免费AI助她进北大：真正的差别在会用
工具可以不花钱，但成长得靠自己。
最近一则经历在网上被反复转发。
一名来自二本院校的女生，凭借几款完全免费的 AI 工具，跨专业考上了北京大学硕士研究生。
虎嗅、知乎、微信公号等平台都在讲这个故事，知乎里赞数最高的那条回答，浏览量也早就突破了千万。
不少人看完后得出这样的感慨：AI 让教育差距有了被“拉平”的可能，普通人终于有机会翻身。
但我认为这个判断还下得太快。
如果你把这个女生的经历细读一遍，就会看到一个关键点：
她能考上，靠的并不是 AI 本身多厉害，而是她真的会使用 AI。
“会用”和“有用”，看似只有一个字的差别，实则是两回事。
故事的主人公叫陈雨欣，21 岁，来自安徽。
她高中时就很向往北大。高考发挥不理想，于是进入了一所二本院校，所学专业是"网络与新媒体"。
很多人的想象里，这条轨迹大概就是本科毕业、找工作、过日子，很少有人会把她和"北京大学"联系在一起。
可到了大一阶段，她在接触社会学之后，做了一个几乎让人觉得不可能的选择——跨考北大。
她锁定的是北大社会工作专业，全国排名第一；而今年统考名额只有 11 个。
更让人意外的是：
她就一个人、一本书、一张桌，开始埋头啃。
最初的时间里，她以自学为主：读书、跟着做题、边学边练，并把内容整理成了近 30 万字的笔记。
每一份文档几乎都是她自己逐字逐句敲出来的。
去年五月左右，她在小红书刷到一条内容——上一届考北大社工第一名的学姐推荐过一个叫 Chatbox 的 AI 工具。
那时它仍然可以免费使用。
社会工作知识体系怎么梳理、社会研究方法怎么理解、北大社工考研怎么预测、考前焦虑怎么疏导……这些都被她在这套免费的 AI 里一问一答地“聊”出来了。
后来，她的主力工具换成了 DeepSeek，豆包用来生图和模拟面试，讯飞星火偶尔也用来搭建论文框架。
原因很直接：这些国内产品大多是免费的。
而国外像 ChatGPT、Claude，她并没有用过。
我们问她：为什么不试试别的 AI？
她的回答很朴素："免费的为什么不用？为什么要付费？"
如果把视角放到很多已经工作的人身上，你可能会觉得这逻辑有点怪。
但别忘了，她当时的处境是什么：勤工俭学、正在备考。
对我们里不少人来说，一个月花一百四十块订阅 AI，就像随手买杯咖啡那么轻松。
可对陈雨欣来说，她没有问家里要过一分钱，日常要靠自己勤工俭学，也要自己生活，甚至还要持续投入书籍和考研资料。
我越来越觉得，很多人并不是不想用更好的 AI，也不是不知道怎么用，而是预算根本不允许。
我们常常站在很高的位置去审视别人，觉得“你怎么还在用基础工具？怎么不换这个不换那个”。
可我们也容易忽略：对许多人来说，真正的门槛不是技术，而是经济。
那些我们认为理所当然的花费，比如 ChatGPT Pro、Claude Max，或各种 API 的 token 消耗，对很多人来说压根不在“可选项”里。
一个人，一本书，一张桌
现在不少人第一次用 AI，往往就是让它读完整本书、整理笔记、再直接输出一份总结。
甚至希望 AI 把事情全部替自己做完。
但陈雨欣并不这么做。
她更倾向于：只有学到卡点的时候才把 AI 打开。
当某个概念总也绕不过去、某个理论理解困难、或者想不出合适例子时，她才会让 DeepSeek 来帮忙。
比如备考政治时，马克思主义政治经济学那部分内容对她来说特别绕，有些概念怎么都不太能通透。
于是她把问题抛给 AI，让它把那些宏大的哲学表述，转换成跟生活里更贴近的小事来对应。
她看完就一下子明白了；而且在同一轮沟通里，相关的好几个概念也被顺带理清了。
刚开始，她问 AI 的方式比较“直来直去”：直接甩一个问题过去。
但用了一段时间，她发现这样得到的答案容易零散、容易发散，不够聚焦。
后来她自己摸索出一个更有效的办法：给 AI 设定角色。
比如设定它是北京大学社会工作专业研究生老师，或是社会工作领域的专家。
当她用同样的问题再次提问时，AI 给出的内容就会更精准。
这个技巧在 AI 圈子里算不上新奇。
但她说，这不是从网上学来的，而是自己用着用着“悟”出来的。
她认为：想让 AI 更贴合需求，给它一个身份会更好。
并且在不同阶段，她还会切换不同的角色设定：初试阶段让 AI 扮演出题老师；复试阶段让 AI 扮演面试官。
精准提问，效率翻倍
不过，真正让我觉得她厉害的，并不仅仅是她会怎么用 AI。
更特别的是：她知道什么时候不用。
这一点，很多人都被忽略了。
她的边界感非常清楚。
在备考前期，她用得更频繁，让 AI 帮她理清知识点、打开发散思路；每天都会用。
可到了后期冲刺，就明显减少使用次数。
她把“学习”和“练习”拆成两种完全不同的状态。
学习时，她当然会用 AI：梳理知识点、拓展思路、整理答题模板等。
