📘 L2 课程：搭建 AI 工作流

写在前面：这一章是 L2 主课的「营养加餐」，不是必读内容。
主线是 L2-07 到 L2-12，但如果你对“AI 怎么影响人脑”或“AI 系统怎样安全完成工作”感兴趣，这里还准备了两篇研究导读和一套 L2 原创图文微课。

学习建议：论文按兴趣选读；原创图文微课从基础到工程共 30 讲，可以按模块学习。

📌 本章概览

1. 这一章是什么

L2 主课讲的是 "怎么用 AI 把你的工作流跑起来"——做 Agent、做 Skill、做知识库。

衍生学习这一章换一个角度，看 "AI 怎么改变人是怎么学的"：

• 2 篇学术论文：讲最新的研究发现，AI 时代人的认知会发生什么变化。
• 1 套 L2 原创图文微课（30 讲）：把基础原理、Agent 工程和当前热点重新组织成自己的课程。

看完之后你会得到 3 件事：

1. 看懂学术黑话：下次看到"认知外包""知识追踪"这种词不再懵。
2. 理解 AI 时代的教育趋势：为什么 L2 主课反复强调"AI 是助手不是替代"。
3. 反思自己的学习方式：怎么用 AI 让自己学得更好，而不是变懒。

2. 学术论文：2 篇精选

论文 1：认知外包——把脑子记不住的事交给工具

一句话总结

认知外包（Cognitive Offloading）= 人类把自己记不住、想不清楚的事，交给外部工具（笔记本、计算器、搜索、AI）去做的过程。这篇综述讲清楚了三件事：为什么我们这么爱外包、外包之后脑子会发生什么、教育领域该怎么办。

为什么要看这篇

• 它是 L2 主课的"理论支柱"：L2-07 讲"工作流拆解"、L2-08 讲"知识库"，本质上都是在做"认知外包"——把脑子不想干的活，交给 AI 去干。看完这篇论文，你就知道这种做法的科学依据是什么。
• 解释了为什么 AI 是"放大器"不是"替代者"：外包做得太狠，自己的能力会变弱（手机号都记不住就是典型例子）。但做得太保守，又会被时代甩开。论文给了教育界一个"怎么教孩子适度外包"的框架。
• 原创图文微课第 08 讲“怎样健康地把脑力工作交给 AI”与这篇论文主题相连，可以配套学习。

3 个关键概念

📌 概念图

1. 什么是认知外包（What）

你拿计算器算 123 × 456，不是你算得慢，是你把"算"这件事外包给了一个工具。
你用 Google 查一个词的意思，不是你没文化，是把"记忆"外包给了一个搜索引擎。
你让 ChatGPT 帮你写周报，不是你不会写，是把"组织语言"外包给了一个语言模型。

2. 元认知（Meta-cognition）——外包的"开关"

元认知 = "对自己认知过程的认知"，通俗说就是"我知道我自己懂不懂、记不记得"。
论文的关键发现：能不能适度外包，取决于元认知水平。
- 元认知强的人：该外包的（自己算到头秃）外包出去，自己只做最有价值的事。
- 元认知弱的人：要么啥都外包（自己变空壳），要么啥都不外包（累死自己）。

3. 教育启示——怎么"教"外包

学校应该教的不是"不能查手机"，而是"什么时候该查、查完要消化成自己的"。
这对 L2 主课的启示是：AI 不是"用了就赢、没用就输"，而是"用了 + 内化 = 赢"。

5 条核心 takeaway

1. 认知外包是人类的本能——几万年前人类就在用绳子打结记事、用手指比划算数了，AI 只是最新的外包对象。
2. 外包 ≠ 偷懒——关键看你是"外包 + 消化"还是"外包 + 抛弃"。前者越用越强，后者越用越空。
3. 元认知是开关——定期问自己"我刚才让 AI 干了啥、这件事我自己还会做吗"，是健康外包的核心习惯。
4. AI 时代的教育不是"禁手机"——而是教"什么时候用、怎么用、用完怎么内化"。
5. 跟 L2 主课的关系：L2-07 / L2-08 / L2-10 学的所有内容（Agent、Skill、知识库），本质都是"把脑子不想干的活外包给 AI"——主课在教工具，这篇论文在讲底层原理。

