AI 防骗指南:它的破绽,就是你的教案

防它写错，更要用它出错 —— 防骗清单，师生都有份

我的老师徐赐成教授曾说，历史学习就是学会历史思考。AI 时代，这话得再加一层：先得学会不被 Ai 带着走。所以这篇写成一份指南——一讲它怎么"骗"我们，不是它失手，是本性；二讲怎么反过来把它的错误用起来，它的破绽就是教材；三讲凭什么判它错，尺子不在 AI 手里，在历史学上百年的方法里。

先看一张照片。

今年 9 月，美国历史学会会刊《Perspectives on History》登了一篇文章，作者让 AI 生成"一张士兵冲上奥马哈海滩的写实照片"。第一眼，像极了诺曼底登陆的名作；放大再看，船头方向不对，士兵在往海里走。研究者把错处指给 AI，要求"改进"，它交回一张几乎复刻名作《Into the Jaws of Death》的新图——不标任何出处。研究者自己认得出原图，绝大多数学生认不出。

再说我备课的事。我的教研工作台里，备《甲午中日战争》时我让 AI 写段导入，它写出"邓世昌下令致远舰全速冲向吉野，将其撞沉"。教材"学史崇德"栏目的原文是"欲撞击日舰……未至而沉没"。一个「欲」字被吃掉了，吉野还替它"沉"了一次。

这两件事，一件来自大洋彼岸的研究者，一件躺在我自己的工作台里，隔着一个太平洋，原因是同一个。

Ai 不缺历史知识，缺的是「掂量」——把史实放进时空、证据、解释里称一称。要防它，先得知道它为什么会这样。

病 根它是个从不交白卷的考生

把 AI 想成一位考生：一辈子只练一道题——给你前半句，猜下一个词。它读过以万亿计的文字，把人类语言的规律，压进体内上千亿个"旋钮"（参数）里。

这位考生的脾气，由三件事决定。

第一，卷子上没有"我不知道"这一格。每接一个词，它给候选词各算概率，加起来正好百分之百，然后挑一个。你发现它骗你了，它也会说"我不知道"——可这四个字同样是接出来的：多数问题上，一句流畅的答案，概率远高于一句坦白。

第二，它按"像不像"得分，不按"对不对"。它学的是"人接下来通常会怎么写"：哪句更像人话，概率就高。是不是真的，卷子上不考，它也就不管了。

第三，它不能回头改。人写作文能打草稿再誊，它不行：开头接错一个词，后面每一句都在替这个错圆场，越圆越顺。

所以它很少写错年份——年份错了，学生一眼就抓出来。它错得更高明：把不确定写成确定，把两件事并成一笔，把推测画成现场。读起来更顺，更像完整的故事。

回头看那个「欲」字：教材写"欲撞击……未至而沉没"，是两截——想撞，没撞到。中间那一截丢了：他们拼了命，也没拼到。AI 把两截压成一截（"将其撞沉"），历史就被篡改了。

它不是在骗你，它是在把话接顺。顺，是它的本事，也是它的病。

所谓"防骗"是比喻——它没有骗人的意图，只有让人误信的机制。

有项研究做过一个干净实验：24 名学生、72 份历史开放题答卷，由任课教师和七个 AI 模型分别打分。裸着问"请给这份答案打分"，一致性很低；给出明确的分层量规，一致性可做到 r > 0.80。这两个数得连条件一起看——24 人、开放题、同一套量规；离开这些条件，它不成立。

它对"宽容偏差"的解释更有意思：模型系统性地给分偏高，不是心软，是它偏爱流畅、冗长、结构漂亮的答案，哪怕事实残缺。它给"写得像"的孩子加分，给"写对了但写得笨"的扣分。

