团副小课：AI 编程初探

上节课的四件事：团副小课要把老师从“用 AI 问答”的第二层，带到“用 AI 做项目”的第三层；教师最小闭环，开通学生、把曜石绑定给学生；学生最小闭环，用曜石登录、跑通 Hello World 再改一句；最后用曜石做了一个计数器。

先讲课，再做课件：上节课已经整理成一份课件，大约半小时串讲一遍。现在团副的做法是先讲课，再让 AI 根据录像做课件、配讲解，放到平台上。

AI 进课堂，还缺一个载体：以前计算思维不好讲，后来有了编程这个载体，从成人编程到 Scratch，小朋友也能学。AI 不一样，它改变的是工作和学习的方式，怎样把 AI 需要的能力做成课程，还没有现成的答案。现在很多 AI 课过多依赖老师个人的水平，团副希望像以前的编程课那样，让平台在课上帮更大的忙，所以请老师们一起来共创。

去找新的第一次：团副在房车随笔里写过一篇《第一次跨过密苏里河》：岁数越大，第一次越少，要去找新的第一次。团副的新的第一次，是去年底开始试氛围编程。团副说网站全是这样做出来的，团副看代码，但没写过一行代码。这样的第一次没那么难，值得，而且让人激动。

一位粉丝的意见：有粉丝说，小程序里的长篇读书笔记字太小、行距太宽、颜色太浅，建议借鉴公众号和苹果的排版规范。团副研究了一下，该粗的粗、该大的大，字号分小、中、大三档，连研究带修改大约半小时。老师们有想法、对平台有意见，都可以直接提。

不是不够聪明，是不再好奇了：为了讲这几次小课，团副突击读了二十本讲 AI 的书。其中一本的前言里说：有些人跟不上，不是不够聪明，也不是不够专业，而是不再好奇了。孩子有好奇心，大人也要保持，对 AI 尤其如此。

为这节课专门做的：这次的礼物是图文工作台。它和编程没有关系，但能帮人看懂智能体是怎样干活的。因为是为这节课紧急开发的，标了“试用版”。登录以后，它在顶上的菜单里，就在硬件工作台、软件工作台旁边。

点数只扣十分之一：课上宣布，在图文工作台里用 AI，只扣平常十分之一的点数（10 月 31 日前购买有效），好让大家放心试一些大项目。

三块界面：左边是目录和文件，先选电脑里的一个文件夹，当作工作目录；中间预览文件，照片、电子书都能看；右边和 AI 对话，能开新会话、看历史会话，还提示今天用了多少点数。对话框下面有几个勾：带上当前文件，自动批准读、写，做完记进 README.md。

AI 只在你选的目录里干活：AI 的工作范围超不出这个目录，只能在里面建子目录、写文件。它也没有删文件的能力，连自己建的临时文件都不能删。想给它看什么资料，就放进这个目录；图文工作台能读三十多种文件格式。

随手拍，最后让 AI 整理：以前报销，要把小票一张一张累加、做表。现在团副有了票，就用手机拍一张放进文件夹，票就可以扔了。课上的要求是：“我在加油发票目录里边放了二十张加油的票，你给整理一下，形成一个 Excel 表格，放在根目录下。”

AI 先看目录、列计划：它没有马上动手。先看了目录，说要按票整理日期、号码、销售方、油品、金额和税额，留下原照片的文件名方便核对；不能直接写 Excel，就存一个 Excel 能打开的 CSV；看不清的标“待核实”；再派出四个子任务，每个识别五张。这些团副一句都没说，是它自己想到的，这就是智能体。

一份待办清单，做完就划掉：它列了三项待办，做完一项划掉一项，旁边还显示每个子任务做到了第几步。列清单、派子任务、把结果记下来再累加，都不是模型做的，是模型外面那层外壳做的。

课上没等它做完：小票都是照片，要一张张识别；晚上又是模型的高峰；团副为了省钱，也没开加速。等了很久不出结果，团副先停下，去做下一个例子。课后换个不忙的时间，或者多等一会儿，会好一些。

同一个模型，换个地方，本事就不一样：放在聊天网页里，你问一句它答一句，程序得你自己复制、运行。放进图文工作台或者编程工具里，它能自己打开文件、写文件、运行、看报错、再改，一连干上几十分钟，甚至几个小时。好比两位手艺一样好的厨师，一位的厨房什么都有，一位只有一口锅。差别多半不在大脑，而在包着大脑的那层外壳。

模型只会一问一答：模型就是一个问答接口，没有会话，也没有记忆。识别小票时，外壳把一张票交给模型，模型把字送回来，这一次问答就结束了；派任务、汇总、累加，都是外壳在做。所以，智能体＝大模型＋外壳。

外壳里的三样：工具、记忆、循环。外壳的英文是 Harness，原意是马具：马的力气再大，不套上挽具也拉不了车。工具让模型有了手脚：读写文件，在“沙盒”里运行程序，上网查资料，直接操作电脑；外面的服务通过 MCP 接进来，它像一种通用插头。记忆就是上下文窗口，像一块小白板，快写满了，外壳就用说明文件、压缩、搜索三个办法帮它记。循环是计划、行动、观察，一圈一圈地转：想和看靠模型，做靠外壳；好的外壳，还会在循环里安排检查。

