AI时代，合格的研究生导师应该是什么样的？-龍德明宇

AI时代合格的研究生导师应该是什么样的龍德明宇导读AI正在瓦解的不是导师的某项技能而是导师这个位置的存在基础知识垄断。当知识不再稀缺真正稀缺的是判断力。而判断力长在有限生命里长不进token序列。本文基于「负主体性」理论作者龍德明宇提出的LLM存在状态分析框架把LLM理解为无有限生命、无赌注、无承担的系统追问一个本体论问题导师这个位置在AI时代还意味着什么一、一个正在发生的事实2026年6月澳门大学张慧泉在Nature发表通讯「AI agents in research: when productivity comes at the cost of apprenticeship」副标题直白当生产力以师徒制为代价。他观察到一个简单却锋利的事实导师用AI加速学术产出时无意间切断了学生「做中学」的路径。文献综述、数据分析、代码调试这些曾经构成博士训练地基的基础工作如今几乎都能被AI包揽。组会频率降低了学生「产出」变快了似乎不需要那么多指导了。但真正发生的是默会知识的传递通道被堵死了。学生得到了结果但没有学会自己得到结果的能力。赵斌在科学网的文章里写过「导师比学生早入场二十年他脑子里可能装着半个世纪的文献。」这句话在过去是常识现在正在变成历史。那个壁垒消失了。如果AI已经可以高度模拟博士指导、同行评审、甚至授课那导师这个位置到底还剩下什么是AI无法替代的二、导师的权威曾经建立在什么上面导师的传统权威从来不是建立在「更聪明」上而是建立在「知道得更多」上。这是一个信息不对称的结构导师读过你没读过的文献犯过你没犯过的错误见过你没见过的审稿意见。你跟着导师是因为他知道一些你不知道的东西而那些东西靠自己摸索需要很多年。赵斌把这个结构叫「稀缺性转移」旧的竞争链里核心变量是知识储量读得够多、记得够牢本身就是稀缺能力。AI把这个环节炸掉了。当知识获取成本趋近于零「知道得多」就不再是壁垒。他的判断很精准「旧体系奖励『知道』胜过奖励『看见』。AI把第一个环节炸掉了。」过去知识量可以掩盖提问深度的不足。一个读过三千篇论文但提不出好问题的研究者能靠知识储备在学术体制里生存。AI把这个保护垫抽掉了。当知识不再稀缺「你到底能不能问出一个值得追下去的问题」才真正成为分水岭。一位985高校AI方向博导在上观新闻的报道里表达了困惑「过去博士生的成长是从读文献、写代码、做实验这些基础工作开始但现在入门级工作几乎都能被AI包揽。博士生该如何开始成长」这个问题问到了根上。知识垄断崩塌之后紧跟着的不是「导师该换什么技能」的技能焦虑而是更深层的判断力危机当知识不再稀缺判断力反而成了博士训练的核心瓶颈而AI偏偏同时侵蚀了培养判断力的路径学生越依赖AI越难获得判断AI所需的专业能力。这就是AI时代导师资格问题的真正难点即判断力悖论。三、判断力悖论AI时代最深层的困境Nature在2025年11月发表了Sen Gupta等人关于AI重塑博士训练的论文核心判断是随着机器在数据分析、写作上表现越来越好博士训练必须进化以充分利用AI产出。这个判断的尖锐之处在于它同时抛出了一个反向要求要判断AI产出是否可靠学生恰恰需要AI正在取代的那种专业能力。这个悖论的结构是学生需要专业能力来评估AI输出是否可靠但获得这种专业能力的训练过程即文献研读、数据分析、论证构建正是AI正在替代的环节。你需要判断力来使用AI但AI正在消灭培养判断力的路径。这是一个结构性闭环不是工具使用问题。Storey在《International Journal of AI in Postsecondary Education》上也警告持续将论证构建委托给生成式AI的博士生可能长期无法发展出独立论证的能力。一些初步实验显示AI可以高度模拟博士指导和同行评审。研究者尝试用学者公开著作「蒸馏」出可执行其学术风格的AI系统据称部分评估者认为其输出达到了可独立承担学术工作的水平。这类实验的可重复性仍有待检验但作为思想实验已经抛出一个尖锐问题如果学生不知道对面是AI一个完美模拟资深学者风格的系统是否和真人导师一样有效Nature报道把困境推到了极端「如果AI系统能产出分析框架、处理数据、写出全面草稿那么博士工作中什么是独特属于人类的」批判性评估、验证数据完整性成为核心而这些「新能力」恰恰就是判断力。