一个能瞬间回答任何数学问题的 AI，对你的学习来说，要么是有史以来最好的事，要么是最糟的事——这完全取决于你怎么用它。两名学生用同一个 AI、花同样的一个小时，走的时候一个变得游刃有余，一个变得束手无策。本指南讲的就是决定你会成为哪一个的七个习惯，外加把它们变成自动反应的具体 prompt。
你必须先点名的风险
没有自觉的习惯，AI 就会变成答案机器。你做完习题、拿到分数、考试挂掉。这个风险并不新鲜——从有解答手册起就存在——但 AI 让它更便宜、更快，于是陷阱更深。把风险点出来，已经是治愈的一半。
七个习惯
习惯 1 — 先尝试，再提问
打开 AI-Math 求解器之前，至少花三分钟在纸上动手做这道题。哪怕是错误的尝试，也会把正确的概念装进你的工作记忆，这样 AI 的解答落在有准备的土壤上，而不是一间空房间里。
Prompt：把你的尝试和题目一起粘进去。"这是我的尝试——第一个出错的步骤是哪一步？"
习惯 2 — 要提示，不要答案
你能做的最大的单一改变：不要说"解这道题"，而要问"第一步怎么走？"然后在请求下一个提示之前，自己先试着做第 1 步。
Prompt："只给我第一个提示。在我开口之前不要展示下一步。"
习惯 3 — 用自己的话重新推导
读完一份 AI 解答后，关掉页面，凭记忆把解答重写一遍。你能认出的东西和你能复现的东西之间的差距，正是考试中暴露出来的差距。
习惯 4 — 换一种说法
拿同一道题，让 AI 用另一种方法来解。两种方法揭示底层概念；一种方法只教会一套流程。
Prompt："给我解这道题的第二种方法——并告诉我，在考试中你实际上会选哪种方法，以及为什么。"
习惯 5 — 生成练习题，然后限时做
学完一个主题后，别停下。让 AI 在同一主题上生成 5 道难度略高的新题。给自己计时。然后核对。
Prompt："给我这个主题的 5 道题，比原题略难。先不要给解答。"
习惯 6 — 诊断你做错的答案
每一个错误答案都是数据。把它连同正确答案一起粘回给 AI，问那个元问题：
Prompt："我答的是 X，但正确答案是 Y。我哪一步错了？这个错误属于哪个类别（符号错误、方法选择、公式记忆等）？"
两周后，你会看到这些类别在重复——而那正是你在最后一周复习时要瞄准的东西。
习惯 7 — 讲回去
认知科学中最有力的学习证据：用自己的话把一个概念讲给别人听。AI 很乐意当你的听众。
Prompt："我要给你讲解这个概念。告诉我我的讲解在哪里有漏洞。"
一个用来安装这些习惯的两周实验
| 天数 | 重点 | 每日检查 |
|---|---|---|
| 1–3 | 习惯 1（先尝试） | 我在打开 AI 前先动手了吗？ |
| 4–6 | 习惯 2（要提示不要答案） | 每道题我用了几个提示？目标 1–2 |
| 7–9 | 习惯 3（重新推导） | 我关掉页面重写了吗？ |
| 10–11 | 习惯 4（换说法） | 我看到第二种方法了吗？ |
| 12–14 | 习惯 5 ＋ 6（练习与诊断） | 我做了 5 道新题吗？ |
14 天后，这些会变成反射动作，你不再去想它们——你只是学得更快。
AI-Math 是如何被设计来支撑这些习惯的
AI-Math 求解器有意把做正确的事变得容易：
- 解答默认折叠出现——在看完整答案之前先偷看提示。
- 每一步都经过验证，所以你可以信任 AI 的提示（没有需要背下来的假步骤）。
- "生成相似题目" 在每个求解器页面上都是一键完成。
- 范例解答内嵌出现在每个求解器页面上，所以你不用打字就能学习。
如果你正在用一个会隐藏提示、立刻倾倒答案、或拒绝验证步骤的工具——换工具。
更大的图景
数学在所有学校科目中是独特的：练习几乎就是一切。数学很强的学生，是那些在正确的题目上、带着快速反馈、做足量练习的人。AI 把这三样都免费交给你。剩下的只有一件事：那份纪律——用建立能力的方式练习，而不是用建立答案的方式练习。