学人简介：徐贲，1950年生于江苏苏州，美国加州圣玛丽学院英语系荣休教授。作者授权首发。

现代人从幼年起进入学校，经历的不只是知识的积累，更是一场长期而系统的“智能训练”。所谓智能训练，是通过结构化的学习，锤炼大脑处理信息、构建逻辑和解决问题的核心能力，目标不在某项具体技能，而在塑造思维本身的肌理。语文与数学是这场训练最基本的两门课程：数学教人在符号世界里严格推演，语文教人在语言里理解世界并表达自己。写作则是语文训练中分量最重的一环。摆在我们面前的问题是，对初学者而言，写作训练的究竟是什么？

直接的回答是：写作训练的，是把含混的念头变成可检验、可负责的话语，这一过程的艰难（学习之苦）不是训练的附带成本，而是训练本身，即人们经常说的“基本功”或“童子功”。

基本功的形成，过去主要依靠长期、反复、独立的写作实践，这一点在AI时代并没有改变。无论技术如何进步，真正的写作能力都不可能完全绕过个人的积累与磨炼。然而，基本功训练的方式、内容和要求，毕竟已经发生了变化。AI既可以成为基本功训练的新工具，也可能成为绕过基本功训练的捷径。关键不在于用不用AI，而在于使用AI的方式是否真正促进了能力的生长。

AI时代，写作基本功的训练有一个其他训练少有的特点：它会把理解的缺口当场暴露给写作者，又允许流畅的文字把这个缺口遮盖起来。初学者最需要学会的是看见缺口，而生成式AI恰恰最擅长遮盖缺口。所以，要说清写作是怎样的智能训练，就必须进一步追问：当AI能够轻易填补语言表达的空白时，初学者如何才能真正学会发现自己的无知、面对理解的困难，并在克服困难的过程中形成独立思考的能力？

一、写作训练的是什么

写作并不是把已经成形的思想装进文字这个容器，而是思想逐渐成形的过程。认知心理学与写作研究早已质疑“先有想法，再用文字表达”的简单模型。苏联著名心理学家、文化历史学派创始人维果茨基（Lev Vygotsky）指出，思想并非单纯被词语表达，而是在词语中才得以完成。美国学者与英语教育家艾米格（Janet Emig）把写作称为一种学习方式，因为它迫使思想线性化、显性化、可被回看。认知心理学家弗劳尔与海斯（Linda Flower and John R. Hayes）把写作描述为在目标、材料与已写文字之间不断循环的问题解决过程，作者是在写的过程中发现自己要说什么。教育心理学家贝赖特与斯卡达马利亚（Carl Bereiter and Marlene Scardamalia）进一步区分了两种写作：复述知识，即把已有内容按顺序写出；转化知识，即在写作中重构自己的理解。写作之所以成为智力训练，靠的是后者。

由此看，写作训练至少包含三项相互关联的能力。第一是成形：把含混的直觉变成可检验的命题，看清它与什么冲突、缺少什么证据。概念清楚、论证完整、反驳有力这类逻辑能力，以及找到真问题、分清轻重真伪的判断，都属于这一项。

第二是组织：在大量可说的材料中决定说什么、不说什么，并安排次序，使论证成为一条路径，而不是一堆材料。段落意识和篇章结构的功夫，主要落在这里。

第三是表达：在一位不在场的读者面前，把话说得准确、有分寸，并为它负责。至于处境感、价值敏感与历史视野这些人文问题意识，则是成形所指向的更高处，因为一个问题值不值得想，取决于作者对世界的感受力。这有点像拉小提琴的音准、节奏、指法、运弓与换把，各是一项基本功，合起来才是演奏。没有这些基本功，AI再能帮忙，也写不出真正上好的文章。

