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。

人工智能全面介入知识生产之后，人文学科和人文写作面临一种结构性的张力。AI能以极快的速度处理文献、生成初稿、梳理论证线索，探索成本因此大幅下降。但这种能力的普及，也可能侵蚀人文判断力赖以形成的路径。

由此产生“学徒悖论”的第一重含义：人文研究的高阶人机共笔，需要已经具备深厚学养和高阶判断力的人；而高阶判断力，传统上是由大量看似低阶、缓慢、孤独的劳动沉积而成的。最需要AI帮助的人，往往学养不深，基础研究能力薄弱，也最缺乏分辨AI输出深浅真伪的能力。

这一悖论并非AI时代技术的偶然副作用，而是人文写作在能力形成、责任归属与学术再生产的链条上，被巨无霸智能机器急剧放大之后的必然显影。要理解它，不能只停留在当下的技术争论，还应回到人类文明长期积累的制度经验，也就是师徒制。

几乎所有需要长期训练才能掌握的复杂技艺，都发展出相似的规则：师傅能做的事，徒弟做不来或不可以做；即便徒弟已有同样的实际能力，制度仍可能禁止他以独立身份行使，直到他“出师”。

学徒悖论还有第二重更加尖锐的含义：学徒的未来比师傅长得多。师傅的学术生涯已经接近尾声，或者其学术地位和研究路径早已定型。AI改变知识生产方式，未必会从根本上动摇他们已经积累的学术资本。学徒却要在此后三四十年里，在AI已经成为知识生产基础设施的环境中立身。就长远利害而言，人机共笔对学徒的重要性远远超过对师傅的重要性。

数学界正在发生的变化尤其值得注意：受到冲击的并不主要是菲尔兹奖得主那样已经建立起学术地位的顶尖学者，真正受到挤压的，是处在学术阶梯中层的年轻数学家和学徒。他们原本需要通过解决一系列具有一定难度、但尚未达到重大突破程度的问题，逐步积累研究能力、建立学术声誉，并获得职业位置。现在，这些中等难度问题可能越来越多地被AI解决，原本承担着训练、筛选和职业晋升功能的问题空间正在收缩。顶尖学者可以借助AI扩大自己的研究能力，学徒却可能发现，自己赖以成长的中间阶梯正在消失。

问题因而不只是AI能否帮助学徒做研究，而是AI时代还会不会为他们保留一条从学徒成长为师傅的道路。本应由学徒为自己争取AI时代的正当成长机会，可偏偏在这件事上，最有条件公开争辩的是师傅，而处境最不利于发声的恰是学徒（详见第五节）。

第一重悖论关乎能力如何形成，属于认知层面；第二重悖论关乎正当性由谁来争取，属于制度层面。两者合起来，才是学徒悖论的完整面貌。

范围与情境：关于“当下”的反思

这里讨论的，是人文社会科学的研究性写作，包括学术论文与学术专著，其价值在于问题的提出、论证的构造、对文本与史料的解读，以及由此产生的思想贡献。文学创作不在讨论之列。文学中，语言本身就是作品，措辞、节奏与声音的每一次选择都构成作品的一部分，AI参与所引出的问题与研究写作并不相同。新闻、公文、商务等其他写作类型，也不在讨论范围之内。

人文学科的研究写作正面临一个现实困境：许多人对AI参与学术写作抱有怀疑乃至排斥态度，其中相当一部分出于情绪和习惯，未必经过深入的理性思考。一句“AI写的”，“AI味太浓”，“文章有10处‘不是，而是’”，便可能成为全部的否定结论。于是，写作者无所适从，注意力发生明显偏向：从提升内容的思想质量，转向检视文字上有没有“AI痕迹”，例如套话式的过渡、整齐的排比、四平八稳的腔调。这种对文字表层的过度关注，不妨称为“文字整容”。它不仅遮蔽了AI在资料检索、结构梳理、语篇润色等环节的建设性价值，也让真正该讨论的问题——如何在恪守学术诚信与伦理规范的前提下建立清晰的使用边界——反而无人认真对待。

以“AI查痕”代替认真阅读、思考和知识品质验货，至少有三处可议。其一，文风恰恰是最容易修饰的东西，几轮改写就可能抹去所谓的“痕迹”，结果反而奖励擅长遮掩的人，惩罚坦率披露的人。其二，它偏离了研究价值本身：一篇没有机器痕迹的论文，可以空洞无物；一篇经过机器参与的论文，也可能包含真切的发现。其三，人类写作自有套话传统，“八股”并不需要机器来发明。真正值得追问的始终是研究本身：它读懂了什么，论证了什么，带来了什么新的认识，作者能否为之负责。评判的重心应当回到这些问题上。

