夜雨聆风孩子中考结束后，我一直想认真复盘一个问题：
AI在这次备考中，究竟起了多大作用？
如果说它只是一个搜索工具，显然低估了它。
如果说孩子能考出理想成绩，主要是因为用了AI，又明显夸大了它。
更接近真实情况的说法是：
AI没有替孩子学习，却改变了我们发现问题、分析问题和设计训练的方式。
过去两年，我和AI在孩子的学习上花费了大量时间。
有些时候，它确实帮了大忙。
有些时候，它识别错了一道题，或者一本正经地给出一个错误解法，让我觉得还不如自己去看答案。
这并不是一篇宣传AI的文章。
我更想记录的是：一个中考家庭真实使用AI辅助中考备考之后，哪些方法真的有效，哪些场景最好不要过度依赖。
一、AI最有价值的地方，不是给答案
最初使用AI时，我也经常直接问：这道题怎么做？这篇作文怎么改？这道阅读题为什么选这个答案？
后来慢慢发现，单独得到一个答案，价值其实很有限。
孩子下次遇到稍有变化的题目，可能还是不会。
真正有价值的是进一步追问：
孩子为什么会错？
这类题的核心能力是什么？
能不能总结出一条通用路径？
能不能把复杂任务拆成今晚就能完成的小动作？
怎样验证孩子是真的掌握了，而不是记住了答案？
从那以后，AI在我们家的角色，逐渐从“答案机器”变成了一个方法分析工具。
它最擅长的，不一定是替我们完成一道题，而是把一个模糊的问题整理成一条可以执行的路径。
二、语文作文母文，是最成功的一次合作
语文作文一直是我们投入时间最多的部分之一。
孩子并不是完全不会写，但考场上的发挥不够稳定。
有时候素材普通，有时候语言平淡，有时候明明写的是一件真实的事，却没有把主题提炼出来。
我们后来共同打磨了两篇母文。
一篇写引体向上。
孩子最初只想着尽快达标，反复用蛮力尝试，后来逐渐理解训练需要方法、节奏和积累。
另一篇写和奶奶视频通话。
屏幕缩短了空间距离，却不能完全代替真实陪伴，其中既有亲情，也有时代感。
AI并不只是替孩子写出两篇作文。
更重要的是，我们围绕这两篇文章继续做了很多工作：
修改结构；
补充细节；
美化语言；
提炼主题；
分析适合迁移到哪些题目；
判断哪些段落可以保留，哪些必须重写；
用不同区的一模、二模和往年真题反复测试。
逐渐地，“母文”不再是两篇需要背诵的范文，而变成了一套考场迁移系统。
看到新题后，先判断题目真正要写什么，再从已有素材中选择可以迁移的部分，重新点题和组织。
这个过程里，AI的优势很明显。
它可以很快提供多个迁移方向，可以反复修改同一段话，也不会因为我们第十次提出不同要求而失去耐心。
但最终决定哪个版本适合孩子、哪些语言孩子能够在考场上写出来，仍然需要家长和孩子判断。
AI可以帮助生成好文章，但真正的目标，是让孩子能够把方法带进考场。
三、“D篇看不懂”，被拆成了几个小动作
孩子以前觉得英语阅读D篇很难。
文章概念复杂，句子长，有些答案还需要综合原文两三处信息。
“D篇难”是一个真实感受，但它不是一个可以直接解决的问题。
如果只是要求孩子“多做D篇”，很容易变成重复受挫。
后来，我们借助AI把问题逐渐拆开。
第一步，把每个自然段压缩成一句最短的话。
例如，一段原文可能很长，压缩后只剩一句：
Introverts may age better.
先不追求细节，只确认这一段到底在说什么。
第二步，挑出几个长难句，寻找主语、谓语和核心意思，再看其他成分在修饰什么。
第三步，把每一道题拉回原文，寻找答案出处。
第四步，不只研究正确答案为什么对，也研究孩子为什么会选择错误答案。
这样一来，原来的任务不再是：
今晚攻克英语D篇。
而变成了：
今晚先把这篇文章每段压缩成一句话。
复杂任务一旦拆小，孩子更容易开始，也更容易得到反馈。
后来，孩子二模英语阅读理解没有扣分。
我不认为这是某一个技巧的功劳，更可能是长期训练后，文章结构、长难句和信息关系开始变得没有以前那么陌生。
AI在这里发挥的价值，不是把答案告诉孩子，而是帮我们找到了一套可以重复训练的动作。
四、错题不再只是“这道题错了”
孩子最初并不喜欢整理错题。
他说，有些错题整理没有意义，有些只是粗心。
这句话并不完全错。
如果所谓错题本，就是重新抄一遍题目和答案，确实可能浪费时间。
我们后来借助AI反复讨论，逐渐把错题复盘改成三个核心问题：
错在哪里？
为什么会错？
下次怎样避免？
比如数学失分，不能只写“粗心”。
需要继续追问：
是题目条件看漏了？
是分类讨论不完整？
是计算过程没有检查？
是会做，但书写过程不满足评分要求？
物理也是一样。
一模时，孩子物理本来是强项，却因为推导过程不全、答题不规范，被扣了不少分。
问题不是知识完全不会，而是：
知识没有完整地呈现在答题纸上。
英语作文扣分后，我们也没有简单要求再写十篇作文，而是收集孩子最近两篇作文中的真实错误，让AI分类：
