AI learning path

AI 人工智能学习

这不是一套“让 AI 替你完成作业”的课。你会学会提问、追问、核查、写代码、做项目，并且说清楚 AI 的能力和边界。

查看 20 节课先看思维导图

GPT 原理 Prompt 安全与核查 API JSON RAG Agent

Roadmap

从“会聊天”走向“会做 AI 项目”。

这条路线分成四个阶段。前半段训练你和 AI 协作学习，后半段带你进入开发者视角：API、JSON、图像理解、资料问答、工具调用和 Agent 工作流。

01-04

基础理解

先理解 GPT、隐私安全、Prompt 和追问。

05-09

学习应用

把 AI 用在阅读、写作、数学、科学、图像和代码理解。

10-16

开发入门

进入 Platform、API、JSON、图像项目、工具调用和 RAG。

17-20

项目展示

设计 Agent 工作流，选择模型，完成项目原型并展示边界。

AI 学习实验室插图 — 学习目标不是“让 AI 做完”，而是把 AI 变成可以讨论、检查和迭代的学习伙伴。

Mind map

先看全图：AI 学习由六块能力组成。

理解GPT 不是魔法生成式 AI
表达把问题问清楚Prompt
判断隐私与事实核查verify
开发API 与结构化输出JSON
创造完成 AI 项目原型Agent

Workflow

每一次使用 AI，都要走完“生成、核查、修改”的流程。

AI 生成的内容只是草稿。你要继续追问、检查来源、判断是否有隐私风险，再用自己的理解修改成最终作品。

输入先说清楚任务、背景、格式和限制。

生成得到第一版回答，把它当作可修改草稿。

核查检查事实、偏见、隐私和不确定内容。

作品加入自己的判断，形成报告、代码或项目。

AI 学习工作流程图 — 不确定就回到追问和核查。AI 学习不是一键生成，而是一轮一轮变清楚。

Prompt formula

好 Prompt 的五个零件。

All AI lessons

20 节 AI 课，按学生能读懂的方式展开。

01 认识 AI

AI 不是魔法，GPT 到底是什么？

先不急着“让 AI 帮我做事”。这一课先拆开黑盒，理解 GPT 为什么能回答问题，也为什么会一本正经地出错。

GPT 可以把上下文里的词语、句子和知识线索组织成回答。它很会“生成”，但它不是永远正确的老师。

说清楚人工智能、生成式 AI 和 GPT 的关系
知道 GPT 和搜索引擎的区别
理解 AI 回答不等于事实

进入完整课程

打开练习、示例和作业

课堂练习

完成一句话：我认为 GPT 像 ________，因为它可以 ________，但它不能 ________。

示例 Prompt

请用三个比喻解释什么是 GPT，要求适合 10 岁、14 岁、18 岁学生分别理解。

请比较搜索引擎和 ChatGPT 的区别，用表格输出。

课后作品

制作一张图：《我眼中的 AI：它能做什么，不能做什么》。

02 安全边界

和 AI 打交道，先学会保护自己

真正厉害的 AI 使用者，不是问得最多的人，而是知道什么该问、什么不该问的人。

不要把真实姓名、电话、住址、密码、病历、银行卡、学校账号等敏感信息输入 AI。AI 可以辅助学习，但不能替你冒充、欺骗或伤害别人。

不上传个人隐私
不让 AI 替自己完成违规作业
学会标注“AI 辅助完成”

