W01-D01 开场 30 分钟｜课程导学
今天在学习路径中的位置
先从开课导学确认目标和自己的起点。今天围绕“岗位与能力”、“学习路径”、“学习与验证”，朝着“个人学习起点与目标”这个目标推进。图是学习路线，具体机制、例子和操作在下面逐步展开。
先看AI应用工程师负责哪一段
企业问题与用户 → 应用工程（接口、知识、流程、测试） → 模型服务 → 算力与运行环境。 本课主要训练前两段的实现和交付，也理解后两段的成本与约束。会调用模型不等于完成业务；后面要让结果可查、失败可停、他人可接手。不要求学生采购GPU或建设算力平台。
使用位置：第一节课开场，不单独排课。
课堂方式：教师现场提问、学员举手，教师快速判断全班情况。
不发问卷、不评分、不建立个人学习画像。
这 30 分钟要完成什么
- 大家知道企业招聘 AI（人工智能） 应用开发和 AI 全栈岗位时，真正希望新人能做什么。
- 大家知道面试不只问框架名，需要拿出哪些代码、项目和解释能力。
- 大家知道十二周会学到哪里，能做出哪些项目。
- 老师通过几次举手，大致了解 Python、开发工具和电脑环境情况。
- 30 分钟结束后直接进入 W01-D01 的 Python 环境检查与实操。
时间安排
| 时间 | 内容 | 教师动作 | 学员动作 |
|---|---|---|---|
| 0—4 分钟 | 认识老师和今天的安排 | 简短自我介绍，说明导学只占前 30 分钟 | 听清今天会完成什么 |
| 4—9 分钟 | 现场举手了解情况 | 连续问 5 个短问题，只看人数和共性情况 | 按真实情况举手 |
| 9—16 分钟 | 企业正在招什么样的人 | 用岗位要求图讲两类目标岗位和就业现实 | 找到“会用工具”和“能交付”的差别 |
| 16—23 分钟 | 面试要证明什么 | 讲基础合格线、项目竞争线和深挖应对线 | 对照自己的当前起点 |
| 23—27 分钟 | 看十二周路线 | 打开课程路线图，讲阶段和代表项目 | 找到每段训练与岗位要求的关系 |
| 27—29 分钟 | 说明课堂怎么学 | 讲清跟做、独立实操、运行检查和提问方式 | 确认课堂习惯 |
| 29—30 分钟 | 转入第一天实操 | 打开 W01-D01 课件和终端 | 准备检查 Python 与 TRAE |
现场举手：问这 5 个问题就够了
教师口头提问，不让学员填写材料，也不追问个人经历。
- 以前运行过 Python 程序的同学举一下手，跟着视频敲过也算。
- 能从空文件写出一个小程序的同学再举一下手。
- 电脑里已经装过 Python 的同学举手；不确定的不用猜，稍后现场检查。
- 用过 TRAE、Cursor这种AI代码编辑器的同学举手。
- 用过 Git 提交代码，或者做过一个完整小项目的同学举手。
教师只需要记三个大概人数：
- 没运行过 Python 的人数；
- 不确定 Python 是否安装的人数；
- 用过代码编辑器或 Git、能够帮助同桌的人数。
详细观察卡见 W00 学员摸底与学习画像（教师资料，不公开）。该文件已改为教师自用的现场举手观察卡，不向学员发放。
企业正在招什么样的人
岗位名称会变化，课堂重点看两类常见方向：
| 目标方向 | 企业希望新人能做什么 | 不能只停在哪里 |
|---|---|---|
| AI 大模型应用开发 | 用 Python、API（应用程序接口）、数据库和模型能力解决业务问题；能做 Prompt（提示词）、RAG（检索增强生成）、Agent（智能体）、测试、部署和排错 | 只会在聊天窗口里写提示词，或只调通一次模型 API |
| AI 全栈开发 | 能从页面交互追到后端、数据和模型调用；能联调、定位问题并交付一个完整功能 | 只会生成页面，或只会一端、不知道请求如何走完整条链 |
现在的就业现实
- 岗位名称不完全统一。 搜索岗位时还会看到“大模型应用”“Agent 开发”“Python 后端 + LLM（大语言模型）”等相邻名称，不要只盯一个关键词。
- 计算机基础没有消失。 项目做得再新，校招仍可能考编程、算法、数据库、网络、操作系统和 Linux 排错。
- 调通 Demo（演示） 只是起点。 企业还会看测试、异常、部署、日志、延迟、Token（词元）、成本和失败恢复。