生成时按"像不像"接，判分时按"像不像"给。同一套偏好，换了个地方发作。写史更如此——下面这几种错，都是它的产物。

错 法错得顺，所以查不出来

何成刚老师有句话扎在根上：没有史料就没有历史教学。AI 错得最多的时候，恰恰是它「离开史料」的时候。下面三段，都是我在备课中当场抓到的。

一是把不确定删成确定。「欲撞」变「撞沉」，前面已经说过。吉野舰的确沉了，不是在甲午战争，而是十年后的日俄战争，意外沉没。错不在写出来的句子，老师得审。

二是把两笔账并成一笔。教材写赔款 2 亿两，AI 常给"2.3 亿两"——它把 2 亿军费和 3000 万两赎辽费并成一笔。数加得没错，可"三国干涉还辽"整件事没了：列强各怀算盘、清政府被"帮"一把后又掏一次钱，全压在这一笔里。

为什么查不出来？2.3 亿这个数本身是对的。我们习惯核数字，它错的是数字背后的历史。

三是把推测画成现场。七上讲北京人，教材给的是结论——会使用火，会长时间保存火种；考古拿得出的，是灰烬、烧石、烧骨这些遗存。至于火边是什么样子，洞口多深、火堆怎么围、肉怎么分，教材没有，遗存也不说。AI 给你的偏偏是一场篝火晚会：火光照着洞口，架上烤着兽肉，洞壁晃着影子。从灰烬层到围火分食，隔着近百年的发掘、测年、微形态分析，还隔着没打完的学术争论。

为什么查不出来？画面太具体。具体的画面自带说服力，学生"哇"一声，推测就成了记忆。

还有第四种：把争论讲成目录。讲百家争鸣，它给你四段漂亮话——孔子仁、老子无为、墨家兼爱、韩非法治，四家排排坐。可这一课真正的问题是：社会剧变，怎么治？四家是同一个问题的四种回答，互相吵架。AI 把吵架讲成目录，学生背得出四家，答不出他们在争什么。

还有一类错，不在史实，在立场。

AI 处理价值判断有个通病：只讲"客观上"，不讲代价。讲近代史，它爱写"侵略客观上带来了近代化"，把殖民写成"现代化进程的一部分"。这些话单看不算错——殖民扩张确有"破坏"与"建设"双重使命，客观作用是能讲的。错在它讲完就停：谁被破坏、谁付账、主权怎样丧失，一字不提。客观作用要讲，但必须放在"侵略是主要的、代价由被侵略者承担"这个前提之下讲。只讲一半，是非才被抹平。

这几种错，前两种是学界通用的名目：编造史实，叫事实性幻觉；给了材料不照着说，叫忠实性幻觉。第三种各家叫法不一，我按课堂上的实感，管它叫逻辑性幻觉——每句都对，连起来推不出结论。第一种（查无此文的论文、捏造的引文）大家已有防备；后两种，恰恰最常出在我们自己做的东西里。

忠实性幻觉，值得每位老师单独警惕一次。

很多老师已经学会"给材料"：贴一段史料，让它"根据材料"出题、写答案。有材料兜底，总不会错吧？错就错在这里。它写出的要点，常有一两条来自教科书背景，材料里根本没有。拿这样的答案阅卷，严格依据材料作答的学生反而丢分——学生照着史料答，机器照着"记忆"判，谁冤？

"论从史出"，在参考答案里悄悄变成了"论从书出"

为什么察觉不到？它添进来的东西往往本身是对的。我们只问"这句对不对"，不问"这句是不是材料里的"——对了，就放过去了。

逻辑性幻觉藏在"分析"里。史学讲「论从史出、史论结合」——论是史推出来的，不是顺字面滑出来的。比如把客观作用写成主观目的："洋务派为了发展民族资本主义而兴办民用企业"。客观上，洋务企业刺激了民族资本主义；可这不是洋务派的目的。单看每句都通顺，推理在句与句的接缝处断了。它还偏爱"彻底""根本""标志着"——历史结论最讲分寸，它总把"推动"写成"彻底改变"，把"开始"写成"完成"。

错法讲完，本该接着讲怎么判。先停一步：上面这些错有个共同点——规律。有规律就可预期，可预期就能反过来用。

教 材把它的错，编成一节课

学生要练的是"辨"，而辨的本事，只能在真伪混杂的地方练出来。史料教学，最重「大胆怀疑、小心求证」——怀疑不是态度，是方法：先疑，再证，证不了就不用。

美国南卡罗来纳州的历史教师 Chris Chapman（前记者，从业 15 年）碰到过一幕。学生拿 AI 的答案来辩论，还附了一条常春藤名校的脚注，理由是"这学校说的，总不会错吧"——那所学校从没说过这句话。AI 先编了观点，再顺手编了个出处。

