AI时代的教育心法

周六晚上，“未来硅世界”通过WaytoAGI，邀请七娘、祥叔两位进行了主分享

相关原始探讨问题：

祥叔

  1. 你认为 AI 时代最有价值的特质/能力是什么？
  2. 传统教育是否已经失效？如何看待华人在 AI 时代大杀四方？
  3. AI 时代，要不要用新的形式鸡娃，如果鸡娃怎么鸡，如果不鸡娃，如何规避剧场效应？
  4. 家长如何做好一个园丁而不是木匠？怎么克制自己想要“雕刻”孩子成长的冲动。
  5. 你有哪些大的教育指导原则？

姚金刚

  1. AI时代，什么样的能力是“无论AI多强也无法替代”的，你会如何给孩子培养这种能力？
  2. AI是让教育更加公平，还是会进一步加剧教育鸿沟？关键变量是什么？
  3. 如果重新设计一所“AI原生学校”，你会从哪三件事开始推倒重来？
  4. 站在今天往后看20年，如果你确信有一种能力，你的孩子“越早学越占便宜”，那会是什么？为什么？
  5. 在孩子成长过程中，你目前最担忧的事情是什么？
  6. 如何帮助孩子理解AI与人类的关系、区别与边界？

这个过程，七娘、祥叔、向阳、尼克西还有元子，进行了很有干货分享：

  1. AI时代人最核心、最不可替代的能力是“审美 + 领导力”，即知道什么是好，并能指挥AI去实现它
  2. 批判性思维更准确的说法是“审辩能力”，它决定了人在海量AI内容面前的判断力与取舍力
  3. 想象力决定了一个人能把AI用到多高的天花板，没有想象力，AI只会放大平庸
  4. 真正的竞争力来自“主动性（Agency）”，即一个人是否有内驱目标，而不是工具本身有多强
  5. 审美、想象力与价值观的形成，来自真实世界的探索、体验、玩耍与经典阅读
  6. 未来学校的关键转型不是“学规则”，而是“定规则”，让学生成为规则的创造者
  7. AI时代最有效的学习方式是“以教代学、做中学、项目驱动”，而不是被动听课
  8. 家庭教育要从“控制型家长”转向“园丁型家长”，提供空间、榜样与陪伴而非指令
  9. 必须让孩子清楚认识AI是工具而不是“人”，防止情感依赖与认知错误
  10. AI将极大放大个性化教育与特殊群体教育的可能性，但制度是否改变决定了普及速度

第二天去参加了一个国际学校的家长公开日，关于AI时代的教师核心素养，总结得也很好：

直播整体的内容及观点详细总结（AI）：

干中学的学习法

最近看到一个故事，一位23岁的瑞典年轻人，名字叫Gabriel Petersson，高中没毕业，现在是Sora的研究科学家

职业经历和大多数人很不一样：

来自他自己的总结：现在的大学，不再垄断基础知识 ，我们可以通过AI获取这些知识

来自Petersson分享：一家公司，其实根本不在乎你有没有文凭，他们看的是你能不能创造价值，只要你能证明你可以有创造价值的能力，他们就会雇佣你

Petersson的成功，不是基于某所名校的背景，而是基于他的学习方法，能够将AI当成他的第二大脑，能够从真实问题出发，靠真实的项目驱动，用AI去解决真实问题，从而获得快速成长

比如，先挑一个“真实、有价值、有需求”的问题，然后借助AI工具写代码 + debug + 迭代 ，遇到不知道的东西，再用AI补知识，然后产出可运行的系统，最终通过这些成果获得机会

这种学习路径，和传统的学习路径，有着不一样的特点

和我们最近一直在讨论的干中学，其实理念很像

我们大多数人的学习与职业路径：追求成绩 → 好学校 → 好工作 → 体面的职业道路

顺着这条线走，就能过好一生，但今天，这条线正在断裂，也许会越来越突出

几个关键结论：

  1. 真正的能力，不再来自于“知道”，而来自于“能做出来”，结果导向的时代，永远相信一个事实：能交付结果的人永远吃香。Gabriel更早接受了一个现实：“谁能把东西做出来，谁就有资格坐到桌子前。”
  2. 未来的核心能力不是“你记住多少”，而是：你能否让AI和你形成“增益回路”
  3. 这个时代奖励“自驱和作品”，而不是“等待和资格”，大多数人卡在起点，不是因为不够好，而是因为：“我还没准备好”“我还要再学一段时间”“我再等等机会”，但Gabriel的逻辑是：先做，再学，边做边学，把学到的东西变成作品。作品，才是你真正的履历