阅读建议

• 先看图文课再看论文：先学原创课程第 08 讲，用生活比喻建立直觉，再用论文术语加深理解。
• 重点看摘要 + 结论：正文很长，摘要（Abstract）和结论（Conclusion）把核心观点都说完了。
• 挑感兴趣的章节深读：论文分了"机制 / 干预 / 教育启示"三块，挑你工作最相关的那块。

论文 2：深度知识追踪——AI 怎么知道你会什么、不会什么

一句话总结

深度知识追踪（Deep Knowledge Tracing，DKT）= 用神经网络模型，看一个学生做过的题，就能预测他下一个题会不会做、对哪块知识还模糊。论文还加入"认知负荷"（Cognitive Load）这个维度，让推荐的学习路径更贴合学生脑子能不能装得下。

为什么要看这篇

• L2-08 知识库和 RAG 的"教学版"：L2 教的是怎么用 RAG 帮 AI 找答案；这篇论文是 RAG 思路反过来用在"人"身上——AI 看你的答题历史，就能精准推荐下一题学什么。
• 解释了"自适应学习"是怎么实现的：你用过可汗学院、猿辅导、Duolingo 吗？它们背后用的就是知识追踪模型。看完这篇你就能跟人讲清楚"为什么这个 App 推的题总是刚刚好"。
• L2-09 Agent 的隐藏能力：如果你的 Agent 知道用户当下的认知负荷（是累了还是轻松），它就能"见机行事"——用户累就推简单题，状态好就推难题。这篇论文给了方法。

3 个关键概念

📌 概念图

1. 知识追踪（Knowledge Tracing，KT）——AI 版的"错题本"

传统错题本：你做错了什么题，抄在错题本上，过几天复习。
知识追踪：AI 看你的答题历史（不只是错题，对题也看），用一个数学模型（RNN、LSTM、Transformer）算出来一个"知识状态向量"——这个向量表示你对每个知识点的掌握程度。
公式简化：
下一题做对概率 = f(历史答题序列)
听起来玄乎，本质就是"AI 在心里给你画了一张知识点雷达图"。

2. 认知负荷估计（Cognitive Load Estimation）——AI 版的"测心率"

认知负荷 = 你大脑当下"装了多少东西"。新东西装多了，脑子会卡。
论文用学习者的行为数据（停留时间、答题速度、反复回看次数）来估计认知负荷，避免推"装不下"的难题。

3. 个性化学习路径生成（Personalized Learning Path）——AI 版的"私教"

知道你会什么、知道你现在累不累，就能排出一张"今天最适合你学的内容"清单。
跟 L2 主课的对应：这就是一个"为学生而生的 Agent"。

5 条核心 takeaway

1. 深度知识追踪 ≠ 单纯统计错题——它用神经网络看答题序列（你答题的顺序、节奏、模式），能推断出你不知道自己不知道的盲区。
2. 认知负荷很关键——一个劲儿推难题的学生会"学崩"，一个劲儿推简单题的学生会"无聊死"。AI 需要学会看人脸色（行为数据）。
3. 个性化 ≠ 随机刷题——是按知识点的依赖关系排路径（先学 A 再学 B 因为 A 是 B 的基础），不是乱推。
4. 对 L2 的启示：你的 Agent 不应该只接需求，还应该"理解用户当下的状态"——用户累不累、急不急、懂不懂。比 L2-09 的"四要素"多一个维度：状态感知。
5. 对个人的启示：可以用类似思路管理自己学习——每周末回顾"这周我学啥、卡在哪、要不要换条路"，这本身就是一种"对自己的知识追踪"。

阅读建议

• 方法部分可以跳过——论文里有一大堆神经网络架构图（DKT、SAINT、AKT 等），不是 AI 方向的同学看着会懵，跳过不影响理解核心思想。
• 重点看图 1 和图 2——这两张图把"输入—模型—输出"画得非常清楚。
• 跟论文 1 配套看——论文 1 讲"为什么人会想外包脑子里的事"，论文 2 讲"AI 怎么帮人高效学"，一对姐妹篇。

