當中文系學生用 AI 重寫王陽明：AI 賦能學習的三個層次，以及大學與企業的實作切入點｜專家論點【鄭緯筌 Vista】
作者：鄭緯筌（專欄作家，「臺灣電子商務暨創業聯誼會」共同創辦人，前「APP01」網站總監、《風傳媒》產品總監和《數位時代》雜誌主編）
今年春天，我兩度南下西子灣，走進中山大學中文系的教室。
邀請我前往擔任業師的，是中文系副教授吳孟謙老師。他開設的課程叫「傳習錄」，讀的是王陽明，而他要學生交出來的期末作業，不是報告，也不是論文，而是一個可以讓人用滑鼠點進去、真的玩得起來的互動網頁。
那兩場工作坊的名字取得很有意思：「當 AI 成為王陽明：AI 指令與 Vibe Coding 實作工坊」。我的任務，是帶著一群沒寫過程式的中文系學生，從零開始學會怎麼跟 AI 下指令、怎麼把一個模糊的構想長成一個能跑的網頁。
老實說，接到邀請時我是有點好奇的。中文系跟 Vibe Coding，聽起來像是兩個世界。
如今學期結束，四組作品都上線了。吳老師和碩二的教學助理廖婕妤甚至自己用 Vibe Coding 架了一個成果網站（https://yangming-ai.netlify.app/），把學生根據回饋修正過的作品完整呈現出來。回饋問卷顯示，學生對這次專題的整體滿意度高達四點八分（滿分五分）。
🚀 網站來源：https://yangming-ai.netlify.app/
嗯，這件事值得好好談一談。它表面上是一門中文系的課，骨子裡卻是這幾年所有大學與企業都在問的同一個問題：AI 到底能不能讓人學得更好？如果能，要怎麼做？
當技術門檻消失，剩下來的才是真的
讓我先來說說那四組作品。
「致良知．植心田」把課堂上原本的書面作業「致良知日誌」，改造成一款療癒系的植物養成遊戲：你每天做一次覺察與實踐，心田裡的植物就長大一點。「陽明心學知識王」模仿益智對戰遊戲，玩家化身為與盜賊對陣的陽明先生，題目卻不是背誦考題，而是職場誠信、AI 倫理與網路暴力這些現代場景。
「心的冶煉：王陽明的心靈解藥」抓住陽明「成色分兩」的比喻，設計生活情境測驗，讓玩家反求諸己，最後產出一份黃金純度的分析報告。「心學修養明鏡」則結合 MBTI 式的心理測驗，以陽明門下的重要弟子作為人格代表，幫玩家看見自己的習氣，再推薦合適的修養功夫。
你發現了嗎？這四組作品裡，真正有意思的東西是同學們的創意。
寫網頁的部分，AI 全包了。可是把成色分兩轉譯成黃金純度報告、用陽明門下弟子當人格原型、讓答題的對手是盜賊而題目是 AI 倫理，這些 AI 一步也做不了。那是要真的讀過《傳習錄》、真的想過陽明在說什麼、而且真的知道現代人卡在哪裡，才長得出來的東西。
換句話說，當技術門檻被 AI 抹平之後，剩下來、露出來或被看見的，是學生對文本的理解深度。
這正是這門課最有趣的地方。中山大學中文系的師生們沒有把 AI 當成一個高不可攀的技術門檻，而是拿 AI 當一把鑿子，鑿開原本被程式語法擋住的那道牆，讓人文素養本身變成作品的主體。
而這裡藏著一個很多人會忽略的細節，那就是作品必須能執行。一份報告寫得含糊，老師可能看不太出來；一個網頁邏輯不通，使用者三秒鐘就卡住了。當學生必須把致良知這種抽象概念，拆解成使用者點得下去、系統跑得出來的流程，他就被迫面對一個問題：這個概念，具體到底是什麼？
程式碼是不留情面的，它會逼你把想法想清楚。
AI 賦能學習的三個層次
談 AI 賦能學習，我看過太多場合停在第一層就結束了。
第一層是工具層：AI 幫你做完你本來就會做的事，只是更快。用 AI 整理逐字稿、翻譯文獻、生成投影片，都屬於這一層。效率的提升是真的，但它不會改變你能做出什麼樣的東西。工具層的 AI，讓一個中等的學生變成一個比較快的中等學生。大部分組織導入 AI，第一年就卡死在這裡。
第二層是方法層：AI 讓你做得成你本來做不到的事。中文系學生做出互動網頁，就是方法層。在 Vibe Coding 出現之前，這種作業不可能存在，不是因為學生沒創意，而是因為橫在中間的是一年半載的程式訓練。這道牆一倒，作業的形式就可以重新設計，而形式一改變，學習的深度也跟著改變。