选择项目的逻辑

和向阳讨论如何选择更适合我们的项目

以工具产品为例，一个基本的原则：单点体系突破后，能被理论上无限复制的产品

在具体落地的时候，其原则包括：

  1. 可以完全自动化+AI化，并形成自增长闭环
  2. 小而美，不会被大厂看到，不会被轻易抄袭
  3. 竞争对手少，产品相对稀缺
  4. 刚需，但产品的需求满足逻辑有一定复杂性
  5. 单点体系构建复杂，但一旦跑通，其模式可以理论上无限被复制

对于小而美的陌生领域，验证自己的产品的方法：

  1. 找那些已经验证过的个人项目或小工作室项目，而非轻易原创
  2. 将其进行详细对比，需要客观评估，自己做的话，是否能比对标产品做得更好，如果能，就基本上值得做

适时退出

美国知名风险决策专家，安妮·杜克的这本《适时退出：以退为进的决策智慧》，其实用价值非常大，分享了很多干货，比如：理解决策的本质、识别人性的认知偏差、建立理性的止损机制，以及在不确定性中做出更长期最优选择等等

一句话理解，就是：退出不是失败，而是一种被严重低估的高级理性决策能力

一、“反直觉”的核心观点

我们从小的教育：“坚持就是胜利”，但杜克用行为经济学和博弈论反复证明：失败从来不是来自“退出”，而是来自“坚持错误的事情太久”

很多人不是败给能力，而是败给两种错觉：

第一，误把“坚持本身”当作成功的原因

第二，把“退出”错误等同于“失败、逃避、懦弱”

她其实在做一件很重要的“认知拆弹”：把“坚持的道德光环”和“理性决策”强行分离

二、这本书本质上是在教你对抗三种最强的人性偏差

  1. 损失厌恶

人对“损失”的痛苦，天然大于对“收益”的快乐，这会导致一个极其危险的行为模式：明知道继续投入是错的，但因为“已经亏了很多”，反而更不敢停

这种现象，在创业、投资、职业选择、关系中极其普遍

  1. 沉没成本

钱、时间、努力、情绪投入，都会变成一种“心理绑架”

理性的逻辑，应该只看“未来是否值得继续”，但更多时候，我们的判断逻辑会变成：“我已经付出了这么多，凭什么现在停？”

  1. 身份崇拜

很多人不敢退出，不是因为项目还有价值，而是因为：“我不能接受失败者这个身份”

于是你不是在为“结果”做决策，而是在为“自尊人设”做决策

三、最重要的工具不是“判断力”，而是“退出机制”

这本书除了告诉我们“要学会退出”，还有就是，我们必须在一开始就设好退出原则，或者止损机制，通过把理性前置，来对抗未来的非理性自己

比如：不是“等我实在撑不下去再走”，而是提前规定好连续三个月现金流为负就停、达不到某个关键里程碑就止损、身心状态跌破某条线就退出等等

四、在更大尺度上，这本书是在纠正“成功叙事偏差”

社会喜欢讲：赌对的人、咬牙坚持的人、最后翻盘的人

但极少讲：及时退出的人、换赛道的人、止损保命的人

结果就是一代又一代人被幸存者故事误导，错误高估坚持的价值，低估退出的智慧

真正的强者，不是死磕到底，而是随时有勇气对错误路径按下止损键

白洋淀徒步交流

周末在白洋淀完成了一场徒步交流，来自搜外的16位同学，一起完成了一次关于AI、GEO、短视频矩阵与效率阶层的高密度交流

中午的分享嘉宾分别来自四个方向：

  • 张凯：海外GEO与独立站

  • 韩江霆：AI与短视频矩阵

  • 乔向阳：AI模型与工具生态

  • 我：国内GEO的实战路径

这四个视角，拼在一起，其实刚好构成了当下AI流量迁移的完整地图

一、AI搜索正在重构“流量的起点”

过去，搜索的起点是：用户 → 关键词 → 搜索引擎 → 网站

今天，越来越多的路径已经变成：用户 → 问题 → AI → 引用信源 → 官网或平台

1. AI为什么必须引用“事实源”

AI搜索的底层流程其实非常清晰：

  • 第一步：先去找“被默认正确的事实”

  • 第二步：再由模型进行理解、重组与表达

这套机制，本质是为了防止模型幻觉，也正因此，谁能成为“事实本身”，谁就能成为AI流量的入口

这也是GEO的本质，不是“做排名”，而是：让你的内容，被AI当作“事实本身”

2. 算法核心从“关键词”转向“语义权重 + 节省算力”

传统SEO的核心是：匹配关键词、外链权重

AI搜索的核心变成了：匹配意图、语义权重

这背后有三条极其重要的内容判断规则：

  • 第一，高权威词汇，AI更信任“行业标准词”“权威术语”，而不是情绪化表达

  • 第二，结构化表达，AI更愿意引用“表格、清单、步骤、对比结构”，而不是散文式内容

  • 第三，高信息密度，形容词、情绪词、人设包装，对AI来说大多是“噪音”，会浪费token

这个变化，对谁最有利？恰恰是小而专业、垂直度极高的企业和个人

过去你拼不过大站的权重，现在你有机会拼过大站的“算力性价比”

