「反正我也学不会。」孩子把笔一放，家长那句讲到一半的话停在空气里——同一道应用题，这已经是第三遍。这一幕里没有谁不努力，是分工错了位：讲知识的人和管状态的人，被压在了同一个人身上。这篇讲清三件事——哪些活该交给 AI，哪些只能家长来，以及两边都做不好的时候该先停哪一边。
分工的界线不在科目，在谁掌握状态
很多家庭按科目分：数学爸爸管，英语妈妈管。这个分法常常失效，因为真正决定效果的变量不是科目难度，是孩子当下的状态。同一个知识点，孩子心情平稳时讲一遍就通，刚被批评完时讲五遍也进不去。掌握状态的是家长，掌握讲法的是 AI，这两件事本来就该分开。
把这件事想清楚，家里的很多冲突会自动消失：讲不明白不是家长无能，是这件事本来就不该由情绪最容易被牵动的人来做。
四类活，该归谁并不一样
把辅导拆成任务而不是科目，分工就清楚了。下面四类是最常遇到的：
| 任务类型 | 适合谁 | 代价 | 失效条件 |
|---|---|---|---|
| 讲知识点、拆步骤 | AI，可反复问、换三种讲法 | 它不知道孩子哪一步没懂，容易从头讲到尾 | 孩子连题目在问什么都没读进去时 |
| 定计划、盯执行 | 家长，靠日常观察和作息安排 | 耗时，且容易变成催促，磨损关系 | 计划排得太满，执行三天就崩 |
| 处理挫败与情绪 | 家长，先接住再谈学习 | 需要家长自己先稳住，做不到时反而升级 | 家长本人也在气头上 |
| 核对答案对错 | AI 初筛，家长或老师终审 | 它可能给出错误答案，且语气确定 | 题目有图、有隐含条件、超出它的训练范围 |
谁更专业并不是这条界线的依据，谁手里有对方没有的信息才是。AI 有的是讲法储备，家长有的是这个孩子的历史。表格最后一行最容易被忽略：让 AI 判对错是省事的，但它错了不会犹豫，孩子照着错的改，错得比原来更牢。
讲得清和教得会，是两件事
AI 讲题的优势很实在：同一个问题问十遍不会不耐烦，可以换三种说法，可以随时开始。这解决的是「讲法供给」的问题，而讲法供给不足，恰恰是多数家长最吃力的地方——你只有一个讲法，讲不通就只剩重复，重复到第三遍就成了发火。
但讲得清不等于教得会。教会在很大程度上依赖节奏：什么时候该停、什么时候该让孩子自己试、什么时候该故意留个坑。这些判断来自对这个孩子的了解，而模型每次对话都是从零开始，它不知道昨天这道题已经讲过，也不知道孩子刚才哭过。大语言模型能在单轮里把一道题讲透，但跨天记住孩子的进展，它做不到。
家长真正稀缺的是耐心，不是知识
一个反直觉的结论：家长的知识水平对辅导效果的影响，比想象中小；家长的情绪稳定度，影响比想象中大。原因是孩子卡住时，需要的往往不是第二种解法，而是一个「不会因为我笨而失望」的人在场。家长一旦开始着急，这个位置就空了。
所以更实用的做法是给家长减负：把需要反复讲的部分交出去，把陪伴留给自己。具体到操作，可以把「这道题怎么讲」交给 AI，家长坐在旁边做另一件事，等孩子讲给你听。让孩子复述，比让家长再讲一遍有效得多——复述会暴露他到底哪一步没通。
孩子的状态，模型看不见
这条边界要划清。模型拿到的是你打进去的那几行字，它看不见孩子的表情、坐姿、写字的力度，也听不出那句「懂了」是真懂还是想结束对话。所以它能判断这道题讲没讲清，判断不了这个孩子今天还学不学得进去。
还有一层是答案的可靠性。让它讲思路通常没问题，让它直接给答案就有风险：步骤可能跳、单位可能错、古文默写可能编。AI 幻觉在数学和历史这两类内容上尤其难自查，因为它给的过程看着完全合理。可行的做法是要求它写出每一步的依据，你只核关键那两步。
至于「帮孩子定一个学习计划」这类请求，智能体式的自动执行也帮不上忙——计划能不能执行，取决于这个家庭几点吃饭、几点睡、周末有没有课，这些它一概不知。计划可以让它出草稿，砍掉一半再给孩子看。
一条底线：作业得孩子自己写
这条线一旦松，前面所有搭配都失去意义。AI 用来讲解时，孩子是学习者；用来代写时，孩子变成了搬运工，短期作业好看，长期什么都没留下。判断方法很简单：关掉工具之后，孩子能不能把刚才那道题重讲一遍。讲不出来，说明刚才那段时间白花了。
想开始的话，从一周一次做起。挑孩子最抗拒的那一科，让他用 AI 问三个「为什么」，问完讲给你听；家长只负责听，不纠正、不评价。坚持一个月，你会比任何评测都清楚这套搭配在自家行不行。
速查：今晚就能用的分工
- 讲知识点交给 AI，要求它换三种说法，直到孩子能复述
- 定计划、盯时间交给家长，但计划要先砍掉一半
- 孩子情绪上来时先停学习，这一步只有家长能做
- AI 给的答案只当草稿，关键步骤自己核一遍
- 作业必须孩子自己写，关掉工具能重讲才算学会
