假设你被请去做十五道分数题。
前十二道，屏幕边上有个 AI 助手，随叫随到。做到第十三题，助手突然消失，一句提示也没有。剩下三道，你还做得出来吗？
这不是假设。Liu 和合作者招募了 1,222 人，前两项做分数题，第三项换成 SAT 式阅读理解。练习时一组可以问 AI，一组不能；测试时，所有人都只能独立作答。
结果很直接。练习时能问 AI 的人，助手撤走后平均答对比例只有 0.57；从头到尾自己做的人，是 0.73。跳过不做的题，也多出将近一倍。36氪
换成阅读理解，模式再次出现。练习不过十来分钟，差距已经出现。
原因有两种。AI 的秒答改变了人对「一道题该花多久」的预期；它也省掉了学习里那段有益的挣扎。没有挣扎，人就摸不清自己能做到哪一步。
更值得看的是怎么用。实验里，六成以上的人直接问 AI 要答案，甚至只输入一个词：「answer?」。约四分之一的人主要要提示。
撤走 AI 后，要答案的人平均答对比例是 0.65，要提示的人是 0.76。问题于是从「用不用 AI」，变成了「怎么用 AI」。
这不是实验室小事。
另一组研究者翻出数学练习平台 ALEKS 从 2015 到 2025 年、约 320 万次学习记录。整题复制给聊天机器人就能拿到答案的，算「AI 易用」；必须拖动图表作答的，算「AI 难用」。
ChatGPT 面世后，大学生在 AI 易用题上的学习时间比难用题少了 26.9%，高中生少了 31.3%，初中生少了 9%。监考时，这条趋势几乎消失。
这不等于 AI 有害学习。2026 年一项元分析汇总 35 项实验、4,193 人，发现设计得当的 ChatGPT 教学确实能改善学习结果。
区别在于，元分析看的是用 AI 时的成绩，前面的研究看的是撤走 AI 后还能独立完成多少。
OECD 报告里，用专门设计的 AI 教学界面完成任务，成绩提升 127%；撤走 AI 后，反而下降约 17%。36氪
新加坡研究者 Wong 和 Qiu 的实验，给了一条路。196 名大学生要为毛绒玩具想改进方案，分成三组：不用 AI、随意用 ChatGPT、先想后问。
先想后问的顺序是：先花三分钟独立想，再用六分钟请 ChatGPT 改，最后三分钟自己收尾。
第一轮，随意用 ChatGPT 的原创性得分 4.08，不用 AI 是 3.06，先想后问是 3.30。先想后问吃了亏。
第二轮换成更复杂的新任务，所有人都不能用 AI。随意用 ChatGPT 的跌到 2.69，不用 AI 是 2.63，先想后问是 3.42，反超了。36氪
差别不在问了多少次。随意用的一组，70.9% 的提问是单向索取，近六成没给出自己的想法，就直接让 AI 出创意。先想后问的一组，88.6% 的提问都在拿自己的想法和 AI 来回打磨。
提问模板也很简单：「我的点子是 XX，怎样改得更好？」「还能怎样更原创？」
答案成形之前，先自己想一个粗糙版本，再请 AI 挑毛病、给反例、帮着改。MIT 那条被反复引用的学习法说的是同一件事：记忆不再是门槛，提出好问题才是分水岭。微博
具体怎么做，有三个动作。
第一，先答后问。哪怕只写三行，也要在问 AI 之前留下自己的版本。
第二，让它出题、挑错、反驳，而不是直接给答案。
Anthropic 的工程师 Addy Osmani 在 11 月 8 日的长文里提醒，人会把 AI 给出的错误答案当成自己的判断。
他的建议很直接：让 Agent 主动反驳自己的结论，以降低过度信任的风险。36氪
第三，把错题留下来。有个被收藏了两万多次的分享，讲了一个很土但管用的习惯：关掉长会话前，先让它写一份交接文档。 学习也一样，每次结束前，把答错的题、错因、下次怎么避免，写成一张复习卡。小红书
最后留一句 Addy 的话：可以委派任务，但不能委派判断。 AI 可以出题、可以批改、可以陪你练，但「我到底会不会」这件事，只能你自己答。36氪
