上周，我第一次带这届学生做竞品数据采集。一个类目，100 个 listing，采完整理成表。
收上来，我先挑了三份看。
字段齐全，格式统一，行数正好100。这帮孩子平时做个 Excel 汇总都能把表头合并错，这次交上来的东西干净得不像话。
我把其中一个叫过来："你怎么采的？"
他说："老师，我把您那段要求复制给 AI 了，它直接给我一张表。"
我当时没吭声。回去把自己写的那段任务书翻出来重看了一遍：
采集亚马逊美国站"宠物饮水机"类目前 100 个 listing，记录标题、价格、评分、评论数、卖家类型，整理成表。
看完就明白了——我写的不是一道题，是一条指令。
"采集……记录……整理成表"，每一句都是可执行动作，连字段都替他想好了。任何一个模型接到这段话，都能直接吐一张表。
学生不是偷懒。是我把"设计"这个动作，从他手里拿走了。
下次课，我把这份作业拆了。我要的不是他们少用 AI，是能想清楚再用。
01 一张现成的五层框架
拆之前，我先翻到焦建利老师那篇《学生到底该不该使用人工智能？》。
他先把"全面禁止"和"全面开放"两个选项都否了，然后自己搭了一个框架——原话是"我们不仅需要建立一个分阶段使用指南，更需要一个'AI 分层使用'的框架"，跟着就列出五层：
1. 必须独立完成
2. 允许 AI 辅助
3. 要求人与 AI 共同完成
4. 必须批判 AI
5. 反思自己的思维
注意，他分的不是"允许用多少"，是"哪一类学习活动不能让 AI 碰"。
我看完的第一反应是：这不就是一张任务拆解表吗？
于是我把它对着"采一份竞品表"这件事重新排了一遍。下面是我们班真跑下来的过程，一层一层来。
02 第一层·必须独立完成：定问题、定字段
拆完以后，任务书第一句就变了。不再给字段，只给一个要回答的问题：
我们准备往这个类目里上一款 15 美元以内的宠物饮水机。请判断：这个价格带还有没有空档？给出你的依据。
学生要交的第一样东西不是表，是一张手写的字段表，每个字段后面跟一句话——我用它回答什么。
为什么这一层不让 AI 碰？
因为 AI 会给你一套很标准的十二列：ASIN、标题、评分、五点描述、A+ 有无……比教材上的表还全。
但它不知道你这次要回答什么问题。你要看"白牌能不能挤进去"，必须有品牌和卖家类型；你要看"广告打不打得过"，得加 sponsored 标记。
它给的是标准字段表，不是这道题的字段表。
这一层一旦外包，后面采多少都是白采——你会得到一张很整齐、但答不了任何问题的表。
还有个小细节：字段表必须手写。手写不是复古，是为了让"复制粘贴"这个动作彻底消失。
03 第二层·允许 AI 辅助：这一层我基本不管
工具怎么用、页面怎么认——搜索页上哪个数是价格，Easy Scraper 怎么设翻页，八爪鱼的自动解析认不认得出评论数——这些课上讲过，也演示过，学生会。
所以这一层我明确说：随便用。问 AI、翻教程、抄同学的设置，都行。
为什么不设卡？
因为它只产生操作，不产生判断。操作对不对，下一层立刻就露馅：翻页没设对，表里就只有 50 条；把推荐位当成搜索结果，表里就多出几个根本不存在的竞品。
这一层我不查过程，只在下一层看结果。
工具交代一句：我们不写代码。浏览器装个 Easy Scraper 这类插件，点两下字段就列出来了；或者用八爪鱼的"自动解析网页"，链接丢进去，它自己认标题、价格、评分、评论数。十分钟上手，一节课采完一个类目。
04 第三层·人与 AI 共同完成：改、拆、删、判
这一层 AI 用得最多，出的事也最多。
工具从不报错。它最后会给你一句"成功采集 100 条"，语气还挺欣慰。但这 100 条交到我手上，来来回回就四个问题。
一是字段名字不对。
工具自动识别的列名什么样都有：Title、column_3、价格 ($)、4.5 out of 5 stars。学生不改，直接就往上一交。
等到要算的时候才发现——公式引用的是"column_3"，自己都认不出那列是什么。
