不必为了学习而少用AI。文中举过一个实验情形：只给提示的那组，练习成绩提升更多，考试也没有损失，说明同一个工具，用法不同，学到的也不同。它把AI比作站在身后的保护员：不是替你举，而是在你快撑不住时托一把。配环境、申请token、调端口这类消耗意志力却不长本事的“假困难”，可以交给工具；真正该自己扛的是判断：这件事值不值得做、怎么拆、做出来的东西好不好⁠1。

这套用法有三个动作：动手前先写下自己打算怎么做、觉得哪里会出错，再对照AI的结果；过一两天关掉AI重做一遍，或讲给别人听；再改一个条件，比如换一批数据、加一个约束，看还会不会。前一步让你有机会犯错，后两步检验错误有没有变成你的能力⁠1。

AI最危险的时候，是它做对了，你以为自己也会了。学会的感觉和真的学会常常相反：自己先做、卡过壳的学生学得更多，却觉得自己学得更少⁠2。所以检验标准是可迁移性——换任务、换工具、换领域还能交付，才算真会⁠3。

这也解释了为什么只看教程、抄作业效果有限：它们替你完成了建模、拆解、验收、诊断这些最重要的部分，你只是在走流程⁠3。不过这不等于否定动手做项目。有文章明确说build是学AI最好的路径，只是学习项目的目标是获得认知，而不是把它当成能长期依赖的生产系统⁠4。