有个场景我一直记得。
一个成绩排在前列的学生，被问到接下来想往哪个方向走，愣了很久，说：我不知道，你们觉得呢。
不是敷衍，是真的没有答案。他的成绩单挑不出毛病，作业、考试、竞赛一样没落下，每一步都走得很稳。唯独在被问到"你想要什么"的时候，空白。
后来我想明白了一件事：他不是不会学习，是从来没练过选择。
学习这件事里，选择其实分好几层。这个知识点花多长时间，是节奏；用什么材料、从哪个角度切入、先补哪里，是路径；学到什么程度算够，是深度；往哪个领域长期投入，是方向。
前三层是战术，系统有数据，比学生自己判断得准。一个基础薄弱的孩子如果一直按统一进度走，欠账只会越积越多，最后彻底放弃；系统能帮他找到合适的起点和节奏，这是好事。
第四层不一样。往哪个方向走，涉及兴趣、价值判断、对未来的想象，系统没有依据，也不该有发言权。
问题在于，前三层会慢慢积累成第四层。
推荐系统有一些天然的倾向，说出来都挺合理。
它会往你擅长的地方推。数学好就多推数学，做得快、正确率高、数据漂亮；推语文，做得慢、错得多，指标难看。站在系统的立场，这没有错。站在成长的立场，恰好反了——弱的那一科才更需要投入。
它会替你避开不舒服。把人维持在"稍微有点难但能完成"的状态，体验最好，流失最少。可真正的突破往往发生在明显不舒服的区域。至于一个总被留在舒适区边缘的学生有没有失去面对真正挑战的能力，短期数据上看不出来。
它会让你的路越走越窄。推荐基于历史行为，历史越丰富，预测越准，推送越窄，收敛是它的本性。可是学习里有一部分叫探索：接触没接触过的东西，试过发现不喜欢，再换一个。探索从效率上看是浪费，但没有探索就没有发现。
这三条的共同点是：它们都让短期数据变好，同时悄悄收窄了可能性。
但真正让我在意的，是另一件事。
自主选择是一种能力，而能力是需要练习的。
过去有一个天然的缓冲。即使在高度统一的教学体系里，学生仍然有大量"自己安排"的空间：什么时候做作业，先做哪一科，要不要在某道题上多花十分钟。这些琐碎得很，看起来跟学习效率没什么关系，可它们一直在训练同一件事——我根据自己的情况做判断，并且为判断负责。
当系统把这些都接管了，训练场也就没了。
所以问题不是要不要推荐，而是推荐到哪一步停下来。
有一条线可以划：效率层面的选择交给系统，发展层面的选择留给人。
用什么材料、练多少、什么时候复习、从哪一层补起，这些是手段问题，有相对明确的最优解，交出去没有问题。
要不要挑战更难的内容、对哪个领域投入更多时间、遇到困难是继续还是换方向、什么时候说"我不想做这个"，这些没有最优解，只有选择，得留在他自己手里。
还有一类得留给教师和家长：什么时候该推一把，什么时候该叫停，长期来看这个孩子缺什么。这需要了解具体的人，系统看不到。
如果把这些落到系统上，有几件事是应该做的。推荐要可以被拒绝，而且拒绝的代价要低——如果拒绝会被判定"不配合"，那这个权利就是假的。推荐要给出理由，"因为你上次在这类题上错了三道"和"做这组题"，前者可被检验，后者只是命令。判断别说得太满，说"这个知识点目前落后"，而不是"你不擅长"——前者是可以被改变的状态，后者会变成标签。
说到底，成年人最该做的可能不是替孩子选，而是陪他练习选择。
技术会让学习变得更高效，但它不能代替一个人学会做选择。至于算法会不会替学生做选择，答案取决于我们把它放在什么位置。