他没有当场纠正。他把这件事变成了当天整节课的任务：全班一起去找那篇原始论文，再找三条能反驳它的可信来源，并且必须说明这三条为什么可信——最后这一步，恰恰是学生平时最想跳过的。假出处当然找不到，真事实几分钟就浮出水面。他后来写道：这个活动「不需要学生登录任何账号，只需要一条假引文和一间怀疑的教室」。

怎 么 用

课前用 AI 生成一段 200 字的"史料解读"，手动埋三处错：一处年代错、一处张冠李戴、一处编造的引文。学生分组找，找到后必须写出"我用哪份材料、怎么证明它错了"。评价点不在"找到几个"，在"证据链能不能闭合"——找齐三处却说不清凭什么，等于没练。

国内的课例走得更远。泉州洛江区，陈慧琳老师讲《中国同盟会》，整节课套了一个情境——"为近代中国开药方"，分三层：一个人（孙中山的初探）、一群人（同盟会成立）、一代人（志士起义）。

其中一个动作可以原样搬走：她先放一段 AI 生成的孙中山早年经历视频，一句不讲解，直接派任务——回看，找出与史实不符的细节。学生的身份是"历史审核员"。

这节课最值得记的一点：AI 的错误不是教学事故，是教学资源。

"审核员"这个角色设定好在位置：它把学生放到了比 AI 更高的地方。八年级上册整册都能这么用——讲洋务，让 AI 写一段"李鸿章自述"埋错；讲新文化运动，让 AI 列一份《新青年》目录埋错。规矩只有一条：指错必须附史料，不能凭印象。

谢树森老师总结得干脆："AI 进课堂要始终坚持应用为王，让技术服务于教学目标而非流于形式。"后面还有一句："让历史教学既有科技的锐度，更有人文的温度。"

还有一层：让学生自己去找错。福州一所学校高一的假期作业里，有一项叫"历史谣言粉碎机"——学生挑一条流传很广的历史说法，查史料，写一篇"打假帖"，标注出处。有个学生顺着"爱因斯坦数学不及格"往下挖，发现源头是 20 世纪 30 年代美国的一本励志读物。他不只证伪，还完成了追源。

这些课成败只在一处：判"错"的标准硬不硬。标准软，找茬就退化成猜谜——学生猜老师埋了哪三处，老师猜学生看没看懂；标准硬，它才是一堂真的史料实证课。

所以问题不是"用不用"，是"凭什么判"。

判 据尺子是历史学磨好的，不是 AI 给的

当教材用，对老师的要求反而更高：你得当场判得出它错在哪一层，也得判得出学生找到的"错"是不是真错。这把尺子不在 AI 手里，历史教学自己磨了上百年。

今年的全国历史教学学术年会，主题八个字——「素养导向、评价驱动」。是「评价」驱动，不是「技术」驱动；真正被反复讨论的，是另一件事：评价的标准，谁定、怎么定、定成什么样才算准。

标准从哪来？同一份研究还给过一句反常识的话：「提示词设计与评分标准的定义，比选哪个模型更重要。」我们抱怨「AI 给分不准」，多半不是模型不行，是只甩了一句「请给这份答案打分」。把标准说清楚，一致性才上得去——这不是技术问题，是评价问题。

尺子长什么样，黄牧航讲「分层赋分」时说得最透。他把历史解释由低到高排成五层——现象性解释、内涵性解释、本质性解释、联系性解释、规律性解释。五个词就是五档：只罗列史实，落在第一层；讲得出「这意味着什么」，才上得去。落哪一层，可以判，不是「感觉」。

他还有个更硬的主张——主观题评分客观化：不是给标准答案对号入座，而是把每层该有的东西说清、说死，让不同的人按同一把尺子去量，误差才压得下来。他写过一句，像给今天提前写好的注脚：「大力完善评分细则，努力实现主观题评分客观化，为人工智能阅卷打下基础。」

