Anthropic 邀請四位來自不同大學的 Claude Campus Ambassador 學生，以圓桌座談的形式暢談 AI 對校園生活的全面影響。從日常學習、作弊爭議、團隊合作、求職面試到 AI slop 現象，這場對話真實呈現了大學生在 AI 時代所面臨的機遇與挑戰，以及他們如何找到工具使用與自主學習之間的平衡。

原影片連結：https://www.youtube.com/watch?v=N5yJJA0NCU0

影片重點

• 超過 90% 的大學生已在日常學習中使用 AI，包括摘要講座、完成作業、回答問題等
• 大學的 AI 政策處於灰色地帶——有些課程禁止使用，有些則積極鼓勵
• 非技術背景的學生也能透過 Claude Code 等工具從零建立網站和應用程式
• AI 揭示了學生上大學的真正動機：學習、就業還是社交
• 作弊是 AI 在校園中最大的陰暗面，但學生正逐漸意識到直接複製 AI 輸出的弊端
• 求職市場中 AI 素養已成為關鍵競爭力，但 AI 面試和自動篩選也帶來新的焦慮
• 學生對 AI 的態度正從「直接複製輸出」轉向「有意識地互動」
• 判斷 AI 是工具還是拐杖的標準：你能否解釋和捍衛自己的成果

詳細內容

[00:00] 開場與來賓介紹

主持人 Greg 來自 Anthropic，邀請了四位大學生參與座談：Zain 是倫敦政治經濟學院（LSE）會計與金融系大四生、Chloe 是普林斯頓大學心理學與電腦科學系大三生、Marcus 是加州大學柏克萊分校經濟學與資料科學系大四生、Tino 是亞利桑那州立大學雷鳥全球管理學院數位轉型碩士班研究生。四人同時也是 Claude Campus Ambassador，各自在學校帶領 Claude Builder Club。

[01:12] 校園中的 AI 氛圍：混亂卻充滿能量

Zain 分享他做過的調查顯示 90% 的學生在日常中使用 AI——摘要講座、完成習題、給作業回饋。但大學的管理方式差異很大，有些課禁止 AI，有些鼓勵使用，學生因此處於灰色地帶。Marcus 補充在柏克萊感受到的 AI 熱潮，同意幾乎每個人都在用 AI，主要以 chatbot 形式。Tino 從商學院角度指出，研究生用 AI 分析商業案例、做市場研究甚至趕交測驗，但他認為這也是壞的一面——研究生階段本應訓練批判性思維。

Chloe 描述校園氛圍「混亂但有好有壞」。好的是大家都在探索和做酷炫的專案；壞的是因為一切太模糊，很容易放棄思考讓 AI 全權代勞。她特別注意到不同學科的態度差異——純人文學科的學生完全不碰 AI，社會科學的慢慢嘗試，而電腦科學課堂上反而因為教授的態度仍將 AI 視為禁忌。

[04:35] AI 降低了建造的門檻

Marcus 認為 AI 工具最大的突破是降低了「建造東西」的門檻。政治學、心理學甚至數學背景的學生，現在都能從構想到工作原型，在幾天內做出網站或 App。Zain 分享在 LSE，原本沒有程式背景的學生現在已能熟悉使用終端機，社團也開始用 Claude Code 建立網站——這在以前是不可能的。

[05:52] Claude Builder Club：學生們在建什麼？

Chloe 分享在普林斯頓舉辦的 Vibe-a-thon 中，最受歡迎的不是技術最強的作品，而是出自人性洞察的作品——一群大一新生做了一個「畢業前願望清單」排行榜遊戲化平台。Zain 介紹朋友做的工具：上傳講座投影片後，AI 會自動在每張投影片旁加上教授風格的註解，幫助考前複習。Marcus 提到有人做了一個叫 Courseer 的 App，在熱門課程有空位時自動通知學生搶課。Zain 還分享另一個工具，能掃描哪些教室目前是空的，解決圖書館座位不足的問題。Marcus 補充，過去幾次 hackathon 中看到學生結合電腦視覺和 Claude API 做心理健康、中風偵測、失智症早期辨識等醫療應用。

[10:02] 用 AI 學習：工具 vs. 拐杖

Tino 觀察到，同學們一開始會直接用 AI 的輸出交差，但態度逐漸改變——特別是在小組專案中，如果每個人都交出 AI 的第一版回覆，整個專案品質不會好。Zain 提出一個深入的觀點：AI 的使用方式揭示了學生上大學的真正動機——學習、就業還是社交。想學習的人會善用 AI 強化理解，想省時間的人則讓 AI 代勞。他認為，現在學生擁有了足以「不學任何東西就通過大學」的工具，責任完全在自己手上。

Chloe 強調「意圖」的重要性——在開始使用 AI 前，先問自己是要它直接完成任務，還是幫助腦力激盪。Marcus 則描述了使用方式的演變：從早期的「問一個問題得一個答案」的一次性互動，到現在建立長期的 Claude Projects，為每門課上傳教材，進行持續性的深度對話。

[14:18] 大學的應對：有進步也有不足

Zain 分享 LSE 的 LSE 100 課程已有顯著改變——現在鼓勵學生使用 Claude 進行對話、設定 persona，並要求交出對話紀錄以評估互動品質，最終作業也從論文改為拍攝影片。Marcus 提到柏克萊的機器學習課程打造了自己的 chatbot 回答學生問題，但承認這只是「創可貼」式的做法。Tino 分享亞利桑那州立大學非常支持 AI——職涯管理中心建了 prompt 資料庫，永續課程的教授建了專屬 bot，還開了一門「AI 晶片策略與未來工作」的新課。