改名的标准不是"好看"，是第一层那张手写的字段表：一列一列对着改，对不上的就问自己一句"这列是我要的吗"。
字段名不改，等于把工具的脑子带进了自己的分析。
二是数据被切碎了。
一条记录拆成两三行；或者一格里塞了三个值——"4.5 out of 5 stars, 1,234 ratings" 挤在同一列。有的是页面结构的问题，有的是换行被当成了分隔。
先看是"行多了"还是"列挤了"。行多了合并，列挤了拆开。拆完必须抽 3 条回页面对一遍。
三是多余数据一大堆。
推荐位、广告位、"看过还买"、页脚推荐，全被抓进来了。一百条里真正属于搜索结果的，可能只有六十条。
删可以，但每删一类要写一句"为什么删"。这句话不是给我看的——是防止他把"我真的搜不到竞品"和"我删多了"混成一件事。
四是价格不止一个。
一个 listing 上常常同时挂着：原价（划线）、现价、Coupon 后价、Prime 专享价。
这一条必须学生自己判：你要的到底是哪个价？
做价格带分析用现价；算促销力度看 Coupon 后价；判断"15 美元以内还有没有空档"，就得用现价。
定完写进表头：price_current，口径写在一旁——"取搜索结果页显示的现价，不含 Coupon"。
这一列是全表最容易错、也最没法让 AI 替你定的。
所以这一层跑的是一轮一轮的循环，不是一次交付：
学生提需求 → AI 给方案 → 学生跑 → 学生验 → 不对再问 → 改完再验。
举个小例子。评分和评论数挤在一列，学生让 AI 写分列公式。跑出来确实分开了，但德国站的价格 19,99 € 被当成了两个数。回头再问，改成"先把逗号小数点换掉再分列"。
来回四轮，才干净。
这一层要交两样东西：
1. 三张同框图：工具界面、原页面、导出的表格，带时间戳。AI 生成不了同一天同一时刻的三张真截图。
2. 手写抽样条：挑 3 条，回原页面截图 + 表里那一行，并排贴，写"一致 / 不一致"，签名字和日期。
一句话：AI 负责快，人负责对。
05 第四层·必须批判 AI：这个产品，真的存在吗
前三层我们一直在用工具和 AI。这一层反过来，审它。
我出的题很简单：
从你采的一百条里随便挑十条，回页面上确认：这个产品真的存在吗？这条数据真的是它的？
挑出来的问题，一条比一条离谱：
·ASIN 打开是另一个产品——工具把推荐位的链接串了过来
·产品早就下架了，页面打不开，表里还留着它的价格
·标题对得上，价格是另一个变体的
·有几行，那个 ASIN 在站内根本搜不到——谁也说不清从哪儿来的
还有一种是 AI 特有的。
有学生嫌品牌那列空着，让 AI"帮我把这 20 个产品的品牌补上"。AI 给了 20 个品牌名，格式统一，看着都像那么回事。
其中几个是编的。因为页面上根本没有这条信息，它就按"这个产品应该是什么牌子"，给你造了一个。
编得比真的还像真的。这就是 AI 和数据的最大区别——数据错了你查得出来，AI 错了它自己都不知道。
所以这一层要交一份核对清单：
表里的 ASIN |
打开是不是这个产品 |
标题一致 |
价格一致 |
备注 |
一条一条打勾，打不了的写原因。
黑板上还是那三个问题，只是换了说法：
·这个产品真的存在吗？
·这条数据真的是它的吗？
·我怎么证明？
课堂练习也留着，但埋的错换了。
第一节课我不发任务，发一张表——20 行，埋 5 处错：一个价格取了划线价、一行评论数是别的产品的、两行标题串了、一行评分是文字格式，还有一个产品根本不存在。
15 分钟，找出来。
第一次做，全班平均找出两处——那个不存在的产品，几乎没人发现。
我说，这表就是 AI 十分钟能给你做出来的。它不会告诉你哪儿错了。
从那以后，"核对"这件事就不用我催了。
06 第五层·反思自己的思维：那张申报表
最后交作业，除了表和截图，还要附一张表：
哪一步 |
我让 AI 干了什么 |
它给了我什么 |
我怎么验证的 |
