夜雨聆风引言
今天一个初一学生，大约10年后大学毕业。那一年是2035年。
2035年的世界需要什么能力？我们现在的教育在为此做准备吗？
这不是一个焦虑问题，而是一个设计问题。
就像20年前互联网浪潮中，有人提前修炼了数字能力而获得了时代红利——今天，AI素养正站在同样的位置。
先看一个现象。
同样会用ChatGPT的人，产出的质量天差地别。一个能写出商业计划书，另一个只能生成鸡汤文案。
反过来也一样——同样是行业里的业务高手，有人用AI之后效率翻了五倍，有人用了一年还在"帮我写个周报"的阶段原地踏步。
这说明一件事：人和AI各有独立的能力维度。差距不在"会不会用AI"这个开关上，而在二者的合作质量上。
接下来，我们基于一堂提出的底层模型——双三角模型，看看AI时代需要培养哪些能力，以及怎样给孩子设计课程。
1. 先看一个例子：「未来城市」项目
在展开理论之前，先给你一个具体的画面。
假如为初中生设计一个为期6-8周的跨学科项目，主题是"未来城市"。它的结构大概是这样的：
阶段 | 核心活动 | 产出要求 |
1. 鉴赏拆解 | 研究巴塞罗那、新加坡、哥本哈根三座城市——归纳各自的设计理念。不是"喜欢哪个"，而是"基于什么标准来评价一座城市"。 | 评价维度清单 |
2. 体系规划 | 建立城市系统框架（交通/能源/居住/生态/公共空间），提出关键假设——比如"我认为一座宜居城市最重要的三个系统是\_\_\_，因为\_\_\_" | 系统关系图+假设列表 |
3. 跨界创意 | "仿生学城市"——蚁穴的通风系统如何启发建筑？珊瑚礁的生态如何启发社区？ | ≥3个跨域迁移方案 |
4. AI协作 | 用AI工具生成设计图、撰写规划说明、模拟人口数据推演。关键动作：记录提示词的迭代过程。 | AI协作过程记录 |
5. 数据驱动 | 调研本地城市数据（人口密度、绿化率、通勤时间等），整理标注后输入AI进行对比分析。 | 数据集+AI输出对比 |
6. 人机决策 | 回顾全流程，逐一标注每个环节"AI做的"还是"我的核心判断"，评估实际效果。 | 决策日志+复盘报告 |
7. 展示答辩 | 成果展示+同行评审+迭代改进。 | 最终方案+过程档案 |
七个阶段，每个阶段背后都对应着一个明确的能力维度。
这套设计不是拍脑袋想出来的——它的底层，就是双三角模型的六个维度。
下面展开。
2. 总览：双三角模型
先给一张完整地图。
双三角 = 人类三角 + AI三角。两者相互独立、彼此加强。
人类三角管"判断"——"审美"定方向、"体系"定方法、"创造力"定上限。
AI三角管"执行"——"基本功"是杠杆、"数据"是原料、"场景"是战场。
它们之间形成一个正向飞轮：
人变强 → 调教出更强的AI → AI辅助人工作 → 人解放出时间继续变强 → 循环上升
一句话总结：AI时代的竞争力，不是"会不会用AI"的二分法，而是人和AI各自强化、相互放大的过程。
下面逐一展开两个三角。
3. 人类三角：人本身最稀缺的三种能力
3.1 审美——判断力的内核
专业定义很简单：足够强的见识和判断力，去调用大量AI产出高质量结果。
通俗讲，就是你能判断"什么是好的"，能给AI高水平的反馈指令。
这不是"品味"或"感觉"。"审美"在AI时代的本质是评价标准的内化。
当AI能在一分钟内生成十版方案，真正稀缺的能力是——你能不能在几版之内精准判断"哪个方向值得深挖、哪里还差一口气"，然后给出精准的下一轮指令。
3.2 体系——思考框架的内建
AI的输出天然是碎片化的。它的语言流畅、逻辑圆融，但你如果自己心里没有一套稳定的方法论，很容易被它带着走——它说什么你都觉得有道理。
"体系"能力就是那套"不会被带偏"的方法论：
界定问题→提出假设→设计验证→分析结果→修正认知。
它不一定让你每次都得出正确答案，但它保证你不会被错误的答案说服。
3.3 创造力——底层规律的迁移
创造力在大多数人心里是"天马行空""灵感乍现"。但在AI时代，它的真正内核是：
对底层规律的深刻理解，加上跨域迁移的能力。
AI擅长在已知的边界内组合。它能给你一百种披萨配方，但它不会发明披萨。
范式转换——那个"为什么披萨不能是方形的"的瞬间——来自人对原理的重新理解。
4. AI三角：使用AI的三种核心能力
4.1 基本功——从会用刀到会磨刀
"基本功"不是"会用ChatGPT"。它是一个分层的能力栈：
