第 02 / 03 阶段 · 建造者
AI Builders Studio
用 LLM 动手构建，不止于对话。
- 年龄
- 12 – 18
- 时长
- 10 周
- 前置要求
- 强烈建议先完成 C9《Python 进阶 – 建造者》。
学生将学到什么
学习如何借助 LLM 及其他 AI 工具进行构建：写好提示词，将它们串联起来，用真实数据为模型做事实锚定，并发布一款小工具。课程还贯穿一条严肃的 AI 伦理与安全主线。
提示工程的直觉。一套可用的 API 集成模式。发布前先问“这可能伤害谁？”的自觉。评估 AI 输出的具体经验，而非一味信任。
课程模块
什么是 LLM
token 预测、上下文窗口、失效模式。一份带批注的演示对话。
提示工程基础
清晰、结构、示例、角色设定。5 段精心打磨的提示词。
提示工程进阶
思维链、结构化输出、评估。一份附有评分的作品集。
调用 API
向 LLM 发起 HTTP 请求，解析 JSON。首次以编程方式调用。
用 API 构建
用 Streamlit/Flask 封装 LLM。第一款 AI 小应用。
事实锚定与 RAG 入门
为模型提供真实数据，学习基础检索。一个能回答某份真实文档相关问题的工具。
安全与护栏
拒绝、转向、清洗。安全案例分析 + 为自己的工具加一道护栏。
AI 伦理：走进真实世界
偏见、隐私、环境成本、谁会受害。对自己的应用做一次伦理审视。
期末项目（上）
选定一位真实用户。一个可运行的 v1。
期末项目（下）
邀请真实用户测试，修正缺陷。v2 + 反思。
学生作品
一款小型 AI 工具（聊天机器人、摘要器、分类器或助手），经至少 3 位真实用户测试。
核心收获
提示工程的直觉。一套可用的 API 集成模式。先考虑伦理的自觉。
我们推荐的免费学习资源
Microsoft GenAI for Beginners
21 节课，端到端的 LLM 课程。附带免费的 GitHub Models 端点。
课程 + 代码示例 + 视频
Hugging Face Learn
开放权重视角下的最佳课程——帮助学生建立正确的心智模型。
文字章节 + 可运行 notebook
Anthropic Prompt Engineering Tutorial
9 章内容，附自动评分练习。
Jupyter notebook 或 Google Sheets
其他参考资源
- MIT 6.S191 Intro to Deep Learning适合希望深入理解数学原理的学生。
- Elements of AI面向无编程基础学习者的 AI 概念入门。
下一步
运用 AI 的创新者项目。