进入完整课程

打开练习、示例和作业

课堂练习

把“AI 课堂四不原则”写成一张适合贴在教室里的安全海报。

示例 Prompt

请帮我们制定一份适合青少年 AI 课堂的使用规则。
要求：
1. 语言简洁；
2. 适合贴在教室墙上；
3. 包含隐私、安全、事实核查、作业诚信四部分。

课后作品

回家和家长讨论：家里使用 AI 时，哪些信息绝对不能输入？

03 Prompt 基础

写好 Prompt，AI 才会真正帮你

AI 回答质量，很大程度取决于你怎么提问。好 Prompt 不是长，而是清楚。

“帮我学英语”太模糊；“你是耐心的英语老师，请用中文解释过去时，再给例句和练习”就清楚得多。

掌握角色 + 任务 + 背景 + 输出格式 + 限制条件
把模糊问题改成清晰问题
让 AI 输出更适合自己年龄和目标的内容

进入完整课程

打开练习、示例和作业

课堂练习

把“解释牛顿”改写成适合 12 岁学生的清晰 Prompt。

示例 Prompt

你是一个耐心的英语老师。
我是一名 13 岁的学生，正在学习过去时。
请用中文解释过去时的基本规则，然后给我 5 个简单例句。
最后出 3 道小练习，不要直接给答案。

课后作品

建立自己的第一个 Prompt 模板：
你是 ________。
我的背景是 ________。
我希望你帮我 ________。
请用 ________ 格式输出。
请注意 ________。

04 追问能力

不要只问一次，学会追问 AI

会用 AI 的人，像采访专家一样不断追问、修正和验证，而不是把第一版回答直接交出去。

一次提问得到的是草稿。第二次、第三次追问，才会让答案越来越贴近你的学习目标。

学会追问
要求 AI 举例或换一种解释
要求 AI 检查自己的回答

进入完整课程

打开练习、示例和作业

课堂练习

围绕“为什么月亮有时是圆的，有时是弯的？”完成三轮提问。

示例 Prompt

第一轮：请解释光合作用。

第二轮：请用适合 11 岁学生的生活例子解释。

第三轮：请检查你刚才的解释有没有容易误导的地方，并补充一个小实验。

课后作品

用 AI 帮自己学习一个知识点，提交“三轮追问记录”。

05 阅读写作

用 AI 提高阅读、写作和表达能力

AI 不是替你写作文的机器，而是帮你整理思路、发现问题、修改表达的学习伙伴。

阅读时让 AI 帮你抓关键词、观点和证据；写作时让 AI 帮你搭提纲、改句子，但最后的判断和表达要属于你自己。

总结文章
提取观点和证据
生成提纲但不代写全文

进入完整课程

打开练习、示例和作业

本课学习场景

你拿到一篇短文，不是把它丢给 AI 让它“帮我写答案”，而是让 AI 做阅读搭档：先找主题，再找观点和证据，最后由你自己判断哪些内容可以留下。

操作步骤

把短文粘贴给 AI，并要求它只分析文本内容。
让 AI 输出主题、关键词、观点、证据和反方观点。
检查 AI 有没有把短文里没有出现的信息加进去。
用自己的话重写阅读报告，标注 AI 帮助了哪一部分。

检查点

AI 有没有直接替你写完整作文？
观点和证据是否真的来自短文？
你是否加入了自己的判断和修改？

课堂练习

阅读关于塑料袋污染的短文，提取主题、关键词、观点和证据。

示例 Prompt

请阅读下面短文，并完成：
1. 用一句话概括主题；
2. 提取 3 个关键词；
3. 找出作者的主要观点；
4. 给出一个支持观点的证据；
5. 提出一个反方观点。