行会传统：延迟自由与延迟话语

中世纪至文艺复兴时期的欧洲行会，为师徒不同的规则提供了一个典型范本。学徒的训练期往往长达数年，甚至七年以上，其间通常不能独立经营，也不能以自己的名义开设店铺。学徒完成的产品往往以师傅或工坊的名义出售，收入也由师傅掌控。即便学徒已经能够独立完成高质量的作品，也未必有权将其独立推向市场。只有晋升为熟练工，并提交“杰作”（masterpiece）通过行会评审，才可能获得独立执业的资格。

佛罗伦萨的艺术工坊体现了这一逻辑。据乔尔乔·瓦萨里（Giorgio Vasari）在《艺苑名人传》（Lives of the Most Excellent Painters, Sculptors, and Architects）中的记载，年轻的列奥纳多·达·芬奇在安德烈亚·德尔·韦罗基奥（Andrea del Verrocchio）的工坊学艺时，曾在《基督受洗》（The Baptism of Christ）中绘制一位天使，其技艺据说令师傅相形见绌。这类故事的细节未必处处可考，但它所呈现的工坊逻辑值得注意：订单由大师承接，作品依托工坊的声誉交付，大师也以自己的行业信誉为整幅作品，包括学徒完成的部分，承担最终责任。这不能一概视为剥削，它也体现了知识与产权在师徒之间的阶段性分配，以及行业对能力可信度的维护。未经充分检验的能力若可直接进入市场，受损的可能不只是个别作品的信誉，还有整门手艺的公信力。

中国传统技艺与医道传承也呈现出相似的逻辑。明清景德镇瓷器名冠天下，名器上却少见单个工匠的姓名，产品往往以堂口或官窑的名义出品。传统匠作与中医师承都讲究次第：学徒从杂务与经典入手，继而侍诊、观摩，最后才独立应诊或承接活计；核心技艺与诊法的传授，也与徒弟能否承担相应责任密切相关。现代专业训练在某些方面延续了这一逻辑：住院医师不能未经相应训练与授权便独立实施高风险手术，实习律师的执业权限受到限制。在这些场景中，决定一个人能否独立行事的，不只是知识或技艺的高低，还有责任能否由其独立承担。师傅的关键角色，不仅在于技艺高超，更在于必要时由他承担最终责任。

这些跨文明、跨时代的制度经验揭示出一条基本原则：能力的形成需要时间，不能仅凭成果购买或直接复制。文明创造的不只是学习制度，还有一种“延迟自由”：一个人即便已表现出相当的能力，也未必能立即获得相应的独立资格，而须继续接受训练与检验。这并非对平等的背离，而是试图确立一种不因出身、天赋或财富而轻易改变的标准：独立资格必须有相应的能力作为依据。

然而，这套制度还有一个常被忽略的侧面：规则由谁制定？行会的治理权主要掌握在师傅手中，学徒是规则的承受者，而非制定者。延迟自由因此也意味着“延迟话语”：学徒出师之前，不仅不能独立行使某些权利，也缺乏参与制定规则的地位。在技艺相对稳定的时代，这种安排未必立即构成问题，因为规则变化缓慢，师傅今日遵循的规则，大体也是学徒将来需要遵循的规则。但当技术剧烈变动、旧规则亟须重订，而制定规则的人与承受规则的人又分属不同代际时，延迟话语就可能成为严重的问题。

从制度规则到认知依据

当古老的制度智慧遭遇AI，问题便从外部规范深入认知形成的过程。AI使一个尚未完成认知成长的人，也能产出足以呈现成熟能力的成果。结果与能力开始大规模脱钩，“做不到”这一最直观的认证机制由此失效。受到冲击的并非师徒制本身，而是“出师”这一认证环节：它原本是文明把能力转化为资格、把资格转化为责任，再把责任转化为社会信任的关键节点。

在人文研究写作中，这一冲击尤为尖锐。判断力来自多年的阅读与写作。如果这些劳动越来越多地由机器分担，判断力靠什么形成？高阶共笔需要高阶的人，而高阶的人又是由大量基础性劳动造就的。倘若AI只帮助成熟学者降低探索成本，却使未来的学者失去形成判断力的过程，它最终消耗的，正是自己赖以发挥作用的创新主体。

