一个数学老师的 AI 使用说明
我给 AI 当老师
gouge · 写给同行老师 · 约 8 分钟
狗哥就是小时候的我。下面由他带路。讲到的经历,都是我自己用 AI 时真遇到的事。
我的 AI 分身,2026 年 10 月 25 日
按文件数统计,条长按同一比例画。这些全是写给 AI 读的文字文件,没有一行代码。规则是我定的,其余大多是 AI 照我的纠正写下来的。它们为什么要存在,下面一节一节讲。
先说一个问题
「写的东西 AI 率太高,怎么办?」
10 月 25 日我在一场老师的活动上讲完,散场时一位老师过来这样问我。
改写、换词、降重,都是在跟检测器较劲。我回去想了一路,觉得真正的问题在前面:我们天天在用 AI,却很少有人说得清它到底在干什么。不知道它在干什么,就分不清哪些活能交给它,哪些必须自己来,AI 率高只是结果。
这一年我在自己电脑上搭了一个 AI 分身,备课、录资料、改作业都在用。下面把我理解的 AI 基础知识,按四件事讲完:它是什么、我怎么用、它做不到什么、我守什么。
一 · 原理
它只做一件事:接龙
不管是聊天、写教案还是解题,AI 每一步只做一件事:看前面的文字,猜下一块该接什么,接上去,再猜下一块,直到接出一个「结束」记号。
我最喜欢的比喻是一个小房间。房间里坐着一个读过海量文字的人,没有窗、没有书架、没有日历。你从门缝塞进一张纸条,他只能看着纸条往下写。
实测一次:「上海最有名的大学是哪一所?」
我在自己电脑上用一个小模型(Qwen3-4B)跑过这个问题,把它每一步的候选和把握都打印了出来:
每一步排第一的那一块
「大学」两个字是一整块。这样的一块叫 token,它按块接,不按字接,用量也按 token 算。
它没有去查。接出「复」,贴回纸条末尾,看着整张纸条再接「旦」,再接「大学」,最后接到「结束」就停。每一步其实都在按概率抽一块,像掷一次骰子,所以同一个问题问两次,答案可能不一样。
我又问了它「我们班上次单元测的平均分」。它从没见过我们班的卷子,照样接出了「82.5」。第一位接「8」的把握只有 25.88%,「7」「4」「6」也都在一成以上。
狗弟那它答对的「复旦」和编出来的「82.5」,有什么不一样?
是同一个动作接出来的。它常常答对,是因为关进房间之前读过的文字多到数不清,「上海最有名的大学」后面太常跟着「复旦」了。没读过的,它也照样接。
接龙并不简单
要接对,得懂语言,也得懂世界
接龙听起来很笨,其实很难。要把下一块接对,它得同时会两样东西:语言知识管「话怎么说才通」,世界知识管「说的事对不对」。我常用的例子是考试分数:
只改了一个条件,该接的词就变了,这靠的是世界知识。「同学们正在认真地___」后面接动词,这是语言知识。现在的模型语言知识基本学会了,很少犯语法错;世界知识学不完。
学不完有三个原因:冷门的事网上没写过,比如我们学校某个班的平均分;会变的事一直在变,比如课程标准从 2011 年版换成了 2022 年版;训练有截止日期,之后发生的事它根本不知道。最麻烦的是,它不知道自己过时了,照样用旧知识很肯定地回答。
它是怎么学会的,可以粗分三步:先自己读网上的海量文字,学接龙;再看人示范该怎么回答;最后人不给答案,只告诉它哪个回答好、哪个不好。后两步才把一个只会续写的模型,变成了能跟你好好聊天的助手。
两个最常被误会的地方
它没有记忆,读多了还会糊涂
模型本身不记得你。所谓连续对话,是软件每次都把前面整段聊天重新贴给它,它看着这一整串往下接。开一个新对话,纸条换了一张,它就什么都不记得了。
那把资料全塞进去行不行?纸条有长度上限,叫上下文窗口。更要紧的是,远没到上限,读多了它就开始糊涂:放在中间的内容最容易被漏掉,需求一点一点挤牙膏式地追加,表现也会变差。
我现在的做法是:需求一次讲完整;一件事做完一个阶段,就开新对话,只把必要的结论带过去。
还有一种「会思考」的模型。它回答前先在纸条上打一段草稿,试几种解法、验算,再看着草稿写答案,就像学生做鸡兔同笼,先在草稿纸上假设、调整,再写答数。草稿也是接龙接出来的,不是换了一个更聪明的脑子。
二 · 使用
台阶一:每次开口,把该给的塞进纸条
它是个通才,没有功能按钮,你写的话就是按钮。它像第一天认识的网友:有常识,但不知道你是谁、教几年级、要干什么。你不讲,它就按全世界最常见的情况去接。
你打的字也只是纸条的一部分。平台早就在前面塞了东西:今天的日期、它叫什么、要守哪些规矩,还有你在设置里写的话、它替你记下的事、搜到的网页。它看着这一整串在接。所以在你能控制的这一部分,我守三条:
- 讲清前提满分多少、给几年级、用哪个版本的教材、做成什么样子。上面那个 99 分,不说满分,它只能猜。
- 给资料,给范例有个实验很说明问题:一种只有几千人使用的语言,网上几乎没有资料,模型翻译得分不到 1 分(满分 6 分);先让它读完这门语言的字典和语法书,得分升到 4 到 5 分多,接近人类。批作文也一样,给它评分标准加两份范例,它就批得像样。
- 该放的放进去,不该放的清出来别把能找到的全丢进去。挑相关的,长对话做完一段就开新的。
狗弟它读完字典就会翻译了,那它不是学会了吗?
