PYTHON 程序设计 · V2 · 第 1 周（100 分钟）
AI 都能写代码了，
这门课教什么？
这节课务虚：我先用一个真实项目演示「现在开发有多方便」，然后一起回答三个问题——
为什么还要学编程、学编程学什么、这门课怎么学。
所属模块 M0 导论第一课 · 务虚键盘 ← → 翻页 · F 全屏
同学们可以直接在手机或电脑上打开本页：练习页可运行代码，测验页可以作答。
今日课表（100 分钟）
| 时间 | 环节 | 要点 |
|---|
| 0–10 | 开场寒暄 | 认识一下 · 感叹现在开发有多方便 |
| 10–25 | 现场演示 | 上周下班后我做的一个小工具：让 AI 帮我找开源项目、改 bug、移植、起名、传 GitHub |
| 25–40 | 核心问题 | AI 都能写代码了，这门课还有必要上吗？ |
| 40–55 | 课程回答 | 三种能力：读代码、调试、系统设计 |
| 55–70 | 课程怎么学 | 线上课看什么、不看什么；线下课主要留给我们多交流 |
| 70–85 | 动手 | 浏览器里跑你的第一行 Python（不用装任何东西） |
| 85–95 | 怎么向 AI 提问 | 好问题 vs 坏问题，三要素框架 |
| 95–100 | 小结与课后 | 下周一的重点是环境与工具链——我们要真的动手装环境了 |
← → 翻页；带分步的页面按 → 逐条展开。学生打开本页即可参与练习与测验。
先看一个真东西
上周课后 5 天我做了什么
我用 AI 帮我找到了一个开源项目——一个小圆形窗，把摄像头里的人脸直接显示在桌面上。
然后让它改 bug、移植成单文件 exe、起名字、传上 GitHub——全程我基本没写一行代码。
这个项目甚至自动做好了 GitHub 的自动构建流程：
代码传上去，GitHub 自己构建 release 并发布。我让它给我起个名——「circular camera」，还带了个朴实的 logo。
结论：你让我专业地干这件事我干得动，但要花精力还要上课——现在 AI 直接帮我做完了。
这就是为什么这门课要升级成 AI 版。
先抛一个问题
“大模型已经能写出能跑的代码了——
那这门课，还有必要上吗？”
举手投票：你已经用过大模型写代码或写作业吗？用的什么？
（Kimi / 智谱 / ChatGPT / Copilot……）
追问用过的人：你见过它写错的时候吗？你是怎么发现的？
——这个「发现」的能力，就是这门课要教的东西。
这门课的回答：三种能力
能力一读代码
AI 生成的代码，你要看得懂、能审查、能发现隐患——命名混乱、超出课程范围的语法、边界条件缺失。
能力二调试
AI 不会一次写对。程序报错或行为异常时，定位并修复问题的能力无法由 AI 代替——读报错是本课的基本功。
能力三系统设计
做什么、分几个模块、数据如何流动——这些决策由人完成。期末项目将全面检验这一能力。
一个类比：自动驾驶
人：定目的地
→
AI：辅助驾驶
→
人：关键时刻接管
- AI 承担了大量「写」的工作——但它不承担后果；后果由你承担。
- 如同自动驾驶仍要求驾驶员具备接管能力，关键决策必须由人把关。
- 这门课的目标：让你在任何时候都能「接过方向盘」。
这门课怎么学
线上课看什么
- 网上基础课（上学期那套）：简介与实例、结构与建议——这些要看
- 历史线下课录像：不用看（我们这学期正在上新的）
线下课怎么用
- 线下时间多留给我们交流：作业怎么写、哪里卡住了
- 基础知识的补全会带，但不会占太久
每周课后我会把这周的课堂录像传上去——想回看可以，不强制。
动手：你的第一行 Python
交互 · 直接在浏览器里运行，无需安装
点击「运行」看看结果，再把代码改成打印你自己的名字：
这个「运行场」基于 Pyodide——浏览器里的真 Python 解释器。以后每节课都会用它做课堂练习。
怎么向 AI 提问
同样一个需求，两种问法，结果天差地别：
坏问题
帮我写个学生成绩统计脚本
没说语言、没说数据格式、没说输出长什么样——AI 只能猜，猜就可能错。
好问题
我用 Python，有一份 JSON 格式的学生成绩数据，想按班级分组计算平均分并排序输出，用注释说明每一步
有上下文、有具体目标、有约束条件——AI 一次就能给到可用的答案。
好问题的三要素
上下文
我在用什么、数据长什么样
＋
具体目标
要它产出什么
＋
约束条件
语言/格式/范围
- 这三要素不只适用于问 AI——也适用于你向任何人提需求。
- 约束越具体，AI 越少跑偏——下周配环境时你会立刻用上。
16 周课程地图
- W1–W2 导论与环境 · 下周就装环境、调通 AI
- W3–W5 语言核心（类型→控制流→函数→类）
- W6–W8 数据获取 + 工程化
- W9–W13 AI 应用开发（Prompt / RAG / Agent / 前后端）
- W14–W16 综合项目实战与答辩
三个里程碑
- W2：亲手配好 AI 开发环境
- W11：做出自己的知识库问答系统
- W14：期末项目正式启动
完整知识图谱见课程主页
课后与下周预告
本周课后
- 回顾这节课的三种能力——读代码、调试、系统设计
- 环境可以先不配——下周我们当堂一起装
- 注册一个大模型账号，试着用三要素问一个好问题
下周：W2 环境与工具链
把 AI 开发环境配好（Zcode / 校内 OpenAI 平台 / UV），把 Python 环境搞清楚（Miniconda），学会读报错。
提前看下周课件 →
深入阅读：M0 模块页 · 经典笔记 1.1 课程概述 · 交互演示：编译 vs 解释