所谓“手搓”或“练肌肉”作文，应当放在这样的智能训练中去理解。它是训练场里被保留下来的那部分，不是对AI的一般性拒绝，更不是怀旧。而且它只有在题目值得写的时候才有意义。我本人小时候并不喜欢写作，直到高中，都觉得解数学题比写作文有趣。那时老师布置的是《我的理想》《记一次春游》《学习雷锋好榜样》《忆苦思甜：血泪斑斑数往事》这样的题目，要绞尽脑汁才能凑满规定的八百字，周围许多同学也对作文心生畏惧和反感。

这样的作文是无谓的“手搓”，练不出什么智能肌肉来：它不指向任何真实的问题，只是消耗时间。我曾拿这些题目去试DeepSeek，几秒钟就能得到一篇交得了差的文章。我问它：“这样的文章有意思吗？”它的回答是：“合格，但不算特别有意思。”不管有没有意思，AI都会给你写，它用效率换取了空洞，用流畅的假象掩盖了思想的干涸。

如果把这类题目原样搬进AI时代，要求学生继续硬着头皮凑字数，所谓“练肌肉”只会沦为没有意义的折磨，只会让学生更快地投向机器。

二、为什么是初学者：缺口会暴露，也会被遮盖

要知道写作作为训练的特殊之处，不妨拿它与数学和体育对照。数学题做不出来，当场就知道；答案错了，错就是错。举重也是如此，举不起来，没有人能自欺。这些训练的失败是显性的，训练者不会误认自己的状态。

写作不同。一篇文章可以句句通顺、段段完整，而其实什么也没有说清。写作者的理解有缺口时，缺口往往以另一种方式出现：写不下去，不知道下一句该是什么，两个概念缠在一起分不开。这种“写不下去”（经常被当成“书到用时方恨少”）的苦恼，是写作者所拥有的最诚实的仪表盘，它告诉人，这里还没有想清楚。

但这个仪表盘有一个弱点：它依赖对写作困难的感知。只要有办法让文字继续流畅地写下去，缺口就看不见了。在没有AI的年代，文字的流畅大体需要付出思考作为代价，因此流畅可以作为理解的粗略证据，教师据此给出的评价也大体可靠。AI切断了这种关联。它能在理解尚未形成时，继续提供通顺的句子和完整的段落，于是“表达的顺畅”与“认识的清晰”第一次可以彻底分家。

所以，初学者最缺的未必是技巧，而是对“我其实没想清楚”的感知。成熟的写作者之所以能边写边修，是因为他心里已经住着一位挑剔的读者，不断追问“你到底想说什么””这一步凭什么成立“”换一个不同意见的人会怎么说”。

写作者头脑里的这个读者不是天生的，而是在无数次写作卡顿、老师指正、作文低分的经历中一点点建立起来的。写作对初学者的核心训练价值，正在于形成这样的“脑中读者”：学会在自己的文字面前，扮演那个不肯轻易放过自己的陌生人。数学训练的是在符号世界里的严密思考，写作训练的则是面对一位不在场的读者为自己的话负责。这是它无法被其他学科替代的地方。

初学者与高手的差别也正在于此。高手已经把这种自我质询内化（当然，也有人当上了教授都缺乏这样的能力）。初学者还没有形成这样的思想习惯，他们要通过想不清、写不出、改不动的“苦学”经历，才一步步建立起这套内在的检验机制。这些经历令人难受，觉得辛苦，却不是训练路上的障碍，而是训练的材料。

三、训练与产出：为什么初学者的写作特别容易被“代劳”

写作与举重都是“训练”，但有一个根本区别：杠铃的训练价值全在举起它的过程，它本身不承担运输、谋生或沟通的任务，没有人需要机器替自己举起一块铁。文章却不同，它既是训练的载体，又是有实际用途的成品，一份作业、一篇报告、一封申请信可以直接满足现实需要。正因为写作有明确的产出价值，人们才有充分的理由让机器代劳。对学生而言，这种动机尤其强烈，因为学校通常依据最终交付的成品，也就是作业来评分。

学校里的作文最清楚地暴露了训练与产出之间的错位。老师并不真正需要学生写出的那八百字《红楼梦》评论，作业的价值在写作的过程，正如同一首曲子，在学生手里是练习，不是演出的成品。