这一项我原来会不会 |
定字段 |
让它给竞品表字段 |
12 列 |
对照问题删掉 4 列 |
原来是它替我定的 |
拆列 |
让它写分列公式 |
一段公式 |
抽 3 条比原页面 |
不会，现在会看了 |
定价格 |
问它"这几个价该取哪个" |
一个建议 |
按分析目的自己定，写进口径 |
不会，以前随便取一个 |
补品牌 |
让它把空的品牌补上 |
20 个品牌名 |
抽查发现 3 个是编的 |
不会，差点直接交 |
第三列最要命："我怎么验证的"，是全表唯一编不出来的地方。 编出来的验证，落不到截图和手写条上。
第五列我加了个问法："这一项，如果没有 AI，你还能完成吗？"
学生写着写着会自己发现：AI 帮他的那部分，他越写越明白；AI 替他做的那部分，他一个字都写不出来。
反思自己的思维。我原来以为是走形式，跑了一轮才知道，它是唯一能让学生自己承认"哪里是空的"的地方。
07 五层放在一起，是这样一张表
分数怎么给：准确性是底线——抽查对不上，整表退回重做，不计分。分数全给过程：
·字段表与问题的对应 20 分
·清洗与口径（列名、拆分、多余数据、价格口径）20 分
·抽样核对与产品核对 30 分
·申报表 20 分
·结论能不能被表里的数支撑 10 分
一学期下来，最明显的变化不是表做得更漂亮了，是他们开始先问"这个数从哪来"，再动手。
08 最后一课：把这道题，写成一条指令
期末，我把开头那段话原样打在投影上：
采集亚马逊美国站"宠物饮水机"类目前 100 个 listing，记录标题、价格、评分、评论数、卖家类型，整理成表。
我问：这句话有什么问题？
底下笑了：老师，这是您写的。
我说对，这是我写的。所以你们照着做就行了——它的问题不是写错了，是写得太全，全到不需要你们想任何事。
然后我出了这学期最后一道题：把这道题，写成一条能给 AI 的指令。
要求三条：说清要回答什么问题；说清每个字段的口径；说清怎么算对。
交上来的东西，比我写的那条长得多。
有个学生是这么写的：
帮我采集亚马逊美国站"宠物饮水机"类目搜索结果前 100 个 listing。我要判断 15 美元以内还有没有价格空档，需要这几个字段：标题、现价（取搜索结果页显示的现价，不含 Coupon；只有划线价的记为缺失）、评论数、上架时间、卖家类型。不要推荐位、广告位和"看过还买"里的商品。采完随机抽 3 条，把页面截图和表里那一行并排给我看。
看完我只想说一句：这条我直接能用。
它比我原话多出来的每一句，都是他们这学期自己踩出来的：
·"不含 Coupon"——第三层那几个价纠结出来的
·"只有划线价的记为缺失"——宁可缺，不许猜
·"不要推荐位"——被多余数据坑过
·"抽 3 条并排给我看"——第四层的核对，变成了写进指令里的验收口
后来他们自己总结出一条：写指令最难的不是写"我要什么"，是写"我不要什么"和"怎么算对"。
因为 AI 不会因为你没说就停下来问你。它会自己替你填一个默认值，还不告诉你填了什么。
开头那条指令和这条的差别，不在长短，在谁在想。
我写的那条，学生只需要执行；他们自己写出来的这条，AI 才真正变成他们的手。
所以这门课最后要交的，其实不是一张表，是这么一段话——一条 AI 能执行、你又能验收的指令。
写不出来，说明你还没想清楚；写得出来，AI 用多少都不心虚。
09 最后
焦老师那篇的结尾，说 AI 时代的教育不该培养"不会使用 AI 的人"，也不该培养"离开 AI 就不会思考的人"，该培养第三种。这句话我原样搬到数据课上：
不该培养"不会用 AI 的人"，也不该培养"离开 AI 就不会查数的人"。
该培养的是第三种：没有 AI 也能一条一条采下来，有了 AI 之后能采得更多、洗得更干净，但每一个数还都说得出来路。
说白了就一句：AI 可以替你干活，不能替你交代。
这句话倒过来也成立：你要它干什么，得你自己说清楚。 说不清的人，AI 用得越狠，欠的交代越多。