短文：【粘贴文本】

课后作品

提交一份 AI 辅助阅读报告，写清 AI 帮了你什么，以及你自己修改了什么。

完成一份 AI 辅助阅读报告，包含文章主题、关键词、主要观点、AI 帮助内容和自己的修改。

06 学习助手

AI 可以教你思考，但不能替你思考

数学和科学问题不要直接要答案，要让 AI 给提示、分步骤解释，再由你自己完成思考。

“一步一步提示我”比“直接告诉我答案”更适合学习。你要练的是思考过程，不只是最后的数字。

让 AI 分步骤解释
让 AI 给提示而不是答案
检查 AI 解题过程
生成练习题

进入完整课程

打开练习、示例和作业

本课学习场景

遇到数学或科学题时，最危险的做法是直接问答案。更好的做法是让 AI 像教练一样给提示，让你自己走完关键步骤。

操作步骤

先告诉 AI：不要直接给答案。
要求 AI 每次只提示一步，并在每一步后停下来。
自己写出计算或解释过程。
最后让 AI 检查过程，而不是只检查结果。

检查点

你有没有自己写出解题步骤？
AI 的解释是否用了正确公式？
如果 AI 说错了，你能指出哪里不对吗？

课堂练习

让 AI 生成一道题，自己或同桌先解，再让 AI 检查过程。

示例 Prompt

你是数学老师。
请不要直接给答案。
请一步一步提示我如何解决这个问题：
一个长方形长 12 厘米，宽 8 厘米，面积是多少？
每一步之后停下来问我是否理解。

Python：生成练习题

from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()
client = OpenAI()
MODEL = os.getenv("OPENAI_MODEL", "gpt-5.4-mini")

prompt = """
你是中学数学老师。
请为 13 岁学生生成 5 道关于百分比的练习题。
要求：
1. 从简单到中等；
2. 不直接给答案；
3. 每题附一个小提示。
"""

response = client.responses.create(
    model=MODEL,
    input=prompt
)

print(response.output_text)

课后作品

让 AI 生成 5 道题，自己完成，再用 AI 检查过程。

提交 5 道 AI 生成的练习题、自己的解题过程，以及 AI 检查后的修改记录。

07 多模态 AI

AI 不只会读文字，也能看图片

这一课体验多模态 AI：让 AI 观察图片、描述图片、提取信息，同时学会区分确定内容和推测内容。

图片分析不是“绝对看懂”。AI 可以描述画面，但对身份、地点、原因的判断可能只是推测。

让 AI 描述图片
从图片中提取信息
理解图片分析也可能出错
不上传隐私图片

进入完整课程

打开练习、示例和作业

本课学习场景

多模态 AI 可以看图片，但它看到的是图像线索，不是完整真相。你要学会区分“画面中能确定的内容”和“AI 推测的内容”。

操作步骤

选择植物、文具、风景等非隐私图片。
让 AI 列出主要物体和可观察细节。
要求 AI 分开写“确定内容”和“推测内容”。
补充自己的现场观察，修正 AI 没看准的地方。

检查点

图片里有没有人脸、住址、车牌或证件？
AI 是否把推测说成事实？
你有没有补充自己的观察？

课堂练习

选择一张非隐私图片，让 AI 分别写出“确定看到的内容”和“可能发生的事情”。

示例 Prompt

请观察这张图片，并回答：
1. 图片中有哪些主要物体？
2. 可能发生了什么？
3. 哪些内容是你确定的？
4. 哪些内容只是你的推测？

课后作品

拍一张植物、文具或风景图，让 AI 生成观察报告。禁止上传人脸、住址、证件、车牌等敏感图片。

完成一份图片观察卡：主要物体、确定内容、推测内容、我的补充观察。

08 事实核查

AI 说得像真的，不代表就是真的

AI 可能会编造事实，也可能带有偏见。你要学会做 AI 侦探。

如果 AI 编出“爱因斯坦在 1905 年发明了互联网”这样的句子，语气再自信也不能相信。

理解 AI 幻觉
要求 AI 标注不确定性
交叉验证答案
识别片面表达

进入完整课程

打开练习、示例和作业

本课学习场景

AI 有时会说得很顺，但顺不代表真。你要像事实核查员一样，把回答拆成“确定事实、需要查证、可能有偏见”。

操作步骤

让 AI 回答一个科学、历史或地理问题。
要求 AI 标注确定事实和不确定内容。
用教材、百科或可靠网站交叉验证至少两个点。
把原回答改写成更谨慎、更准确的版本。

