文心一言这类东西的统称。它们用海量的文字、代码、知识“喂”出来的，像一个被书堆埋过很多遍的大脑，能理解你问什么，也能像人一样回答。 - Token（词元）：
大模型不认识汉字，它只认数字。所以你说的一句话，会被拆成一个个小碎片（词元），再转成数字给它；它算完数字，再转回文字给你。可以理解为“文本与数字之间的翻译单位”。 - Context（上下文）：
你跟大模型聊天时，它记不住你之前说过什么，除非你把之前的话每次都带上。这个“临时记一会儿”的内存，就叫上下文。你可以把它想象成一张草稿纸，每次对话都重新写。 - Context Window（上下文窗口）：
这张草稿纸有多大，能写多少个词元（Token）？这个上限就是上下文窗口。窗口越大，它能“记住”的对话内容就越长。现在有些模型的窗口能装下一整本书。 - RAG技术：
大模型的知识库是固定的（训练时喂的数据）。如果你想问它自己不知道的新东西（比如你公司的内部资料），RAG技术会先去把你的资料库里搜一遍，把相关内容塞进它的“草稿纸”里，然后再回答你。相当于“先查资料，再答题”。 - Prompt（提示词）：
就是你问大模型的那句话。比如“帮我写一篇关于高考的短文”。你问得越清楚，它答得越靠谱。 - Prompt Engineering（提示词工程）：
研究“怎么把话说得更清楚，让大模型一听就懂”的技巧。比如你不是说“帮我写个东西”，而是说“你是一个语文老师，请用温暖的口吻，写一段鼓励高考学生的话，300字左右”。这就是提示词工程。 - Tool（工具）：
大模型本身只能动嘴（输出文字），但你可以给它一些“手”，比如让它去查天气、算数学、发邮件、控制智能家居。这些外部能力就叫工具。 - MCP（模型上下文协议）：
以前不同工具各讲各的“方言”，大模型要学很多种接口才能调用它们。MCP就是一个统一的标准协议，让所有工具都说同一种“普通话”，大模型学会一种就能调用全部。 - Agent（智能体）：
普通大模型是你问一句它答一句。Agent更高级——你给它一个复杂任务（比如“帮我规划一次去云南的七天旅行”），它会自己拆解步骤、查机票、看攻略、排行程，中间可能调用多个工具，干完了才回来告诉你结果。可以理解为“能自己动手干活的AI”。 - Agent Skills（智能体技能）：
就是给Agent看的“说明书”或“操作手册”。里面写清楚它能用哪些工具、按什么顺序做、遇到问题怎么处理。有了这些技能，Agent才能像个熟练工一样干活，而不是瞎撞。
