孩子搭积木搭到一半停住了，拱门卡在那里。大人伸手把整座拱门拼好，任务确实几秒就完成了，但孩子动手想、动手试的机会也一起没了。
这里要区分两件事：替对方做完，和创造让对方自己动手的条件。前者是替代，后者才是支持。
一个虚构的小例子：孩子试着搭积木拱门，中途停了下来。大人没有把整座拱门组装好，只给了一个提示，把孩子的注意力引向其中一块底座积木。孩子把这块放好之后，大人收回手，把下一步留给孩子。
支持并没有消失，只是收窄到了真正需要的地方。孩子能往下走的时候，干预就减少——这个"减少"本身才是重点。
脚手架研究是个起点
Wood、Bruner 和 Ross 关于成人辅导解决问题的经典研究，为理解"脚手架"提供了一个重要入口，可参见《The role of tutoring in problem solving》。
这项研究并没有证明同一个提示对每个孩子都有效，也没有证明支持越少越好。任务、偏好、必要的协助，都会改变条件。真正要盯住的，是哪些步骤由学习者自己完成。
放到工作场景里也一样。支持可以是带人进入一项新任务的入口，随着对方能够推进，检查逐步减少。独立不等于永远不依赖别人，它可以和"主动选择需要的帮助"同时存在。
别以学习之名给人加负担
因为"这事应该自己做"，就扣下必要的工具或安全的解释，这不叫支持对方的尝试。反过来，也不能为了帮的人省事，把学习者自己的决定拿走。要确认的是：哪些步骤由本人执行，本人想要什么样的协助。
还有一条底线：不要利用求助者的弱势，索取不必要的个人信息或不公平的报酬。对方应当可以拒绝帮助，也可以去咨询别人。对不合理要求提出质疑，不该被贴上"不配合"的标签。
观察的维度可以包括：本人尝试了哪些步骤、选择了什么协助、是否同意减少支持、以及有没有机会再次开口求助。单看"求助次数变少"，不能算作独立的成绩。
给物理 AI 的一个设计假设
一种可能的设计是：依据本人的目标和许可，在直接给答案、给提示、观察、转介给专业人士之间做选择。使用 AI 的时间变长，不该成为唯一的产出指标。
调整协助强度之前要先和本人确认，不能单方面撤走必要的支持。完成的步骤要记在本人名下，遇到困难后要允许对方重新选择帮助。教育场景也不该授权危险作业，或超出权限的行动。
评估可以看三件事：有进展之后干预是否减少、再次遇到困难时协助是否恢复、以及本人能否拒绝。这套提议同时检查任务完成情况和"本人是否能够选择并推进"。
四格漫画把这个过程画得很清楚：孩子搭建时停下；大人就底座给一个小提示；孩子放好之后，大人收手等待；孩子自己完成了拱门。这组虚构画面不是实验证据，不能用来说明某个成人或 AI 提升了谁的能力，它演示的是协助随对方行动而变化。
回到那个贯穿整个系列的问题：社交能力不只出现在替别人做事里，也出现在开口询问、拒绝、等待、纠正和保留选择里。当 AI 要长期和人打交道，这些具体判断怎么落到物理行为上，值得一直追问下去。