绕了一圈又回到悖论起点。市面上讨论「AI时代导师角色」的文章无论多深刻都停留在一个层面导师是导航员、认知脚手架、品味传递者、信任背书者。这些描述都对但都回答不了一个根本问题如果AI也能做这些事呢功能论只描述了导师做什么没有追问导师是什么。一个功能的可替代性取决于执行者的属性而不是功能本身。要回答「导师为什么不可替代」必须从功能论跳到存在论不是问「导师能做什么AI做不到的事」而是问「导师这个位置在本体论上意味着什么」。四、负主体性视角导师的存在论基础做一个思想实验。一个博士生用AI辅助完成研究计划文献综述覆盖面广方法论严谨框架清晰。导师读了一遍提了三点修改意见。学生下周带修改版回来同样用AI辅助。表面上是正常的指导互动。但细看师生关系变成了AI中介的循环双方都在处理AI的产出但没有人对这个研究方向承担存在论意义上的责任。如果方向最终走不通谁来承担后果不是AI它没有后果可以承担。赵斌有一个精准的表述「AI处理的是token sequence不是lifetime。而你的每一个判断都刻在你有限生命的时间轴上。」这句话点出了负主体性理论的核心LLM没有有限生命因此不能承担判断的后果。导师的判断之所以有重量不是因为判断本身更准确AI的判断在统计意义上可能更全面而是因为这个判断背后站着一个把职业生涯和个人声誉押上去的人。从这个框架看结论就清楚了导师不是一个提供认知服务的功能角色而是一个用有限生命为另一个有限生命做担保的存在。需要明确这不是说AI在所有节点都会出错它的统计输出完全可能正确而是说即使正确这个判断背后也没有一个生命在承担。在异常数据取舍、研究方向押注、跨学科强行关联等关键岔路口学生需要的不仅是答案更是一个愿意把答案和自己职业生涯绑在一起的人。AI可以输出最优路径但不能成为学生愿意追随的坐标因为坐标背后没有可以被损害的生命。Dong和Younker在2025年用Martin Buber的「我-你」关系分析了AI在音乐教育博士论文指导个案中的使用提炼出三个要素Voice独特理解的表达、Authorship思想的归属和责任、Agency有意识选择。三者的共同前提是有一个能承担后果的主体。ChatGPT不具备Authorship因为它不能为思想承担责任。这不是技术限制是存在论限制。好的导师有一个反直觉的终极目标让自己变得不必要。学生从「被指导」走向「自主」师生关系从「师徒」过渡为「同行」。这是导师的最高成就他允许自己被学生越过因为他自己也在有限生命中成长、衰老、被时代推着走。AI没有这个轨迹。一个学生可以说「我超过了我导师」但不能说「我超过了ChatGPT」因为超越意味着在同一个存在平面上从下方走到上方而AI不在这个平面上。五、合格导师的三个核心条件国家从制度层面定义了合格导师的基本标准「立德树人」「第一责任人」涵盖政治素质、师德师风、业务素质。在AI时代这个制度基础之上需要延伸出新的维度。以下三个核心条件是对国家制度框架在AI时代的延伸与深化三者递进社会资源→存在论基础→教育伦理。条件一职业赞助与社会资本传递导师首先是能为学生的有限生命承担后果的人人脉与项目是这个承担在社会关系中的具体形态。学术训练不只是知识传递更是社会资本的传递导师的推荐、引荐、会议上的信任背书构成了学生进入学术圈的入场券。这些表面上是「资源」本质上是导师用自己的学术声誉为学生的人格、学术诚信与未来发展做担保。AI可以生成完美的申请邮件可以模拟推荐信的结构但它不能在某次闭门会议后对同行说「这个学生我担保」。**担保不是一个信息动作而是一个存在论动作担保人必须有可被损害、可被信任的有限生命。**AI没有职业生涯可以押上所以它无法完成担保。Grad School Center在2026年的深度分析中指出AI能提供信息、草稿反馈、概念解释但无法提供职业倡导、网络接入、推荐信、学术会议引荐。「最需要『指导公平』的学生没有专业网络、没有导师人脉的学生恰恰是AI支持与真正人类导师之间的区别影响最大的学生。」AI的平权是知识平权不是机会平权。张慧泉在Nature通讯中同样强调师徒制不只是知识传递更是学术身份的社会化过程。