检查点

AI 有没有编造人名、年份或研究名称？
你是否找到第二个来源验证？
改写后是否避免“绝对化”表达？

课堂练习

找出错误文本中的错误，说明为什么错，再写出更严谨的版本。

示例 Prompt

请回答：海豚为什么聪明？
要求：
1. 标出你确定的事实；
2. 标出可能需要进一步查证的内容；
3. 不要编造研究名称；
4. 如果不确定，请直接说不确定。

课后作品

让 AI 回答一个科学、历史或地理问题，并找出至少两个需要查证的点。

提交一张事实核查表：AI 原句、问题点、查证结果、修正版。

09 编程入门

让 AI 帮你理解代码，而不是替你偷懒

AI 可以解释代码、找 bug、生成注释，但你必须理解它给出的代码。

把 AI 当成代码讲解员，而不是作业代写器。你要能解释变量、循环、列表和平均值。

让 AI 逐行解释代码
让 AI 找 bug
用自己的话复述程序逻辑

进入完整课程

打开练习、示例和作业

本课学习场景

AI 可以解释代码，但不能替你理解代码。真正的目标是：你能把变量、循环、列表和错误原因讲给同学听。

操作步骤

把一段短代码粘贴给 AI，要求逐行解释。
让 AI 标出变量、循环、列表和输出结果。
故意加入一个小 bug，让 AI 帮你定位。
自己写一段“我理解了什么”的总结。

检查点

AI 的修复代码你是否能运行和解释？
你有没有看懂错误发生的位置？
你能不用 AI 再写一遍类似程序吗？

课堂练习

让 AI 解释一个计算平均分的小程序，并检查一段缩进错误的 Python 代码。

示例 Prompt

你是 Python 老师。
请逐行解释下面代码，适合 13 岁学生理解。
解释时请说明变量、循环、列表和平均值的概念。

代码：【粘贴代码】

课后作品

写一个计算三门课平均分的小程序，并让 AI 帮你解释每一行。

完成一个三门课平均分程序，并附上逐行解释和一次 debug 记录。

10 开发者视角

走进 OpenAI Platform，像开发者一样实验 AI

ChatGPT 是产品，OpenAI Platform 是开发者工具箱。你会观察同一个 Prompt 在不同要求下如何变化。

同一个主题，可以要求“100 字解释”“适合 10 岁理解”“用表格比较”。开发者要学会比较输出，而不是只看第一版。

理解 ChatGPT 和 API 的区别
知道模型、输入、输出、成本、延迟是什么意思
比较不同 Prompt 的输出风格

进入完整课程

打开练习、示例和作业

本课学习场景

来到开发者视角后，你不只看 AI 回答“好不好”，还要比较不同 Prompt 对输出长度、风格、清晰度和准确性的影响。

操作步骤

用同一主题写三个不同 Prompt。
比较输出是否适合目标年龄。
记录哪个版本更清楚，哪个版本更容易误导。
把最佳 Prompt 改成自己的可复用模板。

检查点

三个 Prompt 是否真的有不同要求？
你是否记录了输出差异？
你有没有说明如何改进？

课堂练习

填写模型实验表：Prompt、输出风格、是否清楚、是否准确、如何改进。

示例 Prompt

请用 100 字解释黑洞。

请用适合 10 岁学生理解的方式，用一个生活比喻解释黑洞。

请用表格解释黑洞、恒星、行星的区别。

课后作品

设计 3 个不同风格的 Prompt：儿童科普风格、学术解释风格、故事风格。

完成一张模型实验表：Prompt、输出风格、是否清楚、是否准确、如何改进。

11 API 思维

API 就是应用之间的“服务窗口”