这种担忧并不新鲜。柏拉图在《斐德若》（Phaedrus）中借苏格拉底之口批评文字，认为文字给人的是智慧的外观而非真知，使人看似博学，实则缺乏理解。古人曾忧虑外部介质会带走记忆与思考，但历史最终证明，文字并未消灭思想，反而重塑了思想的形态：它从单纯的“记忆外包”沉淀为了高级思维的构成要素。然而，今天的生成式AI与以往任何外部工具的本质区别在于，它不仅外包了记忆，更试图外包“生成结果的路径”。因此，关键不在于外包本身是否有害，而在于哪些东西一旦外包，就难以通过其他方式补回。对此，必须严格区分后勤之苦与构成之苦。查找出处、核对格式、整理材料，属于后勤性劳动，没有理由将其神圣化；而细读一部艰深的原典，在沉默中与一个问题相处数年，则属于构成性劳动，它塑造的是学者的感受力、问题意识与判断尺度。

这种区分有着深刻的认识论依据。亚里士多德在《尼各马可伦理学》中，将“实践智慧”（phronesis）与单纯的理论知识作了严格区分，强调判断力无法写成规则手册，只能在具体实践的浸润中养成；吉尔伯特·赖尔（Gilbert Ryle）在《心的概念》（The Concept of Mind）中，则切中要害地将这种能力界定为“知道如何做”（knowing-how），以区别于可被文本明示传递的“知道是什么”（knowing-that）。到了休伯特·德雷福斯（Hubert Dreyfus）与斯图尔特·德雷福斯（Stuart Dreyfus）合著的《心智胜过机器》（Mind over Machine）那里，这一思想进一步发展为著名的技能获取模型：人类最高阶的判断力绝非算法规则的叠加，而是历经无数次试错后生成的情境直觉。

正因如此，真正的默会能力无法通过仅仅阅读成果来复制。AI能够高效提供的是明示的产出：一段流畅的文字，一条看似严密的论证，这些充其量不过是精致的“知道是什么”。然而，产出的结果往往抹去了能力形成的全过程。一个人可以读遍大师所有的成品，却若从未在真实的困境中经历过大师在取舍之间的犹豫、反思与抉择，就难以越过规则的阶梯，触碰并获得那种深层的实践智慧。

朱熹有诗云：“旧学商量加邃密，新知培养转深沉”（《鹅湖寺和陆子寿》）。“商量”与“培养”在此形成分工。AI可以极大地助益“商量”，使旧学更加邃密；“培养”则需要时间、孤独与身体性的沉浸，不能由机器代替人来完成。机器能压缩探索的时间，却不能替人经历成为判断者的过程。

由此可以划出三个不可外包区：原典的亲自细读、问题意识的最初形成，以及最终裁断与文体承担。这三个环节对应着人类实践智慧无法被算法化约的底线。这并不意味着它们完全不能借助AI，而是说最终的判断权不能交给AI。共笔越高阶，这三处反而越重要，因为它们分别关乎提出问题的主权、拒绝的权力与最终的责任。从未亲自形成过问题的人，只能在别人给出的问题中挑选；没有在文本中长久居留过的人，拒绝便只是口味，而非判断；署名所承担的，也从来不只是文字，还有文字所选择的那一种说法。

人机共笔实践样品，是先行而非终点

在制度规则与认知依据的双重支撑下，有必要明确提出一种新的写作形态：人机共笔。它既不是传统意义上的纯手工写作，也不是代写或幽灵写作，而是一种真正的协作：人保持对问题、原典与最终裁断的主权，AI承担后勤劳动，并在“商量”的层面提供碰撞与启发。

这种高阶共笔，尤其需要人文研究经历丰富的资深学者先行探索。漫长的研究与写作积累，使他们形成了相对稳定的问题意识与判断尺度，能够在AI流畅的文本中辨认出问题，坚持自己的立场去挑战机器的建议，并以长期积累的学术信誉为成果担保。

资深学者的优势，还在于他们能够把共笔实验转化为公共资源。他们所探索的，不只是个人如何更有效地写作，还包括人文学术的哪些环节可以借助AI，哪些能力必须由人亲自形成，新的训练规范又该如何建立。把这些经验与问题公开出来，供后来者检验、讨论和修正，本身就是一种学术贡献。并非每一位资深学者都愿意投入这样的实验，他们完全可以选择少做甚至不做。这也使得那些愿意承担探索风险、把个人实践转化为公共经验的人，变得更加难能可贵。如果没有人愿意或敢说真话，虚假的共识便可能演变成集体盲从，沉默的代价最终将由所有人承担。

