一句让他难受的话
在建兰中学教书时，一个学生临走对他说：“不瞒老师说，我喜欢科学，但我从来没有喜欢过科学课。”这句话触动很大——你是因为热爱而考上高分，还是考高分只是你的一项本能？从此他一直在想：怎么唤醒孩子对学习的热情，而不是只让他拿高分。
讲者是谁
王炸老师做的是 K12 素质教育——“王炸探索营”，一个孩子试错和探索的乐园（用一根 PVC 管做乐器、给蜥蜴造家、A4 纸载人计划……没有标准答案，只有等你完成的挑战）。他 2015 年正式工作，在娃哈哈双语学校三年里做过一千多个自制科学实验（公众号“王炸探索营”）；2017 年作为第一批老师加入马云的云谷学校，深耕四年项目化学习（PBL）；2021 年双减后创业，如今有七八位全职老师。去年因为 AI 的冲击、结识邱老师后开始系统学 AI。
一个老师，要干多少活
他是草根一个人做起来的，事无巨细：课程研发（从一年级到七年级，一学年 30 节、六年 180 节课全自己设计）、教师培训（把方法传给更多老师）、拍短视频传播理念、每节课复盘（老师上课前先讲给他听、上课时他盯着、下课后再一起改）、还要算账（成本、营收、利润）和营销。直到看见 AI——他才知道，原来它有近乎无限的能量来帮他完成这些。
过去一节课的好坏，几乎完全取决于一个老师的主观经验；我居身其中、无法自拔。有了 AI，是一次生产力的极大解放。
AI 帮我提炼出：一堂好课的四个部分
把大量上课内容喂给 AI 去整理，他发现所有受欢迎的课，万变不离其宗，都由四个部分构成——这套结构是亘古不变的：
第一步
真实问题开启
不是“今天讲电磁相互作用”，而是“出门手机没电了，能不能做个手摇发电机”——真实问题一出，学生就灵光乍现、被连接进来。
第二步
科学查证 / 拆解任务
这里老师才讲内容——但因为是“为了解决他的问题”，学生会觉得这是为他而讲的，而不是老师自顾自讲。
第三步
活动路径（动手）
设计让每个人都深陷其中的探索与实验，上完课都“感受不到时间”。
第四步
分享与评价
每个学生上台分享成果，重新回应最初那个问题，形成闭环。
一节课的硬指标：老师说话的时间不能多于学生，学生操作的时间不能少于老师。学生忙得要死、老师闲得要死，这节课的味道就对了。
从一个五天大项目，到一节一小时的小课，都是这个小闭环。案例很多：声音与乐器课（从“物体怎么发声”到自制乐器）；天元公学初三学生给幼儿园造电动小车——第一步不是画图，而是先去幼儿园采访调研（一群男生因为采访的是女孩、最后造了辆粉色车），过程中真切体会到“我们想的和真实用户要的并不一致”，以及合作中的冲突与协调；还有千岛湖的“荒岛科考”求生挑战。
AI 最大的价值：不是百度
很多学生把 AI 当百度用——有问题问一下、再问一下。但 AI 真正的价值，是把“我自己知道”变成“别人都能懂”：你把大量信息放进去、和它交流着整理，再由你来做判断，零散的经验就沉淀成一套方法论。（这份 PPT 就是他把邱老师的多份 PPT 和录音汇总，让 AI 按同样的风格产出的。）
First AI：想到任何一件事，先用 AI 试试它能不能帮我做。不断探索它的边界，你会发现它能帮你完成甚至 80% 的工作。
他也把邱老师的一个观点讲透了：专家 × AI > 普通人 × AI——因为专家本就有一套完整的方法论，把它赋能到 AI 上会产生无限大的价值。所以真正的代沟是：专家要去学 AI，会用 AI 的普通人要让自己长出专家思维。而“整理方法论”这件事，本身也可以用 AI 来做。
关键在提问：卡住不是它做不到，是你的方式不对
故事 · 去掉手机壳上的白框
学生要把自己设计的 IP 印到手机壳上，图案里带了一个手机壳的白框，没法交给淘宝店家。他跟豆包聊了半小时“把那个手机壳换掉 / 去掉”，AI 始终去不掉，气得说“豆包太笨了”。老师看了一眼，把话换成——“请把图案周边那个白色的框去掉”，一下就成了。
