01熟悉的场景THE FAMILIAR SCENE
作业卡住了，把题目丢给 AI，几秒钟出来一份能跑的答案。从头到尾看一遍，还追问了两个不懂的地方，觉得"懂了"，提交。那一刻的感觉，确实是学到了。
两周后同类问题再出现，打开编辑器，发现手里只剩一个动作：再去问 AI。
这就是问题的麻烦之处："用 AI 学"和"被 AI 代学"，当下的手感一模一样——都很顺，都有产出，都觉得自己懂了。区别要等离开工具的那一刻才暴露：考试、答辩，或者仅仅是断网。等暴露再补，代价远比当下检验一次高。所以需要一个当下就能做的检验，不用等两周。
02复述检验THE RETELL TEST
检验只有一句：关掉 AI，把刚才的东西给自己讲一遍——它为什么这么做、别的做法为什么不行、哪里最容易出问题。讲得出，是学；讲不出，是代学。
注意，复述不是背诵。背诵是把结果层原样搬运（F-008 的词），复述检验的是决策层：能换自己的话讲，能接住追问。代码细节可以忘——语法查得回来——决策忘了，才算真的没学到。
这个检验最好的地方，是它不关心你用了多少 AI。用得再多，只要复述得出，就是学到了；一行都没让 AI 写，但讲不出为什么，照样是白做。界线从来不在用量上，很多"少用点 AI"的建议没说到点子上，就是把用量当成了界线。
03界线：谁在做决策WHERE THE LINE IS
图 F-009 · 结果层可代，决策层必须自己——界线上的检验（示意）
把一件事丢给 AI 之前，先分清它属于哪一层。结果层的机械劳动——写样板、查语法、解释报错、找资料——交出去毫不可惜，这正是工具该干的活。只在"报错"上留个心眼：解释可以要，解释完怎么改要自己定——读报错这块肌肉，F-008 的"改失败"专门练它。决策层的每一次选择——选哪个方案、定什么边界、怎么验证、错了怎么办——是你要长的肌肉，交出去一次，就少练一次。
最容易被骗的是中间地带：AI 给出的完整方案。它看起来是一份结果，里面装的全是决策。直接采纳，等于把一整串决策打包外包了。对策不是不用，是拆开用：让它列出选项和各自的理由，选择留给自己——它出题，你答题，而不是反过来。
F-008 说过：让 AI 替你抄可以，让它替你练"改"，练到的是它，不是你。这里是同一条界线的另一个说法——结果层随便代，决策层不能代。
04三个习惯THREE HABITS
先写后问。自己先给出答案——哪怕是错的、丑的——再让 AI 批改。顺序一换，AI 就从代写变成陪练：你交出去的是自己的决策，收回来的是修正，两边都是学。
复述关卡。AI 给的任何方案，采纳之前关掉窗口，给自己讲一遍为什么。讲不顺的地方就是没懂的地方，回去追问，直到讲顺。这一步花两分钟，省下的往往是两周后从头再学一遍。
决策日志。和 F-008 的改动台账一样，一行就够：这个决策是我做的，还是 AI 做的？一周下来看看比例。不必追求全是自己做——机械劳动本就该外包——但账要分得清。分不清账，才是"被代学"的真正开始。
05连回判断TO THE NOTES
这条界线往前接 F-008 从抄到改到造：三级台阶里，AI 能替你做的是第一级"抄"，第二级"改"接管的正是决策，必须自己练。往后接项目：没有实验室和算力，项目靠闭环与证据立住，见 N-010 没有实验室怎么做——而别人对证据的追问，本质就是一场当面的复述。平时过不了复述检验，追问那天也过不了。
底稿负责把界线画清；界线那头的项目怎么变成证据，判断在笔记里。
06自测清单SELF CHECK
- 上一次让 AI 写的东西，现在能关掉窗口讲出它为什么那么做吗？
- 把任务丢给 AI 之前，会先分一下它是结果层还是决策层吗？
- 试过先自己写再让 AI 批改吗，还是每次都直接要答案？
- AI 给的完整方案，采纳前拆开看过里面的决策吗？
- 说得出上周有哪几个决策是你自己做的吗？