课程。

DODO 机器语言教五件事。它们共同覆盖了：AI 在做什么、如何构建它、如何把它延伸到现实世界、如何用它进行工程、以及一路上要在什么环境里工作。

素养。

AI 不是一件事——它是五种能力，最好通过亲手构建每一种来学。我们分别教这五个领域，再把它们组合起来；您的孩子结业时，能够指出一个系统在做什么、它为何成功或失败，以及它在更大图景中处于哪个位置。

五个领域

  1. 1感知

    机器如何接收世界。像素变成图像；声音变成频谱图；文字变成 token；传感器信号变成读数。学生训练分类器、探索数据集，并理解感知在何处失效——数据稀少、数据偏倚、对抗输入。

  2. 2推理

    机器如何在感知之上工作。搜索、逻辑、规划、决策——把表征转化为答案的操作。学生用 Python 亲手实现它们，不是调用库，而是写算法本身。

  3. 3学习

    机器如何从样例中改进。训练数据是什么、模型如何随数据调整、过拟合与欠拟合在实际中长什么样。学生从零训练小模型，看到数据一变结果就变。

  4. 4自然交互

    机器如何在与人类共享的世界中说话、聆听、行动。语言是最深的一个情境。学生用基础模型构建，把 prompting 当作一种写作来学，并对每一个输出对照真值进行验证。

  5. 5社会影响

    AI 离开实验室时会改变什么——劳动、公平、隐私、注意力、真相。每一节课中，学生都要指出一项危害、一位掌控它的行动者、以及系统需要的一道审查。这是让前四个领域真正有用的那种人类素养。

我们如何衡量

每一位学生都接受同一张评估表的打分——五个领域，每个领域 5 级，入学与结业各一次。数字，而非形容词。将在第一届学生结业后按届公布。

进度。

每一个周期的底层都有一套 Python 课程，从图形沙盒攀升到高阶算法。四级序列，每一级都建立在前一级之上。最高一级可获得大学学分——可被大学成绩单认可的那种。

四级课程

  1. 基础

    在代码成为文字之前。基于图形块的编程、顺序、分解、模式识别。初阶学生在写第一行代码之前先理解"程序是什么、不是什么"。

  2. 编程

    从零部件开始构建 Python。变量、条件、循环、函数、字符串、列表、文件 I/O。在学生可即时看到变化的图形上构建。从"跟随步骤"过渡到"设计步骤"。

  3. 系统

    Python 深入。数据结构、抽象、面向对象设计。从"写一个脚本"过渡到"设计一个系统"。学生开始像批判自己的代码一样批判他人的代码。

  4. 高阶可获学分

    算法、复杂度、递归——大学入门级的严谨度。高阶层级的结业评估可获大学学分；完成它的学生，无论日后入读哪所大学，都可以将这份学分带去。

我们如何衡量

每一个模块都自动评分。每一位学生都有一份逐模块、逐周的进度报告，我们会向家长分享，并按届公开。两个指标，都很诚实：素养评估表（前述五个领域）与进度报告（这套 Python 课程）。第一届学生结业当周，两者都会在 /results 上线。

扩展。

当学生准备好时，代码可以走出屏幕。机器人是这座桥——传感器变得真实，决策驱动伺服，感知会撞到墙。它会改变学生此后看每一行代码的方式。

  • 传感器——让感知领域具象化：光、距离、声音、触碰。
  • 决策——让推理领域有了后果：机器人会做出动作；做了的动作无法撤回。
  • 失败——让学习的循环可见：迷宫要么被解开、要么解不开；学生要在模型、算法或现实之间找出问题。

本扩展项对中阶与高阶学生开放，自愿选择。大部分周期仍在仿真中完成；实体机器人是补充，不是脊梁。不选实体套件的家庭，不会失去任何课程内容。

工程。

工程师与 AI 协作的方式在 2023 年发生了改变。教科书还没跟上。我们教的是现代技术栈——基础模型作为底层，prompting 作为写作，检索作为记忆，智能体作为架构，以及让这一切可被信任的纪律：验证。

四种工作实践

  1. 1Prompting 作为写作

    prompt 不是搜索词。它是一段有结构的文字——上下文、指令、约束、示例、输出形式。学生学着像认真写作者写简报那样写 prompt。

  2. 2检索作为记忆

    模型不知道您的事实。检索，是把当前问题所需的真值交给模型。学生构建小型检索增强系统，并看到它们在知识任务上胜过纯 prompting。

  3. 3智能体作为架构

    智能体，是被授权去采取行动的模型——调用工具、读取文件、发送消息。学生小规模设计智能体，理解什么工作可以放心交给它，什么不能。

  4. 4验证作为纪律

    每一个输出都用同样的三个习惯去面对：质疑结论、对照真值验证、判断是否推翻。批判性思维不是一个话题——它是贯穿前述每一项实践之下的纪律。

环境。

您的孩子使用的工具，正是今天一线 AI 工程师在用的工具。不是教学用的沙盒模拟器。不是玩具模型。是真的——在一位知道这些工具能做什么、不能做什么的导师指导下。

您的孩子在课程中会接触到什么

  • Anthropic 的 Claude——前沿的推理与写作模型。学生用它构建、向它 prompt、对其验证、对其推翻。
  • Google Gemini——前沿的多模态模型。图像、视频与文档输入，适合跨越纯文本范畴的项目。
  • Python，运行在托管的开发环境中——与一线工程师周一早晨打开的那种开发环境同款。

这些工具每个季度都在变。课程不去追版本；我们教的是能跨越任何版本而仍然成立的习惯与素养。十年后您的孩子坐在一个新模型面前时，他们会认出这是哪一类系统、能放心交给它什么、需要验证什么。