资深学者的人机共笔只是先行：他们是在为后来者探路，试出哪些环节可以放手，哪些环节必须守住，使一套可传授、可检验的规范逐渐成形。但若把共笔永远留给资深者，它就会成为又一道行会壁垒，仿佛只有资深者才有资格探索。资深也不意味着免疫：长期倚重流畅的机器文本，资深者同样可能逐渐钝化鉴别力，把熟练误认为洞察。因此，真正的资格不只在年资，更在于能否以确实的实验作品为担保，持续证明自己掌握着判断的主权。

第二重悖论：谁来为学徒争取未来

人机共笔的实践还有一个更深层的方面：这种写作方式的正当性，由谁来争取？对所有人来说，这都意味着如何承担争取所带来的后果。

一项规则的后果由谁承受，本应是谁最有资格参与制定它的重要依据。然而在AI与人文写作的问题上，规则的制定者与承受者几乎是两批不同的人。今天决定“AI辅助是否算学术不端”“披露使用是否构成减分”的，多是已经完成学徒期、职业生涯不再依赖这一判断的师辈；真正要在这套规则下度过整个学术生涯的，却是此刻身为博士生、博士后和青年教师的一代。

两代人对未来的贴现不同，立场自然不同：师傅的时间短，习惯的成本高，对新工具有天然的保守理由；学徒的时间长，新工具若被长期污名化，付出代价的将是他们此后数十年的研究生活。这种代际不对称，使学徒悖论从认知问题进一步转为制度问题。

在AI共笔问题上，学徒是沉默的一群：他们私下偷偷运用，却不敢公开吱声。对他们来说，不用AI便意味着被淘汰，公开使用却可能招致怀疑。评审者与规则制定者往往是同一批人，而学徒的论文、学位、推荐信与评聘，都掌握在这些人手中。学徒是被评判者，披露的成本因而极不对称：坦承使用AI的人要承担被怀疑的风险，隐瞒者却几乎不付出代价。结果，诚实反而可能成为一种惩罚。

沉默由此形成自我强化的循环。伊丽莎白·诺埃尔-诺伊曼（Elisabeth Noelle-Neumann）在《沉默的螺旋》（The Spiral of Silence: Public Opinion—Our Social Skin）中提出的“沉默的螺旋”，描述的正是这种现象：人们一旦认为自己的看法属于少数、可能因此遭到孤立，便倾向于不再表达；而表达者越少，这种看法就越显得孤立，沉默也就越难打破。在AI共笔问题上，许多人可能都在私下使用，却各自以为只有自己如此；本来存在的实践，反而因为缺乏公开表达而变得不可见。

阿尔伯特·赫希曼（Albert O. Hirschman）在《退出、呼吁与忠诚》（Exit, Voice, and Loyalty）中，把组织成员面对衰败的反应概括为“退出”（exit）与“呼吁”（voice）两种。对人文学科的学徒而言，退出意味着放弃学术道路，呼吁意味着拿前程冒险，二者都过于昂贵，于是出现第三条路：隐蔽地使用。

这恰恰是最糟糕的结局。禁而不止，只是把使用推入暗处，使用者得不到指导，没有共同的规范，也无从披露，更谈不上被检验。学徒制的要义，原是让技艺在师傅的眼皮底下练成；一种被迫在暗处练成的技艺，既失去纠错的机会，也失去传承的渠道。沉默并没有保护构成性劳动，只是让构成性劳动与AI的关系变得不可见、不可讨论。

