AI 构建 Track · 拆开 AI · 构建 AI
AI 构建工坊 · 7 天
7 天，做一个 给你身边某一个具体的人用 的 Agent——给奶奶的"忘了 wifi 找不到密码" Agent、给弟弟的"奥数错题模式分析" Agent、给妈妈的"今晚吃什么"决策 Agent。带走的是一个有用户、有用途、有边界的真实智能体。
形式7 天连续 · 6-8 人小班
年级7-9 年级及以上 · 13 岁起
师生比1:3 · 1 主讲 + 1 技术助教
产出可用 Agent + 用户测试报告 + 技术文档
SECTION 01
课程定位
市场上"AI 课"很多，多数是"用 Claude 写作文"或者"经典机器学习课用 scikit-learn"。我们做的是第三种——LLM 原生的、为真实人构建的 Agent。这门课要回答的是"我能让 AI 替我具体做什么"。
给奶奶 / 弟弟 / 妈妈做一个 Agent。课程结束，你的奶奶真的能用上你做的 Agent 找 wifi 密码——这一刻你才理解了 Agent。
核心钩子：市面上的 AI 课大部分让你"听课 + 做练习题"。这门课让你 给一个真名真姓的人 造一个 Agent——课结束时那个人真在用。当你奶奶第一次说"哦原来这么找 wifi 密码"——那一刻你脑子里关于 AI 的所有概念才真的落地。
这门课回答家长的真问题
"现在到处都在说 Agent，但 Agent 到底是什么、孩子学这个到底能干嘛？"——这门课的答案是：让孩子亲手做一个能跑、有用、有用户的小 Agent。0→1 的"为某个真人造一个能解决他真问题的智能体"。这个能力 5 年后不会过时——5 年后用什么模型可能换了，但"为人定义一个 Agent 边界和能力"这件事还在。
和市面上同类产品的差异
vs 经典机器学习/编程类（清华少年 AI、各类创客 AI）：我们不教 scikit-learn / 不教写 CNN。这门课全程基于现代 LLM API + Agent 框架——这是 2026 年真正在被用的技术栈。
vs 大厂体验营（TCAMP 等）：大厂营偏"参观 + 体验"，我们偏"动手 + 交付"。结营你带走的是一个真用户在用的 Agent，不是参观笔记。
vs 在线 AI 课程：在线课"边做边卡"没人救你；我们是 1 主讲 + 1 技术助教，6-8 人小班，技术卡点 30 分钟内一定有人帮你跨过去。
SECTION 03
学习目标 · 15 项子能力对照
这门课能力分布相对集中——主攻"认识 AI"和"改变世界"两大类。"认识自己"维度提升明显——独立把一个抽象概念落到一个具体产物，孩子的自我效能会变高一个档。
本课主攻 6 项（标 核心收益），顺带培养 5 项。和产品创造营相比，本课"AI 认知 + AI 协作 + 系统思维"提升更深；"问题意识 + 表达力"提升相对少。
认识 AI
主能力 01 · 本课重点
AI 认知 核心收益
★★ → ★★★★
可观察行为：能解释"为什么 Agent 会忘掉刚才说的"（context window）、"为什么加了 RAG Agent 答得更准"（外部知识）、"为什么我的 Agent 偶尔会瞎说"（hallucination）。这些已经从术语变成自己 Agent 里看得见的真实行为。
AI 协作 核心收益
★★★ → ★★★★★
可观察行为：能写一个 200+ 字的 system prompt 并解释每一段为什么这么写；能给 Agent 加 1-2 个 tool 并讲清楚 tool 的输入输出；遇到 Agent 行为不符合预期，能"读 prompt → 找出问题 → 改 prompt"，而不是不停换模型。
改变世界
主能力 04
创新力
★★ → ★★★
可观察行为：Agent 的设计为自己生活中具体一个人量身打造——而非套用网上"待办事项 Agent"（如"先问位置 + 查询知识库 + 再用语音回复"——3 个 tool 的组合是自己想出来的）。
系统思维 核心收益
★★ → ★★★★
可观察行为：Day 2 能画出 Agent 的 5 个组件（感知输入 / 决策逻辑 / 工具调用 / 记忆 / 输出）以及它们之间的数据流；Day 5 能识别"我的 Agent 卡在哪个组件"。
交付力 核心收益
★★ → ★★★★
