图宾根大学在 AIED 2026 的一项研究提醒我们：AI 把答案变得唾手可得之后，学习者的最大风险不是找不到资料，而是把“看得懂”误认为“学会了”。研究认为，单纯优化提示词并不能自动带来更好的学习效果，AI 总结可能制造熟悉感，却不能替人完成知识内化。

这是什么

文章的核心概念是“认知主动性”（epistemic proactivity，指主动追问、质疑、校验并连接新旧知识的学习习惯）。研究者发现，许多学习者会低估大模型幻觉，也容易把连贯、漂亮的回答当成自己的知识，形成“看得懂、问得出、不会用”的假性学习。

不同提示词用途并不相同：导师式提问适合入门，费曼式提问适合自查，结构化拆解适合建立框架，辩论式提问适合识别争议，出题适合主动回忆，原文摘要则适合筛选材料。它们能改善交互，却不能代替个人思考。

文章建议采用“AI 粗加工，人做精加工”的流程：先提取论点、假设和局限，再把一个观点写成一张原子笔记；其中“我的转述”必须由本人完成，之后让 AI 找错误、查遗漏、提示幻觉，并通过自测和间隔复习巩固记忆。

行业怎么看

我们的判断是，AI 学习工具的竞争重点正在从“生成多快、多完整”转向“能否逼用户完成认知加工”。能持续记录个人错误、追问历史并主动安排复习的产品，比单纯生成摘要更有长期价值；企业培训也会从内容分发转向过程评估。

但研究结论仍有边界。AIED 2026 会议材料属于特定研究场景，不能直接证明所有摘要或提示词都会降低学习效果；样本、任务类型和使用强度都会影响结果。另一个风险是，结构化模板可能让学习者误以为完整，AI 生成的题目、案例和文献也可能出错。更稳妥的做法，是把 AI 当审查员和陪练，而不是把思考外包给它。

对普通人的影响

对企业 IT：企业可以引入 AI 摘要、知识检索和培训测验，但不宜直接用完成度替代能力评估；课程设计应保留复述、案例演练和人工审核，减少幻觉内容进入正式知识库。

对个人职场：AI 会压缩资料整理和基础写作的时间价值，提问、校验、整合与判断将更重要。保留自己的判断依据，比堆积一份越来越完整的 AI 文档更有用。

对消费市场：笔记、课程和搜索产品会更多采用自动摘要与自测功能，但用户也会更关注答案出处、纠错能力和个性化复习。真正的付费理由，可能不再是生成更多内容，而是让用户少犯认知错误。