16. 学生能力培养

本章场景

AI 时代,教学生怎么用 AI 比教学生不用 AI 更重要。本章讲怎么把 AI 协作能力纳入培养方案。

1. 核心观点

三个能力层级

Level 1 - 基础使用者:会和 AI 对话,会用 Claude Code
Level 2 - 高效使用者:会用 Skills、MCP、定制 Workflow
Level 3 - 教学者:能教别人用 AI,能设计 AI 协作流程

高校培养目标至少要做到 Level 2。

2. 不同专业的能力矩阵

专业重点培养不必深入
计算机/软件Skill 开发、Workflow 设计、性能优化(都要学)
数据科学MCP 数据接入、批量处理、可视化Skill 开发
文科用 AI 辅助写作、调研、翻译技术实现细节
理工科(非 CS)用 AI 跑实验、写脚本Skill / MCP 原理
艺术设计用 AI 做素材、设计稿自动化 Workflow

3. 课程融入方案

方案 A:单独开课(2-3 学分)

适合:计算机相关专业、软件学院

课程名建议:"AI 协作开发实践" / "大模型工程化应用"

课程结构:

第 1-4 周:基础(Prompt 工程、Claude Code)
第 5-8 周:Skills 开发
第 9-12 周:MCP 与外部工具
第 13-14 周:Workflow 设计
第 15-16 周:综合项目

方案 B:嵌入现有课程

适合:大多数非 CS 专业

在现有编程课、数据结构课中加 2-3 个 AI 协作模块。

示例:在"Python 编程"课程中:

Week 8 - 用 AI 辅助代码 review
Week 14 - 用 AI 生成测试用例
Week 16 - 期末项目可用 AI 辅助(有专门评分维度)

方案 C:工作坊形式

适合:全校性选修、培训

8 学时工作坊:

  • 2 学时:基础使用
  • 2 学时:Prompt 技巧
  • 2 学时:Skills 和 MCP 简介
  • 2 学时:动手做小项目

4. 评估学生 AI 协作能力

评估维度

  1. 任务分解能力——能否把大任务拆成 AI 可以处理的小任务
  2. Prompt 质量——给的指令是否清晰、有上下文
  3. 结果审阅能力——能否发现 AI 的错误
  4. 迭代改进能力——能否根据 AI 输出继续追问
  5. 学术诚信意识——知道什么该用、什么不该用

评估方式

方式 1:AI 协作日志

要求学生每次用 AI 完成作业,提交:

  • 用了什么 prompt(完整记录)
  • AI 给的输出
  • 学生做了什么修改、为什么
  • 从中学到了什么

方式 2:对比实验

同一任务,要求:

  • 版本 A:完全不用 AI
  • 版本 B:用 AI
  • 对比两份产物,说明 AI 的贡献和局限

方式 3:协作演示

学生现场演示怎么和 AI 协作完成一个新任务,讲解每一步的决策。

5. 学生常见问题与指导

问题 1:学生过度依赖,基础不扎实

表现:作业看起来漂亮,但让他手写基础代码不会。

指导:

"先用纸笔写出算法的核心逻辑,确认你能写,再用 AI 帮你补全。 提交作业时附一份'我的初稿',说明哪里用了 AI 辅助。"

问题 2:学生完全不用,效率低

表现:还在用 5 年前的工具,不知道 AI 能帮什么。

指导:

课堂上现场演示 AI 协作,让学生看到真实价值。 第一次作业强制要求用 AI 辅助,引导学生入门。

问题 3:学生用 AI 代写,无学习效果

表现:作业提交完美,但考试/面试表现差。

指导:

考核设计要避免可被 AI 完全替代的作业:

  • 加课堂小测(不能带 AI)
  • 加过程性考核(Git 提交历史)
  • 加口头答辩

问题 4:学生不知道边界,乱用 AI

表现:在不该用 AI 的场景(考试、独立项目)用 AI。

指导:

开学第一课讲清楚:

  • 哪些场景可以用 AI(标注)
  • 哪些场景必须独立完成
  • 学术不端的边界

6. 给学生的 prompt 教学模板

模板 1:先想后问

教学生在问 AI 之前先:

## 我想问 AI 什么?

(用 1 句话说清问题)

## 我已经知道什么?

(背景信息)

## 我希望 AI 给我什么?

(具体的输出格式)

## 我的限制是什么?

(语言、长度、不能用什么方法)

模板 2:批判性使用

每次拿到 AI 回答后问自己:

## AI 给的答案对吗?

- 我能验证吗?
- 有没有可能错的地方?

## 我理解它在做什么吗?

- 哪些地方我不明白?
- 我能不能换个方式解释?

## 我能从中学到什么?

- 这个答案揭示了什么通用模式?
- 下次我能自己写出来吗?

7. 推荐的课堂练习

练习 1:Prompt 比赛

学生分组,同一任务,看哪组的 prompt 让 AI 给出最好的输出。

任务示例:"用 200 字向大一新生解释闭包"。

练习 2:AI 找 bug

故意给一段有 bug 的代码,让学生用 AI 辅助找 bug,但必须自己验证 AI 给的修复方案对不对。

练习 3:协作流程设计

学生分组设计一个 AI 协作流程:

"假设你要做一份市场调研报告, 设计一个 AI 协作流程,包括:

  • 哪些环节用 AI
  • 每个环节的 prompt 模板
  • 哪些环节必须人工
  • 质量检查点"

8. 学术诚信政策建议

推荐政策框架

# 课程 AI 使用政策(模板)

## 允许使用的场景
- 解释陌生概念
- 调试代码错误
- 生成样板代码
- 文献调研辅助
- 文档翻译

## 必须独立完成的场景
- 课堂考试
- 个人作业(除非特别说明)
- 课程设计答辩

## 引用规范
- 用 AI 辅助时,在作业末尾注明:
  "本次作业使用了 Claude Code 辅助 [哪些环节]"
- 提交 AI 协作日志(可选)

## 违规处理
- 未注明的 AI 使用 = 学术不端
- 后果按学校规定处理

课堂宣讲建议

开学第一节课花 15 分钟讲清政策:

  1. 为什么这个政策合理(不是禁 AI,而是培养正确使用)
  2. 具体允许/不允许的场景
  3. 引用规范
  4. 答疑

9. 资源推荐

给学生的入门资源

给教师的资源

  • 本教程的精通篇
  • Anthropic 官方博客(教育相关案例)
  • Coursera / edX 的相关课程

10. 总结

AI 协作能力是新基础能力,类似当年的"会用电脑"、"会用互联网"。高校教师的任务不是教学生"不用 AI",而是教学生怎么用 AI、用得聪明、不被 AI 替代。

最理想的学生毕业时:

  • 知道 AI 能做什么不能做什么
  • 能用 AI 提升 10 倍效率
  • 能批判性地审阅 AI 输出
  • 能教别人用 AI

教程结束

到这里你已经完成了全部 16 章学习。建议下一步:

  1. 立即动手:从入门篇第 2 章开始安装,完成你的第一个 Claude Code 任务
  2. 深入某个方向:根据你的角色,选读对应章节
  3. 加入社区:Anthropic Discord / GitHub Discussions
  4. 持续更新:Claude Code 迭代快,定期回来看更新

🤖 祝教学顺利!