- 项目一定会被追问。 面试官会问架构、个人贡献、失败案例和技术取舍。回答不清楚，项目再漂亮也很难证明是你完成的。
公开岗位和面经样本的调研依据见 W00 校招岗位与面试准备说明。岗位会随时间变化，课堂不承诺岗位数量、薪资或录取结果。
面试要达到什么水平
第一层：基础合格
- 不依赖教师成品，能独立写出核心 Python、SQL（结构化查询语言） 和 API 任务；
- 能运行测试，读懂错误、日志和调用结果；
- 能说明浏览器、后端、数据库和模型之间的数据怎样流动。
第二层：项目有竞争力
- 能在 3—5 分钟内讲清业务问题、系统架构、你的贡献和项目结果；
- 能展示一个正常场景、一个失败场景和一次修复回归；
- 能解释为什么使用 Prompt、RAG、Agent 或 Workflow（工作流）；
- 能展示延迟、Token 或质量指标，并说明做过的一次优化。
第三层：经得住深挖
- 面对陌生问题，先澄清需求和边界，再决定技术方案；
- 能解释安全、权限、停止、重试、人工接管和恢复；
- 能现场修改一处代码、补一项测试并验证；
- 能明确哪些由你完成、哪些由 AI 建议、哪些还没有真实验证。
这是十二周的训练目标，不是第一天就要全部做到，也不是录取保证。后面每周都要把目标变成自己的代码、运行记录和答辩证据。
十二周路线
不用逐周念完，只讲五段：
| 阶段 | 周次 | 大家会做什么 |
|---|---|---|
| 编程与工程基础 | W01—W03 | Python 业务逻辑、Git/Linux、Web（网页应用） 商城与容器化交付 |
| 大模型客服应用 | W04—W05 | 模型 API、Prompt、工具调用、多轮对话与流式应用 |
| 知识库与 Agent | W06—W08 | RAG 知识库、工具调用、Agent、LangGraph（有状态工作流框架） 工作流 |
| 原理与技术选型 | W09—W10 | 机器学习、深度学习、Transformer（变换器模型架构）、训练对齐及 RAG/Agent 原理深挖 |
| 企业项目交付 | W11—W12 | 从陌生需求分析、架构和 Alpha（早期可评审版本），走到可靠发布、独立挑战与技术答辩 |
课堂上给大家看的代表成果：
- W01：能运行、能解释、能修改的 Python 程序；
- W03：浏览器可以访问的后端服务和容器化运行；
- W06：能引用资料回答问题的知识库应用；
- W08：步骤可追踪、失败可恢复的 Agent 工作流。
- W10：能结合项目证据解释模型原理并完成技术选型；
- W12：能从陌生需求走到可运行、可交接、可答辩的企业项目。
课堂怎么进行
我会用 RISE 带大家学习：看懂问题 → 理解原理 → 协作构建 → 验证交付。
- R · Requirement 需求定义： 我先和大家确认谁遇到了什么问题、做到什么才算完成。
- I · Insight 原理理解： 我讲清必要机制，大家先预测，再运行最小示例并解释结果。
- S · Solution 协作构建： 我示范怎样拆解和排错，大家在自己的项目中实现、检查 AI 建议，并逐步独立完成。
- E · Evidence 证据交付： 大家用运行、测试和修改说明结果，再按任务要求独立改一个条件、排一个错误或交给同伴复现。
后续每周都会重复这四步，老师提供的帮助随大家的掌握情况逐渐减少。完整说明见 RISE 学习法。
学员从自己的目录开工
教师参考代码只用于备课、演示结果和验收。学员不领取教师成品项目，每个人都从自己的空目录、空文件开始完成当天任务。
AI 在课堂里的用法
可以让 AI 解释报错、给修改建议、生成局部代码，但要看清它改了什么，并亲自运行。课堂会经常问：
- 改了哪个文件、哪几行？
- 为什么这样改？
- 正常输入能不能运行？
- 换一个输入会发生什么？
30 分钟结束时的转场
导学到这里结束。教师打开：
V2_当前正式版/W01_AI原生编程基础/D01_Python 开发基础：环境、数据类型与 AI 编程/D01_课堂课件.md- TRAE
- PowerShell 或 TRAE 内置终端
然后让全班执行：
python -V
py -V
where.exe python从这一刻开始进入 W01-D01 正课。安装、PATH（可执行程序搜索路径环境变量）、TRAE 和项目环境问题都在实际操作中处理，不占用导学时间做提前问卷。