支线 · 01
工程支线
底层软硬一体架构力
Why AI4S
大模型正在重写教育的逻辑。
当 AI 能快速生成、模拟推演、协助执行，真正稀缺的能力不再是重复标准答案，而是提出问题、判断价值、组织工具和创造作品。
2023年以来，联合国教科文组织持续关注生成式人工智能对教育的影响，并陆续发布相关研究与指导文件，提醒教育者重新思考课程、学习方式、评价体系与人的核心能力。
2023年7月，联合国教科文组织发表《生成式人工智能与教育的未来》
2025年9月，又发布《人工智能与教育的未来:颠覆、困境与方向》
UNESCO Questions
01
人工智能持续在更多领域超越人类，未来教育应该是什么样？
02
教育应该培养学生哪些技能、观念和能力？
03
课程设置和教学方法如何适应时代发展？
04
老师角色、学生学习方式和评价体系应如何改变？
05
当 AI 能回答大多数问题，孩子还需要怎样的能力？
Core Method
人的提问能力AI 的生成能力。
我们训练的不是“被 AI 替代”的技能，而是让孩子学会驾驭 AI：提出问题、定义边界、组织知识、调度工具，并把想法变成真实作品。
Deliverables
看得见的个人科创资产。
从兴趣班到「硬核科创综评履历」的跃迁。每个孩子从 MicroRealm 走出，带走的不是一张证书，而是一套可持续生长的数字化硬通货。
Asset 01
全栈自主开发应用
从死记硬背语法转向理解「整体架构」，通过 Vibe Coding 快速做出解决真实问题的软件应用。
Example
例如：校园植物识别网页、AI 错题助手、科学实验记录系统。
成长档案材料
应用原型页面结构功能说明迭代记录
S-P-M Architecture
S-P-M架构：通向未来拔尖创新人才的成长阶梯
从低年级的感知、表达、观察，到高年级的工程实践、AI 协作、项目创造，形成连续成长路线。
PHASE 01
S阶段(1-4年级段)
S1
开启感官奇旅：初步视觉/听觉识别交互，建立感性认知。
S2
智能逻辑探秘：学习条件判断基础逻辑，体验规律创造的具象美感。
S3
模型训练启蒙：图形化体验 AI 捕捉特征，感受定义审美规则的跨越。
S4
物联感知反馈：制作感应艺术装置，掌握数据采集与硬件反馈核心概念。
PHASE 02
P阶段(5-7年级段)
P1
端侧工程实践：AI视觉摄像头与边缘计算。确立将算力向物理世界映射的工程能力。
P2
全栈开发协同：利用Vibe Coding实现Web应用全栈开发，掌握代码纠错技能，具备定义复杂系统边界的能力。
P3
智能应用驾驭：部署大模型，制作个性化智能体(Agent)项目。该阶段不以“手写大量代码”为具体目标，而以“理解系统结构、读懂关键逻辑、借助AI完成可运行原型”为核心。
PHASE 03
M阶段(8年级段+)
多智协同与π型长板塑造：核心定位： 全栈智能体统筹（ Harness Engineer ）统筹智能体集群，攻坚行业真实痛点 对标硅谷前沿的Agentic Workflow。学生化身为“总工程师（ Harness Engineer ）”，在高度封装的科研沙盒中调度多个AI专家解决复杂命题。
教学轴心：多智能体（ Agent ）编排、RAG知识胶囊注入、跨学科博弈推演。对标硅谷前沿研发标准，锁定RAG真理锚点，强制记录博弈日志。
核心价值：聚焦 新农科 / 新工科 / 新医科 / 新文科真实痛点，锻造具备行业洞察力与算力调度能力的π型人才。
Capability Matrix
全栈能力培养框架矩阵
维度
AI技术素养(Tech)
通识/学科/艺术融合增强（Enrichment）
01逻辑思维
AI技术素养(Tech)算法设计、条件嵌套、多智能体工作流
通识/学科/艺术融合增强（Enrichment）引入形式逻辑、数学建模。
02工程能力
AI技术素养(Tech)全栈开发、可视化架构、敏捷测试
通识/学科/艺术融合增强（Enrichment）引入工程管理学、工业化标准、容错机制设计。
03驾驭工程
AI技术素养(Tech)提示词设计(Prompt)、上下文管理(Context)、AI多智能体工程环境编排构建
通识/学科/艺术融合增强（Enrichment）引入语言修辞学、逻辑语义学、领域文献研读。
04美学素养
AI技术素养(Tech)UI/UX设计、交互审美
通识/学科/艺术融合增强（Enrichment）引入算法美学、视觉叙事学、结构力学美感。
05伦理问善
AI技术素养(Tech)数据隐私、模型本地化、防幻觉机制
通识/学科/艺术融合增强（Enrichment）引入科技伦理学、版权意识、数字主权。
Learning Loop
AI 自主探究五步法。
课程不是“讲完知识点”，而是让孩子在命题、自学、探讨、实践、总结的闭环中完成作品。
STEP 01 · Prompt
命题
教师发布挑战任务，命题主题或需解决的实际问题。AI agent 介入辅助任务理解。
Competition Pathway
年度科创赛事
导航。
竞赛不是目的，而是科学研究过程中的一次阶段印证。我们更关注课题契合度、阶梯式成长和差异化竞争。
- 日常孵化
原创课题孵化与养成
围绕“一人一题”完成初步建模、数据采集和核心验证，先夯实能力，不为比赛而比赛。
- 阶段印证
阶段性印证赛
通过白名单专项赛事检验半年度课题深度，建立孩子自信，并为个人履历积累素材。
- 项目孵化
科技特长生赛事 · 项目孵化期
完成系统申报、作品打磨和答辩训练，把学习过程转化为可被验证的项目成果。
- 成果展示
科技特长生赛事 · 成果展示期
在现场挑战与路演答辩中展示全年成长，积累证书、经验与长期科创背景。
Q&A
Q&A
Q&A07 Questions
A1
不会。低龄阶段不是学习复杂的底层代码和架构，而是通过观察生活、表达想法、体验交互和实践活动，建立对人工智能的基础认知。作品形式也会根据年龄阶段递进:低年级从观察、表达、简单交互和创意作品开始;中高年级逐步完成软硬件与AI应用项目;高阶形成研究方向和作品集。