然而长期以来，教育更容易是给文章打分，而不是给形成文章的思考过程打分。在没有AI的年代，成品的质量大体反映写作的过程，除抄袭等少数情况外，学生很难不亲自动笔就得到高质量的作品。

AI让成品与过程脱钩。学生作为理性的行动者，会根据实际的评价标准分配自己的劳动：如果教师只看文章好不好，用AI提高成品质量就是最有效的策略。把这种选择简单归结为学生的道德缺陷，是对问题的误解。教育制度所奖励的结果，与教育希望培养的能力本来就不一致，这种激励错位在抄作业的年代就已存在，只是过去没有暴露得如此明显而已。

“可见性”是学生应付写作的另一个原因。健身房里谁在举、谁没举，一目了然；但除非是闭卷考试，文章并不显示它由谁、如何写成。同一篇文章，既可能出自三小时的苦思，也可能出自三十秒的生成，成品越流畅完整，越难凭文本判断作者经历了怎样的思考。

于是出现一种集体行动的囚徒困境：别人都用AI时，坚持独立写作的人可能在成品竞争中吃亏。个人为获得好成绩所做的理性选择，汇总起来却损害了所有人的训练机会。单纯劝告学生抵制AI工具，改变不了这种局面，只有让训练的过程与能力的形成重新进入评价体系，学生才不必为了成绩放弃本应得到的训练。

四、共笔怎样绕过训练

AI参与写作并不必然削弱学习者的能力，但当它接管学习者原本要亲自完成的认知活动时，会通过几种相互关联的机制绕过训练。这些机制有一个共同点：它们都在移除或遮盖那个暴露能力缺口的时刻。

首先是空白页被填满（破题和初稿）。面对空白页的茫然，是接受训练的起点。不知道写什么，会迫使人检索自己的材料，辨认已有的认识，发现真正值得说的问题，这就是“书到用时方恨少”。AI能解决“书到用时方恨少”，还能提供意想不到的多种可能，它即时给出提纲与开头，把“生成”任务变成了“选择”任务。

学习心理学表明，自己生成的内容比被动接收的内容记得更牢，主动提取也优于重复阅读。在候选方案中挑选，靠的是识别而不是回忆，是认可而不是创造。更隐蔽的影响是锚定是：模型最先给出的框架容易成为后续思考的重心，学生看似仍在思考，实际上可能只是在机器提供的结构里修修补补。问题如何形成、材料为什么值得放在一起、还有哪些不同的解释，这些本应在独立构思中逐渐显现的东西，在动笔之前就被预先决定了。

其次是写不下去的苦恼被消除。前面说过，写不下去是最诚实的仪表盘，AI却能在理解未成时继续提供流畅的文字，学生由此失去发现自己不理解的机会，把表达的顺畅误认为认识的清晰。这种损失发生在元认知层面：学习者不仅没有理解问题，还可能失去判断自己是否理解的能力。一个人知道自己不知道，仍会继续追问；一个人误以为自己已经知道，就不再寻找答案。这种对自身认知状态的误判，比句法、拼写的退化更难察觉，也更难从成品中发现。

第三是写作结构被预制。组织能力的核心是取舍，而取舍往往是从失败的草稿中长出来的：写出一个结构，发现它撑不起论点；换一种安排，发现某些材料彼此矛盾；推倒重来，才明白为什么某种次序更有说服力。结构能力不是记住一篇好文章长什么样，也不是套用“起承转合”，而是在具体论证里知道何处该承接、何处该转折、何处该让步、何处该收束。材料的矛盾、论点强弱的变化、读者可能的疑问、证据的缺口，都会迫使作者调整路径，所以结构往往是边写边生成的。AI能迅速交付一个完整的结构，学生也许学会了模仿文章的外壳，却没有经历形成这一结构所需的判断。外壳可以复制，取舍的理由却不能靠观察获得。长期只见成熟结构、很少亲历结构失败的人，可能越来越善于识别形式上的完整，却未必越来越懂得判断论证是否真正成立。

