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

狗哥站着,表情平静

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

核心规则
122 行
记忆
117 条
技能
52 个
做事流程
23 份
员工角色卡
11 张

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。

小房间:屋里的人只看得到门缝塞进来的纸条,门外的助手负责往纸条上贴规则、记忆和搜索结果 没有窗 · 没有书架 · 没有日历 复|旦|大学|… 脑子里:读过的文字 留下的语感和常识 门缝 门外的助手 (软件,没有智能) 规则 记忆 技能说明书 搜索结果 他看不到外面,只看得到塞进来的纸条
整篇都用这间屋子。左边是模型本身,右边是装在模型外面的软件,第二节会讲到。

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

第 1 步「复」
96.67%
 (「上海」)
3.31%
第 2 步「旦」
99.99%
第 3 步「大学」
99.98%
第 4 步「结束」
99.99%

「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。

狗弟吃惊

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:

很好满分 100 分,小明考了 99 分,成绩算___
一般满分 150 分,小明考了 99 分,成绩算___

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。

✗一次塞进 30 份教案,问「哪份最适合四年级」
✓只给 3 份相关的,讲清楚要比什么

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。

模型的接龙能力,花钱就能买。买不到的,是你真实面对的情境。我给第一层写的小结,2026-10-02

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:

狗弟怀疑

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:

狗哥有了主意

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
同一套笔记,对 AI 是每次都要重读的书,对我才是真正的学习。我的永久笔记,2026-10-02

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。

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。

  1. 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。

  2. 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。

  3. 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。

  4. 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。

入职须知模板,可直接复制
# 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。

狗哥握拳,表情坚定

参考文献

  1. 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。
  2. Liu, N. F., et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics.
  3. Gemini Team, Google (2024). Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context.(小语种翻译实验)
  4. Karpathy, A. (2025). Deep Dive into LLMs like ChatGPT.(「9.11 和 9.9」一例)
  5. 海怪题出自 arXiv:2401.11467。