有的学生说 AI 太笨、有的说 AI 太聪明，差别其实在提问：要用它听得懂的语言描述你的想法，而不是把“你的理解”直接丢给它。很多卡点不是它做不到，而是我们的表达方式不对——不断探索边界的过程，本身就很好玩。
我具体怎么用 AI
- 用 Codex 整理电脑。一晚上帮他把重复资料清理干净，省了 70 多 G——同一份课程散落在夏令营 / 冬令营 / 周末班的不同文件夹里，字都没改却存了好几份。现在他基本不用 ChatGPT，用代码解决大部分事。
- 每日晨报 / 晚报。早上给他一份“AI 竞争对手们今天在研究啥”的晨报；晚上结合录音笔，总结这一天的收获与成长，还写好一段朋友圈文案。
- 智能体一 · PBL 课堂教练。老师上课全程录音，丢进这个“行为诊断与优化专家”，它给这节课打分、指出问题、给修改建议。今年 9 月起试点：老师上课好坏由 AI 判断，他就能脱手、不必再坐在后排听课。
- 智能体二 · 课程优化引擎。老师课前写的教案丢进去，按年级和教学大纲给出反馈：优化老师话术、学生任务、课堂节奏，指出“伪开放 / 补控式提问 / 老师直接总结”等低效片段并给替换建议。
老师们说这套东西最好的一点是——它没有情绪。（而我看到老师没上好一节课，是会发火的。）
一个好问题 · 煮熟的鸡蛋会变重还是变轻
把一个没破的生鸡蛋煮熟，质量变重、变轻还是不变？现场同学有猜变重、有猜不变。答案是——变轻：加热时蛋里的水分会从蛋壳的小孔跑出去（若鸡蛋有裂纹，外面的水反而会钻进去、变重）。好问题先激发好奇，剩下的实验设计、拍摄脚本都能交给 AI 来帮忙。
让学习“被看见”
素质教育有个现实难题：培训班用分数就能证明成长，而素质教育培养的是能力、是长期的过程，家长看不见就难以持续。（他每周有 170 多个孩子，约 1/4 是浙大教授的孩子、约 1/4 是阿里高管的孩子。）
AI 成了很好的载体：每节课老师记录学生表现，AI 把它整理成图表，评估学生在提问、试错、与同伴相处、是否真正理解概念、完成任务的思维方式等维度上的变化，形成一份学习成长画像，再配上“科学秀”式的成果呈现，完成一个小闭环——让每个孩子的成长真正被看见。
三点最想分享的心法
其一
从问题出发，不是从工具出发
- 你们做应用，不是为了“学 AI”而做，而是有没有从问题出发、解决一个用户的真实需求
- 有了 demo 之后，去问身边人“会不会用、有什么反馈”，据此修改——别闷头一直改
其二
AI 越强，人越不能放弃判断
- 最危险的不是 AI 能替人给答案，而是人习惯于接受 AI 给的答案
- 要判断：值不值得研究、方案科不科学、适不适合用户、符不符合你的价值观
其三 · 生成不是结束，而是真正的开始。别活在“AI 原生”的焦虑圈里——每天追新工具、感叹 AI 强大，却从不行动。生成出方案之后，最核心的是去行动、去改变自己的工作流程。他说自己用的 AI 还很“原始”（就是聊天），但聊完立刻行动、改变节奏，对他就是有价值的。
当获得答案越来越容易，提问的能力、判断的能力、行动的能力，就变得至关重要。
邱老师的补充：录好你的上下文
每个大学生都该录好自己的上下文——上课、开会都录下来。看上去是录音，其实是让 AI 知道你在做什么。这两年 AI 的上下文与智能体能力在快速扩充，一学期积累的东西 AI 很快就能一次读完，得出的理解与洞察可能超出我们自己的判断。
邱老师为此做了一个叫“第二个大脑”的产品：把所有录音整理成一个个文档、汇进一个库（先有云盘，再每天让 AI 读一遍、摘要，然后跨课程、跨会议做深度分析）——相当于给人类补上一种“长记忆”的能力。