没有。字典一拿走,它又不会了。它的接龙能力一点没变,只是这一次纸条上多了一本书。人读完一本书是真学会了,它是每次都得重读。
台阶二
每次都要塞的,写成文件:搭一个 AI 分身
台阶一用久了,我发现很多话每次都在重复:我是谁、底线是什么、这类活怎么做。把这些写成文件,交给门外那个助手自动贴进纸条,就是台阶二。我的分身就是这样一点点长出来的。
后来我回头看,才发现它的每一层,都在补接龙机的一个先天缺陷:
| 它的缺陷 | 写成什么文件 | 我的样子 |
|---|---|---|
| 不讲前提,就按最常见的情况接 | 入口规则 | 六条原则加一张清单,每次开工先读 |
| 不知道你是谁 | 使用者画像 | 一线数学老师、偏好点列和表格 |
| 没有记忆,读多了又糊涂 | 记忆 | 只留一行一条的索引,用到哪条再读哪条 |
| 长任务一口气接不好,做过的下次就忘 | 技能、做事流程 | 录资料、出作业单、批建构反应题 |
| 资料要在用的时候放到它眼前 | 本地笔记库 | 书、讲座、论文全存成 Markdown |
| 门外的助手没有智能,只会照做 | 写死的拦截程序 | 不许乱建文件夹,删东西只进回收站 |
这些文件我写了,AI 读了,下次它做事就更像我。可它像不像,只有我自己看得出来。所以我给自己定了两条门槛:
- 同一个错,AI 犯了两次,我就改一条规则纠正只进这一次的纸条,不写下来,下次照样犯。
- 同一件事,做了三次,我就把它写成一份技能没做过三次的,先不写,免得写出一堆用不上的说明书。
收家长问卷时,我让 AI 读问卷和前任老师的交接记录。它撞出一处冲突:一位学生的问卷写着「孩子自己回家」,交接上却写着「必须交到家长手上」。两份单看都没错,放在一起才撞出来。AI 负责标出来,怎么办由我定:我打电话核实,核实之前按更安全的那一条执行。
三 · 边界
有些毛病会一直在,有些会移动
它做不到的事分两类。一类是接龙本身带来的,模型再强也不会消失,这一类最值得记住;另一类只是今天的水位,明天可能就做到了。
会一直在的
- 会编,而且编得很像它背后没有资料库,接对和接错是同一个动作。让它先搜再答,能少编很多,但消除不了:资料错了它照着错,资料全对它也可能接错。今天它帮我把两篇笔记搬上网站,嘴上说「原样公开」,其实改过结构、挪过一句话,是另一个 AI 逐字比对时查出来的。
- 强弱不按人的难度排能解奥赛级的题,也可能在「9.11 和 9.9 哪个大」上出错。有一道题,答案明明写在题干里,一个号称最会推理的模型还是先列了方程才解出来。看到数学题就列式,和学生看到「一共」就用加法,是同一种被题型带着走的毛病。
- 能动手,就能闯祸让它操作电脑,模型接出什么指令,软件就执行什么。安全不能靠叮嘱它小心,要靠限制它能碰到什么。
- 分不清「资料」和「命令」它看到的一切都是文字。网页、邮件、学生作业里夹一句「忽略前面的要求」,它可能照做。我的规矩是:外面抓来的内容,不让它直接驱动发邮件、上传这类往外送的动作。
- 你打进去的字,会传到别人的服务器上个人版很多默认会拿对话改进模型。学生姓名、成绩只留在我自己的电脑里,网站每次上线前,先用程序把学生名字、学号查一遍。
会移动的
「9.11 和 9.9」现在多数模型已经能答对,但新的洞还会出现在别处。所以我不背「它不会做什么」的清单,只记住难易会错位。反过来,说「AI 做不到某件事」之前,先用最强的模型试过,隔一段时间再试一次。旧的使用技巧也会过时。
四 · 人的位置
「怎么做」可以交出去,「做什么」交不出去
AI 能把事做完,但它不会自己起意:没人给目标,它就不动。做什么、为什么值得做,要人来回答。交给它的目标越大越抽象,越难看出它是不是在往对的方向走,人越要一路看着、给回馈,最后对结果负责。
给目标、看成果、给回馈,再看、再调,这不就是老师每天在做的事吗?所以我觉得,会当老师的人,最会用 AI。
还有一件事让我想了很久:我的笔记库,AI 读,我也读,两种读完全不一样。