张林峰上海交通大学AI方向博导在上观新闻报道中提出导师新标准三要素提出好问题的能力、工程组织能力、学术品味与研究志趣。他的判断和存在论框架一致「只会写论文的教授被蒸馏、替代也许是必然。但教授的工作并不仅仅是写论文。」条件二具身品味·具身判断·有限生命承担——三者一体这是导师区别于AI的存在论维度也是国家文件中「业务素质精湛」与「人文关怀」的共同根基。品味、判断力、有限生命承担不是三个分开的条件而是一件事的三个面都长在具身的、有限的、有失败经验的生命上。一个具体场景导师在组会上翻开学生的开题报告指着一个看似热门的方法说「这个方向我博士时追过三年最后被审稿人推翻。原因是它只在特定数据分布下成立而你的问题不满足那个前提。」学生听到的不是「不要犯错」而是一个走过同一条路的人把失败经验转化为可传递的认知坐标。AI可以复述这个方法的历史和局限但不能说出「我当年输在这里」那需要一个真正输过的生命。学术品味不是「知道什么是好的」而是「在大多数人都说不好的时候你仍然觉得这里有裂缝值得挖」。判断力不是「能分辨对错」而是「在大多数人都说对的时候你感觉到了不对劲」。在学术训练中这种能力叫「眼力」不是追热点而是守住一条稳定的问题主线不是整理答案而是发现空白。这种能力不是教出来的是在反复试错、反复被审稿人拒绝、反复在实验室碰壁中磨出来的。导师之所以能担保学生是因为他自己就是走过这条路的人品味从失败中长出来判断从误判中磨出来承担刻在有限生命的时间轴上。AI没有生命轴没有身体也没有死亡。它有数据但没有品味有输出但没有判断有效率但没有承担。具身承担还有另一面科研失败时的情绪锚点。科研是99%的失败叠加1%的成功。实验数据作废、论文被拒、方向走不通AI只能给出「建议调整参数」导师能给出的是「我当年比你惨十倍这条路我走过此路不通但我陪你再换一条。」这种陪伴不是同情是共同生命经验的传递。导师修改论文不只是改语法。他对一个数据的极端较真、对引文出处的苛刻洁癖、对论证逻辑的步步紧逼这些行为范式会在长期朝夕相处中嵌入学生的学术生命。这种隐性知识只能通过做中学传递不能通过AI的标准化输出完成。条件三重构做中学场域这是「因材施教」和「培养创新能力」在AI时代的具体实现路径也是打破判断力悖论的唯一路径。但重点不是「保留旧的做中学路径」而是「在AI接管基础任务后重构新的做中学场域」。回到判断力悖论学生需要专业能力评估AI但AI正在替代获取专业能力的过程。怎么打破答案不是把学生推回没有AI的时代那在当代学术场域里既不现实也不公平而是让导师有意识地设计新的训练场景在AI已经给出文献综述、数据分析、论证草稿的基础上让学生承担AI做不到的认知动作对抗性验证找出AI遗漏的反对文献、识别被平滑掉的争议、框架破坏性重构追问AI分析框架在什么边界下失效、异常数据取舍在AI认为「可以忽略」的离群点中判断突破口、跨学科关联审查判断AI嫁接概念时是否范畴错置。AI带来的诱惑是「效率」。但学习不在被AI完成的结果里而在学生对结果进行的更高烈度检验里。重构后的做中学不是卢德主义地拒绝AI而是把AI的输出当作更高难度训练的素材。张慧泉在Nature通讯中建议将AI纳入培训、与学生一起掌握新工具保留做中学机会将AI定位为共同助手而非替代。Omodan在2025年提出「混合指导模型」结合AI辅助与反思性人类监督核心关切是以人为中心的指导品质不被侵蚀。功能论会说「导师应该教学生更好地使用AI」存在论会说「导师应该让学生在AI输出的基础上做那些只有人才能完成的认知动作」。前者是教学生驾驭工具后者是保护学生成为独立的人。因材施教还意味着AI给不同学生的建议是模式化的「多读文献」「多练习」但优秀的导师能精准识别对天马行空的学生要「收」对胆怯自卑的学生要「推」对急于求成的学生要「压」。这种弹性策略建立在对个体生命历程的深度体察上AI缺乏对具体生命的感知做不到这种「看人下菜碟」的教育艺术。六、旧体制选出的导师为何与AI时代错位这个判断指向的不是导师个人的道德失败而是体制的结构性错配。AI没有让导师集体堕落它只是让旧体制筛选标准与AI时代需求的错位变得无法掩盖。旧体制选拔导师的标准即论文数量、项目经费、知识储量本质上是知识垄断时代的指标。当AI瓦解了知识垄断这些指标背后的人露出两个破绽一是从未真正拥有过独立判断力二是把导师权力当成了知识垄断的衍生品。