先预测
运行代码前先写下你认为会发生什么，建立因果理解。
先修能力证据
不是“觉得会”，而是做过并通过
右侧自查只用于发现薄弱点，不会解锁课程。站内记录会核对 Python 16 课出口任务，以及终端、环境、测试和 HTTP/API 四项工程桥梁。
0/6
等待检查
完成右侧勾选后查看建议。
站内能力证据
正在读取 Python 主课程记录……
从当前缺口继续学习 →
AI 专题 A1—A6
导读和能力验收必须分开
A2 的 5 节已按教学闭环建设；其余 21 节暂时标为路线导读，不再允许点击后冒充“已经掌握”。
推荐路线
全站阶段 1—4 → A2 模型调用 → RAG → 受控 Agent
03 · 教学方式
模型给建议，学习者负责理解与验证
路线导读不计入掌握；验收课必须经过概念检查、运行证据、独立解释和后续迁移。
再动手
从修改示例开始，逐步减少模板，避免只会复制代码。
分级提示
先指出方向，再给伪代码；只有最后一级才展示参考答案。
用结果验收
不是“看完”就算完成，必须提交输出、测试或可运行功能。
独立迁移
换一个新场景重新完成任务，检查自己掌握的是原理还是示例。
延迟复习
通过后的第 1、3、7 天重新回忆关键知识，减少“当时会、过后忘”。
FINAL
PROJECT
PROJECT
毕业项目
为学习任务管理系统加入可控 AI 能力
全站只保留一个毕业项目：先完成工程、数据库、权限和部署，再加入课程检索、代码检查或分级提示中的一条 AI 垂直功能。