二、海外GEO：独立站正在重新变成“王”

3. 为什么独立站在海外权重极高？

原因是：在海外语境里，“官网=可信事实”

AI抓取海外信源时，优先级非常清晰：

  • 第一层：官网 / 独立站

  • 第二层：电商平台（Amazon等）

  • 第三层：社区（Reddit）

  • 第四层：媒体

这意味着：只要你有独立站，你天然就在AI信源的第一梯队

4. 流量与转化的真实效果

多个实盘反馈的数据都指向同一个结果：

  • 流量增长：普遍在5倍到6倍

  • 生效周期：1到2周就能看到明显变化

  • 转化质量：明显高于传统SEO

一个非常重要的细节是：虽然AI结果里通常不直接给电话，但会给品牌、产品名和官网链接。

能主动问AI的人，需求本身已经被筛选过一次了，所以转化率反而比传统流量更高。

5. 海外GEO的主要工具形态是SaaS

海外的标准模式，是月费型SaaS，大约299美金，工具不直接代发，但会告诉你：该写什么、该发去哪、哪些是“种子问题”，本质是：GEO的“导航系统”

这和国内“代运营”体系，是完全不同的路线。

三、国内GEO：不是SEO，而是“另一种SEM”

一个非常重要的判断在现场被反复验证：

国内GEO的商业价值，更接近当年的百度SEM，而不是今天的SEO。

也就是说：

  • 不是“便宜流量”

  • 而是“高意图、高转化、高客单”的线索

6. 三个极具杀伤力的实战技巧

国内GEO的三个细节：

第一，时效性刷新

AI极度偏爱“最新内容”，只要你把历史文章的发布时间统一刷新为“近期”，引用率会立刻出现肉眼可见的变化。

第二，结构化重构

对于已经有大量历史内容的大站，不需要改页面，只需要通过Scanner这类结构化标签，把内容重新标记给AI看，

就能直接改变AI的抓取路径。

第三，转化引导的“自然嵌入”

电话和网址，如果能和上下文形成“动作关系”，在AI结果中的出现概率，可以提升5到10倍。

7. 正确看待AI蜘蛛：不是成本，是印钞机

很多企业遇到过一个真实问题：AI蜘蛛一爬，一天几百块OSS费用就没了

但真正正确的思路是：你不是被“薅带宽”，你是在用带宽换线索

这是一次商业模式的切换：

  • 过去是广告位逻辑（A场地）

  • 现在变成了AI流量逻辑（B场地）

本质是：你从“卖曝光”，变成了“收线索”

四、短视频矩阵：传统行业的“高产老母猪”模型

一个更偏执行层的现实：传统制造业，现在最有效的抖音策略，本质还是一个字：堆

像SEO时代堆关键词一样，现在是：堆账号、堆视频、堆矩阵、堆搜索覆盖

目标只有一个：不追热点，只吃搜索流量。

8. AI已经能直接嵌入传统企业的“销售体系”

AI已经进入了传统企业的销售中枢，比如：销售行为全部上云、64维度行为分析、自动生成谈单策略、根据通话自动反推短视频文案

这意味着：内容生产，不再依赖“灵感”，而是直接来自“真实成交场景”

五、AI模型与工具：真正的分水岭不在“懂不懂”，而在“敢不敢用到极限”

9. 国内AI，确实大量是“套壳+路由”

当前最常见的模式是：

  • 用顶级模型做意图理解和拆解

  • 再把执行交给弱一些的模型跑

这也是为什么：很多国产AI用起来“像很聪明”，但干大活又“有点力不从心”。

10. 目前真正具备PMF的AI方向：AI编程

不是AI写文案，也不是AI画图，而是：AI编程 + 自动化工作流。

这类工具已经不是“写代码”，而是在替人“跑流程”：自动刷视频、自动报税、自动填表、自动上传发票

其实质，你不是在“用工具”，你是在“雇佣数字员工”

六、效率鸿沟，已经不是趋势，而是现实阶层分化

这次徒步，最好的一句话其实是：AI带来的不是效率提升，而是效率阶层的断裂

有些人，是10倍效率；有些人，是100倍效率；有些人，已经是“全天候机器级运转”

这种差距不是慢慢拉开的，而是突然断层式分化的

也正因为如此，现场给出的忠告只有一句话：早点用，低调用，用到极致

从AI搜索，到GEO，从独立站到短视频矩阵，从AI编程到效率鸿沟

这次交流最大的价值，不在于“听见了什么”，而在于确认了一件事：未来不是慢慢走来的，是一部分人已经提前抵达