可观察行为：结营前一定有可用 Agent（不是"我还在改 prompt"）；带走配套技术文档——能讲清楚架构、能交给别人接着改。
表达力
★ → ★★★
可观察行为：能给 非技术听众（家长 / 同学）讲清"我做的这个 Agent 怎么工作"——不靠"用了 GPT API"四个字带过，能用类比讲清楚。
协作
★ → ★★
可观察行为：Day 5-6 营内互测，能给同伴写出"3 个具体改进建议"——具体、有依据,避免"挺好的"或"全是坑"。
探索世界
主能力 03
好奇心
★★ → ★★★
可观察行为：Day 1-2 阅读 corpus 时能在书页边写出"我想知道 X"——不是被动接受文字。
问题意识
★ → ★★
可观察行为：给某个家人选 Agent 用例时，能区分"做了你也不会用"（无效）和"做了你每天都用"（有效）。
批判性思考 核心收益
★★ → ★★★★
可观察行为：能 critique 自己 Agent 的输出——"这一段它瞎说的"、"这一段它从 RAG 里调的"——并能解释依据。这是这门课区别于"AI 滤镜课"的核心训练。
知识整合
★ → ★★
可观察行为：能借鉴 Day 1 看的 AI 历史里某个想法（比如"专家系统时代的规则"）到自己 Agent 里（"我在 system prompt 里加 5 条规则"）。
认识自己
主能力 02
自我效能 核心收益
★★ → ★★★★
可观察行为：这门课后孩子敢说"我能造 Agent"——超越了"我用过 AI"的层次。这个跨越对一个 13-15 岁的孩子是巨大的。
主体性
★ → ★★
可观察行为：Day 3-5 卡点时不等老师推——先自己跑一轮（读报错 / 改 prompt / 看是否 tool 调错），1 小时无解再举手。
心理韧性
★★ → ★★★
可观察行为：Day 4-5 时 Agent 跑歪 / 答错 / 给奇怪输出，孩子的反应是"它为什么这样"而不是"我做不出来"。
自我认知
★★ → ★★★
可观察行为：结营反思能写出"我擅长把模糊需求变成具体 prompt"或"我不擅长 debug——但我学会了怎么读报错"——把"我"作为过程的一部分明确地观察。
SECTION 04
每天详细教案 · Day 1 到 Day 7
7 天结构：Day 1-2 是"知识 + 设计"（精读 + 设计自己的 Agent）；Day 3-5 是"实现"（system prompt → tools → 记忆/RAG）；Day 6-7 是"测试 + 发布"。讲解 just-in-time，不集中讲座。所有举例过 4 测——身边的人，具体的需求。
DAY 1
AI 是什么 · 第一次让 AI 替我做事
当天产出：AI 70 年时间线笔记 + 一段 60 秒"我和 Claude 一起完成一件家务任务"的录屏
9:00 – 9:45
上午第 1 段 · 你最常用的 AI 工具 + 共同模式（45 分钟）
🎯 案例体验
学员做破冰 10 分钟 → 每人想 3 个自己最常用的 AI 工具 / 服务（Claude / ChatGPT / Cursor / Perplexity / 妈妈用的 AI 修图 / 你用的某游戏 AI 队友 / 抖音的推荐算法）→ 每个工具讲 3 件事：它替你做什么 / 哪一刻让你觉得"真神奇" / 哪一刻让你觉得"它居然这么蠢" → 全班互讲 → 贴白板 → 共同找出 3-5 个 AI 工具的"共同模式" + 3-5 个"共同盲点"。
老师做不替学员命名模式。让"AI 神奇" 和 "AI 翻车" 都从孩子自己的语言里浮现——他们说"它每次会先想一下再说" 自然是"多步推理"；他们说"它忘了刚才说啥" 自然是"context 限制"。专业名字 Day 2 讲解时再补。
为什么这样这一节是这门课的起点。孩子先从自己用过的 AI 里看到模式和盲点，再读 AI 70 年历史和学 Agent 5 组件，才有 anchoring。
STEP 2 探索
🔧 拆解法
💬 对话法
9:45 – 12:00
上午第 2 段 · 精读《智能简史》关键节点 + 直觉建立
知识阶段
