从人工智能，到真才实学

智能是输入，不是目标

很容易被这些模型的能力晃花了眼。但一件工具的好坏，取决于它在使用者身上留下了什么。一个替你思考的计算器，只会让你更不会思考。

我们只用一件事来衡量自己：这场对话之后，孩子是不是比之前更懂了？

「懂了」是什么样子

「懂了」不是一种熟悉感，而是一种此前没有的能力——不靠帮助，去解一道没见过的题。能背出分数加法法则的孩子，存下了一句话；能算出一道没人教过的分数题的孩子，建起了一样东西。

所以我们盯的是行为，不是感觉：孩子能不能用自己的话把概念讲回来？能不能赶在教练之前发现自己的错误？几天之后再测，当课堂的新鲜劲已经褪去，这项技能还在不在？我们的徽章只标记这些时刻——也只标记这些时刻。

这个词背后的机制

「真才实学」当口号很平庸，当规格说明书却很好用。OpenKids 里的每一个机制，不是为了产生它，就是为了验证它。教学契约负责产生：教练先问孩子试过什么，陪他走一步，再把下一步交回去——因为理解，只会在伸手去够的那个人身上长出来。

学校的其余部分负责验证。错题本记下每一个误解；每日挑战隔几天把它带回来，看它是不是真的被修好了；学习者模型把站得住的东西从一个学科带进下一个学科；每周报告用大白话告诉你：孩子这周能做到、上周还做不到的，是什么。

先产生，再验证。只做前者的产品是在猜，只做后者的产品是场考试。真才实学，两样都要。

慢的那个指标，才是诚实的指标

先承认一个商业上的事实：这样做，演示效果更差。秒回答案的聊天机器人，在三十秒的视频里像个奇迹；用问题回答问题的教练，在匆忙的旁观者眼里，像是花同样的钱买到了更少的东西。

可教育里每一条漂亮的捷径，都印着同一行小字：功夫终究要发生在孩子身上。屏幕时长、消息条数、答案数量——这些都可以一路上涨，而学习者原地不动。唯一造不了假的数字，就是我们选的那一个：离开我们，孩子能做到什么。

它涨得慢，它很难截图。它也正是全部的意义。

一整所学校，一条原则

从数学到写作到编程，我们做的每一位教练都服从同一条原则：让学习者比遇见我们之前更有能力、更有好奇心、更独立。这就是「真才实学」的含义——也是唯一值得为之努力的结果。