由此，师傅的责任需要重新界定。责任不可外包的古老原则，过去体现为师傅以自己的名誉担保学徒的作品；在这个问题上，它还应延伸为以自己的名誉担保学徒的正当探索。

具体而言，师傅的任务至少体现在三个方面。

• 第一，公开发声，为人机共笔争取正当性。资深学者、退休教授、资深编辑和专业人士，应当主动站出来，把人机共笔明确界定为一种正在形成、需要认真研究和规范的新型写作实践，而不是任由它被归入抄袭、代写或学术不端的范畴。他们可以通过发表文章、公开演讲、接受访谈、分享自己的实践经验，具体说明人如何提出问题、设定方向、筛选和核验AI生成的内容、修正论证并承担最终责任。尤其重要的是，他们应当公开反对以AI检测分数、文风特征或所谓AI腔作为判定作者是否真正参与写作的依据。师傅之所以需要承担这项任务，正是因为他们有足够的专业积累和社会信誉，不必再把职业前途押在一套尚未成熟的评价规则上，因而更有条件承受率先发声的代价。
• 第二，在实际评价中保护诚实披露者。仅仅鼓励公开使用AI是不够的，关键是不能让坦诚披露的人反而处于不利地位。导师、论文评审人、学位委员会成员、期刊编辑和职称评审专家，可以从评价标准上作出调整：不以是否使用AI作为简单的加减分依据，而是考察作者是否真正掌握研究问题，能否解释关键概念和论证过程，是否核实事实、文献与引证，能否回应质疑并对最终成果承担责任。对于主动披露AI参与情况的作者，不应仅仅因为披露本身而受到额外怀疑；对于声称独立完成、实际上无法解释作品核心内容的人，则应当追究其责任。这样才能逐步改变一种不合理的激励机制：隐瞒者获得保护，诚实者承担风险。披露也才能从一种可能招致惩罚的自我暴露，转变为值得信任的专业行为。
• 第三，把负责任的人机共笔落实为可执行的制度和训练。这不能停留在原则宣示上，而应当进入具体的教育、评审和出版程序。例如，学位论文答辩可以增加AI使用情况的专项询问，要求学生说明AI参与了哪些环节、如何选择和修改生成内容、如何核实文献和事实、哪些关键判断由自己作出。答辩委员不只是询问有没有使用AI，还要追问为什么这样使用、如何判断其输出是否可靠。这可以借鉴中世纪大学的辩难（disputatio）传统：通过公开质询检验一个人是否真正理解并能够捍卫自己的论证，而不是把注意力集中在文本究竟由谁敲出来。期刊和学会则可以制定分层披露规范，区分资料检索、构思讨论、语言润色、初稿生成、论证辅助等不同参与方式，并明确作者对事实、引证和结论承担的责任。大学的培养方案也应当设置相应训练，让学生学习如何提出问题、向AI提出有效指令、比较不同答案、识别错误、核验来源、修正论证，以及在必要时拒绝AI的建议。换言之，要把负责任的共笔从一种不便公开的灰色实践，转变为有明确规则、有训练过程、有评价标准、也有责任边界的正式能力。

这三项任务彼此关联：公开发声改变社会认知，评价机制改变行为激励，制度建设则使新的实践获得稳定的生存空间。师傅真正要做的，不是替年轻一代扫清所有障碍，更不是替他们完成写作，而是利用自己的专业积累和制度经验，为他们争取一个可以公开学习、诚实实践、接受检验而不必首先自证清白的环境。

必须看到，这里提出的解决方案——资深者公开实验与担保、评价转向判断审查、学徒参与规则制定——在逻辑上成立，但在当前学术评价与权力结构中，实施成本与阻力都很大。它更像一份诊断清楚的问题说明书，而非已经具备充分可操作性的改革方案。这并不减损它的价值。恰恰相反，在很多讨论仍停留在“有没有AI味”“用了多少AI”的层面时，这些思考已经把问题推进到了更深的地方：我们究竟希望建立一种什么样的学术共同体，使年轻一代不仅能够适应AI时代的知识生产方式，而且仍然拥有成长、试错、创新和获得学术承认的机会？

一场技术变革是否真正推动了知识进步，不能只看它提高了多少生产效率，还要看它是否保留了人才成长的路径，是否使后来者有机会成为创造者，而不只是既有成果的消费者。师傅的责任，最终不只是为一种新的写作方式争取合法性，更是为学术共同体的代际延续争取可能性。

学徒所争取的是什么：使用的深度与使用的正当性

学徒所要争取的，首先不是立刻进入高阶共笔的权利，而是一种被承认、可披露、有人指导的使用环境。他们争取的是“可以公开地、有人带着地学”，而不是“可以不经训练地用”。在这样的环境里，使用的深度应随判断力的成长逐步放开。起步阶段，AI主要承担前述后勤性工作，并在“先自后他”的纪律下充当对话者，学徒须先写下自己的立场；此后，在导师与同行的审视下，逐步尝试让AI参与论证的检验与反驳，并学习辨认它的失误；最终才可能进入由自己掌握问题与最终裁断权的高阶共笔。这延续了传统学徒制的训练次第，只是把次第的内容从“能否使用”转向“如何使用、使用到什么程度”。