学员做读 6 段经典文本（每段 2 页）：图灵 1950《Computing Machinery》/ 1956 达特茅斯会议宣言 / 1980 专家系统 MYCIN / 2012 AlexNet / 2017 Transformer / 2022 ChatGPT。每段读完用 AI 提问 3 个"这一段如果你是当时的人，最让你吃惊的是什么" + 每段比对上午自己分享的 AI 工具——这一段说的是不是你用过的 AI 在做的事。
老师做不讲解历史，只 facilitate 阅读。追问"这一段和你早上分享的 AI 工具有什么相似？有什么不同？"
just-in-time当多位学员卡在"AlexNet 那段看不懂 CNN"时——15 分钟 micro-talk 讲"神经网络的本质就是从数据找规律的函数拟合"——用孩子手边的例子（手机相册识图）。
STEP 2 探索
🔧 拆解法
💬 对话法
13:30 – 17:30
下午 · 第一次让 AI 做事——选一个家务任务给 Claude 干
制作阶段
学员做每人选 一个家里的真实小任务（妈妈周日要去超市但写不下购物单 / 弟弟今晚的作文不知道怎么开头 / 自己周末想约同学出门但要协调 3 个人）→ 全程录屏用 Claude 帮自己完成这个任务 → 写一段 200 字反思："我做了什么 / Claude 做了什么 / 卡在哪 / Claude 不能替我做的是哪几步"。
老师做巡查 + 追问"你和 Claude 现在是合作还是你在使用它？区别是什么？"——这一问是这门课所有概念的根。
反思卡"今天 AI 让我吃惊的一次"——具体写。
STEP 4 动手
🎭 角色法
💬 对话法
DAY 2
Agent 是什么 · 我要做一个给谁的 Agent
当天产出：Agent 设计书（1 页）：目标用户 / 用例 / 5 组件架构图 / 角色边界
9:00 – 12:00
上午 · 什么是 Agent（5 组件直觉）+ 拆解 3 个真实 Agent
知识阶段
学员做用 3 个真实 Agent 做 demo + 拆解："Cursor（写代码的 Agent）/ Perplexity（查资料的 Agent）/ Notion AI（写文档的 Agent）"。每个 Agent 拆 5 组件：感知 → 决策 → 工具 → 记忆 → 输出。
老师做主讲拆第一个示范；助教带学员拆第二个；学员独立拆第三个。不给标准答案——拆得不准也行，目标是有自己的拆法。
just-in-time10 分钟讲"为什么 Agent ≠ Chatbot"——Chatbot 一问一答没记忆没工具；Agent 有目标、会用工具、有状态。用孩子能懂的类比："Chatbot 是售货员，Agent 是助理"。
STEP 3 梳理
🔧 拆解法
🗺️ 绘图法
13:30 – 17:30
下午 · 设计你的 Agent—— 选用户、定用例、画架构
知识阶段
学员做选 一个家人或同学作为目标用户 → 列他 / 她"经常烦但又不重要不会专门去解决"的 3-5 件小事 → 选 1 件设计 Agent。
用例例子（过 4 测）：给 65 岁奶奶用的 wifi 找密码 Agent；给 5 年级弟弟用的奥数错题分类 Agent；给妈妈用的"今晚吃什么"决策 Agent（会问 5 个问题：冰箱有什么、谁回家吃、有没有忌口、想清淡还是重口、有没有人感冒）；给同桌用的"物理题型识别"Agent；给爷爷用的"翻译 / 化简后给爷爷看的天气预报和新闻"Agent。
画 Agent 5 组件架构图：感知怎么收输入 / 决策走哪条路径 / 调哪些工具 / 记什么 / 输出什么格式。最后写"用例边界"——什么不该做（如：不该回答和 wifi 无关的问题）。
老师做最关键的一个动作：challenge 用例。问"你奶奶真会用吗？她现在解决这事是怎么解决的？你做的这个比她现在的方法好在哪？"——3 个问题之内说不清，就回去重选。
just-in-time10 分钟讲 system prompt 是什么——"给 Agent 的入职说明书"。让学员看 1 个范例 system prompt（如 Perplexity 公开的 prompt）。
STEP 3 梳理
🗺️ 绘图法
💬 对话法
DAY 3
实现 v1 · System Prompt + 基本对话循环
当天产出：v1 Agent（仅 system prompt + 基本对话，无工具无记忆）+ 自测 10 个 turn 的记录
9:00 – 12:00
上午 · 写第一版 system prompt
制作阶段
