基于提示的 AI 辅导何时比无限制给答案的聊天机器人更能提升独立表现？

为什么不给答案可能比给更好的答案更重要

无限制的聊天机器人以生成有用回应为目标，而这往往意味着直接给出答案。基于提示的辅导工具目标不同：它试图让学习者持续承担认知工作。在网络安全教育中，处于提示式环境的学生表现出与使用通用聊天机器人者不同的求助行为，作者将辅导工具设计视为减轻无限制聊天机器人使用所带来学习危害的一种方式 [3]。这是一个行为信号，并不能证明考试成绩更好，但它指向了机制：提示改变了学生下一步做什么。

一个面向新手程序员的 JupyterLab 提示系统设计案例研究把同样的逻辑讲得更明确。该系统使用苏格拉底式提示而非直接答案，作者描述了“有帮助”与“过于有帮助”之间的张力 [4]。摘要指出，使用无限制 AI 代码生成器的新手完成了任务，而这恰恰是问题所在：完成任务不等于学会独立完成任务。

证明学习的案例：当聊天机器人的帮助看起来像认知卸载

最直接的警示来自一门本科数学课程。学习写证明的学生被分为三组进行比较：使用 AI 聊天机器人、使用作业反馈界面、不使用 AI。该研究建议不要用聊天机器人做 AI 辅导，并建议探索辅导界面 [5]。其框架是认知卸载：聊天机器人可能替学生承担了本应由学生练习的推理。

这并不能说明每个基于提示的辅导工具都胜过每个聊天机器人。它说明的是，在一项重点在于构建论证的任务中，无限制给答案的工具形态不对。基于提示的界面是一种合理的替代方案，但同一项研究只是建议和假设，并非已完成的、基于提示的辅导与聊天机器人使用的直接对比试验 [5]。

提示适用于哪里，证据又在哪里更薄弱

基于提示的辅导最明确的动机出现在程序性或推理密集的学科：编程和网络安全正是设计并观察了受约束的提示式辅助的场景 [3][4]。在这些场景中，学习者本应一步步构建解决方案，因此提示可以让下一步保持在可及范围内，而不是替学习者完成这一步。

对于口语练习，比较情况不同。一项针对 110 名学习者的研究发现，AI 文字聊天组和 AI 语音聊天组都提升了口语表现，而面对面互动结果不一；AI 语音聊天配对在表达观点方面优于其他组 [1]。该研究并未测试基于提示的辅导与无限制给答案之间的对比，因此不应被解读为支持或反对提示的证据。它确实表明，对于口语表现，互动方式本身——语音还是文字——可能很重要，而这是与是否给答案不同的设计杠杆 [1]。