硬件工作台，也是模型＋外壳：你说“做个计数器”，模型来想程序怎么写；外壳把程序写进文件、装进曜石跑起来，再把运行反馈拿回来给模型看。AI 改完，你拿起曜石试一试，你就是这个循环里最要紧的检查员。

问“AI 会不会写程序”，其实要问两件事：用的是哪个模型，大脑够不够聪明；装在哪个外壳里，工具、记忆、循环安排得好不好。分清这两样，三个常见的误会也就清楚了：AI 变强不全靠模型，很多进步来自外壳；外壳不只是一个好看的界面；外壳给的工具越多，越要把规矩定清楚，图文工作台不让 AI 删文件，就是一条规矩。

一层包一层：2022 年底、2023 年初，大家讲 Prompt Engineering，提示词工程；2024 年讲 Context Engineering，上下文工程；2026 年春节前后，讲得更多的是 Harness Engineering，外壳工程。三者不是替代，是包含：提示词仍要写好，上下文仍要管好，只是现在大家最看重外壳。

Prompt 管话怎么说：AI 读到的提示词有两份，做产品的人事先写好的 System Prompt 放在前面，你当场说的 User Prompt 接在后面，就像饭店后厨墙上贴的规矩，和客人当场点的菜。提示词里常写四样：目标是什么，扮演谁，做到什么样算完成，用什么语气。

Context 管白板上放什么：不一股脑塞进去，而是需要什么取什么：用工具翻文件，用 MCP 接功能，先查再答（RAG）。资料放对了，AI 就少编一点。它没见过你们学校的课程表，先查到、放上白板，它就答得出“周三第三节上什么课”。

Harness 管整件事怎么安排：在哪里做，按什么步骤做，做完怎么检查，进度记在哪里。最要紧的变化，是把一件大事分成很多轮，每一轮给 AI 一块全新的白板：先列一份功能清单，每轮挑一项，做完就测试，通过了打勾、记下来。这就像值日生的交接本，今天的值日生不用记得昨天，翻开本子就知道做到哪了。事越大，越要靠最外面这一层。

三层都在里面：工作台事先写好了十几条规矩，这是 System Prompt；大文件先看目录，再按章、按页读，读过的整理好存下来，对话太长就自动总结，这是管白板；能读三十多种文件、上网搜、打开网址读全文、画图，这是工具。模型用了三个，一个不行就换下一个。

Harness 都安排好了：先列待办清单，做完一项划一项；一轮最多二十五步，随时可以停，中途停了下次接着做；一次能派出一到八个子任务，各用各的白板，只读、只搜，不能写文件；AI 写文件要先经你批准，它不能删文件，说做好了其实没做，工作台还会追问一次。这些都不是模型自己会的。

给一本书写读书笔记：目录里放了一本 EPUB 格式的《小狗钱钱》，是团副家孩子小时候学理财用的书。要求是写一份不超过两千字的读书笔记，MD 格式，放在根目录。它列了三项待办：看目录、通读全书、写笔记。通读时它把全书分成四段，先把素材存进新建的“AI笔记”文件夹，最后汇总时就不用再读一遍。

笔记写好了：一共五部分：这本书讲了什么，最值得记住的五点，需要带着判断去读的地方，读完以后的行动清单，一句话总结。它的总结是：这本书最值得留下的，不是一套致富公式，而是一种生活方式。

你没说的，AI 会替你补：团副又让它把笔记做成一张手机海报，并把用到的提示词也存成文件。海报上画了小狗、存钱罐、灯泡、小草，这些团副都没说。没说的，AI 都会补齐，补成什么样就不由你定了，所以要看它补了什么，检查它的中间步骤。存下提示词，就知道它替你做了哪些决定；不满意，就在提示词上改，再让它照着重画。

每做完一轮，记进 README：工作记录分三部分：工作规则、工作经验、工作日志。前面整理小票那一轮没做完，它就没记日志。进度写在文件里，不靠 AI 自己记；下次再打开这个目录，AI 读一下 README，就知道之前做过什么。

你能检验，才交给 AI：整理小票、写读书笔记，团副自己都会，AI 做得对不对看得出来，才敢交给它；看不出对错还交给它，就很危险。所以 AI 再强，学生也要做储备式学习，检验的本事要靠一次次学习攒起来。这一点，也要跟家长说清楚。

一本 30 万字的书，3 万字读笔记，其余的问着读：先读一份大约三万字的长笔记，把精华拉出来；剩下的不是不读，而是哪里没看明白、对什么感兴趣，再去问。这和听别人讲书不一样，听书只能被动地听，没有来回的问答。团副为这几次小课读的二十本 AI 书，笔记都放在团副速读摘要·人工智能里。

AI 进课堂，难在封装和载体：封装，是把背后用什么模型、什么智能体这些麻烦事封起来，交给老师和学生一个拿来就能用的东西，机器人兵团想先把这一步做好；载体，是把 AI 基本素养融进真正的课程和软硬件里，这一步要和老师们一起想。想要的 AI 课，要像以前的编程课那样，不靠单个老师的水平，能大规模开起来。

真正的力量，一层一层来：第一层是模型的问答能力，第二层是外壳动手做事的能力，第三层是你的思考，第四层是驱动你思考的好奇心。成品里应当装着你的思考，经由 AI 去加深；而不是 AI 的思考，经由你来批准。