按教师基础和专业方向拆分 L1-L4 课程，避免所有人听同一套内容。
把教案、课件、试题、课堂活动和课程智能体作为训练任务，保证培训能落到日常教学。
支持 AI 通识课、专业融合课和微专业建设，沉淀讲义、案例和工具链清单。
零起点扫盲 · 全员教师
L1-1
理解机器学习、深度学习、Transformer、大模型和主流模型生态。
L1-2
比较 GPT、Claude、Gemini、DeepSeek、Qwen、豆包、Kimi 等模型定位。
L1-3
拆解文本、代码、图像、视频、音频、数据分析与翻译等能力边界。
L1-4
梳理 ChatBot、AI 搜索、AI 编程、AI 办公和 AI 教育工具选型。
L1-5
训练角色设定、指令约束、输出格式、多轮对话和案例化提问方法。
核心收益层 · 全校教师
L2-1
生成教案、教学设计、知识点拆解、课程大纲和案例素材。
L2-2
生成试题、PPT、思维导图、流程图、练习题解析和课堂活动。
L2-3
将 AI 绘图、视频、数字人和音频用于教学短视频和课堂材料。
L2-4
覆盖文献检索阅读、论文润色、数据分析、选题辅助和科研写作。
L2-5
处理行政公文、会议纪要、邮件、表格分析和信息汇总。
L2-6
设计 AI 通识课、专业融合课和可落地的课程体系。
课程改革工具 · 课程负责人和骨干教师
L3-1
理解 Agent、Bot、工作流、MCP、Skill、知识库和 RAG。
L3-2
搭建 Bot、配置插件、挂载知识库、编排工作流并发布到多端。
L3-3
训练私有部署、RAG 知识库、工作流编排和 API 发布能力。
L3-4
构建多渠道消息接入、Skill 系统和轻量级教学辅助智能体。
L3-5
探索跨会话记忆、Computer Use、多 Agent 协作和定时自动化。
开发实战 · 计算机/AI 方向教师
L4-1
理解自然语言驱动编程、Prompt/Context/Harness 工程和工具链差异。
L4-2
完成环境配置、命令行开发流程、项目管理和一站式生成应用。
L4-3
使用 AI IDE 和开源工具完成全栈项目生成与多项目环境管理。
L4-4
以学生信息管理、教学资源库、课堂互动工具等场景做完整开发部署。
