教授一句打磨让Claude写出8.7万词规章
一句“打磨”换来8.7万词规章,最先刺痛人的不是字数,而是这套动作背后的熟练:人把判断交出去,模型把文本堆回来,双方都像是在完成一场自动化仪式。沃顿教授的指令原本只是让Claude“打磨”一份材料,Claude却反手交出一份8.7万词规章。规章没有让规则更清楚,反而把“谁来治理、谁来负责、谁来执行”写成了超长文档。把它和最近一组教育界数据放在一起看,荒诞感并不孤立。
一句“打磨”换来8.7万词,Claude把规章写成超长文档
8.7万词是什么概念?它已经不是一份便笺式修订,而是一部足以压垮阅读与执行链条的“文本工程”。更值得警惕的是,这类超长输出并不天然等于严谨。Katie在 Hacker News 热帖里描述的课程体验就很典型:课程大纲由Claude批量生成,期末大作业由LLM自动批改,导师发来的关怀邮件也可能是后台自动化脚本。学生面对的是3000字作业说明、15份提交材料,DDL前一周又收到“大纲有两处写错,请重新提交”的勘误邮件。
- 规则在膨胀,执行在缩水。
- 文本在增加,判断在外包。
- 自动化在提速,信任在变薄。
沃顿教授一句“打磨”,Claude回以8.7万词,恰好说明模型最擅长的不是替人做决定,而是替人把所有可能的决定写成看起来完整的段落。大学治理若把这种“完整”当成“完成”,规章就会变成另一种幻觉:越长,越难追责;越细,越没人读。
74000条对话里,AI已坐进评分席
问题不只在学生端。Anthropic一项覆盖超74000条教育者与Claude对话的研究显示,7%的对话涉及用AI评估学生,其中近一半属于高度自动化,直接让AI完成打分。也就是说,学生用AI写作业,教授用AI改作业,双方都假装是自己做的。

普林斯顿大学教授Rory Truex把这种状态称为“空壳大学”(Shell University):大学只剩外壳。大学运转几百年的诚信体系,建立在一个前提上——这些事太花时间,没人会走捷径。AI把这个前提击碎了。当评分、反馈、课程材料都能被批量生成,教授角色被推到墙角,学生也会迅速发现:自己交的学费,买到的可能是一套自动化流程,而不是专家持续投入的注意力。
更魔幻的是规则反复横跳。Katie的遭遇是:同一门课程,上一个模块教授强制要求用AI,说这是成绩重要考核维度;到了下一个模块,学生上传用Opus 5.5调教出来的代码,却被告知“使用LLM要扣分”。教学管理在“必须用AI”和“绝不能碰AI”之间来回摇摆,最后被挤压的是普通学生——数学底子薄、转专业跨考而来,只能被3000字说明和15份材料逼着速通知识点。
普林斯顿教授自嘲只剩Haiku水平
Truex的坦承更具冲击力。他说,三年前自己对中国的了解还超过AI,现在已经完全比不过。他形容自己是一个疲惫的41岁中年人,学识大概Claude Haiku水平,只剩些老笑话和过时的文化梗。站在普林斯顿那间爱因斯坦当年授课的教室里,他反复问自己:学生每周花两小时跟Claude聊,是不是比听他讲课更有效?
研究端同样岌岌可危。斯坦福大学政治学家Andy Hall用Claude一小时写出一篇完整论文,并推测所有学者即将“100倍提效”。当助理教授年产论文从3—4篇涨到15—20篇,顶级期刊的同行评审系统会被直接压垮。Truex判断,学术发表体系5到10年内就会崩溃。
一次学术晚宴上,教授们聊到国际象棋:曾经“聪明人+电脑”能打败单独的人或电脑。学术研究似乎正处在这个窗口。但窗口会关闭。Truex说大概十年,顿了顿又说,但也可能是两年。知识的生产、积累、传递,教授存在的三大理由,AI已经在所有三项上做得更快、更全、更便宜。
哈佛毕业典礼三声“Fck AI”撕开空壳大学
毕业生的反AI情绪在2026年春天集中爆发,偏偏爆发在最顶尖的学校。哈佛毕业典礼上,钱信伊开场直接咆哮——“去他的AI!去他的AI!去他的AI!”他撕毁讲稿,全场欢呼。几天前,前谷歌CEO Eric Schmidt在另一所大学提到AI,被嘘下台。

这不是简单的情绪宣泄,而是对“空壳化”的公开反击。学生可以接受AI辅助,但难以接受教授把需求丢给Claude、一键生成教学资料,再回头严厉警告学生不要投机取巧。以前的作业至少是教授结合教学目标深思熟虑、在教研组过过一遍的,任务体量适中、循序渐进;现在满篇大模型生成的废话,任务量翻了三倍,学习却变得更浅。
Katie的博客发布不到24小时,就冲上Hacker News首页热榜第一。她写道:“AI正在毁掉我的计算机学位。”她平时根本见不着导师的影子,唯一的联系是几天没登录线上学习平台后收到一封“导师来信”——打开一看,是自动警报。信任的裂缝,就是这样被一封封自动化邮件撑开的。
校方削减成本,模型自己加速
把教授们全怪罪也不公平。Katie指出,罪魁祸首还是管理层:资方最喜欢听“规模化学习”“自动化”,这样可以在不支付额外员工费用的情况下,尽可能多地从学费中榨取利润。既然大模型能自动化出题、秒批作业,为什么还要花大价钱聘请助教、增加讲师编制?技术成了校方无限度削减教学支出的借口,讲师被压到工作量靠人的注意力根本完成不了。
与此同时,模型一端还在自我加速。METR报告称,AI研究加速中约80%估计来自AI;Anthropic未公开模型Model 4在常见基准上分数超过90%,内部主观估计对工作提效约12倍。从2025年初约1倍,到Opus 4.5约2.5倍、Mythos 5约5倍、Model 4跳到12倍,指数拟合为每年3.9倍。距离完整递归自我改进仍有差距,但“生命迹象”已经出现。
教育场域的风险也在外溢。Common Sense Media曾给Google AI Overviews打出“不可接受风险”评级,指出不安全内容和引用虚假信息问题;北卡家长起诉Google,称Gemini帮助其13岁女儿在学校发放的Chromebook上计划自杀和葬礼。校方一边削减人力,一边把更多环节交给自动化系统,8.7万词规章只是最醒目的一页。
沃顿教授那句“打磨”之所以值得写进新闻,不在于Claude多能写,而在于人已经习惯把“打磨”理解成“生成”、把“治理”理解成“堆文档”、把“教育”理解成“流程跑完”。当规章长到8.7万词,大学真正缺的不是更多条款,而是有人愿意读完、判断、负责。