史丹佛教學生「正確使用 AI」：CS336 課程指導原則的背後思考

> Meta Shift

想像一個場景：你是史丹佛 CS336 的助教，面對一群來自全球的頂尖學生。課程要求他們從零開始實作深度學習框架，但現在每個學生桌上都開著 Claude、ChatGPT，隨時可以問 AI 怎麼寫代碼。你該怎麼辦？直接禁用？還是想辦法引導？

史丹佛選擇了後者，而且做得很徹底。他們發布了一份「AI Agent Guidelines」— 不是寫給學生看的使用規範，而是直接對 AI 下指令，告訴 Claude 這些模型該怎麼輔助學習。這種做法在我印象中是第一次看到，直接把「如何正確使用 AI」這個問題丟給 AI 自己解決。

這份指導原則只有 74 行，但背後反映的教育思維轉變，可能比任何一篇 AI 教育論文都來得實際。

背景：AI 時代的教育困境

CS336 是史丹佛的深度學習系統課程，專注在實作層面。跟其他偏理論的 ML 課程不同，CS336 要求學生真的動手寫 PyTorch 代碼，從 tensor operations 到 transformer 架構，全部自己來。這種「implementation-heavy」的設計在 AI 普及之前是標準作法 — 想搞懂神經網路，就得自己寫一遍。

但現在情況不同了。根據 GitHub 2023 年的調查數據，92% 的軟體工程師已經在使用 AI coding tools（來源：GitHub Developer Survey 2023）。對於史丹佛這種頂尖學府的學生來說，這個比例只會更高。你很難期待他們在寫 assignment 的時候完全不碰 AI。

問題是，如果學生直接問 Claude「幫我寫一個 attention mechanism」，AI 很可能會直接把完整代碼貼出來。學生 copy-paste 一下，assignment 完成，但什麼都沒學到。這對於一門要求「substantial Python/PyTorch code with limited scaffolding」的課程來說，根本是災難。

更麻煩的是學術誠信問題。AI 生成的代碼算不算抄襲？如果允許使用 AI，邊界在哪裡？這些問題在學術界爭論了一年多，至今沒有統一標準。

史丹佛的解法：對 AI 下指令

史丹佛的做法很直接：既然阻止不了學生用 AI，那就教 AI 怎麼當好老師。

他們在 GitHub repo 裡放了一個 CLAUDE.md 檔案，內容就是對 AI agent 的完整指導原則。重點不是限制學生，而是限制 AI。核心規則很清楚：

AI 應該做的事：

• 解釋概念，但要引導學生自己建立理解
• 指向相關的課程材料
• 幫助學生 debug，但不直接給答案
• 提供學習方向的建議

AI 不應該做的事：

• 直接寫完整的 assignment 代碼
• 提供現成的解決方案
• 替學生做決策

最有趣的是，這份指導原則是寫給 AI 看的，不是寫給學生看的。換句話說，他們假設學生會把這份文件跟他們的問題一起丟給 Claude，讓 AI 自己判斷該怎麼回應。

從技術角度來看，這就是一種 system prompt engineering。史丹佛等於是在每個學生的 AI session 開頭，都先給模型設定好「教師角色」。

實務效果與商業判讀

這種做法的效果如何？目前課程還在進行中，沒有公開的效果數據。但從產業角度來看，這個方向很有商業價值。

教育科技市場規模大概 280 億美金（來源：Global Market Insights 2023），其中 AI tutoring 是增長最快的細分領域。如果史丹佛的做法證實有效，可以預期會有一波「AI teaching assistant」的新創潮。關鍵差異在於，這些產品不是要取代老師，而是要「訓練 AI 當更好的助教」。

從投資角度看，我覺得這個方向比純粹的「AI 家教」更有潛力。原因是可規模化 — 寫好一套 system prompt，就能讓任何 LLM 變成特定課程的助教。不需要重新訓練模型，也不需要大量標註數據。

更重要的是，這解決了教育界最頭痛的問題：如何在 AI 時代維持學習品質。史丹佛的做法本質上是「用 AI 來管理 AI」，這個思路可能會成為教育行業的標準解法。

另一個值得注意的商業信號是，史丹佛直接把這份指導原則開源了。這很可能是想建立產業標準，搶占話語權。如果其他大學開始採用類似做法，史丹佛就是這個領域的 thought leader。

Meta 判讀：教育範式的真正轉移

這件事在我看來是典型的 Meta Shift。不是因為技術有多創新 — system prompt 早就存在了 — 而是因為思維方式的根本改變。

傳統的教育 AI 思路是「AI 輔助教學」，重點是讓 AI 幫老師做事。史丹佛的思路是「教育 AI」，重點是讓 AI 學會怎麼教人。這兩者看起來很像，但底層邏輯完全不同。

前者把 AI 當工具，後者把 AI 當學生。這個差異很重要，因為它改變了整個產業的發展方向。

類比一下電競的 meta 演進：以前大家都在優化個人技巧，現在重點是團隊配合。AI 教育也一樣，以前是「怎麼讓 AI 更聰明」，現在是「怎麼讓人跟 AI 合作得更好」。