方法層的關鍵字不是更快，是重新設計。它問的問題是：如果那個限制不存在了，這件事本來應該長什麼樣子？絕大多數大學課程和企業內訓真正該投資的是這一層。可惜很多人拿到了方法層的能力，卻只用它來加速工具層的任務，像買了一臺車，只用來在自家院子裡繞圈。
第三層是主體性層：AI 逼你面對你到底是誰、你到底相信什麼？
根據課程的回饋問卷，不少學生坦言，修課前對人文學科是否該使用 AI 抱持疑慮，擔心喪失學習的主體性。這個疑慮完全合理。我甚至覺得，會有這種疑慮的學生，才是真的在思考。
而實作之後，他們的看法轉變了。大四生黃鈺玲說，若能夠妥善運用，AI「其實可以成為我們在轉譯經典的好夥伴」。大三的趙詩亞提到，這種學習方式在成就感很高的同時，「也能夠檢視自己的所學是否融會貫通」。最讓我印象深刻的是大三的張紫芸，她在克服團隊困難的過程中，領悟到「真正需要面對的並非外在環境，而是自己內心的情緒與執著」。
你看，這句話已經不是在講 AI 了。這是陽明學。
一門課教到讓學生在跟 AI 協作的挫折裡，親身體會到心外無物是什麼意思，這已經超過任何評量表能打的分數。AI 在這裡的角色不是老師，也不是助手，而是一面鏡子。它把你思考的模糊、表達的含混、判斷的猶疑，一寸不差地照回來給你看。
知是行之始，行是知之成。這門課真正的教材，是學生跟 AI 反覆磨合的那段過程本身。
大學可以怎麼做：五個可複製的設計支點
我把中山大學中文系這門課成功的關鍵，整理成五個支點。它們跟學科無關，社會系、法律系或醫學系一樣可以用。
支點一：交出一個能跑的東西，而不是一份能讀的報告。作品必須是活的、可互動的、會壞掉的。只有可執行的產出，才會誠實地反映出思考的漏洞。報告可以靠修辭遮掩，網頁不行。
支點二：綁死一條不可妥協的專業標準。**中山這門課的四組作品，全部都要兼顧原典根據與互動轉化。如果只要求好玩，學生就會滑向做遊戲；如果只要求引經據典，AI 又幫不上什麼忙。真正的教學設計，是把 AI 幫得上忙的部分（形式、實作、介面）和 AI 幫不上忙的部分（文本、詮釋、判斷）綁在同一份作業裡，讓學生無處可逃。每個學科都找得出自己那條線：法律系是法條與判決依據，醫學系是臨床證據等級，商學系是財務數字的來源。把那條線畫清楚，AI 就從代寫工具變成放大器。
支點三：公開發表，而且開放試玩。吳老師特意在期末辦了成果發表會，讓同學們上臺展示、開放試玩與分組互評。這個安排看起來像儀式，實際上是品質控制。當你知道同學會親手玩你的作品、會當場點壞它，認真的程度就完全不一樣。吳老師和助教更把作品架成公開網站，這一步把作業升級成作品。
支點四：留一輪修正。成果網站上放的，是學生根據教師回饋針對不足之處優化過的版本。AI 的第一版產出通常是及格的或平庸的。真正的學習發生在拿到回饋之後再改一次的那個時刻，因為那一刻學生必須判斷：老師說的哪些要聽，哪些是我自己的堅持。這就是主體性的訓練。
支點五：老師和助教自己要下場。吳老師和廖婕妤自己用 Vibe Coding 架了成果網站，這個細節比什麼都重要。一個沒有親手跟 AI 摔跤過的老師，很難判斷學生交上來的東西是真的想過，還是丟給 AI 隨便生的。教學者的手感，騙不了人。
企業可以怎麼做：三個切點與一個常見的錯誤
把場景換到企業，這五個支點幾乎可以原封不動地搬過去，只是名詞要稍微換一下。
先講那個最常見的錯誤：從導入工具開始。太多企業的 AI 轉型是這樣啟動的：買一批軟體授權、辦一場通識講座、發一份使用手冊，然後宣布公司已經 AI 化了。三個月後檢視，只有 IT 部門和幾個本來就愛玩的同事在用。問題出在這套做法完全停在工具層。你只是給了大家一支更快的筆，卻沒有換掉那張要寫的考卷。
正確的順序是反過來的：先問如果這個限制不存在，這件事應該長什麼樣子，再回頭決定要用什麼工具。以下是最容易切入、也最容易看到成果的三個地方。
