你可能是带着这些问题找过来的
为什么不看平时表现，非要考试？
因为两段教育的任务不同。上海 2020 年起义务教育招生明确严禁以考试、竞赛、培训成绩或证书作为招生依据；但同一座城市的中招恰恰相反，只以学业考试计分科目总成绩（750 分）作为录取的基本依据——前者是保障性的，后者是稀缺性的。
AI 能造出一把更好的尺子吗？
目前没有证据。一个排序信号要能胜出，得同时满足可比较、难操纵、成本低这三重资格——这正是考试在争议里一直活着的原因，也是 AI 暂时替不掉它的原因。
以上数字的出处（均在下方正文逐条可点）：上海市 2020 年义务教育阶段招生入学工作实施意见（人民网报道）上海市教育考试院《2026 年中招实施细则》上海市教育考试院答考生问上海市教委官方问答
一个很少被注意到的事实：同一个孩子，小学升初中不许考，初中升高中必须考。制度为什么在前一个关口把考试彻底禁掉，在后一个关口把它当成唯一的标尺？这暴露了考试被选中的真正理由。
一、制度自己划的这条线
义务教育一侧：上海市 2020 年起义务教育阶段招生文件明确，「严禁以各类考试、竞赛、培训成绩或证书等作为招生依据，不得以面试、测评等名义选拔学生」，公办按就近入学范围和招生计划安排入学。
高中阶段一侧：同一座城市的中招恰恰相反——以初中学业水平考试计分科目总成绩（750 分）作为录取的基本依据，全部安排在标准化考点进行，语数外等五科与综合测试笔试实行全市统一网上评卷。招生录取政策加分须严格执行资格审核公示制度。
一边严禁考试，一边只认考试。这个反差不是矛盾，是制度的精确设计：义务教育是保障性的（人人有学位，不需要排序），高中阶段是稀缺性的（学位有限，必须排序）。
来源：上海市 2020 年义务教育阶段招生入学工作实施意见（人民网报道）；中招评卷与标准化考点要求见 上海市教育考试院《2026 年中招实施细则》二、考试凭什么胜出：一个排序信号的三重资格
要给稀缺学位排序，任何工具都得先过三关：
- 可比较——所有考生面对同一张卷、同一把尺，分数才能跨校跨区比较。竞赛证书、面试评价都做不到这一点：不同赛题难度不同，不同面试官标准不同。
- 可核查——这是最容易被低估的一关。上海的网上评卷是双评制：每一题由两位教师背对背评阅，误差在阈值内取平均，超出阈值自动送第三位教师仲裁，全程计算机留痕。整套设计指向一件事：每个分数都经得起复查、有人对它负责。
- 成本低——几十万人同时排序，几天出结果。任何替代方案（长期综合观察、多维度面试）的人力成本都会高出一个数量级。
反过来看义务教育那侧为什么严禁考试：因为那里不需要排序——就近入学人人有位，排序工具失去了用武之地，而考试一旦出现就会立刻制造出本不存在的稀缺感。制度的两句话合起来才完整：考试不是被推崇的，是被「需要排序」这个约束逼出来的。哪里需要排序，哪里就有考试；哪里不需要，哪里就禁考。
还有一个旁证：名额分配批次里确实引入了「综合素质评价」（满分 50 分），但制度把它设计成「合格即赋 50 分」——几乎人人可得。这个设计本身就是坦白：非标准化的评价工具，制度不敢让它承担大的排序权重，因为它不可核查，也就不可问责（下一篇展开）。
前提：前提是：排序的规模维持现状（上海每年数万至十余万考生量级）。若考生规模大幅缩小，成本约束松动，综合评价类工具的权重可能上升。三、往后看十年：AI 会造出更好的尺子吗
把镜头拉到十年后。理论上，AI 让「长期、多维度、连续观察」的评价成本大幅下降——一个 AI 观察员可以记录每个学生三年的完整表现。技术上的障碍在消失，那考试会不会被替代？
判断可以说得比较死：短中期内不会，因为障碍不在技术上，在问责上。考试的每一分都能通过双评制和成绩复核追溯到人；AI 评出的每一分，「谁对这个分数负责」这个问题没有答案。教育评价的容错率极低——一个作文分数的争议可以击穿整个系统的公信力。制度的演进速度由问责结构决定，不由技术能力决定，而问责结构的改变以十年计。
会先变的是考试的内部技术：阅卷的辅助、命题的分析、成绩的分析颗粒度——这些不触碰「谁负责」的红线，已经和即将发生。尺子还是那把尺子，尺子的制造工艺在换代。
前提：前提是：教育评价的问责结构维持现状。若出现全国性的评价问责制度创新（如可信的 AI 评卷审计标准），本段需重算。四、可以观察什么（不给建议，给观察点）
- 评卷规则有没有变化——双评制的阈值、复核的口径都是公开文件，任何松动（如 AI 辅助评卷进入正式文件）都是制度演进的里程碑事件，值得逐年核对。
- 综合素质评价的权重走向——「合格即 50 分」这个设计若出现变化（比如开始区分分数），意味着制度对非标准化评价的信任度上升，是重大信号。
- 命题口径的表述——每年考试院对试题「难度」「导向」的官方表述变化，反映的正是排序工具的校准方向。
本站观点
考试被选中，不是因为它能测出能力，是因为它输得起质疑——每一分都能被复查，每个复查都有人负责。
理解这一点，能解开家长群体里最常见的两个误解：其一，「分数不代表能力」——对，但排序工具的资格从来不是「测得准」，是「经得起查」；其二，「以后会取消考试」——除非出现一种同样可核查、可问责的替代工具，否则这个说法的前提不成立。
本站的观点是：抱怨尺子不完美的能量，不如用来理解尺子为什么长这样——因为后者能推演出它未来会怎么变，前者只能制造情绪。