作品不再证明人。 过程可以。
学生带着真实任务进来，被陪着把探究走扎实。思考在这个过程中自然沉淀成一条可追溯的证据链——从问题生成，到信源评估，到论证修订，直到他为自己的判断署名。
以班级为单位接入 · 双轴分开测量 · 不打总分 · 不押题 · 不保分
一位老师收到一份作业。他真正面对的是三个问题。
过去二十年，回答这三个问题只需要看作品。作品是人的可靠指纹：能写出这样一段论证的人，必定经历过得出这段论证的思考。
这篇作品，是不是这个学生自己想出来的？
如果是，他到底学会了什么？
如果不全是，我下一步该教什么？
这份作业还能不能证明这个学生
一篇好文章背后，现在有概率站着一个不会写的人；一个能跑的项目背后，有概率站着一个说不清它为什么能跑的人。
这条信息我还能不能自己判断
一个初二学生刷到「每天一杯柠檬水可以抗癌」，转给母亲。母亲说别信。他问：你怎么知道是假的？母亲答不上来。
从信息过剩，到答案过剩
教育的难题，总是跟时代中最稀缺的认知资源有关。AI 不只是让信息更多，而是让「看起来像答案的东西」无限增加。
找得到材料的人占优势。
找得到不难了，选得对才难。
一堆彼此竞争、都很像样的现成结论摆在面前——决定信什么、用什么、做什么。
判断不是抽象口号，而是很具体的动作：判断一个来源能不能用，判断一条证据能证明什么，判断 AI 的建议哪里有问题，判断自己是否需要修改立场。思维印记保存的，正是这些判断发生的过程。
「中国有没有让地球变得更可持续？」
一个学生，一篇 800 词的文章，四个工作面。下面是她真的走过的路。
第一次交到她手上的，不是答案，是方法
一门课就是一条工作流：视频、材料、追问、判断，按一台确定性状态机一步步推进。她在真实材料上练 CRAAP、SIFT、良构论证——工具卡到手，不是听说，是用过。
一条没标出处的推文，她自己追到了 Nature
推文说「全球变绿 40% 以上来自中国」。她跳出页面横向核查：公众号 → NASA 发布稿 → Nature Sustainability 原论文，然后发现分母被换过——原文的 42% 说的是中国自己那部分变绿里森林工程的占比。
论证撞上反例，让步段是她自己写的
中国碳排放全球第一。这条反方证据推翻不了她的题目，但会限制她的结论。AI 不会替她写一个字正文——它只会问：你打算接住它，还是绕开它？
连她跳过的那一次，也被记下来了
报告分两半：数出来的事实，和有证据支撑的判断。每一条判断都必须指回一个真实存在的片段——指不到的，直接丢弃。两根轴分开报告，永不合成一个总分。
训练是证据的生成方式，评估是证据的使用方式
学生不是「被记录」，而是在被帮助着把探究走扎实的过程中自然留痕。
两根轴，分开测量，永不合成一个总分。
光记录还不够——聊天记录、操作日志、版本历史堆在一起，并不会自动变成评价。读懂过程，需要一把有学理来源的尺。
两根轴不是被发明出来的，是从上世纪九十年代以来批判性思维实证研究的共识里折算出来的：技能因子的纵向读数，与倾向因子的行为公分母。
看完整的评估设计思考到达了第几层。深度决定判断的质量上限。
无人要求时，思考由谁启动、判断归谁所有。
缺深度的自主，产出的是自信的垃圾；缺自主的深度，是一台租给任何提示者的好引擎。
AI 绝不替学生成文
解释、提示、扮演反方、指出草稿断裂都可以；核心判断与正文，不代产。
不操纵
没有连胜、排行榜、徽章、上瘾式推送。工具卡触发是自动的，但打开由学生确认。
双轴永不用于筛选与排名
永不用于入学筛选、学生排名、纪律惩戒或教师绩效；不出售，不做商业画像。
证据不够时，就说不够
没看到证据，不等于这个学生没有能力——只说明证据还在积累。宁可不说，不硬贴标签。
不是最会使用 AI 的人，而是能够借助 AI、依然保持智识自主，并不断加深认知，最终形成独立、可靠且负责任判断的人。
《思维印记产品白皮书》· 结语