提示词工程（精准表达意图）→ 智能体搭建（组合工具链，让AI完成一连串任务）→ 模型微调（定制AI行为）→ 工程化部署（嵌入真实系统）
大多数人停留在第一层。但真正拉开差距的，是从"使用者"到"驾驭者"的跃迁——从"AI帮我写"变成"我如何让AI写得更好"。
4.2 数据——Garbage in, garbage out
高水平AI产出依赖高水平数据。这句话太容易说，也太容易被忽略。
"数据"能力包含三个层次：
识别什么数据有价值（结构化vs非结构化）→ 系统化积累数据资产 → 将数据转化为AI可用的格式。
这不是技术问题，是习惯问题。大多数人用了两年AI，从来没有认真整理过自己的数据——而这件事，直接决定了AI产出的天花板。
4.3 场景——知道在哪里用刀
"场景"能力是元认知层面的决策力。
一个复杂任务摆在面前，你能不能拆解它，然后逐一判断：
这一步AI能做到什么程度？这一步必须自己来？这一步AI先出初稿、我来迭代？
5. 回到教育：六个维度的课程设计
六个维度讲完了。现在用"未来城市"项目作为锚点，逐一拆解每个维度怎么落地。
同时标注清楚：初中生怎么设计，下探到4-6年级怎么简化，上延到高中怎么深化。
5.1 审美——让孩子拥有"判断力"
专业内核（回顾）：
评价标准的内化。知道"好的产出长什么样"，能给出精准的反馈指令。
初中阶段设计：
在项目式学习中嵌入完整的"鉴赏-评价-迭代"闭环。
不是只看优秀作品，而是拆解它为什么好——这个城市的天际线为什么好看？它的街道尺度为什么舒服？好的标准是什么？把这些变成可迁移的评价维度。
"未来城市"项目中，第一阶段考察巴塞罗那、新加坡、哥本哈根，不是写一篇"我喜欢新加坡因为干净"的观后感，而是产出一份评价维度清单：
你用什么标准来判断一座城市的设计？每个标准下的标杆是什么？
下探（4-6年级）：
侧重"见"——大量接触高质量范本，建立直觉层面的眼力。不需要抽象出标准，但需要"见过好东西"。
上延（高中）：
引入专业领域的评价体系——设计原则、建筑批评、城市规划的评价框架。可以进行正式的同行评审训练。
5.2 体系——让孩子"有条理地思考"
专业内核（回顾）：
用稳定的方法论组织信息、验证假设、逼近真相——不被AI的流畅表达带着走。
初中阶段设计：
显性化训练科学思维流程。
这是一个可以教、可以练的能力。每个项目不仅要求最终成果，还要求产出思考过程文档：
你最初的问题是什么？你提出了哪些假设？你用什么方法验证？结果修正了什么？
"未来城市"项目中，第二阶段要求建立城市系统框架并写下关键假设——"我认为一个宜居城市最关键的三个系统是\_\_\_，因为\_\_\_"。
未来这些假设可能被验证，也可能被推翻。但被推翻本身，就是体系能力在成长。
下探（4-6年级）：
简化为"观察→猜测→验证"三步循环，借助可视化工具（思维导图、流程图）。
上延（高中）：
引入多模型对比（同样的问题，不同学科框架怎么分析？）、证伪思维（怎么证明自己错了？）、复杂系统的因果分析。
5.3 创造力——让孩子"会迁移"
专业内核（回顾）：
对底层规律的深刻理解+跨域迁移。AI擅长组合已知，范式转换来自人。
初中阶段设计：
跨学科项目驱动。刻意练习的思维动作是——"这个领域的规律，能不能用到那个领域？"
比如：蚂蚁搬家时没有红绿灯却不会堵车——这个规律能不能用到城市交通里？荷叶表面的微观结构让它不沾水——这个原理能不能用到建筑外墙材料上？
"未来城市"第三阶段——"仿生学城市"——就是这个思维的练习场。
蚁穴的通风结构能不能启发建筑通风系统？珊瑚礁的生态组织能不能启发社区设计？孩子不是在"天马行空"，而是在做有据可依的迁移。
下探（4-6年级）：
"如果……会怎样"系列开放性问题，每次追问一个"为什么可能"或"为什么不可能"。如果房子可以长在树上会怎样？它会面临什么真实挑战？鼓励有根有据的大胆假设，而不是漫无边际的幻想。
上延（高中）： 第一性原理思考（把这个东西拆到不能再拆，从那里重新开始）、TRIZ方法启蒙（系统化的创新方法论）、原创性研究项目。
5.4 AI基本功——从"AI帮我写"到"我让AI写得好"
专业内核（回顾）：
分层能力栈——提示词工程→智能体搭建→模型微调→工程化部署。
初中阶段设计：
聚焦前两层。核心训练目标是"提示词的意图表达精度"。
当你让AI做一件事，它第一次的输出往往不够好。你能不能给出更精准的指令？能不能迭代提示词直到满意？这件事本身，就是一个需要刻意练习的能力。