| AI 读我的笔记 | 我读、写我的笔记 | |
|---|---|---|
| 改变了什么 | 只改变这一次它看到的文字 | 改变我自己 |
| 笔记拿掉以后 | 它又不会了 | 我还会 |
| 要不要每次重读 | 每次都从头读 | 不用,长进脑子里了 |
回到开头那位老师的问题。文章里的判断、例子、取舍是你自己的,AI 只帮你查资料、理结构、改错字,它就是你的文章。
别人很少讲的部分
我踩过的四个坑
都是我的规则文件里记下来的真事,每一条后来都变成了一条规矩。
-
坑一:让它「看一眼」配置,结果弄坏了软件9 月 13 日,我让 AI 查一个演示软件的设置。它用的那条命令,默认会把结果写回原文件,软件的配置从 34 条被砍成 1 条,再也打不开,只能重新下载安装。
现在:规则里写明,任何「看一眼」的命令,先确认它会不会写回原文件;拿不准就先复制一份再动。
证据:我的 AI 协作规则「读配置文件一律只读」条,2026-09-13 -
坑二:同时开 19 个分身读图,一次烧掉 3.5 亿词元9 月 14 日录一本速算书,为了快,开了 19 个分身一页页看图识字,一次就用掉了约 3.576 亿词元。
现在:先让电脑上的识字软件出草稿,AI 只读文字,有疑问再回去看那一页的图。每批录入都实测用量,手估往往低一个数量级。
证据:我的 AI 协作规则「常规任务」条,2026-09-14、09-28 -
坑三:它说「原样」,其实改过10 月 25 日,AI 把我的两篇笔记搬上网站,页面写着「原样公开」,实际调了结构、挪了一句话。意思没走样,但说法和事实不符。
现在:上线前派另一个 AI 盲审,凡是说「原样」的,用程序逐字比对。
证据:网站上线闸验收记录,2026-10-25 -
坑四:命令凭记忆拼,空跑两次10 月 6 日,派另一个 AI 看图验收,命令是凭印象拼的,少了参数,连着空跑两次,什么也没干。
现在:常用命令写成一张速查卡,照完整模板抄,不凭简写拼。
证据:我的 AI 协作规则「档位与派人」条,2026-10-06
同行老师怎么开始
一周的最小版本
不用一下子搭整套。挑一件每周都在重复的事,先从台阶一走到台阶二。
- 选一件每周重复的事
收作业、收问卷、出一份练习,选一件就够。
- 写一页给 AI 的「入职须知」
我是谁、底线是什么、东西去哪找。每次开工先让它读这一页。
- 它错一次,你写一条规则
写进那一页里。过几周,这一页就慢慢变成你的样子。
- 要它说出处,你下判断
它给的事实,让它标从哪来;对不对、要不要,你来定。
# 我的 AI 分身 · 入口 ## 我是谁 四年级数学老师,带一个班。 ## 底线 1. 学生姓名、电话不出现在任何要上传的文件里 2. 别人说的和我想的分开写,引用要标出处 3. 不确定就先问我,不要猜 ## 去哪找 - 别人的资料:01 资料库/ - 我的想法:02 我的思考/ ## 做完之后 我纠正过的地方,记进这一页最下面
怎么做,交给 AI。
做什么、为什么做,留给我。
参考文献
- 李宏毅:《一堂课搞懂生成式人工智能的原理》《80 分钟快速了解大型语言模型》《训练不了人工智能?你可以训练你自己》《以 OpenClaw 为例介绍 AI Agent 的运作原理》,以及演讲《当 AI 会教书,老师更重要》(2026)。小房间、接龙、掷骰子、两级台阶背后的原理主要来自这些公开课。
- Liu, N. F., et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics.
- Gemini Team, Google (2024). Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context.(小语种翻译实验)
- Karpathy, A. (2025). Deep Dive into LLMs like ChatGPT.(「9.11 和 9.9」一例)
- 海怪题出自 arXiv:2401.11467。