如果说 ChatGPT 是一个网站，那么 API 就是让你的程序也能调用 AI 能力的接口。

浏览器不应该直接拿着密钥去找 AI。安全做法是：学生浏览器 → 教师/学校服务器 → OpenAI API → 服务器 → 学生浏览器。

理解 API、HTTP 请求和响应
看懂 JSON
知道 API key 不能放在前端

进入完整课程

打开练习、示例和作业

本课学习场景

API 像一个服务窗口：你的程序把问题递过去，AI 服务把回答送回来。真正重要的是知道请求、响应、JSON 和密钥安全。

操作步骤

画出浏览器、服务器、OpenAI API 的连接流程。
写一个 JSON 请求示例。
标出 API key 应该放在服务器端。
解释为什么不能把密钥写进网页前端。

检查点

流程图有没有服务器这一层？
JSON 字段是否清楚？
你是否标出密钥不能公开？

课堂练习

画出“AI 单词学习 App”的 API 流程图。

示例 Prompt

用适合 12 岁学生的语言解释 API 是什么。

JSON：一次请求里的数据

{
  "question": "什么是光合作用？",
  "age": 12,
  "style": "简单解释"
}

课后作品

画出一个 AI 单词学习 App 的 API 流程图，并标出哪里不能放 API key。

画出 AI 单词学习 App 的 API 流程图，并写出一次请求的 JSON 示例。

12 第一次项目

做一个 AI 学习解释器

从这里开始，你不只是使用 AI，而是用代码把 AI 能力接入自己的程序。

一个小应用可以很简单：输入知识点和年龄，输出一句话解释、生活比喻、例子和复习问题。

读取用户输入
把知识点和年龄写进 Prompt
输出适合不同年龄段的解释

进入完整课程

打开练习、示例和作业

本课学习场景

第一个 API 项目不需要复杂界面。你只需要把“知识点”和“年龄”放进 Prompt，让 AI 输出适合学生的学习解释。

操作步骤

运行 Python 程序，输入知识点和年龄。
观察不同年龄输入会怎样改变解释方式。
把输出结构固定为一句话解释、比喻、例子、复习题。
加入学科字段，让程序支持数学、科学、历史。

检查点

输入为空时程序会怎样？
解释是否符合学生年龄？
输出是否包含复习问题？

课堂练习

运行学习解释器，输入“区块链”和“15”，观察 AI 如何调整解释方式。

示例 Prompt

你是一位青少年 AI 学习导师。
请向一名 15 岁的学生解释：区块链
要求：一句话解释、生活比喻、一个例子、三个复习问题。

Python：AI 学习解释器

from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()
client = OpenAI()
MODEL = os.getenv("OPENAI_MODEL", "gpt-5.4-mini")

topic = input("请输入你想学习的知识点：")
age = input("请输入学生年龄：")

prompt = f"""
你是一位青少年 AI 学习导师。
请向一名 {age} 岁的学生解释：{topic}

要求：
1. 先用一句话解释；
2. 再用生活比喻解释；
3. 给出一个例子；
4. 最后给 3 个复习问题；
5. 不超过 500 字。
"""

response = client.responses.create(
    model=MODEL,
    input=prompt
)

print(response.output_text)

课后作品

改造程序，让它支持数学、科学、历史三个学科。

提交一个 AI 学习解释器版本，至少支持三个学科和一个年龄输入。

13 结构化输出

让 AI 说“机器能读懂的话”

普通回答适合人读，JSON 适合程序读。真正做应用时，稳定结构非常重要。

如果你要做学习卡片生成器，就需要 topic、summary、keywords、quiz 这些固定字段，程序才能继续处理。

理解 JSON
设计字段
让 AI 返回固定结构
解析 AI 返回结果

进入完整课程

打开练习、示例和作业

本课学习场景

人喜欢读自然语言，程序喜欢读结构化数据。JSON 就像给 AI 回答装上固定格子，让网页或 App 可以继续使用结果。

操作步骤

先设计字段：topic、summary、keywords、quiz。
要求 AI 只输出 JSON。
检查 JSON 是否能被程序解析。
把 JSON 里的字段显示成学习卡片。