拼写；
时态；
单复数；
主谓一致；
动词形式；
不自然表达。
然后只针对高频错误生成少量练习。
这种训练比做一本通用语法练习册更精准，因为题目直接来自孩子自己的错误。
这也是AI特别适合做的一件事：
根据个人样本，快速生成有针对性的训练。
五、AI也确实让我们浪费过不少时间
如果只写AI有多好用，这篇文章就不真实了。
在数学和物理上，AI曾经多次让我失望。
最常见的问题，是图片识别错误。
数学和物理试卷里，一个符号、一条条件、一处图形关系识别错了，整道题都会被带偏。
更麻烦的是，AI有时候并不会及时意识到自己理解错了。
它可能从一个错误前提出发，继续给出一套结构完整、语言自信的推导。
看起来头头是道，最后却发现：
第一行就错了。
北京中考数学最后一问、新定义题、复杂几何题和物理综合题，尤其容易出现这种情况。
有几次，我花了不少时间和AI来回讨论，最后的感受就是：
还不如直接去找学校老师或看权威答案。
这类经历让我逐渐形成了一条使用边界。
AI比较适合：
语言修改；
阅读拆解；
错因分类；
方法总结；
生成针对性练习；
把任务拆成最小执行步骤。
对于复杂数理题，则应更加谨慎：
首先确保题目识别完全准确；
要求给出完整推导，而不是只给结论；
与标准答案或老师解法交叉验证；
一旦发现前提理解有误，及时停止，不要继续在错误路径上投入时间。
AI在数学和物理上并非完全不能用。
它仍然可以解释概念、比较不同解法、总结模型。
但对于一道容错率极低的难题，目前还不能把它当成绝对可靠的老师。
AI的模型演化速度很快，在2026年备考中考前，AI这方面的能力确实有很大空间。但是新的模型是否依然不好用，各位家长需要尝试，不要因为我的经验就放弃这条路。
六、真正决定AI价值的，是人怎样使用它
同样使用AI，不同人的收获可能完全不同。
有人问：
帮我写一篇满分作文。
得到一篇文章后，事情就结束了。
我们后来更关心的是：
怎样让孩子把这篇作文迁移到不同题目？
有人问：
这道题选什么？
我们更关心的是：
孩子为什么会选错？以后怎样识别同类陷阱？
有人问：
怎样提高英语阅读？
我们继续把问题拆成：
段落主旨；
长难句；
文章结构；
答案出处；
错误选项。
AI回答问题的能力很重要，但使用者提出什么问题、是否继续追问、能否判断答案质量，同样重要。
我做质量管理工作，习惯分析Root Cause，也习惯把一个复杂问题分解成状态变量、操作步骤和验证方式。
这种工作思维，后来也被带到了孩子的学习中。
而AI最适合承担的角色，就是帮助我：
把零散经验整理成方法，把方法拆成动作，再把动作变成可以执行和验证的训练。
当然，前提是使用者不能完全放弃判断。
因为AI有时很客观、很谦虚、很保守。
也有时会一本正经地胡说八道。
七、它没有替代老师、家长和孩子
回头看这次中考，孩子最终取得理想结果，不可能归功于某一个工具。
真正完成学习的是孩子。
学校老师提供了完整的教学体系、考试反馈和评价标准。
父母投入了时间、陪伴和判断。
AI则在其中承担了一部分过去很难低成本获得的工作：
随时讨论；
快速修改；
反复迭代；
个性化出题；
结构化分析；
跨学科迁移。
它没有替代任何人。
但它改变了几个人之间的协作方式。
以前遇到一个学习问题，我们可能只能凭经验判断，或者等下一次见老师再询问。
现在可以先和AI讨论，把问题整理清楚，再决定：
孩子自己练；
家长陪着复盘；
找学校老师；
找专业培训老师；
或者暂时放弃低收益问题。
从这个意义上说，AI不只是增加了一个答题工具。
它增加了一个可以随时参与思考的角色。
写在最后
如果要用一句话总结AI在这次中考备考中的作用，我会这样说：
AI没有替孩子学习，但它帮助我们更快地看清问题，更细地拆解动作，也更低成本地反复试错。
它帮我们建立了作文母文体系。
帮我们把英语D篇拆成可执行的小步骤。
帮我们分析错题和失分机制。
帮我们根据孩子自己的错误生成练习。
也曾因为识图和难题解答错误，让我们白白浪费时间。
这些成功和失败都很重要。
它们最终帮助我们认识到：
最好的AI教育，不是把学习交给AI，而是让孩子、家长、老师和AI各自做自己更擅长的事情。
进入高中以后，我们仍然会继续使用AI。
但会更加清楚它适合做什么，不适合做什么。
语言、阅读、写作、总结和训练设计，可以大胆使用。
复杂数学、物理难题，需要谨慎验证。
更重要的是，未来不应该总由家长替孩子提出问题。
真正值得期待的，是孩子逐渐学会自己使用AI：
知道怎样描述问题；
知道怎样追问；
知道怎样验证；
知道什么时候相信；
也知道什么时候应该放下AI，去找真正的老师。
当孩子具备这种能力时，AI才不只是一个方便的工具。
它会成为一种新的学习能力。