计算思维
AI 编程
思考
先学图形化编程，再学真正的编程语言与 AI 应用。写下第一行代码之前，孩子先学会拆解问题。
级别与年龄
7–9 岁基础
趣味逻辑与图形化编程：一边让屏幕上的角色动起来，一边养成按步骤思考的习惯。
10–12 岁构建
更大的项目、第一段文本代码，从照着指令做，迈向自己设计解决方案。
13–15 岁创造
真正的编程语言、AI 应用概念，以及有分量的作品集项目。
16–18 岁专精
面向竞赛、作品集与大学水平的进阶方向。
一条按级别逐级递进的路径：
每个阶段都建立在上一阶段已经验证的能力之上，学员始终在能力边缘上工作，而不会力不从心。先学图形化编程，再学真正的 Python。
一个编程项目 如何成形
拆解问题
一行代码都还没写，先把庞大杂乱的挑战拆成能解决的小块。
设计逻辑
先画流程图、写伪代码：先决定程序要做什么，再决定怎么写。
编写 测试 调试
写出来，跑起来，看它出错，再修好。
发布与演示
每个项目都以能运行的作品收尾：向全班演示、讲清思路，并存进作品集。
为什么现在重要
AI 工具会写代码，这恰恰是为什么读懂代码更重要，而不是更不重要。能走得远的，是能判断、指挥并调试机器产出的孩子：是思考者，不是打字员。
计算思维练的正是这个：拆解、找规律、抽象与算法逻辑。这是一种可以迁移的解题习惯，能用到数学、科学与日常推理中。
我们的学员不学把 AI 当捷径，而是学用 AI 去创造：从 7 岁的图形化编程，到十几岁时训练真正的模型。
孩子学什么
计算思维
逻辑、拆解与模式识别：每一行代码背后的思考方式，在写代码之前先教。
图形化编程基础
可视化编程，从第一节课起就把想法变成能运行的作品，不要求打字速度。
文本编程
过渡到真正的语法：像专业开发者一样读写程序、排查错误。
AI 应用
机器如何学习：用动手项目，把 AI 用在学员真正关心的问题上。
创意项目
游戏、应用和互动故事。每个阶段，都以孩子亲手做出的作品收尾。
竞赛方向
为想走得更远的学员，系统准备编程挑战赛与信息学奥赛类竞赛。
一堂课的结构
每一堂课，都走这四步。
01
提出挑战
简短回顾，然后给出今天的问题：一个需要真正想明白的问题，而不是一张照抄的练习纸。
02
动手编程
课堂的核心：学员亲手写代码，老师从旁引导，不替他们敲键盘。
03
测试与调试
程序接受现实检验。自己找到并修好错误，计算思维正是在这里练成的。
04
展示与分享
每个孩子演示自己的作品，讲清一个决定，并听听下一步可以尝试什么。
每个阶段留下什么
每个级别，都有做出来、留下来、展示过的东西。
基础
一个能运行的游戏或互动故事，里面有一段 AI 生成的内容。
构建
一个训练好的图像模型，在自己的游戏里运行；一个用网页代码写成并发布的网站。
创造
一个带网页界面、经真实用户测试的 AI 工具；每个完成项目都有一张项目卡。
专精
一个已部署、附有诚实模型说明卡的模型；一个在专业观众面前演示过的毕业作品。
AI 课程大纲一览
每段四个学期
四个级别背后，是一份成文的课程大纲，分两个年龄段。每段四个学期，每个学期都以一次展示日收尾：孩子面向现场观众演示一个完成的项目，并回答提问。展示一学期比一学期长，问题一学期比一学期难；学年以演示日结束。
7–11 岁
初级段
- 发现AI 是什么、如何从例子里学习、在哪里会出错，同时学第一批图形化编程：移动、判断、变量。「公平的 AI」从一开始就是一道设计题。
- 探索训练第一个图像模型，放进自己的游戏；数据更多，模型更聪明；为生成图像写更好的提示语；识别 AI 画出来的偏见。
- 创作网页是怎么运作的：用网页代码搭建并发布一个网站；把 AI 当作要核对、不能盲信的编程助手；对 AI 生成的内容保持诚实。
- 融合毕业项目：一个值得解决的真实问题、一份计划、几轮搭建冲刺、用户测试、改进、一张项目卡，以及学年末的演示日。
12–18 岁
高级段
先做后讲先做后讲：高级段第一节课就部署一个真实的网页，之后再学它是怎么运作的。
- 打底接着学 Python、网页代码与神经网络的直觉；开放模型库与模型说明卡；系统的提示方法；一个真实的 AI 伤害案例，从各方立场推理；创意编程。
- AI 应用大语言模型如何运作，第一次调用 API，一个带网页界面的 AI 文本工具，真实数据，一次偏见审计，多模态工作流，AI 安全与个人 AI 使用准则，以及一个经用户测试的项目。
- 机器学习工程完整走一遍机器学习流程：设计并采集数据集，训练与迭代，诚实评估，写模型说明卡，部署，做一个简单的智能体，并思考工具会从你正在练的能力里拿走什么。
- 毕业项目一个完整的 AI 产品：立项、架构、三轮搭建冲刺、两轮用户测试、三方利益相关者伦理分析，以及面向专业观众的演示日。
三条线索
构建
从图形化编程，到网页代码、Python 与已部署的产品。
AI 与机器学习
从「AI 从例子里学」，到一个训练、评估并部署过的模型。
伦理
每一节课都有一个伦理锚点：从 7 岁的「公平的 AI」，到对自己产品的利益相关者分析。
有判断力地用 AI
一门名字里带 AI 的课，家长自然会问：是不是让孩子对着聊天机器人坐一个小时？不是。判断力从第一年起就是课程的一部分。
初级几年里，孩子学到 AI 从例子里学习、也会犯错；不公平来自它学过的数据；用 AI 做出来的内容要如实说明，不能冒充自己的。
到了十几岁，他们审计数据集里的偏见，写一份诚实的模型说明卡，给自己定一份 AI 使用准则，思考「认知负债」，也就是工具会从正在练的能力里拿走什么，并对自己的产品做三方利益相关者的伦理分析。
有一条规则贯穿始终：学员自己写代码，自己讲代码。演示时的问题永远是同一个：带我走一遍。