第四是初学者的语言被过早中庸化。语言模型倾向于提供概率上稳妥、流畅、易被接受的表达。对正在形成自己声音的年轻人，初稿通常笨拙、重复、不够准确，而机器的版本总显得更成熟，这就产生一种“毛坯的难堪”：把尚未成形的自己与已经润色的机器放在一起，很难不动摇。个人风格并不是写作开始前就存在、等待被表达的东西，它往往是在反复试写、失败、修改与选择中逐渐形成的。那些一开始显得笨拙的句子，有时恰恰保留着一个人尚未被现成表达驯服的观察方式。若每次都迅速以更流畅的机器语言取而代之，个人的声音可能在长成之前就被理性地放弃了。

第五是化妆式的修改。真正的修改不只是改善句子，而是重新思考文章：发现论点站不住，可能要改变问题；发现证据不足，可能要放弃原有结论；发现两个概念并不相同，可能要重排整篇结构。修改因此既是语言工作，也是认识活动。AI擅长句子层面的润色，让文章更流畅、更紧凑、更合规范。这些帮助当然有价值，但如果学习者满足于表面的改善，就会绕过更艰难的深层重构，文章越来越好，作者的理解却没有同步改变，文本质量的提高反而掩盖了思考的停滞。

最后是范文的变质。范文历来是学习写作的重要部分，它提供了一套可辨认的标准：什么算完整，什么算有层次，什么算准确。但范文是成品，成品天然隐藏形成的过程，没有草稿，没有犹豫，没有写不下去的时刻，也没有作者站出来解释某一段为什么删掉。读范文最容易学到的是识别标准，而不是生成能力。传统范文至少有可追溯的作者、可还原的语境和教师可以拆解的取舍，AI范文把这层入口也抹平了：平滑、完整、稳妥，没有犹豫的痕迹，也没有可以解释判断的作者。学生越读越容易把“我看懂了”当成“我会写了”，于是鉴赏力先长起来，生成能力却停在原地。陆机的“非知之难，能之难也”在这里正好适用：范文训练最容易训练的是“知”，而“能”只能在写、改、失败、重写中长出来。眼高手低本身不是问题，眼高是方向，手低是现状；真正有害的，是只读不写，把识别当成创造，用范文的流畅掩盖自己的困难。

尽管如此，这些机制并不足以证明所有AI辅助写作都有害。在初级和中级阶段，尤其是“良师不可得”的时候，AI同样可能真实地帮助学习者。面对难以展开的题目，它可以提供意想不到的切入角度；学生有观点却不知如何组织时，可以比较不同的结构，学习怎样安排论证的先后；段落衔接生硬时，它可以示范过渡；词汇贫乏、表达生涩时，它能提供更成熟准确的范例。这些都是真实的学习资源。但帮助能否转化为能力，很大程度上取决于学习者的“天赋”，也就是悟性、求知欲，以及他是否愿意追问示范背后的道理，而不只是收割现成的答案。

再优秀的“良师”也从来不能把所有学生都培养成写作高手，同样的AI也不会对每个人产生相同的效果：有人从一个破题思路中学会了如何发现问题，有人只记住了现成答案；有人借助示范逐渐形成自己的表达，有人则越来越依赖机器替自己措辞。事在人为，因人而异。既不能因为有风险就否定AI的教育价值，也不能因为它改善了文章，就认定它促进了能力。人从来就有天赋的差别，会写文章的始终是少数，优秀的更是凤毛麟角，AI时代也不会例外。

五、良师与脚手架：让缺口保持可见

把AI挡在今天的学生写作教育之外，既不可行，也未必有益。中学生或大学生已经在使用这些工具，简单禁止只会让使用转入地下，使真正需要指导的环节失去被看见的机会。更关键的是，同一个AI在不同的教学设计下，效果可以截然不同：它可以直接交付提纲和初稿，把思考的过程整个绕过；也可以充当提问者、反方和陌生读者，迫使学生解释自己的选择、回应反驳、补上论证的缺口。前者是代笔，后者是共笔练习。决定它成为哪一种的，不是工具，而是有没有人来设计、监督和调整这个过程。