"未来城市"第四阶段，不只要求用AI生成设计图，还要求保留提示词迭代记录。
从"帮我设计一个未来城市的广场"到"设计一个5000平方米的城市广场，需要考虑三种不同人群的使用场景，参考巴塞罗那超级街区的设计理念……"
——这个迭代过程，就是基本功在成长。
同时引入简单智能体概念：设定一个城市规划专家的AI角色，让它以特定视角审视方案。这让孩子从"跟AI聊天"进化到"让AI扮演"。
下探（4-6年级）：
体验为主——用AI辅助查资料、生成图片、改写句子。重点建立"AI是工具"的基本认知。
上延（高中）：
进入微调和部署层。可以做真正可用的AI小应用——一个自动分析城市数据的小工具，一个能回答城市规划问题的知识库。
5.5 数据——从消费者到生产者
专业内核（回顾）：
高水平AI产出依赖高水平数据。
包含：识别什么数据有价值、系统化积累数据资产、将数据转化为AI可用的格式。
初中阶段设计：
每个项目强制要求一个"数据环节"——不是上网搜现成的数据，而是自己采集、整理、标注数据，然后喂给AI。亲身体验数据质量如何影响AI输出质量。
"未来城市"第五阶段，孩子要调研自己所在城市的数据——人口密度、绿化率、通勤时间、公共空间分布。
把这些数据整理、标注、结构化，输入AI进行比较分析。然后对比：用原始数据和用整理后的数据，AI的结论有什么不同？
Garbage in, garbage out不是一个抽象概念，是亲手验证的结果。
下探（4-6年级）：
简单的观察记录——记录一周零花钱收支，分类汇总，整理成表格，尝试可视化。
上延（高中）：
完整的数据分析方法、数据伦理讨论（隐私、偏见）、数据库基础操作。
5.6 场景——让孩子"会做决策"
专业内核（回顾）：
元认知层面的决策力。在复杂任务链中，识别哪个环节AI能创造最大价值，哪个环节必须人类主导。
初中阶段设计：
在项目中显性化"人机分工决策"这个环节。把它变成一个被看见、被讨论、被复盘的动作。
不是凭感觉说"AI帮了忙"，而是拆解任务的每一步，逐一标记：这一步是AI独立完成、我自己完成、还是AI辅助我完成？
写上决策理由。项目结束后对比实际效果。
"未来城市"第六阶段就是这个复盘过程。哪个环节AI做得比预期好？哪个环节高估了AI、最终还是自己来？为什么？这些反思写进决策日志。
这才是真正的"驾驭AI"——不是会用工具，而是知道什么时候该用、什么时候不该用。
下探（4-6年级）：
简化为一个朴素的问题——"这件事AI帮得上忙吗？帮多少？"
上延（高中）：
完整的项目管理和资源调配训练。拿到一个复杂任务，自己判断人机分工策略，对最终结果负责。这已经接近真实工作场景。
6. 这个框架的定位与边界
最后，几点说明。
它是一个设计框架，不是评判工具。 双三角模型的价值是帮你设计课程、审视能力培养的完整性。
它不强求统一的使用方式。不同学校、不同家庭、不同孩子，切入方式可以完全不同。
可以从一个维度开始，可以整体重构，也可以只把它当作一张"检查清单"来对照。比如：现有课程覆盖了审美吗？体系能力训练的机会在哪里？创造力维度是不是只有口号没有环节？
它的时间尺度是10年。 一个初一学生，到2035年大学毕业正好10年。审美、体系、创造力的培养急不得——你不可能一周建成一座城市。但它值得从现在开始。
结语
AI时代不是"AI来了，人没用了"。
真正在发生的事是：有能力驾驭AI的人，获得了前所未有的杠杆。
一个人的判断力、方法论和创造力，通过AI这个杠杆被放大了十倍、百倍。
而另一些人——同样会用ChatGPT，同样会写提示词——因为没有那个底座，杠杆空转。
教育要回答的真问题，从来不是"AI会不会取代人"。
而是——
我们能不能培养出接得住AI时代的人？
双三角模型是一个参考答案。但重要的不是模型本身，而是它指向的那件事——培养"接得住AI时代的人"，是可以设计的。
从哪里开始？不用一步到位。
选一个你现有的项目，嵌入1-2个维度试试——加一个"鉴赏拆解"（审美维度）环节，或者加一个"人机分工决策"复盘步骤（场景维度）。
一张完整的课程地图就在这里，从你脚下的第一步开始。
文章较长，建议收藏，方便随时对照查阅。
阅读中有疑问，欢迎在评论区留言，我会回复。作为第1篇文章，大家提出的共性问题，我会单独撰文展开。
这个号不贩卖焦虑，只分享可落地的方案。可以当资料库随时翻阅，也欢迎深度交流。
如果觉得有用，欢迎转发、关注。后续持续分享青少年能力培养的实践与思考。