切點一：把內部知識做成活的東西，而不是死的文件。每一家公司都有一批沒人看的文件：新人手冊、SOP、產品知識庫、法遵規範。它們的問題從來不是寫得不好，而是形式錯了。沒有人會在需要的當下，跑去翻一份四十頁的 PDF。中山大學的學生把《傳習錄》做成互動測驗、養成遊戲、情境問答；同樣的邏輯，你的法遵規範可以做成情境判斷小工具，新人手冊可以做成帶著新人跑一輪真實流程的互動導覽。而現在，做這些東西的成本已經低到一個有耐心的資深員工加上一個週末就能做出雛形。
切點二：讓最懂業務的人，自己做出他需要的小工具。企業裡最痛的落差，永遠是最懂問題的人不會做工具，會做工具的人不懂問題。IT 的排程排到明年，業務單位只好繼續用 Excel 硬撐。Vibe Coding 真正的顛覆，是把做一個小工具的門檻，從一年的程式訓練壓縮到一個下午的耐心。中文系的學生做得出網頁，你的業務主管當然做得出報價試算器、客訴分類看板、排班衝突檢查表。前提是分清楚界線：這類工具是內部的、輔助性的、可拋棄的，涉及客戶資料、金流、對外服務的系統，該走正規開發流程就得走。
切點三：把內訓的產出，從上完課改成交作品。一場口碑好的內訓，跟一場有用的內訓，中間隔著一份作品。如果你要辦 AI 內訓，我的建議是不要教工具，改成讓每個人帶著自己手上真實的、卡住的工作來。上課的時間拿來做，下課時每個人交出一個能跑的東西，並且讓同事點開來玩，然後留一輪修正。差別只在於，學生交的是網頁，員工交的是那個困擾了他三個月的流程解方。
至於那條不可妥協的專業標準，在企業裡對應的是你們的業務底線：資安紅線、法遵要求、品牌語調或數字來源。把它明確寫下來，成為每一份 AI 產出的驗收條件。而支點五只有一句話：如果主管自己沒用過，就不要指望團隊會用。
關於界線：賦能不等於外包
最後，我必須把話題拉回那個學生最初的疑慮：使用 AI，會不會喪失學習的主體性？
我的答案是：會，而且非常容易。分界線只有一條，卻異常清楚。AI 用來擴大你的表達半徑，是賦能；AI 用來取代你的判斷過程，是外包。
當一個學生用 AI 把自己讀懂的陽明學做成網頁，他的理解沒有變少，只是找到了新的出口。另一個學生請 AI 幫他總結陽明學再包裝成網頁，成品看起來可能差不多，但他的腦子裡什麼也沒留下。這兩者從外觀上難以分辨，正是 AI 時代所有教學者和管理者共同的難題。
唯一有效的辦法，是把評量的重心從產出移到過程與答辯。作品完成之後，讓他解釋：為什麼選這個概念？為什麼是這個互動形式？AI 給你的第一版長什麼樣，你改了哪裡，為什麼要改？真正想過的人，這幾題答得出來；外包出去的人，答不出來。
主體性不是靠拒絕使用 AI 來保存的，那只是把問題延後。它是在每一次「我要不要接受 AI 這個建議」的決定裡，一次一次累積起來的。用得越多，決定得越多，主體性反而越強壯。前提是你真的在決定，而不是在點頭。
回到那句話
成果網站的首頁上，有這麼一句話：「無心外之理，無心外之物。知是行之始，行是知之成。今以 AI 為具，融經典於網頁，知行合一。」
我很喜歡「今以 AI 為具」這四個字。具，是工具、是器具，不是主人，也不是對手。
這兩年關於 AI 的討論，多半糾結在它會不會取代我。可是在西子灣的那間教室裡，我看到的畫面完全不同：一群不會寫程式的中文系學生，正把一個五百年前的思想家，重新翻譯給這個時代的人聽。他們用的方法是 AI，但翻譯的人是他們自己。
四點八分的滿意度，不是因為 AI 有多神奇，而是因為他們終於能把腦子裡想的東西做出來，而且真的有人願意玩。那種感覺，每一個曾經在深夜按下執行、看著自己的東西跑起來的人，都不難理解。
所以，無論你是大學教師、企業主管，還是正在猶豫要不要碰 AI 的上班族，我想留給你的問題只有一個：如果程式、設計、剪輯或翻譯這些門檻，明天全部消失了，你想做出來的，到底是什麼？
想清楚這個問題，AI 才有用武之地。想不清楚，再強的工具，也只是讓你更快地抵達一個你並不想去的地方。