检查点

字段名是否稳定？
JSON 是否有多余文字？
数组和对象的括号是否正确？

课堂练习

把“光合作用学习卡片”设计成 JSON 结构。

示例 Prompt

请为 13 岁学生生成一个关于光合作用的学习卡片。
请只输出 JSON，包含 topic、summary、keywords、quiz 四个字段。

JSON：学习卡片结构

{
  "topic": "光合作用",
  "summary": "植物利用阳光制造养分的过程",
  "keywords": ["阳光", "二氧化碳", "氧气"],
  "quiz": [
    {
      "question": "光合作用需要什么能量？",
      "answer": "阳光"
    }
  ]
}

课后作品

设计一个 JSON Schema，用于输出：单词、解释、例句、小测验。

设计一个学习卡片 JSON Schema，并生成一张结构化学习卡片。

14 图像项目

做一个 AI 图像观察助手

把图像理解能力做成一个小项目：上传图片，让 AI 生成观察报告。

图像观察助手要诚实：哪些是画面中明确出现的，哪些只是 AI 的推测，要分开写。

输入图片
输出图片描述、主要物体、可能场景
标注确定内容和推测内容

进入完整课程

打开练习、示例和作业

本课学习场景

图像观察助手不是“看图说绝对真相”的机器，而是帮你整理观察线索，再由你做最后判断。

操作步骤

上传一张非隐私图片。
让 AI 输出图片描述、主要物体、可能场景。
要求 AI 单独列出不确定内容。
把 AI 报告改成自己的自然观察报告。

检查点

图片是否安全可上传？
报告是否区分确定和推测？
你是否加入了自己的观察补充？

课堂练习

选择一张自然观察图片，生成“我看到了什么、主要物体、可能场景、不确定内容”。

示例 Prompt

你是青少年科学观察助手。
请观察图片并输出：
1. 我看到了什么；
2. 主要物体；
3. 可能的场景；
4. 哪些是确定的；
5. 哪些只是推测；
6. 给学生 3 个观察问题。

