问中学 vs 直接问 ChatGPT：真正的区别在哪里

一款通用 AI 聊天机器人完全可以被用来好好学习——诚实地说，问题不在于工具，而在于这件工具对「你直接开口要答案」这件事，没有任何内建的抵抗力。 这一点值得说清楚，因为这种对比最容易走向的方向，是把 AI 聊天机器人一棍子打死，而那并不准确。一个真正自律地使用 ChatGPT、Gemini 或 Claude 的学生——要提示而不是解法、自己先尝试解题、再问一个更精准的追问——做的正是问中学（Learn by Asking，简称 LBA）所要求的事。变量不是工具，而是习惯。

普通聊天机器人在哪些方面完全没问题

只要用得好，一款通用 AI 工具能支持问中学框架的每一个部分：

• 问、试、再问在聊天界面里非常自然——问一个具体的问题，用拿到的回应去尝试解题，再带着刚才发生的情况回来问一个更精准的追问。参见用 AI 工具进行「问、试、再问」的循环。
• 先猜规则——在提问之前先给出一个猜测——无论你即将要问的「对方」是一个人还是一个聊天机器人，这个做法都一样有效。在向对方求助之前，先把自己的猜测打进提示词里，不花一分钱，也就十秒钟。
• 爬提问阶梯——先问定位一个术语，再澄清一条规则，再诊断一个错误——在聊天窗口里完全可以做到。界面本身不会阻止你问一个具体、瞄得准的问题，而不是一个宽泛的问题。

这些都不需要什么特殊工具。它们需要的，是学生本来就知道该这么做。

诚实地说，差距在哪里

这才是真正不一样的地方：一款通用聊天机器人对「你直接开口要完整的解题过程」这件事，没有任何默认的抵抗力。打出「第 4 题的答案是什么」，你通常就会得到第 4 题的答案。这类模型被设计成最大限度地满足你眼前打出的那句字面请求——对大多数用途来说，这是一个优点，而当用途是学习而不是把事情办完时，这恰恰就是答案陷阱的样子。

所以，能不能善用一款通用聊天机器人，完全取决于学生自己。没有任何辅助结构去强制养成好习惯——没有拒绝，没有内建的提示阶梯，没有「先自己试试」。一个问题素养强的学生，每一次都能从普通聊天机器人里获得真正的价值。一个没有这种素养的学生，每一次都会拿到一条捷径，而这件工具不会阻止他——因为阻止他，本来就不是它被设计要做的事。

苏格拉底式设计的导师会怎么做

这才是真正的、结构性的区别。一个围绕问中学建立起来的导师，被工程化地设计成会拒绝这条捷径。向 Professor Pi 要一道数学题的答案，你得到的是一个提示，而不是解法——四级提示阶梯给出能让你重新动起来的最小提示，而想升到下一级提示，付出的代价是再试一次，而不是再问一句。问 Professor Newton 一个实验会发生什么，他会先让你预测——预测-观察-解释让「猜测」成为必须完成的一环，而不是可有可无的选项。

这种拒绝并不是事后加上去的限制。它就是设计的核心。这意味着那种本该由一个自律的学生在普通聊天机器人里自我强制执行的好习惯，会自动发生——即便在某一天，那个学生既没有自律，也没有精力去自我要求。对一个十一到十四岁的孩子来说，这一点比听起来更重要，因为他们愿不愿意去做更难的事，每天差别都很大。参见好奇心储备，了解为什么这种波动本身不是自律问题。

一览表

诚实的结论

没有哪一种工具是「唯一答案」。一款普通聊天机器人，会奖励一个本来就有较强问题素养的学生，却对一个没有这种素养的学生毫无帮助。而一个苏格拉底式导师，把这种习惯直接内建到互动本身里，这是一种真正不同的帮助方式——不是一个更好的聊天机器人，而是一份不同的工作。关于 aitutors.me 的导师为什么要这样设计，参见为什么我们的导师围绕问中学而设计。

FAQ

学生用 ChatGPT 做作业不好吗？ 本身并不算不好。一个懂得要提示而不是要答案、自己先尝试、再问一个更精准的追问的学生，是在善用它。造成问题的不是这件工具，而是那种默认要完整答案的习惯。

苏格拉底式 AI 导师和普通聊天机器人相比，具体不一样在哪？ 它在设计上就拒绝直接把最终答案交出来。普通聊天机器人如果你直接开口要答案，通常就会给你答案，因为它没有任何内建的理由不这么做——它被优化来最大限度地满足你打出来的那句话。而苏格拉底式导师的默认设定恰恰相反。

那普通 AI 聊天机器人是不是「不如」专门的 AI 导师？ 不是更差，而是形态不同。普通聊天机器人把全部自律都压在学生身上：他们得自己把提问阶梯和先猜规则带进对话，没有任何辅助结构。而苏格拉底式设计的导师，把这种自律直接内建到互动本身里，这样即便学生某天没有意志力去自我约束，好习惯依然会发生。