CMU 教授 Kästner：AI 能做完所有作业之后，我重写了整门课的考核方式

行业·林晓·2026年9月27日

封面：深炭黑杂志风配青绿强调色，超大标题「AI 做完了所有作业」与副标题「CMU 教授重写整门课的考核」，底部三张等距卡片分别为「15 分钟 TA 面谈」「25% 期末考试占比」「八成批改时间节省」

2026 年 9 月 23 日，卡内基梅隆大学（CMU）教授 Christian Kästner 在其 Substack 专栏《The Last Software Engineer?》撰文，复盘了自己如何改造面向高年级学生的课程《Machine Learning in Production》。他的结论是：当 AI 智能体能完成全部作业时，考核必须从「在家完成的产出」转向「无法外包的现场交互」——而部分改动违背了循证教学的最佳实践，他仍然选择这么做。

五年前的那次提醒，和今天的不得不改

2021 年，早于 ChatGPT 发布，Vincent Hellendoorn 建议他用 GPT-3 试做课程阅读测验。模型在没读过论文的情况下，给出了能通过评分标准的答案。当时他什么也没改。五年后，智能体已经能完成这门课的全部作业，他重新设计了大部分考核，而想让学生学到的东西几乎没有变化。

课程规模通常在 100 至 170 人，学习目标不是写代码或使用特定工具，而是工程权衡、风险预判与团队协作，因此受 AI 冲击相对较小。课堂上学生被允许在任何场景以任何形式使用 AI，无需标注来源，只有笔试与口试除外；他也明确表示，监管 AI 既不可行，学生本来也需要学会负责任地使用这些工具。

AI 正在侵蚀循证教学实践

作者把这一点放在最前面，认为它比具体做法更重要。教育研究的证据更支持频繁、低风险、带反馈的评估（作业、小测验），而非少量高风险考试，但 AI 让低风险场景的练习失去可信度，反而把教学推向考试。

他原本为作业提供「可重交、找回部分分数」的安全网，这是规范评分（specifications grading）与公平评分的核心建议，但该机制被滥用：学生先提交 AI 生成的答案，只看批改意见再重交。现在重交要扣 10%。课堂讨论题也常被整组丢给模型，改用纸笔会带来更高批改负担、更大压力和更慢的反馈，因此他倾向于保留低风险互动，接受「部分学生可能学得不深」的代价。

从书面反思到 15 分钟面谈

所有需要书面文字回答的作业环节都被取消：报告只用于描述方案并链接代码片段，AI 生成的文档可以接受；但「哪些部分最难」「如何改进团队协作」这类反思文档已完全可外包，只要公布评分标准，就没有无法交给模型的部分。

替代方案是每次作业后与 TA 进行 15 分钟面谈，占该次作业分数的 20%，按通过/不通过计分，失败可免费重试，TA 被鼓励保持较高标准；他指出斯坦福 CS221 本学期也在用受控实验评估类似做法。代价是：口语面谈对焦虑学生更不友好，但正式的身心障碍便利安排可提供通路，而且「就技术工作做专业沟通」本身就是学习目标。在 20:1 的师生比与每周约 10 小时 TA 工时下，每两周每人约 300 分钟，规模可行。

阅读测验则被彻底放弃：他仍布置阅读，但数量减半、不计分，改为把论文内容融进课堂讨论。此外，Zoom 线上环节已观察到学生使用 Cluely 之类工具实时作弊，未来的检查很可能只在线下进行。

作业规模随智能体能力上移

旧的第一份作业是给一个 1.2 万行的 Instagram 克隆加上两个 AI 功能，正确解大约 20 行代码，难点在理解代码与依赖；2025 年秋季，Claude Code 仅凭作业说明就能一次做完，连写作与反思一并完成。新作业改为在生产级团队聊天应用 Zulip（超过 50 万行代码）中实现两个 AI 功能，需要数百行前后端改动，智能体必须持续交互才能做对。其他作业也同步加码，例如把手工危害分析改为「为流程写自动化、跑出规模、再筛选结果」。

作者明确不把「如何使用编码智能体」当作教学目标，正如他此前从不教 Python 或 HTML——这是新的默认基线。对于订阅费用带来的公平性担忧，他的类比是：一学期 3 个月约 60 美元，仍低于动辄 100 美元的教材，真正的责任在于学校通过奖学金等方式提供支持。

用 LLM 自动批改，把 TA 时间还给面对面交流

触发点是 TA 的一句抱怨：他看到提交信息里写着「Authored by Claude Code」，觉得自己在徒劳地批改。现在课程用 LLM 作为评审（LLM-as-a-judge）按评分细则自动批改代码与报告，输出「通过」或「需要人工复核」，TA 抽查少量「通过」结果，主要精力放在「需要复核」的答案上；扣分前必须有人类看过。结果是 TA 批改时间减少 50% 至 80%，腾出的时间用于与学生面对面交流。

同样的机制被用于课堂讨论：学生在 Slack 里提交 breakout 讨论答案，自建机器人用不公开的评分维度给出反馈并鼓励修改，随后再给一轮反馈；这套反馈器也开放给学生备考使用。考试占比已从 15% 提高到 25%，面谈与答辩式讨论占作业和小组分的 10% 至 20%，如今分数区分度主要来自考试。

让学生被「自信的错误」烧一次

作者希望在作业中刻意埋下智能体会自信答错的点，实际中已偶然收获几例：ChatGPT 在 Jackson「世界与机器」的划分上把硬件归错位置，即便提供全文也一样；此前约 20% 的学生会犯这个错，引入 ChatGPT 后升到 80%，即使提前明确警告也只降到 50%。Claude Code 则坚持一个听起来漂亮、实际完全不安全的「两阶段确认协议」方案，最初 80% 的学生中招——包括大多数 TA，最终不得不整份作业重新评分。

在他看来，这类失败之后的复盘正是讨论自动化偏见（automation bias）与人类监督难度的好机会。课程设有可重交的安全网，多数学生初次失败不会影响最终成绩。他也坦承无法真正衡量学习效果：成绩分布不是有效信号，能观察到的只是学生接受新形式，同时又会抱怨同学把思考外包给 AI。