学员做在我们部署的环境里写 v1 system prompt（5 段结构：身份 → 你服务的人 → 你能做什么 → 你不该做什么 → 你的语气）→ 跑一个简单对话循环 → 让自己作为"奶奶"用 5 轮对话测一遍。
老师做不替学员写。学员说"老师我这段怎么写"——反问"如果你正在给一个新员工写入职说明书，你这段会怎么说？"
just-in-time遇到第一批学员卡在"prompt 写完 Agent 行为还是不对"时，5 分钟讲"用最少例子说清你想要什么" + "给反例比给正例往往更有用"。
STEP 4 动手
✂️ 仿造法
🔁 迭代法
13:30 – 17:30
下午 · 自测 10 轮 + 红 / 绿场景
制作阶段
学员做设计 5 个"绿场景"（Agent 应该正确处理的）+ 5 个"红场景"（Agent 应该拒绝或绕开的，如奶奶突然问"今天上证指数多少"）→ 全部跑 → 记录每一次 Agent 的回答和你期望的回答的 diff → 改 prompt → 再跑。
老师做教 "diff 思维"—— 看"实际输出 vs 期望输出之间的差距是什么",而非简单判"对 / 错"。这是工程师的基础思维方式。
STEP 4 动手
STEP 6 反思
🧪 实验法
🔁 迭代法
DAY 4
加工具（Tools）· 让 Agent 真的能做事
当天产出：v2 Agent（接入 1-3 个 tool）+ tool 调用日志分析
9:00 – 12:00
上午 · Tool 是什么 + 设计你的 tool list
知识阶段
学员做看 3 个 tool 示例（查天气 / 算数学 / 查家里 wifi 密码表）→ 学习 tool 定义的结构（name / description / inputs / outputs） → 设计 1-3 个自己 Agent 需要的 tool（如奶奶 Agent 的 tool：lookup_wifi_password(room) / explain_steps_simple(text)）。
老师做最重要 不要 做的：不替学员决定加哪些 tool。学员问"老师我要加这个吗"——反问"你的用户卡在哪？这个 tool 能跨过那个卡点吗？"
just-in-time15 分钟讲"tool description 是 prompt 的延伸"—— 一个写得好的 tool description 比模型更聪明，能直接决定 Agent 会不会选对工具。
STEP 3 梳理
STEP 4 动手
🔧 拆解法
✂️ 仿造法
13:30 – 17:30
下午 · 接 tool + 看日志
制作阶段
学员做在 v1 之上加 tool（技术助教协助技术对接）→ 重跑昨天的 10 轮测试场景 → 读 tool call 日志：Agent 选对工具的几次、错过的几次、根本没用工具自己瞎答的几次。
老师做教 "看日志的肌肉"—— Agent 行为不对，不要先改 prompt，先看日志：是没调工具？还是调错工具？还是工具返回错？每一种对应不同改法。这是 Agent debug 的核心方法论。
STEP 4 动手
🧪 实验法
🔁 迭代法
DAY 5
加记忆 / RAG / 真用户测
当天产出：v3 Agent（含记忆或 RAG）+ 真用户（你选定的家人）的 30 分钟测试记录
9:00 – 12:00
上午 · 按需选：加记忆 OR 加 RAG
制作阶段
学员做按自己 Agent 的需要二选一（不强制都做）：
选记忆—— Agent 记住"奶奶上次问的是客厅 wifi"、"妈妈上周说不想吃辣"。
选 RAG—— Agent 查"家里所有房间 wifi 密码表" / "弟弟所有错题数据库" / "你们家最近一年的菜单"。
老师做不要求学员两个都做。让学员 自己判断"我的 Agent 是缺记忆还是缺知识"。这个判断本身比加上去重要。
just-in-time10 分钟讲"记忆 vs RAG 的区别"——记忆是"上次说过什么"；RAG 是"我知识库里有什么"。混用很常见，但概念上要分清。
STEP 4 动手
🔧 拆解法
🔁 迭代法
13:30 – 17:30
下午 · 真用户测——你做这个 Agent 的那个人来用
制作阶段
