[EP59]Robert | 这位高中生用Codex为自己做了一个 PBL(项目制学习)AI 导师

大家好，欢迎回到《教育 AI 智造者》。

今天的嘉宾 Robert 是一位十七岁的高中生：他在北京一所国际学校读高三，是学生会主席、AI 社团社长，也是 Roto 的创始人。Roto 想做的，是陪学生完成研究性项目与项目式学习（PBL）的 AI Mentor——从兴趣、选题和计划，到任务推进、反馈、修改与最终产出。

这期对谈从一个不那么体面的起点开始。Robert 最早使用 ChatGPT，是为了处理自己不喜欢、却必须提交的作业。后来，他在学校研究项目里第一次真正感到：当学习不再是老师拆好的任务，而是要自己提出问题、找资料、安排时间、面对硬截止日期时，AI 的意义不该只是帮人赶上某一个 deadline。

他观察到，许多学生已经在用 AI 找文献、改大纲、润色文本，甚至直接生成内容；但这些帮助往往散落在聊天窗口、文档与搜索结果之间。学生完成了一个节点，却不一定理解一整个项目如何推进。Roto 因此不想成为另一个通用聊天框，而是尝试把零散的帮助组织成一段可回看、可修改、由学生参与主导的学习过程。

我们也细聊了 Robert 怎样在没有编程背景的情况下，和产品导师、Codex 一起把想法做成网站。他不会直接要求 AI“做一个产品”，而是先写清自己要解决的问题、预期体验与功能流程，再请 AI 解释技术方案、指出风险，最后才进入开发与测试。对他而言，AI 的执行可以很快，但问题是否值得解决、功能是否适合学生、结果是否符合预期，仍然需要人来定义和判断。

这也让 Roto 在开发中出现了一个重要转折。Robert 原本希望 AI 能够全程陪伴和主导；但真正考虑学校落地时，他发现真人教师依然不可缺少。教师不只是监督学生，也需要监督 AI 的任务、反馈和对现实可行性的判断。AI 可以帮助学生前进，却很难独自为一个学生是否真的理解、是否持续投入、是否能对成果负责作保证。

所以，这期节目表面上在讨论“一个高中生如何用 AI 做教育产品”，更深处讨论的其实是：

当 AI 可以把资料、建议、代码与方案变得越来越便宜时，学生怎样保留发起问题、作出选择、理解证据与承担结果的权利？

内容大纲

- Robert 会怎样向第一次见面的人介绍自己？他最早为什么会用 ChatGPT 帮忙完成作业？

- 从直接代做，到找文献、搭大纲和准备展示：他的 AI 使用方式为什么变了？

- EPQ（Extended Project Qualification）怎样让一位高中生第一次面对大学式的自主研究、硬截止日期与不确定性？

- 为什么“让 AI 帮我完成一个 deadline”，不等于“我学会了如何完成一个项目”？

- Roto 是什么？它怎样从兴趣发现、选题、计划一路陪学生走到论文或项目产出？

- 一个学生为什么会在多个聊天窗口、文档和搜索结果之间来回切换？Roto 想改变的到底是什么？

- 不会编程的 Robert，怎样和产品导师、Codex 一起把学习流程做成一个网站？

- 为什么他会先写文档、说清目标、要求 AI 给方案，再让 AI 进入开发？

- 当网站能跑起来时，谁来判断它的学习逻辑是否正确、是否真的适合学生？

- Roto 为什么从“AI 全程主导”转向必须让真人教师出现？

- 老师在 AI 项目式学习里要监督什么：学生、任务、反馈，还是 AI 的乐观判断？

- AI 帮找文献、想课题、拆 16 周计划、直接写报告，边界分别在哪里？

- 怎样判断一个项目仍然是学生自己的？哪些关键动作不能被交出去？

- AI 是否真的能让昂贵的导师式学习变得普惠？它又不能解决哪些资源差距？

- 从 access to AI 到把 AI 变成 leverage：当人人都有工具之后，新的优势会转移到哪里？

- 为什么 Robert 说“今天挖 A、明天挖 B、后天挖 C”，即使挖得更快也未必能找到水？

- 学生能否从课外活动和课程的消费者，变成自己学习过程的设计者与创造者？

- 如果学校为学生项目做“加法”，它可以怎样让学生的作品真正服务校园与社区？

本期最重要的关键词：主导力、关键动作、学习过程、真人监督。

AI 可以降低执行成本，也可以给学生更多选择；但它不会自动替学生选择值得投入的问题，更不能替学生理解证据或为成果负责。Roto 所尝试的，是把 AI 放进一个学生仍能发起、质疑、修改和承担结果的学习过程中。

