11月4日中午，360创始人周鸿祎在小红书发出一条不到4分钟的视频，标题直接发问：AI时代，哪些知识千万不能交给AI？一小时后这条视频在微博同步上线，这个话题也随之登上热榜。 视频文案里只有话题标签，但两天里的各路讨论把答案收束到了同一个方向：不能交给AI的，不是一张具体的知识清单，而是支撑你判断和检验AI的那部分能力——长半衰期的原理与框架、分辨对错的验证能力、需求背后的真实意图，以及只能靠亲身试错换来的经验。判断一项知识能不能外包，判据其实只有一条：关掉AI之后，你还能不能解释它、重做它，并挑出AI的错误。小红书微博
这个判据并非从感觉里长出来的。2026年6月发布的一篇工作论文《生成式人工智能的学习惩罚：来自中国中等教育的证据》，追踪了中国中部一个县城5所初中、4所高中的26811名学生，拿到最长30个月的闭卷月考成绩、周末作业分数和作业平台记录。结果是作业这一头越来越漂亮、考试这一头越来越难看：学生开始用AI写作业后，周末作业分数平均提高约18%，交作业时间从约64分钟缩到45分钟，闭卷月考成绩却下降了约20%。科普中国
损失并不落在“用没用AI”上，而落在“怎么使用”上。研究者按行为把学生分类：用AI超过五个月的学生里，81%被归入“外包”组、50%被归入“完全外包”组，学习损失几乎全部集中在这些组；而用了AI、完成作业时间却和不用AI同学相近的学生，损失很小。 更反直觉的是，这项研究里用AI之前成绩最好的前三分之一学生，开始用AI六到十个月后月考成绩下降约24%，反而比后三分之一学生约16%的降幅更大。当然，这是一项观察性研究，范围局限在一个县，百分比是模型估算的平均变化；中考降约24%、高考降约18%的长期结果，作者自己注明证据较弱。科普中国
把“外包”推到极致的过程，恰好被热榜第二天的讨论补上了机制。11月5日，现任Anthropic ClaudeCode工程师、前谷歌云AI总监Addy Osmani的长文被国内科技媒体译介，他提出认知滑坡的三段论：起初是“认知卸载”，人还能判断结果；然后是“判断让渡”，AI的答案成了下一步工作的默认依据；最后就是“认知投降”——AI说得肯定有道理，那就听它的吧。 他把后果命名为“理解债”：代码写得越来越多，人对系统的理解却没跟着一起增长，等到真要改功能时，没人说得清这座代码大厦的内部结构。这不只是程序员的职业焦虑。今年9月，陶哲轩、邓煜等25位菲尔兹奖得主发表联合声明，警告AI快速批量生成数学成果，会压缩成果验证和方法总结的时间。 知乎上围绕AI形式化证明的讨论给出了同样的细节：AI生成的Lean证明文件动辄几万行，底层定义有没有偷梁换柱，最终仍需人来核对。36氪人民日报知乎
四类必须留在自己脑子里的东西
第一类，长半衰期的原理和框架。参数、操作步骤、实时资料这类知识贬值快，交给AI是划算的；数学结构、逻辑规则、学科框架不直接变现，却是理解一切新东西的地基。西湖大学校长施一公这个开学季的表述是：真正的大学学习，是通过海量知识的沉淀，搭建属于自己的逻辑体系、认知框架、思辨能力和价值判断。 常年开设物理演算课的搜狐创始人、物理学博士张朝阳，给的验证办法更直接：AI可以直接给出太阳同步卫星轨道的结论，但不亲自算过，就理解不了进动、地球扁率产生力矩这些底层原理——AI时代更要亲自算，只有算了才能到脑子里面。人民日报光明网
第二类，分辨AI对错的验证能力。AI的输出越来越“长得像对的”，程序员圈子里流传的一条实操准则因此格外锋利：一段代码要不要交给AI写，判据就是“这段代码给我，我能不能准确判断它对不对——能，给；不能，自己敲”。 这条判据和那条县城研究互为镜像：学生用AI后成绩下滑，不是因为AI讲错了，而是没人再审它。会挑AI的错、选合适的答案，被复旦大学校长金力当作AI时代学生要练的三件事之一——提好问题、练判断力、敢担责。知乎人民日报
第三类，需求背后的真实意图和取舍。Osmani把这类损失叫“意图债”：没说清楚的目标、限制和取舍，会被AI顺手替你决定——它太擅长把模糊需求补全成一份像模像样的作品，而替你做的这些决定往往不会写进总结。36氪
第四类，亲手试错换来的经验和担责的能力。北大校长高松的提醒指向同一处：AI可以给出标准化的结论，却无法替代你在反复试错中形成的独立判断。 科普中国那篇研究的落点也在这里：用AI之后还能不能解释、重做、举一反三，才是学习真实发生的证据。人民日报科普中国
把这些合起来，就是一套可以直接拿去用的边界：一项知识要交给AI之前，先问自己能不能验收它。已经交给AI的东西，也可以定期盘一盘——哪些能力可以放心外包，哪些必须继续掌握。Osmani给出的自测动作很具体：让Agent写完代码后出几道题考你，答不上来就先别急着合并；让它主动交代哪些决定没有经过你授权；别只看测试全绿，还要问它没测什么；重要任务保留原始材料和验证依据；每周安排一次脱离Agent的独立练习。 另一头，中央民族大学团队覆盖1953名本科生的调研显示，99.18%的人用过AI，超过六成说不清使用的合理边界——这份清单，恰好是给这份困惑准备的。36氪知乎
这条边界不是静态的：模型每半年就更会干活一点，可外包的清单会变长，判据却不变——你能不能验证。真正要警惕的不是某一次把活交给了AI，而是在AI面前逐渐习惯了不问、不看、不试。用一句话概括这场讨论：把答案交给AI是效率，把判断交出去才是风险。