Zain 認為 AI 正在讓教育個人化——一位講師面對 200-300 名學生無法兼顧差異化教學，但如果學生正確使用 AI 的 learning mode，它就能成為個人化家教。

[19:08] AI 的陰暗面：作弊與所有權焦慮

所有人一致認為作弊是 AI 在校園中最大的問題。Zain 指出，當考試題目可以直接貼進 chatbot 就得到答案時，抵抗誘惑非常需要自制力。Chloe 觀察到一種微妙的「所有權羞恥感」——即使學生確實用 AI 做了很多腦力激盪和迭代，當被問到「你怎麼使用 AI 的？」時，很多人會簡單回答「Claude 幫我做了一切」。她認為目前缺乏描述 AI 使用方式的詞彙和框架，這加劇了兩極化。

但 Marcus 帶來正面訊號：學生正在發現 AI 其實不擅長作弊——輸出會有明顯的 AI 痕跡（大量破折號、特定語氣）、不了解課堂的具體脈絡。學生們開始花更多時間寫更好的 prompt，與 AI 進行更有意圖的互動。

[24:40] 團隊專案中的 AI 使用

Zain 提到有同學說過「在你們用你們髒兮兮的 AI 之手碰之前，我要先做好這個專案」，顯示有些人對 AI 持強烈反對態度。Tino 分享團隊的做法：先用 AI 建立大綱，再將工作分配給各人。Marcus 則描述自己的方法——先用要點和想法「brain dump」給 Claude，讓它幫忙組織結構，再手動調整成自己的語氣。他還會讓 Claude 扮演作業評審者（教授或 TA），給自己的作業評分並提供改進建議。有趣的是，新版 Sonnet 和 Opus 4.5 在被反覆要求評估時，甚至會催促「可以交了」。

Chloe 建議在團隊專案中增加面對面時間，一起坐下來討論，減少 AI 的誘惑。

[29:30] AI 與求職市場

四位學生對畢業後找工作的感受複雜。Marcus 覺得用 AI 練面試和量身打造履歷很好，但公司端也大量使用 AI 篩選，HireVue 單向面試讓他感覺「在跟螢幕說話」，自動拒絕信 15 分鐘就來更是令人沮喪。Tino 同感被 AI 篩選的痛苦，但指出 AI 素養正成為顧問公司等企業招聘的重要條件。Zain 分享了被 AI 面試的經歷——AI 面試官的回應友善得令人驚訝，雖然最終因資格不符而被淘汰，但體驗比想像中好。

[33:20] AI Slop：什麼是 AI 垃圾內容？

Zain 定義 AI slop 為「如果我自己動腦就能做得更好的 AI 輸出」——典型例子是求職信寫得極度制式化。Marcus 指出 AI 的回覆已經有了自己辨識度極高的「聲音」：大量使用破折號、特定句式結構如「你不是在重新發明輪子，你是在打造下一個 Tesla」。Tino 則笑說看到組員交來的內容底部還留著「Would you like Claude to keep…」，那就是 AI slop。

[37:18] 快問快答：給學生的建議

Tino 建議：學習 AI，理解它如何優化你的職涯或事業。Zain 建議：為每門課建立一個 Claude Project，上傳所有相關資料，用簡潔模式快速複習。Chloe 建議：多看 Substack 和開源資料，吸收最新的 AI 使用技巧。Marcus 建議：善用 Claude 的 styles，尤其是 learning mode——它會反問你問題，促進深度思考。

[39:10] 如何劃清 AI 工具與 AI 拐杖的界線

Marcus 的標準：如果在一個房間裡被問到，你無法解釋或捍衛自己做的東西，那就是越線了。Chloe 補充所有權和意圖兩者都重要。Tino 強調產出的東西必須能在入門和進階兩個層次都解釋清楚。Zain 認為如果對自己產出的內容感到不舒服，那就不是你的——學生需要時間去學這個感覺，大學也需要信任學生。

主持人 Greg 總結，本來預期對話會轉向悲觀主義，但四位學生始終保持「我們會搞定的」（We’ll figure it out）的正面態度。

我的想法

這場座談最打動我的觀點是 Zain 說的「AI 揭示了你上大學的真正動機」。這個洞察非常精準——AI 並沒有創造新的問題，而是放大了原本就存在的態度差異。想學習的人多了一個強力工具，不想學的人多了一條捷徑。

另一個值得關注的現象是 Chloe 提到的「所有權羞恥感」。當學生明明經過深度思考和迭代，卻因為缺乏描述 AI 協作的語言而簡化成「AI 幫我做的」，這反映了整個社會對 AI 輔助創作的認知框架還沒建立起來。這不只是學生的問題，整個產業都需要發展出更細緻的詞彙來區分「AI 代勞」和「AI 協作」。

從實用角度來看，Marcus 提到的用 Claude Projects 為每門課建立知識庫，以及讓 AI 扮演評分者給出回饋，都是非常值得嘗試的學習策略。而幾位學生共同提出的「能不能解釋和捍衛自己的成果」作為判斷標準，簡潔有力又極具操作性——不只適用於學生，也適用於任何使用 AI 的工作者。