判断还有底线。昆明一场 AI 命题论坛，14 位老师把底线收成三条——「史实硬伤、价值导向、课标边界」，任一条不过，题就废。三条里，只有第一条 AI 自己查得出。价值导向不是"没有标准"，而是标准有立场、且必须以史实与证据为据；课标边界也只有讲台上的人摸得准——这两条，它替不了人。

这 14 位老师里，两句话把「谁主谁辅」说穿了。一句是「人主 AI 辅——AI 做粗加工，人做精加工与终审」；另一句是「AI 跑第一棒打开视野，教师跑最后一棒守住底线」。一个意思：判断的最后一棒，交不到 AI 手上。

有了尺子，再看怎么查。以前的查法是校对；现在要加三问——这句是材料里的吗？这两句推得过去吗？该在的那一句，在吗？前两问是「论从史出」，第三问是「史论结合」漏掉的那一环。

落到备课上，我给自己立了两条铁律。

先想后问：先通读课标教材、写出自己的初步设计，再打开 AI——让它给你的稿挑刺，不是替你写。顺序反了，只能照单全收：没有你那一稿，它没有比较的基准，好不知道好在哪，错不知道错在哪。先核后用：它给的每一样东西，过三道筛再进教案，一道不过就退。

这套顺序在课堂上有更省事的版本。烟台年会上，一位老师的提问框架被评课专家肯定：时空定位 + 关键词提取 + 史料印证，三步做完才允许问 AI。印在导学案上就是一栏三格，填不出，说明问题还不成立。它把"问 AI"变成了"提一个可验证的历史问题"——八年级讲洋务、辛亥、新文化，最容易一开口要结论，这三格能当场把结论打回成问题。

武汉一节《辛亥革命》公开课更狠：前两层完全不碰 AI，等学生把史料读透、看出矛盾，第三层才让它上场，当"被质询的对象"。评课老师有句话：AI 出场越晚越好。一上课就请数字人开讲，学生会把它当权威，思辨就不会发生。

三道筛：课标筛——这一条，是本课要求吗？拓展可以有，不能顶了必教的；教材筛——这个表述与教材一致吗？不一致，先疑 AI，再查教材；学情筛——这个深度，我班上接得住吗？深浅快慢，只有讲台上的人说了算。

有老师问：筛来筛去，会不会把 AI 的价值筛没了？恰恰相反——我用它比从前只多不少，查线索、出对题、模拟刁钻的反问，全是它干。变的不是用量，是次序：它从"第一稿的作者"，变成"第二意见的提供者"。

老 师 版五条，把判断标准落到课里

铁律之下，五条具体动作。每条后标了它练哪门功夫——归根到底，都是「史由证来」。

1

AI 生成的图，一律标「示意图」守证据底线

它配不上"历史照片"四个字。标注不用丑，图角一行"AI 生成示意图"就够——这一行字，就是学生的第一道疫苗。

2

它"提供"的史料原话，一律视为存疑辨史料出处

你请它"提供"某人的原话、某道奏折，它能写得文白相间、口吻逼真——模仿语体，正是它最擅长的。史家讲究「辨别史料作者意图」，这里连"作者"都是它装出来的。书名、页码、网址，都可能是它顺手编的——前文那位老师碰到的常春藤脚注，就是这么来的。

所以规矩只有一条，笨但有效：每条史料的出处，30 秒内能不能翻到原文。翻不到就删，不辩解——史由证来，无证不立。

3

作业用三色笔立证据规矩

红色：可查证的依据，带出处——只认两类：第一手史料（文献原件、实物、当时影像）与官方整理（统编教材、文献汇编、档案馆编目）。教材属第二类，能当依据，不能顶替第一手史料。蓝色：AI 给的，标"未核实"；黑色：你自己的判断，给理由。它考"你怎么知道"，不考"是不是你写的"——前者查得动，后者永远查不动。这一红一蓝，就是何成刚讲的「证据意识」：凭证据说话，论从史出。