但导师权力的基础从来不只是知识。更深一层的是资源垄断经费、学位授予权、项目分配权、学术网络入口。AI消解了知识垄断却没有消解资源垄断甚至可能强化它掌握算力、数据和平台资源的导师对学生的支配能力不会减弱只会换一种形式。知识平权之后如果资源分配机制不变导师权力就会从「知识封建主」转向「资源封建主」。赵斌的区分很精准「提问、判断、框架这些都是加分项但不是胜负手。一个知识储量巨大但框架平庸的研究者往往能赢过一个框架出色但知识储量有限的研究者。」旧体制奖励的是知识储量不是判断力。当知识不再稀缺这个奖励机制失效了但按它筛选出来的导师还在位上。更深层的问题是具身承担无法被量化。在以5年为考核周期的体制里要求导师用30年生命历程沉淀品味本身就是制度奢侈。于是体制自然选择了更容易被看见的指标论文、项目、经费。当这些成为唯一标准具身承担型导师就被系统性挤出。一位985高校AI方向博导在上观新闻报道中说得直白「最起码在AI领域论文已经不能用来评价一个人了。」这句话的冲击力在于它来自体制内部。更尖锐的问题是导师自己的判断力也在退化。当导师把文献综述、数据分析甚至论文修改外包给AI他自己也失去了反复打磨判断力的训练场这是一个反向的判断力悖论具体展开见下一节。国家2020年《研究生导师指导行为准则》列出的「十不得」是对真实问题的制度回应劳动支配、权力不对称滥用、学术诚信担保破产。这些伤害不是偶然的师德失范而是旧体制的系统性产物。当导师的权威来自「我知道得比你多」而不是「我能为你的成长承担后果」权力就失去了存在论约束。「十不得」每一条红线都指向同一个根源导师把指导权即知识垄断的衍生品当成了支配权。AI只是加速了这套矛盾。INVEST联盟的政策简报揭示了问题的普遍性AI输出质量高度依赖提示词设计结构化提示词100%合格通用关键词提示词仅40%合格。这意味着如果导师的核心价值还停留在「帮你找信息、改语法」这个层面那么被替代的风险是真实存在的。不是AI太强是这种能力结构本身从未真正不可替代。七、从诊断到重建制度改革的方向是改选拔标准也要改资源配置方式。选拔标准必须从论文数量、项目经费转向是否具备判断力和品味、是否愿意用有限生命为学生承担后果、是否有意识地保护师徒制通道。但仅此不够。如果学位授予权、经费分配权、学术网络入口仍然高度集中导师权力就会从「知识支配」滑向「资源支配」。制度改革还必须包含对导师权力的结构性约束经费使用透明、毕业决策多元参与、学生申诉通道有效、导师责任追究可执行。问题不在制度文本在执行层是否真按这个标准选人以及是否敢动资源分配的权力结构。个人回归的方向是重建判断力和品味。导师自己不能把文献综述、数据分析、论文修改都外包给AI否则反向判断力悖论就会闭环用AI提高效率→失去反复咀嚼文献的训练→品味萎缩→指导退化为AI输出的二次传递→师生关系变成两个AI用户之间的关系。到那一步没有人对方向承担存在论责任。回归不是「学AI工具」而是保留AI不能替代的事为学生做判断担保、用学术声誉为学生背书、在学生跌倒时提供共同生命经验的陪伴。八、回到根本问题AI时代导师的资格问题本质上是一个存在论问题当知识不再稀缺什么才是真正稀缺的答案不是「更多的知识」而是「有限生命中的判断、承担和传递」。AI淘汰的是「知识二传手」式的导师那些靠知识垄断维持权威的指导方式。但这恰恰是逼导师回归教育的本位立德树人。国家制度框架从2018年到2024年反复强调的核心理念在AI时代获得了更深的存在论根据导师的终极使命不是传递知识而是用自己的人生示范什么值得研究什么值得坚守什么值得用有限的生命去承担。赵斌在文章结尾写了一段话「当机器把知识变得像空气一样便宜稀缺的不再是信息而是那个只有你看见的裂缝和你用有限的生命把它变成一条路的能力。」合格导师就是一个拥有有限生命的人用自己的判断力和品味为另一个人的有限生命做担保。这是AI永远做不到的不是因为AI不够聪明而是因为AI没有生命可以用来做赌注。AI赋予学生「解题」的能力导师赋予学生「出题」的胆识和「做人」的底色。前者给出统计意义上的最优答案后者允许学生在不确定性中成为自己。导师不是全知者而是那个先你一步踏入未知、并愿意用自己的失败为你标出雷区的人。