这个人就是“良师”。良师在这里不是泛指一位好老师，而是一种有判断力的中介：他知道能力形成的顺序，知道哪些困难必须保留，知道AI应在什么位置、以什么方式介入，以及介入之后如何检验学生是否真正参与了判断。高阶的能力不能一下子从二楼起步，但一楼到二楼之间的楼梯，可以由良师来设计。

发展心理学家伍德、布鲁纳与罗斯（David Wood, Jerome S. Bruner, and Gail Ross）在《辅导在问题解决中的作用》（The Role of Tutoring in Problem Solving）中提出的“脚手架”，是指导师在学习者的能力边缘提供支持，并随能力增长逐步撤除。脚手架的本质是可撤除。假肢则不同，它替代某种功能，目标是持续使用。把AI用作假肢，对已经失去某种能力的人也许是福音，对本应逐步形成这种能力的人，却可能使它长期得不到发展。判断一种用法是脚手架还是假肢，最简单的标准是：它让学生的写作能力缺口更可见，还是更不可见。依据这一标准，良师的做法可以归结为几条朴素的原则。

其一，先写后用。学生先独立完成初稿，哪怕文字笨拙、结构不完整，再引入AI进行质询、对照与扩展。这样的顺序能够保留学生独立构思、暴露问题的机会。如果机器在动笔之前就交付完整提纲与初稿，学生便可能直接跳过最初的思考过程。

其二，角色置换。AI应更多地充当提问者、反方与陌生读者，而不是直接成为作者。它可以指出论证的缺口，提出有力的反驳，追问某个概念的含义，迫使学生解释自己的选择。这样，“被替代的劳动”才可能转化为“被激发的劳动”。已有研究提示，带护栏的辅导系统之所以能够缓解学习损害，一个重要原因也是它不直接提供答案，而以引导方式支持学生解决问题。

其三，保留空白。课程应明确划定一些需要学生独立完成的环节，例如最初的问题构想、第一稿的核心论证，以及关键段落的重写。困难并非都应被消除，其中一些正是能力形成的条件。

其四，逐步撤除。随着学生能力提高，可以逐步放宽AI的使用范围，让他们从独立构思、局部辅助，逐渐过渡到更成熟的人机共笔。脚手架的价值不在于让学习者永久停留在有人帮助的状态，而在于使他最终能够独立完成原本无法完成的任务。

其五，过程可见。口头答辩、当堂写作、保留草稿与阅读笔记等方式，可以让评价不再只依赖最终成品，而能部分反映学生如何形成观点、修正论证和作出判断。口头答辩尤其有价值，因为学生必须现场解释自己的概念与选择。不过，任何单一方式都不足以证明独立能力，这些方法需要相互补充，才能更可靠地呈现学习过程。

在此基础上，学生还应当能够说明自己的判断依据：为什么接受AI提出的某项修改？为什么拒绝另一项看似合理的建议？AI指出的哪个问题改变了自己对原文的理解？哪些结论是自己通过材料分析得出的，哪些仍有疑问？这些问题能够检验学生是否真正参与了判断，而不只是直接首个机器提供的答案。

六、训练场、“手搓”与公平

写作教育需要明确区分练习与成品，也就是训练与比赛。运动员在比赛中可以使用最先进的装备，训练中却常常遵循有意设置的限制，因为训练的目的是增长能力，比赛的目的是展示成绩。

认知心理学家艾利克森（K. Anders Ericsson）等人关于刻意练习的研究表明，专家水平来自在能力边缘进行的、有反馈的、专注的练习。写作教育应有自己的训练场：在训练场上，困难和吃苦是需要保护的资源，学生有机会独立构思、反复修改并接受针对性的反馈。传统上，“练笔”与“作品”本来就是两回事，AI时代需要重新确立这一区分，而不是让训练完全服从成品生产的逻辑。