4

每学期留一节 20 分钟的「找茬课」练四步本能

六张图，三真三假，打乱。学生按流程判断：先问年代（1839 年的照片里不能有电线杆），再查来源链，反向搜图，最后看像素。每步写依据，不许写"我觉得"。末了留一分钟，每人写一句"我为什么误判"——这比判断对错更要紧。讨论时投五问卡：谁在说话？为什么有说服力？哪些能核实？谁被消音？我们为什么需要它？任选两问，不求全答。

换文字版更省事：一段 AI 生成的"史料解读"埋三处错，学生当"历史审核员"——做法见前文「教材」一节。图片辨伪练眼，文字埋错练证，两样轮着来。

5

给 AI 交回的分析，加一道「拆推理」守史论结合

查史实之外，要求它逐步推导、每步注明依据；再换个新对话，请它给这段分析找反驳、指出最薄弱的一步。同一个错犯两次，就把这规矩写进提问里，下次先讲清。

若让它参与判分，再加一条硬约束（那份判分研究给的）："不得因篇幅长、用词高级而加分；事实错误一处，直接降一档。"能挡住大部分宽容偏差。让它初评可以，终审不行。

学 生 版五条，护住你自己的判断

1

年份先过一遍脑子

1839 年的照片里不能有电线杆，1949 年的报纸不会是彩色印刷。看任何"历史影像"，先拿教材后附的大事年表对一对——这一步成本最低。AI 错得比这高级得多，年份过关只是起点。

2

图片先反搜，再看像素

顺序不能反。反搜找不到出处的图，再逼真也别用。手指划痕、发黄边缘都不是"真"的证据——干净的可能是合成，有划痕的可能是翻拍。

3

敢跟 AI 抬杠

它不会生气，你也不吃亏。深圳有位老师让学生天天跟 AI 辩论历史结论，学生说：跟老师辩论有压力，跟 AI 辩论没包袱，敢质疑也敢说错。先敢说错，才谈得上敢想。

4

「AI 说的」不算出处

出处是教材第几页、哪本史书、哪座档案馆。写不出出处的句子，就不许进你的答案。AI 可以当线索库：它指的路可以走，路要自己验。这套功夫练熟了，中考的史料辨析题就是基本分。

见到只讲"客观上"、不讲代价的句子（如"侵略客观上促进了近代化"），最该打问号——那不是史实错，是立场被抹平。客观作用、主观目的、侵略代价，是三样东西，别让它混成一句。

5

最后一段，是你自己的话

AI 可以帮你查、帮你列、帮你改错字，但结论那一段必须是黑色笔——你自己的判断。这才是老师最想看到的部分。

最 后守住历史教学的「本」

教材写致远舰"未至而沉没"。我一直觉得这五个字比"壮烈殉国"更重：它说的是，他们拼了命，也没撞到。

AI 不肯写这五个字。它替我们补了一个圆满的结局——因为圆满的结局，概率最高。

我们教历史的，做的恰恰相反：把"没撞到"讲清楚，把"谁在说话"问出来。这种克制本身是一种解释——不煽情，让证据说话。这就是历史思考：一个「欲」字的分寸、一处表述的选择，背后是证据、解释与价值。知识 AI 抢得走，这种思考抢不走。

最近历史学者自己出了一套题去考 AI，叫 HistBench，覆盖 29 种古今语言、36 门专门史。有意思的不是它考倒 AI 没有，是它引来的争议：有人说，用固化的标准答案去评史学能力，"在认识论上更接近中学历史教育的应试逻辑，而非史学研究所强调的问题意识和阐释空间"——连历史学家自己，都在反思"标准答案"这回事。

这句话，教中学历史的人最该听到。什么才算懂历史？是背得出四家主张，还是答得出"他们在争什么"；是写对一个年份，还是说得清它为什么重要。判断标准从不是死的，要一代代人重新想一遍——这就是历史意识：不记住结论，而是永远保留「再问一句」的能力。

这十条清单，就是"重新想"的落点。守住教材里的一个字、一处表述，守的不是几行铅字，是下一代看历史的眼光：什么是证据，什么是编排，什么是思考。这个眼光立住了，孩子面对再聪明的机器，也问得出那一句——这一次，是谁在说话？