学员做视频通话 / 现场（如果家人能来）→ 把电脑给你的目标用户 → 你不解释、不替他用、不笑→ 记录他怎么打字、怎么读 Agent 回答、卡哪里、什么时候放弃。结束后问 3 个问题："你愿意每周用 1 次吗？" "最让你烦的是哪一步？" "如果只能改一处，你改哪？"
老师做最重要的一刻——学员的家人说"这个我用不来" / "还不如我用百度"——老师 不替学员辩护，不解释这是学习项目。让学员自己接住这一刻。
反思卡"今天我做的 Agent 第一次被它要服务的那个人真用——我看到的最意外的一幕是 X。"
STEP 5 展示
STEP 6 反思
🎭 角色法
🔁 迭代法
DAY 6
测试 + 防护栏 + Prompt 优化
当天产出：Demo-ready Agent + 防护栏（拒绝清单）+ 技术文档草稿
9:00 – 12:00
上午 · 修昨天的 blocker + 加防护栏
制作阶段
学员做根据 Day 5 真用户反馈，定 必修的 2 件事 → 修 + 重测。完成后做"防护栏 list"——Agent 不该回答的 5 类问题（如奶奶 Agent 不该回答股票 / 政治 / 医疗）→ 在 prompt 里加规则验证。
老师做教 "prompt injection 的基本概念"——有人故意问绕过规则的问题怎么办。重点让孩子知道"安全"是 Agent 设计的一部分而非事后想——不展开讲攻防技术。
STEP 4 动手
🧪 实验法
🔁 迭代法
13:30 – 17:30
下午 · 写技术文档 + 准备发布会
制作阶段
学员做写 1 页技术文档（架构图 / system prompt 摘录 / tool 列表 / 已知限制）→ 准备明天 5 分钟发布会 pitch（4 段：用户是谁 / 用例 / 架构 / Demo 30 秒）→ 排练 2 次。
老师做扮演 "技术评委"——问"为什么用 RAG 不用记忆？" "你的 tool description 怎么写的？" "幻觉怎么控制？"——让学员在 Demo Day 前先答过这些问题。
STEP 5 展示
🎭 角色法
💬 对话法
DAY 7
Agent 发布会 · 同伴试用 + 反思
当天产出：正式发布会 + 同伴试用反馈 + 结营特殊版反思卡
9:00 – 12:00
上午 · 最后一轮 sanity check + 同伴互测
制作阶段
学员做把自己的 Agent 给同营每个人各测 5 分钟 → 你试 5 个别人的 → 每个互测都填一份反馈卡（一句赞 / 一个具体建议）。
老师做10 点封盘——10 点后只能调 prompt 文字，不能动结构。封盘是为了让孩子学会"够好就发"。
STEP 5 展示
🎭 角色法
13:30 – 17:30
下午 · 正式发布会 + 评选 + 结营仪式
制作阶段
学员做5 分钟 pitch + 现场 demo + 3 分钟 Q&A（评委：1 位真 AI 工程师 / 创业者 + 1 位家长 + 1 位非技术成年人代表"你的用户家人"）→ 评选不分名次，标"印象点"（如"最贴用户" / "技术决策最清晰" / "防护栏设计最聪明"）→ 结营仪式 → 每人写结营特殊版反思卡。
老师做点名 每个孩子的成长曲线——从 Day 1 到 Day 7 哪一刻是他/她最大的跃迁。这一刻在记忆里能持续很多年。
STEP 5 展示
STEP 6 反思
SECTION 07
教学法落地 · 这门课怎么把六步法和 doing 方法用出来
这门课的 doing 方法配方和产品创造营不同——"对话法 + 调研法"更重（前 2 天的精读 + Agent 拆解），"角色法"密度极高（每天和 Agent 对话即是一种角色法）。
本课主用的 4 种 Doing 方法（按密度排序）
🔁 迭代法贯穿 Day 3-7——system prompt v1 → v2 → v3 是这门课的脊柱。密度：极高。
💬 对话法Day 1 精读、Day 2 拆解、每天和自己 Agent 的对话本身——这门课 50% 的时间都在"和某种 AI 对话"。密度：极高。
🔧 拆解法Day 2 拆 Cursor/Perplexity/Notion AI；Day 4 拆 tool；Day 5 拆记忆 vs RAG——这是这门课"理解 AI"的主要工具。密度：高。
🎭 角色法每天的自测 + Day 5 真人测 + Day 7 同伴互测——Agent 工程师天然就在玩角色法（你扮演用户，AI 扮演 Agent）。密度：高。