课后作品

完成一个自然观察报告，写清 AI 观察结果、准确部分、不确定部分和你的补充观察。

完成自然观察报告：图片主题、AI 观察结果、准确部分、不确定部分、我的补充观察。

15 工具调用

AI 不只回答，还可以决定使用工具

当 AI 不知道实时信息或需要查本地数据时，可以调用我们写好的工具。工具执行必须由程序控制。

Function Calling 的关键不是“AI 自己运行一切”，而是 AI 提出要调用哪个工具，程序检查后再执行。

理解工具和函数
知道 AI 如何选择工具
理解应用侧执行代码的原因

进入完整课程

打开练习、示例和作业

本课学习场景

工具调用像是给 AI 一盒彩色工具。AI 可以说“我需要查词典”，但真正查词典、返回结果的是你的程序。

操作步骤

设计一个工具名称和用途。
写清楚工具输入和输出。
让 AI 判断什么时候需要调用工具。
把工具结果交回 AI，让它整理成学习卡片。

检查点

工具是否只做一件清楚的事？
输入和输出是否结构化？
程序是否保留最终执行控制权？

课堂练习

设计一个 get_word_info 工具：输入英文单词，输出中文解释和例句。

示例 Prompt

请帮我学习单词 photosynthesis。
如果需要查询单词信息，请调用 get_word_info 工具。

课后作品

设计一个工具表：工具名称、输入、输出，例如 get_math_hint、get_word_info、get_plan。

完成一个工具设计表：工具名称、输入、输出、适合什么场景。

16 资料问答

让 AI 基于指定资料回答问题

RAG 可以让 AI 先查找我们提供的资料，再基于资料回答问题。

普通 AI 依赖模型已有知识；资料问答机器人要先读你给的资料，资料里没有就说“资料中没有提到”。

理解 RAG
知道为什么要用文件检索
理解知识库和引用资料
学会限制 AI 只根据资料回答

进入完整课程

打开练习、示例和作业

本课学习场景

RAG 的核心是“先查资料，再回答”。这可以减少凭空编造，也能让 AI 围绕老师提供的资料学习。

操作步骤

准备一段 300 字资料。
要求 AI 只根据资料回答。
问一个资料里能回答的问题。
再问一个资料里没有的问题，观察 AI 是否承认没有提到。

检查点

AI 有没有使用资料外内容？
没有答案时是否说“资料中没有提到”？
答案是否能指出来自哪段资料？

课堂练习

用一段太阳系资料制作一个简化版资料问答机器人。

示例 Prompt

你是资料问答助手。
请只根据下面资料回答问题。
如果资料中没有答案，请说“资料中没有提到”。

资料：【粘贴资料】
问题：【输入问题】

课堂资料：solar_system.txt

太阳系包括太阳以及围绕太阳运行的天体。
八大行星分别是水星、金星、地球、火星、木星、土星、天王星和海王星。
木星是太阳系中最大的行星。
地球是目前已知唯一存在生命的行星。

课后作品

每组准备一份 300 字资料，并做一个资料问答机器人。

每组完成一个资料问答机器人，并展示一个“能回答”和一个“不能回答”的例子。

17 Agent 工作流

从聊天机器人到 AI Agent

Agent 不是简单聊天，而是能拆解任务、调用工具、保存状态、完成多步骤工作的 AI 应用。

一个学习助教 Agent 可以先拆知识点，再生成计划，再出题，再批改，最后给下一步建议。

理解 Agent
区分 Agent 和聊天机器人
理解工作流
知道为什么需要人工确认

进入完整课程

打开练习、示例和作业

本课学习场景

Agent 像一个会按步骤工作的学习助教。它不是只回答一句话，而是规划、执行、检查，并在关键步骤让人确认。

操作步骤

选择一个学习任务，例如复习法国大革命。
让 AI 拆成 5 个学习步骤。
给每一步配学习目标、关键词和小练习。
标出哪些步骤需要人工确认。

检查点

工作流是否有清楚顺序？
每一步是否有可完成的小任务？
是否保留人工确认节点？

课堂练习

把“复习法国大革命”拆成 5 个学习步骤。

示例 Prompt

你是 AI 学习助教 Agent。
请把“复习法国大革命”拆分成 5 个学习步骤。
每一步包含：
1. 学习目标；
2. 需要掌握的关键词；
3. 一个小练习；
4. 是否需要人工确认。

课后作品

画出一个 Agent 流程图：AI 编程助教、AI 英语口语教练、AI 科学实验助手或 AI 阅读教练。

画出一个 AI 学习助教 Agent 流程图，并写出每一步的输入和输出。

18 产品判断

像产品经理一样选择 AI 模型

做 AI 产品不只是选最强模型，还要考虑成本、速度、任务难度、安全和用户年龄。

简单单词解释不一定需要最强模型；重要考试答疑要更谨慎，可能需要强模型加人工审核。

理解输入和输出 Token 会影响成本
知道大模型和小模型适合不同任务
面向未成年人要增加安全措施

进入完整课程

打开练习、示例和作业

本课学习场景

选择模型要像做产品：复杂任务要能力，频繁任务要成本和速度，面向未成年人还要更多安全措施。

操作步骤

列出项目任务类型。
估算每次输入和输出长度。
判断哪些任务可以用小模型。
写出上线安全检查表。

检查点

是否考虑输入和输出 Token？
是否区分简单任务和复杂任务？
是否有隐私、安全、人工反馈入口？

课堂练习

估算一个每天 1000 次请求的应用会产生多少输入和输出 Token。

示例 Prompt

请帮我比较三种 AI 应用场景应该如何选择模型：
1. 简单单词解释；
2. 复杂编程解释；
3. 面向 10-12 岁学生的学习 App。
请从成本、速度、安全三个角度说明。