但训练场的建立，只解决了学生有没有机会锻炼的问题，还没有解决另一个更棘手的问题：当学生最终走出训练场，进入同一套评价和竞争体系时，怎样才能既承认AI辅助带来的现实差异，又不让这些差异掩盖真实的能力差距？如果说训练需要有意设置限制，那么评价就必须说明这些限制究竟为了什么，以及不同学生是否拥有大致平等的训练机会。否则，强调独立训练可能沦为一句正确却难以落实的口号，而对AI使用的监督，又可能把教育引向另一种不公平。评价制度还必须避开两个极端。

一是依赖AI文本检测来执法。检测工具既不稳定，又容易误伤，把教育变成猫鼠游戏，只会腐蚀师生之间的信任，更可靠的路径是改变评价设计，而不是不断增加监视。

二是把“无AI训练”变成昂贵的教育特权。小班研讨、一对一批改与口头答辩需要大量教师时间，精英院校较容易提供，大规模的公立与职业院校却难以承担。如果只有少数学生能接受充分的独立训练，AI带来的就可能是认知能力的进一步分层：一部分人通过系统训练形成扎实的判断力，成为能与机器共笔的作者；另一部分人主要学会使用机器生产文本，却缺乏检验文本的能力。这是美国私校与公立学校的一个重要差距。

防止这种局面，需要把写作训练视为公共投入，为教师的时间和高质量反馈提供资源，并长期追踪不同背景的学生在无辅助条件下的写作表现，让能力分层的迹象能被看见，而不是被遮蔽。不过在现有的条件下，不容易做到。

七、重新理解“智能训练”

训练与生产是两回事。在传统的知识工作中，完成任务与形成能力长期交织在同一个过程里，人们因此习惯以产出衡量智力。AI正在把两者拆开：任务可以由机器完成，人的能力却仍须通过学习与实践形成。教育与评价的重心因而需要从产出转向能力的形成。除了问“你交出了什么”，还必须问“你通过这个过程学会了什么”，以及“离开工具之后，你还能独立完成什么”。

学习写作的困难和吃苦不是需要清除的成本，而是训练的材料。认知心理学家比约克（Robert A. Bjork）把那些能促进养成真正“理解”的挣扎称为“合意的困难”（desirable difficulties）。技术可以消除许多不便，却不能仅凭消除不便，就保证理解发生。一个把所有困难和吃苦都视为应当外包的成本的社会，最终可能得到一个产出丰富、判断力却未必同步增长的共同体。教育必须区分无谓的障碍与必要的挑战：前者应当消除，后者则需要经过设计和保护。

AI时代的智能训练，重心确实在从信息记忆与机械执行，转向提问、鉴别、整合与担责。但这些高阶能力需要扎根深广，它们往往以长期阅读、亲自处理材料、经历失败与反复修改为基础。

成熟作者的人机共笔，并不意味着基本功已经过时，而是意味着基本功可以被用于更高层次的探索。要让下一代也能享有这种合作，就必须保证他们有机会积累相应的经验。与此同时，教育也应探索新的训练方式，检验AI能否通过高质量的质询、反馈与反驳，帮助学生形成过去难以获得的能力。

写作的社会意义正在发生重大变更。当机器能够大量生产文章，文本本身不再像过去那样稀缺，真正稀缺的是能够独立思考、审慎判断并为自己的话负责的人，同时也是真正有“识货”和“验货”能力的把关人。写作的价值不能只用制造了多少文本来衡量，还应当看它造就了怎样的写作者。对初学者而言，更重要的或许不是期待普遍的写作“悟性”或“才能”，而是通过更好的训练场设计，让更多原本缺乏写作能力或容易被AI流畅假象蒙蔽的人，有机会真正看见自己的智能缺口，成为还说得过去的写作者。