六步循环节奏（7 天 = 2 个完整循环 + 1 个收束）
循环 #1（Day 1-2）—"理解层"：
Day 1 上 = STEP 1 + STEP 2（提问 + 探索 AI 历史） → Day 1 下 = STEP 4（试用 AI） → Day 2 上 = STEP 3（拆解真 Agent） → Day 2 下 = STEP 3 + STEP 4（设计 + 画架构图）
循环 #2（Day 3-6）—"实现层"：
Day 3 = STEP 4（写 prompt + 自测） → Day 4 = STEP 4（加 tool） → Day 5 上 = STEP 4（加记忆/RAG） → Day 5 下 = STEP 5 + STEP 6（真用户测 + 反思） → Day 6 = STEP 4（修 + 防护栏） + STEP 5 准备
收束（Day 7）：STEP 5（同伴互测 + 发布会） + STEP 6（结营反思）
关键提醒：Day 5 下午的"真用户测试"是孩子最容易崩溃的一天——老师必须 hold 住 "用户说不好用" → "孩子接住" → "用 STEP 6 反思转化为 STEP 1 重新提问" 的链条。
📚 本课知识讲解清单（运营核心 · ToT 重点 · 6 门暑假营里最密集的一门）
Day 1 下午 30 min
什么是 LLM + 它和过去 AI 的区别—— "概率引擎 vs 规则引擎"的本质差异；为什么它会"幻觉"+"忘事"+"按 context 走"。用孩子上午分享的 AI 工具做活案例。
Day 2 下午 30 min
Agent 是什么 + 5 组件架构—— 感知 / 决策 / 工具 / 记忆 / 输出 + 它们之间的数据流。Agent ≠ Chatbot —— 用孩子上午拆 Cursor / Perplexity / Notion AI 的工作表做命名。
Day 3 上午 30 min
System Prompt 的 5 段结构—— 身份 / 你服务的人 / 你能做什么 / 你不该做什么 / 你的语气。讲范例 + 反例。
Day 4 上午 30 min
Tool 是什么 + tool description 怎么写—— name / description / inputs / outputs 的标准结构。强调"tool description 是 prompt 的延伸——写得好比模型更聪明"。
Day 5 上午 20 min
记忆 vs RAG——区别和如何选—— 记忆是"上次说过什么"；RAG 是"我知识库里有什么"。3 个决策示例。
Day 6 上午 20 min
Prompt Injection + 防护栏—— 让孩子知道"安全"是 Agent 的一部分(不展开讲攻防)。5 类防护栏 + 怎么在 prompt 里加规则验证。
just-in-time micro-talks
除了上述 6 个系统讲解，每天还有 5-15 分钟卡点 micro-talk（如"diff 思维" / "看日志的肌肉" / "用最少例子说清想要什么"等）—— 这些不预排时间，按卡点触发。
"老师 5 个不"在本课的具体应用
不 01 不先讲后做：6 个系统知识讲解都在孩子先撞过案例之后—— Day 1 讲 LLM 前，孩子已分享 + 撞过 AI 工具；Day 2 讲 Agent 5 组件前，孩子已拆过 Cursor 等。避免"先教 Agent 概念再去用"的老路。
不 02 不直接给答案："老师我这个 prompt 怎么写"——反问"你正在给一个新员工写说明，你会怎么说？"；"老师我的 Agent 答错了"——反问"日志里它选对工具了吗？"
不 03 不替学员总结：Day 7 发布会上，每个孩子自己讲"我学到的最反直觉的一件事"——老师只在结营仪式点名某个具体瞬间，不替孩子下结论。
不 04 不强推进度：有孩子 Day 5 还没接通 tool 不算失败——和孩子一起判断是 prompt 没写清（回 STEP 3）还是 tool 设计不合理（回 STEP 1 重选用例）。允许学员选择"先简化用例"。
不 05 不评价结果只评价过程：真用户说"不好用"，老师对孩子说的是"你今天能把它听完没替自己解释，这比 Agent 是否好用重要多了"——这是 ★★★ 心理韧性长出来的时刻。