说到底，把 AI 摆在什么位置，比它好不好用更要紧。徐赐成教授说得明白：AI 只是工具，用得好不好，取决于教师的理念、方案与引导——工具替不了育人的本。写《Teaching with Ghosts》的两位学者提过一个词，叫"技术好奇"：对 AI 保持好奇，但这份好奇要被历史思维与伦理审视管住。译成课堂上的话——它只能当"要审的来源"，不能当"要信的作者"。

它负责接，我们负责判。最好的防骗，是把它骗人的地方，讲成一堂课。

欢迎看到这里的你，那么问题来了，这里面有没有 Ai 骗你的线索呢，欢迎评论区讨论～

如果这条清单对你有用，转给你科组的同事，或者转进孩子班级的家长群。

资 料 来 源

· Amy Allen, David Hicks, Teaching with Ghosts, Perspectives on History（美国历史学会，2026 年 9 月；诺曼底 AI 图实验、五问法均出此文，已于 2026-10 复核原文）

· Optimizing AI-based assessment in history education: The impact of prompt engineering on scoring performance, Journal of Educational Technology and Online Learning（24 名学生 72 份答卷，r > 0.80、「偏爱流畅冗长而事实残缺」与「提示词设计比选模型更重要」均出此文）

· Amy Allen, David Hicks, Figuring GenAI: Toward a Technocurious Framework for History Education, Teachers College Record, 2026, 128(8)

· 中国教育学会历史教学专业委员会 2026 年度学术年会（烟台，2026.10.16—19）：主题「素养导向、评价驱动」；田磊「时空定位＋关键词提取＋史料印证」提问框架、三张课堂量表

· 云南省周永珍名师工作室「珍探论坛 NO.21」（昆明，2026.10.25）：朱敏「人主 AI 辅」、高烨「AI 跑第一棒／教师跑最后一棒」、李雪五道命题工序、陆香岑三条红线

· 黄牧航《中学历史核心素养命题的关键技术四：完善分层赋分》：历史解释五层（现象性→内涵性→本质性→联系性→规律性）与「为人工智能阅卷打下基础」均出此文

· 泉州洛江区初二历史教研活动（2026.10.23）：陈慧琳《中国同盟会》「历史审核员」课例；谢树森「应用为王」「科技的锐度，人文的温度」均出此活动纪要

· 武汉市二桥中学「三师协同」课例（2026.10.14）：操芮《辛亥革命》，「AI 出场越晚越好」

· HistBench 基准及其争议：高晞《进入人工智能实验室的历史学者》（爱思想）；「在认识论上更接近中学历史教育的应试逻辑」为批评者意见，转引自该文

· Chris Chapman，《What an AI hallucination taught my classroom》，Post and Courier；「一条假引文和一间怀疑的教室」「40 分钟埋三处错」均出此文

· 福州某校高一假期作业「历史谣言粉碎机」与「AI 初评＋教师审核」机制：史海拾珍《史料实证——历史组开展高一作业展示活动》；「爱因斯坦数学不及格」追源案例出此文

· JournalArta《辨别 AI 生成历史图像的简易方法》（Sebastian Kubon 的「时间逻辑」法）

· 南方+《百万粉丝老师把 27 万份资料喂给 AI，深圳一高中历史课火了》（周建定案例）；张汉林《史料实证素养贵在史料理解》，《历史教学问题》2023 年第 5 期

· 《义务教育历史课程标准（2022 年版）》五大素养（唯物史观、史料实证、历史解释、时空观念、家国情怀）；教材原文引自统编版《中国历史》八年级上册第 5 课「学史崇德」栏目（2024 修订版）：「欲撞击日舰与其同归于尽。因敌炮丛集，未至而沉没。」

· 徐赐成《AI 时代与历史教学之本》专题讲座（西北师范大学「史教薪传」系列，2025.11）：「历史学习就是学会历史思考」「AI 只是工具，效果取决于教师理念」均出此讲

· 何成刚《史料教学的理论与实践》及《史料阅读与史料教学》：「没有史料就没有历史教学」「论从史出、史论结合」「证据意识」均出此