课后作品

为自己的期末项目选择模型，并说明理由。

为期末项目写一份模型选择说明：模型方向、理由、成本控制、安全措施。

19 项目冲刺

做出你的第一个 AI 应用原型

把前面学到的 Prompt、API、JSON、图像、文件问答或工具调用组合起来，完成一个 AI 项目原型。

项目不一定大，但要说清楚：目标用户是谁、解决什么问题、用到了什么 AI 能力、风险在哪里。

选择项目方向
定义输入和输出
识别安全风险
完成可展示原型

进入完整课程

打开练习、示例和作业

本课学习场景

项目冲刺阶段要把前面学过的能力组合起来。不要追求“全都做”，而是做出一个能演示、能解释、能改进的原型。

操作步骤

选择一个项目方向。
写清楚目标用户、输入、输出和安全风险。
完成最小可演示功能。
准备 3 分钟展示材料。

检查点

项目是否解决真实学习问题？
输入输出是否清楚？
最大风险和降低方法是否写出来？

课堂练习

从 AI 单词卡片生成器、AI 学习解释器、AI 图像观察助手、AI 文件问答机器人、AI 数学提示助手中选一个。

示例 Prompt

请帮我完善 AI 项目模板：
项目名称：
目标用户：
要解决的问题：
使用的 AI 能力：
输入：
输出：
安全风险：
如何降低风险：
最终展示方式：

HTML：学习解释器前端骨架

<input id="topic" placeholder="输入知识点，例如：黑洞" />
<button onclick="askAI()">生成解释</button>
<pre id="result"></pre>

<script>
async function askAI() {
  const topic = document.getElementById("topic").value;
  const res = await fetch("http://localhost:3000/explain", {
    method: "POST",
    headers: { "Content-Type": "application/json" },
    body: JSON.stringify({ topic })
  });
  const data = await res.json();
  document.getElementById("result").textContent = data.answer;
}
</script>

课后作品

完成项目展示材料：项目名称、功能演示、用到的 AI 能力、最大风险、下一步改进。

完成项目原型和展示材料：功能演示、AI 能力、最大风险、下一步改进。

20 展示复盘

展示你的 AI 作品，也说清它的边界

最后一课不只是展示作品，还要说明 AI 应用的边界、风险和改进方向。

成熟的 AI 开发者会同时关注能力和责任：它能做什么、不能做什么、哪里需要人来判断。

展示 AI 项目
解释技术流程
说明安全边界
接受同伴反馈
提出下一版改进计划

进入完整课程

打开练习、示例和作业

本课学习场景

最后展示时，不只说“我的项目很厉害”，还要说清它不能做什么、什么时候可能出错、怎样保护用户。

操作步骤

用模板介绍项目目标和用户。
演示一次完整输入和输出。
解释用到的 AI 能力和技术流程。
说明安全边界、局限和下一版计划。

检查点

展示是否讲清楚问题和解决方案？
是否承认 AI 的局限？
是否提出具体改进方向？

课堂练习

用展示模板说明项目：帮助谁、解决什么问题、用户输入什么、AI 输出什么、风险如何处理。

示例 Prompt

请帮我把项目展示稿整理得更清楚。
要求保留我的观点，不夸大 AI 能力，并明确说明隐私、安全和错误信息风险。

我的草稿：【粘贴草稿】

课后作品

完成最终展示，并提交下一步改进计划。

完成最终展示：项目介绍、功能演示、技术流程、安全边界、同伴反馈、下一步计划。

Final project

最后要展示的不只是作品，还有你对 AI 边界的理解。

Prompt 清楚 隐私安全 事实核查 API / JSON Agent 工作流

当你能说清楚“我的 AI 项目帮助谁、输入什么、输出什么、可能错在哪里、怎样降低风险”，你就已经从 AI 使用者走向 AI 项目创造者。

回到顶部预约咨询