教师如何用项目制课程培养学生的 AI 协作能力
设计这次高校训练营时，我最担心的不是学生学不会工具，而是课程结束后只记住几个按钮。AI 产品变化太快，如果课程围绕界面操作组织，知识很快过期；如果围绕交付问题组织，学生以后换工具仍然能够迁移。
课程目标先从“会用工具”升级
一个五天左右的 AI Coding 课程，可以把目标设为：
- 理解 AI 编程工具的能力和边界。
- 用企业项目流程完成一次端到端交付。
- 能把需求表达、方案评审、开发和测试交给 AI 协同完成。
- 保留人的范围、技术和验收判断。
- 形成可展示、可复盘的项目证据。
工具熟练度只是手段，不应成为唯一考核。
用一个案例贯穿全部阶段
课程中频繁更换案例，会让学生把注意力花在重新理解背景。更好的做法是选择一个业务不复杂、角色清楚、可以逐步扩展的案例。
水果商城从群接龙、库存和对账问题出发，可以连续支持：
- 立项与 ROI。
- C 端下单业务流程。
- 页面和功能流程。
- PRD 与原型。
- 前后端技术方案。
- 注册、商品和订单开发。
- 异常验收、测试和重构。
案例贯穿后，学生能看到前一天的需求怎样约束后一天的代码，而不是把每节课当成孤立技巧。
每个阶段都设置“闸门”
不要因为 AI 可以继续生成，就让项目跳过确认。
建议设置五个教学闸门：
- 价值闸门：说不清用户问题和 MVP，不进入需求设计。
- 需求闸门：三层流程没有对齐，不生成全量 PRD。
- 原型闸门：主流程无法演示，不进入正式技术方案。
- 开发闸门：脚手架未真实连通，不批量开发功能。
- 质量闸门：验收和回归没有通过，不开始下一功能。
闸门不是为了拖慢学生，而是让他们体验企业交付中的责任边界。
质量闸门还要避免“一次性补测试”。每个功能进入开发前先写实例，完成纯逻辑后跑单元测试，接口接入后验证状态码、权限与隔离数据，最后只为关键用户行为补 UI 冒烟。进入重构阶段前，已有测试必须形成可重复运行的行为基线。
用对比实验代替单向讲授
课程里最有效的环节往往不是讲定义，而是让学生亲眼看到差别：
- 模糊提示词与明确约束生成同一个应用。
- 直接生成原型与 Plan 后生成。
- 单向描述图形与允许双向提问。
- 手工回归十几个规则与一键运行自动化测试。
- 逻辑耦合在页面与职责分离后的代码。
同一个任务做两轮，学生会从结果中理解为什么需要方法，而不是把规范当成老师的个人偏好。
教师不要替 AI 做演示，也不要替学生做判断
课堂演示应该保留真实失败。工具排队、依赖安装错误、页面 404 和模型误解，都是学习素材。
教师的作用是示范如何读取证据、缩小范围和决定下一步，而不是提前把每个错误消掉。学生只有经历“AI 说完成但实际不可用”，才会理解验证的重要性。
同时，教师也不能直接宣布 AI 生成的需求正确。应该追问学生：这个规则来自案例事实、用户访谈，还是模型常识？
一套五阶段课程节奏
阶段一：认知与协作
大模型、Agent、提示词、上下文和任务模式，通过小应用建立基本体验。
阶段二：产品与原型
完成立项、三层需求、PRD 和可交互原型，用沟通实验强化澄清意识。
阶段三：技术与脚手架
理解 Web 基础、技术方案、前后端数据库链路和 Git，先得到可运行骨架。
阶段四：功能与质量
按 Ready 标准开发单个功能，沿“单元 → API → UI”建立分层证据，使用浏览器诊断和小步提交缩短反馈周期。
阶段五：重构与答辩
在测试保护下练习遗留代码重构，完成结业项目，公开解释 AI 的贡献、人的判断、质量证据和失败复盘。
评价学生时看什么
- 能否解释项目价值与范围。
- 能否提出澄清问题，而不是直接接受生成结果。
- 能否读懂关键代码和错误证据。
- 能否用验收和测试证明功能。
- 能否通过 Git 展示小步演进。
- 能否说出 AI 曾经在哪里误导了自己。
这些表现比生成页面的速度更接近真实职业能力。
常见教学风险
课程变成工具产品说明会
把每个功能放回真实项目任务，只讲完成任务所需的最小操作。
学生差异过大
准备可运行脚手架、基础任务和进阶任务；基础层保证所有人走完主流程，进阶层再扩展自动化和架构。
机房环境拖垮节奏
提前验证 Node、Java、数据库、网络和账号；准备不依赖 Docker 的替代路径，并把环境检查纳入第一天任务。
学生把所有思考交给 AI
要求关键文档先个人草拟，再用 AI 补充；答辩随机追问决策依据。
教师复盘清单
- 哪个环节学生真正改变了认知？
- 哪些失败值得保留为下一期案例？
- 哪些工具步骤已经过时，应该从课件删除？
- 哪个阶段时间不足，导致学生跳过验证？
- 学生最终带走的是操作记忆，还是一套可迁移工作流？
课后练习
选择你现有的一门软件课程，把其中一个章节改成“对比实验＋阶段闸门＋可运行证据”。先不用重写整门课，只验证学生是否因此提出更多问题、减少盲目生成，并能更清楚地解释自己的交付。