既然使用必须循序渐进，为何还要强调学徒有权争取？因为次第训练的前提是公开。一种被禁止的实践，无法得到分级指导；只有当使用得到承认，才谈得上教人如何用得有节制、有判断。在暗处，使用的深度只能由个人自行决定，而高阶共笔所要求的那些不可外包环节，恰恰最容易在无人监督时被悄悄让渡。因此，学徒争取使用的正当性，并不与保护构成性劳动相冲突，反而是保护它的必要条件。

但学徒不能把希望完全寄托在资深学者身上，等待他们“站出来为学徒争空间”，或将公开的共笔过程变成公共资源。资深学者的探索固然能够为后来者开路，却不能替代学徒自身的话语权。现实中的学术权力结构往往倾向于自我固化：师傅未必会主动为学徒争取空间，也可能借助既有权威和AI进一步压缩学徒的生存空间，例如不断提高对学徒的产出速度要求。仅仅寄希望于资深者的学术良知与名誉担保，在缺乏制度约束时并不可靠。学徒必须在学习中尽快成长为能够独立判断、据理力争的研究者，并争取参与制定规则的资格。否则，即使他们学会了更有效地使用AI，也未必能改变自己在学术制度中的位置。

重建“出师”：从痕迹审查到判断审查

既然“做不到”已不再是可靠的能力认证，“出师”需要什么新的证据？在美国大学里，学生在某些知识领域或技术应用上超过教授，早已不是新鲜事。AI进一步放大了这种可能：年轻人可能比资深学者更熟悉新工具，能更快生成复杂的文本，甚至提出令老师意外的见解。但局部能力的领先，并不等于判断力已经成熟；教授的资历，也不意味着他在所有新领域都天然占优。真正需要检验的，不是谁在每个环节都更强，而是一个人能否理解、审查并为自己的判断负责。

一篇论文能够达到怎样的质量，已不足以单独证明作者具备相应的研究能力。因此，“出师”的认证应当更多地考察写作过程与作者能否接受追问。一位真正出师的写作者，应当能够解释自己文本中的关键取舍：为何取此说而舍彼说，某个论断依据哪一段原典，哪些建议来自机器，又有哪些被自己否决。能够说明判断如何形成，并为这些判断负责，才应成为新的“杰作”标准。

行会评审杰作，看的是作品是否达到标准，而不是学徒使用了什么工具。评价的重心若从“有没有使用AI”转向“能否为自己的判断负责”，也就是从痕迹审查转向判断审查，披露便不再是自证其罪，反而可以成为过程可信的依据。只有当评价标准真正改变，公开披露才可能不再成为风险，沉默的循环也才有机会被打破。

传统师承中的“侍诊”经验也值得借鉴。中医徒弟并非只靠听讲学成，而是在旁观师傅诊治的过程中，观察判断如何一步步形成。资深学者的人机共笔，同样可以成为年轻一代的“侍诊”对象：公开共笔过程，展示如何提问、如何采纳或拒绝机器建议，以及如何在反复修改中形成最终判断。可供观摩的手稿，有时比一篇光洁的成品更有教学价值。AI在此反而提供了一种新的可能：让过去难以观察的思考与取舍过程留下记录，成为可以观摩、讨论和检验的公共经验。

学徒悖论提醒我们：AI不会自动带来创新，它只是放大了能力形成与资格授予之间的裂缝，也放大了规则制定者与规则承受者之间的裂缝。文明所守护的原则并未过时，需要重建的是“出师”的认证机制，以及学徒在这一机制中的话语位置。

真正的出师标准，从来不是产出一篇看起来没有AI痕迹的文本，而是成为一个能够对自己的判断负责的人。这既要求保护构成性劳动的形成，使判断力仍能在不可外包的细读、问题沉淀与最终裁断中真正积累；也要求规则的承受者参与规则的重订，使学徒不再被迫在沉默中摸索，而能在公开、有指导、可追问的环境中逐步成长。

唯有如此，人机共笔才能真正成为文明智能在AI时代的延续，而非断裂。它不是终点，而是新的起点：它要求我们重新学习如何等待成长，如何保护构成性劳动，如何在强大的工具面前仍然坚持做人的最终裁断。

【版权声明】本文内容来源于学人scholar，版权归原作者及原媒体所有。本站仅作信息分享，不构成任何商业用途；如涉版权问题，请联系本站删除。

发布时间：2026-11-08 16:56:04