现在当老师的人，心里多半藏着一件不大好意思说出口的事：学生兜里那个东西，答题比我快，鉴别诊断列得比我全，而且不用喝咖啡。那我站在这儿，到底凭什么管他？
这种焦虑我很理解，但它底下垫着一个前提，这个前提不大站得住：好像老师之所以是老师，是因为标准答案攥在他手里。照这个逻辑，计算器发明那天，数学老师就该集体下岗了。事实上并没有。数学老师照样在，只不过没人再考他们开平方开得快不快了。
带教从来不是比谁先猜中
大家不妨回想一下自己遇到过的最好的带教老师。我敢打赌，他好，不是因为每次都比你先说出诊断。他好在会问那种让你当场发虚的问题：为什么是这个不是那个？什么证据会让你改主意？动手之前你还打算核实什么？答案他未必早知道，他知道的是你的推理在哪儿偷了懒。
这件事，机器进了诊室之后不但没有过时，反而成了带教的全部。
今年夏天在维也纳开 AMEE，有一场讲大模型时代临床推理教育的报告，把这事说得很具体。它用的是《新英格兰医学杂志》去年发的一套带教框架，叫 DEFT-AI，作者是 Abdulnour、Gin 和 Boscardin。拆开来就是五个问题，问的全是学生：
- 诊断与讨论：你的判断是什么？你问了 AI 什么？
- 证据：什么支持你？这个工具在这个问题上凭什么值得信？
- 反馈：你的推理和工具的输出在哪儿分了岔？为什么？
- 教学：动手之前还得核实什么？怎么核？
- 使用建议：下回遇到这类任务，你该怎么用它？
这五个问题里，没有一个要求老师比模型更会答题。它们盯着的是学生的判断过程：提示词怎么写的，信任给了多少，分歧看见了没有。一个考试考不过机器的老师，照样问得出这五句，也照样分得清学生答得是好是坏。
我觉得这是整场关于 AI 与教育的吵架里最该被听见的一句话。老师们不肯碰 AI，多半不是学不会，是觉得自己被降了级。其实这个级，根本没降。
按本事放权，不按年级放权
报告里另一个主张，没那么让人舒服，但更有意思。
现在各个学校对 AI 的规矩，大体是按年级切的：低年级不许用，进临床可以用一点，毕业了随你便。这很像我们社会上很多规矩的通行做法——按年头论资排辈，因为年头最好数。
那场报告的说法是：该问的不是”几年级能用”，而是”这个学生已经证明自己会什么，AI 才能进入任务的哪一块“。还没证明什么的时候，AI 只管出练习题、变病例；能自己把临床问题提清楚了，才许拿它当咨询；能独立写病历了，才轮到自动记录；再往后，查证据、起草稿都可以帮，但把这些东西落到眼前这个病人身上、决定怎么处理，仍然是人的活。
这个台阶表本身，我不认为已经定了——它是会上的一个提案，不是验证过的课程。但它背后的道理，学过车的人都懂：驾校放你上路，不看你几岁，看你倒库倒没倒进去。
两件事其实是一件事
下面是我自己琢磨出来的，报告里没有明说。
按本事放权，有个明摆着的软肋：你得随时知道学生到底证明了什么，而这种知道很贵。没有一个便宜的办法去产生它，再漂亮的台阶表最后都会退回按年级切——因为年级不要钱。
那五个问题，恰好就是这个办法。老师每问一次”你和工具在哪儿分了岔”，就得到一个数据点：这个学生能不能在一台口若悬河的机器面前守住自己的判断。每问一次”你还要核实什么”，就知道他清不清楚别人递过来的东西边界在哪儿。所以这五个问题不是放权之外另加的一道手续，它就是放权一直缺着的那把尺子。
而且这把尺子，正好量在老师最占便宜的地方。大模型最擅长的是诊断——诊断往往有个明确的对错，好拿来训练。它不擅长的是处置：给这个人、在这个地方、带着这些约束，到底该怎么办。它在这里犯的错，典型的不是大声说出一个危险的建议，而是该说的没说。跟机器比谁诊断得准，老师比不过；可问一句”它漏了什么”，机器自己是问不出来的。
我没说的话
有两件事得摊开讲。
一是那条听起来能解决一切的原则——让学生先自己想，再去问 AI——在至少一些实验里并不管用：先写下自己推理的人，和模型一起干，照样干不过模型单干。这事我月初写过。五个问题是用来看判断过程的，并不保证看了就会变好。
二是问问题要花时间，而临床带教最缺的就是时间。每个用了 AI 的病例都问五句，这笔账谁来付，我还没见谁算清楚过。
不过开头那份焦虑，并不靠这两条撑着。它靠的是一个错觉：老师的价值，等于他手里攥着的答案。这从来就不是真的。现在来了一台攥答案攥得更便宜的机器，倒正好让我们把这句话说出口。
参考文献：Abdulnour, R.-E. E., Gin, B., & Boscardin, C. K. (2025). Educational Strategies for Clinical Supervision of Artificial Intelligence Use. New England Journal of Medicine, 393(8), 786–797.