-----------------------关于 Robert / Roto----------------------

-----------------------关于伊伊子----------------------

伊伊子的小红书传送门

伊伊子个人网站

EduAI Builders 网站

EduAI Builders GitHub

----------------------关于听友群-----------------------

如果您对 AI 和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧 点击链接或扫码，与更多志同道合的伙伴交流行业动态、分享实践经验，并共同讨论人工智能将如何改变教育。期待在听友群中与您相遇，共同成长！😊

请大家填写微信联系方式时，务必确认拼写完整、正确。我们遇到过几次微信 ID 无法识别的情况，谢谢大家！

============关键词解析============

Project-Based Learning（PBL）｜项目式学习

PBL 不是把一个作业换成“项目”这个名字。在本期的语境里，它要求学习者围绕一个问题持续行动：提出方向、作出选择、搜集证据、完成任务、接受反馈并修正。Roto 试图承接的是这段过程，而不是只在最后替学生交付一份漂亮的产出。

Extended Project Qualification（EPQ）｜拓展项目资格课程

EPQ 是 Robert 在学校参与的一项研究性项目课程。对他而言，它提供了一次接近大学自主研究的预演：学生需要提出课题、完成 proposal、做初步研究，并在固定截止日期下持续推进。它也是 Roto 最直接的个人经验来源。

AI Mentor｜AI 导师

AI Mentor 可以持续提问、协助计划、解释任务、给出初步建议。但它不是自动驾驶的真人导师替代品。本期的关键发现是：当任务牵涉现实可行性、学习质量、反馈校准和持续投入时，AI 的建议仍需要学生与教师共同审视。

Learning Process Design｜学习过程设计

学习过程设计关注的不是“最后交出什么”，而是学习者如何从兴趣走到可执行的问题，怎样被要求表达、选择、行动、回顾和修改。Roto 的产品逻辑不是把功能堆在一起，而是试图让这些步骤形成可见、可调整的路径。

Formative Assessment｜形成性评估

形成性评估发生在学习过程中。它不只在最后用一份报告或一次考试判断结果，而是通过学生的选择、解释、修改、阶段任务和反馈，看见理解怎样发展。在本期的讨论中，它也是防止 AI 只替学生产出答案的一种可能机制。

Human-in-the-Loop｜人在回路中

人在回路中不是让教师在 AI 做完后机械地点一次“确认”。在 Roto 的设想中，学生要保留表达兴趣、作出重要选择、理解证据、修改计划和为成果负责的动作；教师则需要检查任务是否可行、反馈是否可靠，以及 AI 是否过度乐观。

Critical Actions｜关键动作

Robert 用“关键动作”来划定 AI 辅助的边界。AI 可以给选项、推荐资料、拆分计划或提示问题；但学生需要真正决定选什么、为什么这样改、是否理解证据，以及是否愿意对最后展示负责。关键不在于 AI 被用了多少次，而在于这些动作有没有被保留。

Access to AI｜接触 AI 的机会

这指一个人是否有账号、设备、网络和合适的工具可以使用 AI。Robert 认为，这仍然重要，但它不再足以解释全部差距：当工具更普及后，问题会继续转向人是否知道如何使用它。

AI Leverage｜把 AI 变成杠杆的能力

AI leverage 不是会写几个提示词，而是能把工具嵌入一个真实目标：提出好问题，辨别答案，持续推进，根据反馈修正，并让 AI 承担适合它的执行工作。它依赖主动性、判断力、时间和环境支持，因此不会因为工具可用而自动平均分配。

Agency｜主导力 / 主体性

本期反复出现的核心概念。它不只是自律地把任务做完，而是能主动发现问题、选择方向、承担选择的后果，并在反馈出现后调整。对 Robert 来说，AI 越容易获得，人的主导力越成为稀缺而重要的能力。

Creator｜创造者 / 共同设计者

Robert 描述自己从教育体验的消费者逐渐变成创造者：不只接受别人设计好的课程和活动，也尝试设计一个服务学习的产品，并在测试、删改和取舍中学习。节目最后把这个想法延伸到学校：学生的项目可以成为服务校园和社区的真实作品，而不只是一项履历材料。