3. L2 原创图文微课：AI 核心概念与 Agent 工程 30 讲

原来的外部视频选集已经改为 L2 自有课程。课程重新设计了知识顺序、生活比喻、工作案例、练习和配图，不要求学员观看、复述或模仿任何第三方视频。

🧭 原创课程知识地图

学习方式：每讲按照“先看图 → 听懂大白话 → 看工作例子 → 做一个小练习”的顺序学习。后续短视频脚本和口播稿将从这份原创图文母稿拆分，而不是从第三方视频字幕改写。

打开完整的 L2 原创图文微课（30 讲） →

打开 30 页知识公式 PPT 图卡 →

4. 怎么把这一章和 L2 主线连起来

很多学员会担心"这些论文和视频跟主课无关"。其实强相关——下面这张表是 L2 主课章节和本章资源的对应：

学习路径建议

路径 A：只想加深的（1 周）

1. 学第 08 讲（认知外包）→ 读论文 1 摘要 + 结论
2. 学第 05 讲（Agent）→ 读论文 2 的图 1 和图 2
3. 选学第 12—16 讲，理解 RAG、提示词、Skill、MCP 与 Agent
4. 回到 L2 主课，重新看一遍 L2-07 / L2-09 / L2-11

路径 B：想完整看完的（2 周）

1. 第 1-2 天：学习第 01—04 讲，建立 AI 基础
2. 第 3-4 天：读论文 1（重点摘要 + 结论 + 概念图）
3. 第 5-6 天：学习第 05—11 讲，理解 Agent 与人的关系
4. 第 7-8 天：学习第 12—16 讲，理解知识、连接与执行
5. 第 9-10 天：学习第 17—20 讲，理解 OpenClaw、Hermes 与工程安全
6. 第 11-14 天：回看 L2 主课相关章节，写自己的"AI 学习反思笔记"

路径 C：只想看 3 个最值得看的

1. 第 08 讲：健康的认知外包
2. 第 16 讲：提示词、Skill、MCP 与 Agent 的关系
3. 第 20 讲：长任务的安全护栏

5. 5 个思考题（自测掌握程度）

看完本章之后，试着回答这 5 个问题。答得上来就算掌握：

1. 认知外包的反义词是什么？为什么我们不能"完全不外包"？
2. 元认知强的人和元认知弱的人用 AI 有什么不同？
3. 知识追踪模型需要什么数据才能给你推下一题？（提示：不是"做错的题"就够了）
4. 推理模型和普通大模型的本质区别是什么？举一个适合用推理模型的场景。
5. 以人为中心的 AI（HCAI） 的核心是"AI 越强越好"还是"AI 越合适越好"？为什么？

6. 资源汇总

📄 论文

1. Guo, Y. & Ye, Q. (2026). Meta-cognitive insights into cognitive offloading: mechanisms, interventions, and educational implications. Humanities and Social Sciences Communications. DOI: 10.1057/s41599-026-06621-5
2. Tong, C. & Ren, C. (2025). Deep knowledge tracing and cognitive load estimation for personalized learning path generation using neural network architecture. Scientific Reports. DOI: 10.1038/s41598-025-10497-x

🎬 视频

• B 站频道：BV1Pyamz6ETN —— UP 主：王先生的思维图
• 完整 23 集，本章精选 11 集讲解
• 配套工具包：关注微信公众号「秀儿科技资源分享社」

🖼️ 本章配图

7. 写在最后

这一章是 L2 主课的"长尾"——主课教你"怎么用 AI 干活"，这一章告诉你"AI 怎么改变人"。

• 如果你只想学技术：看完 L2-07 到 L2-12 就行，这一章可以跳过。
• 如果你想理解趋势：强烈建议至少看 P13 / P10 / P14 三集，5 分钟就能装一肚子和同行聊天的"黑话"。
• 如果你对教育 / 心理学 / AI 哲学感兴趣：两篇论文 + 全部 11 集值得一刷。

最后一句话：AI 时代最值钱的不是"会 AI 的人"，而是"会用 AI 还能保持自己思考能力的人"——这一章就是帮你保持思考能力的。