PYTHON 程序设计 · V2 · 第 16 周（100 分钟 · L40–L48）
交付、答辩
然后带着方法离开
最后一周：演示彩排与文档定稿、项目答辩与互评、优秀代码复盘；
然后站高处看一眼——AI 时代的技术版图、四维能力模型，和结课后的四条深入路线。
M6 收官 + M7 总结展望← → 翻页 · F 全屏
今日课表（100 分钟）
| 时间 | 环节 | 要点 |
|---|
| 0–12 | 答辩前打磨 | 文档三件（README/协作日志/演示脚本）；断网兜底录屏；开场 30 秒讲清价值 |
| 12–40 | 项目答辩 | 每组 5 分钟演示 + 3–5 分钟问答；随机指行提问 |
| 40–52 | 答辩三问复盘 | 指行讲解 / 去掉 AI 你能写哪部分 / 最满意的功能如何实现 |
| 52–64 | 优秀代码复盘 | 选 2–3 组深度走读：他的切分策略/模块边界/你会怎么重构 |
| 64–76 | 技术版图 | 从 Python 到 AI 生态全景；HuggingFace/Ollama 一瞥 |
| 76–88 | 能力模型与路线 | 基础×AI协作×工程化×领域知识（乘法）；四条深入路线 |
| 88–100 | 课程结业 | 16 周回望：从第一行 print 到独立交付 AI 应用；一句话感言 |
答辩看真行为：演示 + 指行讲解 + 诚实回答「哪些是你写的」。
答辩前打磨清单
文档三件
- README：介绍 / 安装 / 使用 / 技术栈
- AI 协作日志：关键 prompt 与人工修改原因
- 演示脚本：5 分钟内走完核心闭环（先排练！）
彩排要点
- 演示断网怎么办？准备录屏兜底
- 开场 30 秒讲清「谁用、解决什么」
- 功能不在多——讲透一条完整链路胜过堆十个半成品
答辩三问（提前想好）
问一：随机指一行代码——这是干什么的？
读代码是本课程的第一能力。答不出的行，今晚回去搞懂它。
问二：去掉 AI 辅助，你能独立写出哪部分？
诚实回答：哪些是你写的、哪些是 AI 生成你审查过的、哪些你还看不懂——协作日志就是为此准备的。
问三：你最满意的功能是怎么实现的？
讲清「需求 → 方案取舍 → 遇到的问题 → 解决过程」的完整链路。
复盘：读别人的代码
答辩后选 2–3 组做深度复盘——读别人的代码是最高效的学习：
- 他的 RAG 切分策略为什么和我不一样？效果差在哪？
- 同样的 FastAPI 骨架，他的模块边界为什么更清爽？
- 如果我来维护这个项目，第一个重构动作是什么？
AI 时代的程序员能力模型
四个维度相乘而非相加——任何一项为零，整体趋近于零：
基础编程与计算机基本功
数据结构直觉、网络与系统概念、读代码——AI 越强，判断它对不对的能力越重要。
AI 协作驾驭模型的工程能力
Prompt 设计、RAG/Agent 选型、输出验证、成本评估——本课程 M5 的全部。
工程化把原型变产品的能力
测试、版本控制、模块化、部署——M4 与 M6 反复打磨的部分。
领域知识懂业务才能定义问题
AI 是通用工具，价值落在具体领域——也是系统设计能力的重要支撑。
结课后的四条路线
Web / 后端
FastAPI → 数据库 → Docker → 云：把期末项目升级成真正的多用户服务。
数据方向
SQL → Pandas 进阶 → 数仓/BI：M3 数据链路的专业化。
AI 工程 / 研究
RAG/Agent 深入 → 微调 → 模型原理：读 transformer 论文、玩 Ollama 本地模型。
产品方向
场景洞察 → 原型 → 迭代：技术是手段，解决问题才是目的。
课程的最后
16 周，从第一行 print
到独立交付一个 AI 应用
从「AI 会写代码，人学什么」的疑问出发——愿你带走的不只是 Python，
还有读代码的底气、调试的耐心、设计系统的视野，以及与 AI 协作的信心与方法。
本页课件与全部资料长期在线——随时回来查。