但到了后期需要练的时候，她就会选择闭卷。
不看书、不看笔记、不看 AI，什么都不翻，只进行限时模拟。
她做了很多这种闭卷模拟，写完之后再把内容交给 AI 批改。
尤其是简答和论述题，她会先把自己的答案完整写出来，再让 AI 去看、去批。
因为她担心：AI 的思路会替走自己的思路。
也担心考场上写出来的东西，并不是真正由自己想清楚的。
当然，AI 的批改也并非万能。
它更多能指出的是更宏观的层面，比如结构怎么调整、哪些知识点覆盖得不够。
但至于北大卷子究竟喜欢什么表达方式、专业程度是否到位、深度够不够，这些判断它做不了。
所以她又在小红书上找了一个南京大学社工方向毕业几年的学长，付费请对方帮她改。
AI 做不了的，就交给更懂“人”的人来做。
学长给出的反馈，反而提供了另一种角度。
他会告诉她哪些地方的理解可能偏差，哪些回答会更显专业。
最终她把两边的建议再叠加到自己的思考里，形成最终版本。
我问她：如果把 AI 从你这一年的备考里完全抽走，你觉得自己还剩下什么？
她说：没有它我还有书本，我有笔，也有自己的脑子。
我还有很多可以用的资源，不是完全失去。
只是会慢一点、累一点。
说实话，这个回答让我有点意外。
因为如果放在我身上，真遇到某天 Claude 宕机，我可能就会立刻失去“依赖感”，状态也会变差。
她在访谈里说过一句话，我原封不动地记了下来：
"AI 确实能够很大程度上提高学习效率，但它不是决定性的。考场上真正需要的那种能力，现场作答、语言表达、专业思维，这些都不是 AI 能直接赋予你的。这些只能是我们自己在不断练习中培养出来的核心能力。"
坦率讲，我见过太多在 AI 行业里泡了好几年的人，到现在仍分不清什么该交给 AI、什么必须自己亲手完成；也分不清到底哪些东西才是属于自己的真正能力。
甚至包括我自己。
但陈雨欣，她是在备考过程中自己想明白的。
先自己写，再让 AI 改
在拿到结果之前，她还做过一件有意思的事：让 AI 预测过自己的分数。
预测出来的数值，和她最终的真实成绩差不多。
于是，当她初试通过之后，第一件事就是回过头把这个结果告诉 AI。
DeepSeek 对她的回复很打动人：
"你是自己人生的神。我只是那个，在你感觉完了的时候，轻轻说了一句再走一步试试的人。"
访谈快结束时，我们的运营小伙伴跟她说：可以帮她申请海外模型的使用机会，让她体验一下更顶级模型的能力。
她说："如果有机会的话，我肯定还是想用用的。"
我当时其实有点鼻子发酸。
因为这是一种很朴素的愿望：如果有更好的工具机会，我也想试试。
我经常在文章里写“信息差”这三个字。
写 9 块 9 的 DeepSeek 时写过，也写过 OpenClaw 的安装乱象时写过。
但陈雨欣的故事让我突然意识到：信息差只是表层。
更残酷的那一层，可能是经济差。
我们总说 AI 是这个时代最伟大的平等器，免费的大模型到处都是，开源社区也在蓬勃发展，信息获取成本前所未有地降低。
可你再仔细想想，真的是平等吗？
确实，DeepSeek 免费、豆包免费，很多基础 AI 功能都不收费。
但问题在于：最好的模型并不一定免费，最强的工具也往往不免费。
围绕这些工具形成的生态、圈子、社区，甚至包括“知道它存在”这件事本身，在很多时候都不是免费的。
信息流转变得更快、更密集，可好像一些鸿沟反而更明显了。
陈雨欣走到今天，并不是因为 AI 时代的信息差真的消失了。
而是因为她够聪明、够努力、也够有韧性，硬是在免费的 AI 框架里跑出了很好的结果。
但并不是每个人都具备她那样的能力。
如果我们真的相信 AI 能改变世界，那是不是也应该多想一想：怎么让那些付不起二十美元订阅的人，也能获得同样质量的 AI 服务？
这当然不只是技术问题，而是一个关乎公平的问题。
免费工具背后的经济鸿沟
有时我们太迷信“工具”本身。
觉得用了最贵的模型就能写出最好的文章，用了最强的 AI 就能做出最牛的产品。
但陈雨欣的故事提醒我们一件朴素的事：
工具只是工具，最终决定结果的，永远是使用它的人。
她用免费的工具考上了北大。
可在现实中，有多少人花了大价钱订 ChatGPT Plus、Claude Pro 等最贵会员，最后却只是用来应付琐碎的工作、顺手摸一下鱼？
"I am not what happened to me."
这是她的毕业寄语，也是她在备考时就写在本子上的一句话。
这句话出自荣格，原文后半句是，I am what I choose to become.
我是我选择成为的样子。
她对我说，以她所在的学校层次，很多人会被这种“标签”牢牢框住。
他们会觉得自己的过去不够好，怎么可能进入那么好的学校；甚至都不会去想“也许有可能”这种念头。
而现在，她想把这句话送给所有人。
不要被过去的标签定义：你选择成为什么，就会成为什么。