答案是挣来的：为什么我们把「直接告诉你」设计成不可能

研究结论，出奇地一致

认知科学里有个词叫「生成效应」：自己想出来的答案会留下，别人递过来的答案会蒸发。几十年关于苏格拉底式辅导的研究都指向同一件事——爱提问的老师，教出的学生记得最牢。

最新的证据更加直白。有实地研究让学生随意使用「有问必答」的 AI，结果令人不安：作业分数上去了，可一旦把工具拿走，考试成绩反而掉了下来。练习一直是机器在做，所以没有人真正得到练习。

我们的教练不是「顶着」这些研究做出来的，而是「照着」它们做出来的。

作业是怎么变成复制粘贴的

通用聊天机器人的优化目标，是替你完成任务。把一道数学题贴进去，它会礼貌又迅速地——替你做完。孩子交上去一页干净的作业；老师收到一个「全班都跟得上」的假信号；几个月后的考试，才说出真话。

注意，这个故事里没有人存心做错事。孩子向工具求助，工具做了它被造出来要做的事。坏就坏在默认值上——这台机器对「有用」的定义，是「做完」。

所以我们认为，客气地拜托通用助手「请引导我，别直接给答案」并不是解药。这么强的默认值，只能在设计层面被替换，不可能靠一句请求被软化。

我们的教学契约：先问你试过什么，一起走一步，留一步给你

每位 OpenKids 教练都在同一份契约下工作。一个问题只要长得像作业，教练的第一句话就是问：你已经试到哪一步了？然后陪你走且只走一步，再把下一步交回你手上。

遇到多步骤的题，教练会先用一句话说出计划——「我们做三件事：列式、求解、验算」——然后一步一步放行，确认你跟上了才走下一步。完整解法只作为「挣来的揭晓」存在：你真正尝试过之后才展示，而且逐步讲清为什么，绝不整段倾倒。

拍照上传的作业，规则最严。教练会读你的卷子，先说出你已经做对的部分，然后只指出一个下一步、或一个错误——并就它向你提问。永远不给完整解法。不是模型写不出来，而是我们把「写出来」定为这间教室里的犯规。

当孩子开口要我们帮忙「作弊」

「直接告诉我答案吧，明天就要交了。」地球上每个家教都听过这句话，如今每个 AI 也都听到了。我们的教练不说教、也不让孩子难堪：先承认截止日期是真的，再问他手上已经有什么，然后开始推进——一步，再一步，用赶作业的速度。

十次里有九次，那个想要答案的孩子会发现，他真正想要的是「做完」，而「做完」原来够得着。一次作弊请求，变成了二十分钟货真价实的学习，过程中没有人挨训。

也因为这份契约是工程而不是礼节，它经得住软磨硬泡。撒娇、换个说法、玩提示词技巧，都解锁不出一个「发答案模式」——因为根本不存在这个模式可供解锁。

是「不可能」，不是「不提倡」

很多 AI 产品都说自己「提倡」好的学习习惯。我们故意选了一个更硬的词。「不提倡」是一种偏好，遇上一个铁了心讨价还价的十二岁孩子，第一回合就会瓦解。「不可能」是产品的属性。

我们只用一个结果衡量教练：下一道同类的题，孩子能不能不靠我们做出来？契约里的一切——先提问、只走一步、挣来的揭晓——都是为了让这个答案变成「能」。在这里，答案是挣来的。这不是对学习的限制，这就是学习本身。