学霸山丘 AI 线下集训营：五天做 16 个项目

AI 集训营的参与收获：总览

学霸山丘的 AI 线下集训营一共五天。

这是一个大型的、多天连续的 AI Hackathon（你也可以把它理解成一个 Sprint）。

学生会在连续的四天内做出 16 个项目（最后一天是 Demo Day ，模仿 YC 的 Demo Day 格式，基于真实参与过 YC Demo Day 的山丘学员的经历回顾）。这些项目可以放进自己的技术作品集、maker portfolio，甚至可以作为后续申请材料、活动列表、项目经历的一部分。

总体来说，集训营学员的 Maker/Builder Week 长这样：

Day 1 上午：从最贴近学生生活的项目开始

Day 1 下午：数字人文与作品传播

Day 2 上午：组装自己的第一个 AI 科研助理

Day 2 下午：给科研助理加入文科和理科 Skills

Day 3 上午：数据库、爬虫与数字人文

Day 3 下午：AI 辅助的软件开发与研究：算法、机器学习与作文打分器

Day 4 上午：更复杂的软件模块开发

Day 4 下午：从使用者进阶为设计者

每个半天，学生都会完成 2 个 AI/CS 项目，所以一共就是 4 x 2 x 2 = 16 个 Projects 。

16 Projects in 4 Days

Project 1️⃣：国际课程大考日历与学习规划工具

第一个项目，是带学生设计、制作、开发一个国际课程体系的大考日历和学习规划软件。

适用的课程体系包括：IB、AP、IGCSE、A Level

学生未来都会面对各种大考，但很多学生并不会系统规划考试时间、复习节奏和学习任务。

所以我们会让学生一上来就做一个对自己有用的软件：一个结合 calendar 和 planner 功能的大考规划工具。

这个项目还会结合学习科学和脑科学的一些理论。

我很喜欢 Barbara Oakley 在 Coursera 上开的 Learning How to Learn。这门课非常体系化地讲了如何把脑科学和学习科学应用到真实学习中。很多人听过费曼学习法，但那种知识往往比较碎片化。Learning How to Learn 给的是一个更完整的学习方法体系。

我们会把这些理论引入项目开发，让学生思考：如何用一个软件帮助自己更好地规划大考复习？

所以第一个项目不是为了炫技，而是直接解决学生自己的学习问题。

Project 2️⃣：国际课程信息聚合站

第二个项目，是带学生做一个国际课程信息聚合站。

很多国际学校学生其实并不真正了解自己选的课。

比如：

这门课和其他课有什么区别？

它的难度在哪里？

考试局的 syllabus 要求是什么？

IB、AP、A Level、IGCSE 的官方信息在哪里？

这门课的评分方式是什么？

学习它需要提前具备什么能力？

所以第二个项目，就是让学生做一个自己的课程 dashboard。

学生可以把自己选的课集中放进一个 panel 里，看到每门课最重要的信息和数据。

这个项目可以让学生在真实需求中学习软件开发的基本概念和操作方式。

在 Day 1 上午的两个项目之前，我也建议学生提前做一些准备：

注册 GitHub 账号、安装一款 AI 编程软件。

比如：Cursor/阿里的 Qoder/Kimi Code/字节的 Trae

这些都可以作为学生入门 AI 编程的工具。

Project 3️⃣：Distant Reading 数字人文可视化网站

Day 1 下午的第一个项目，是文学方向的 digital humanities 项目。

我们会带学生做一个 Distant Reading 的信息与数据可视化网站。

大家平时比较熟悉 close reading，也就是精读。文学学习里还有一个重要方法叫 distant reading，也就是远读。

这里的远读，不是每天听一本书、30 分钟听完一部小说。它是一个真正的学术方法，是从更宏观的角度去看文学作品，分析作品中的结构、主题、词汇、人物、叙事模式和数据特征。

我们会选择刘宇昆 Ken Liu 的小说中的一个故事作为文本，带学生把远读得到的信息和数据转化成一个数字人文网站。

这个项目可以让学生同时理解：

什么是 close reading

什么是 distant reading

什么是 digital humanities

文学作品如何转化为数据

数据如何通过网站可视化展示

这对国际学校学生非常有价值，因为它连接了文学、人文、数据、AI 和网页开发。

Project 4️⃣：为数字人文项目制作推广视频

Day 1 下午的第二个项目，是带学生为刚刚完成的数字人文项目制作推广视频。

我们会让 AI 编程智能体调用一些 skills，比如 Hyperframes 之类的工具或技能，帮助学生把项目成果做成 promotion video。

为什么要做推广视频？

因为酒香也怕巷子深。

学生做出了项目，还要能把项目讲清楚、展示出来、传播出去。这个能力对于申请者来说非常重要。一个项目不仅要存在，还要能被别人看见、理解和认可。

所以 Project 4 会训练学生把技术成果转化成展示成果的能力。

Project 5️⃣：学生科研助理 AI Agent

Day 2 上午，我们会带学生组装自己的第一个 AI 智能体。

这个智能体有一个具体用途：做学生的科研助理。

国际学校学生在学习过程中需要做大量 research。无论是 IB Extended Essay、TOK、IA，还是历史论文、经济论文、商管项目，都需要查资料、筛文献、整理信息、做初步分析。

其中很多辛苦活，不应该全部由人来做。

AI 时代的 researcher 应该学会 human-in-the-loop 的工作方式。

也就是说，人不是从头到尾做所有苦力，而是成为判断者、评估者和决策者。AI 可以帮你检索、整理、初步归纳；但人要判断 AI 的结果是否可靠，是否符合研究问题，是否值得进一步使用。

在 Project 5 中，学生会在一个小时左右组装出自己的第一个科研助理 AI Agent。

Project 6️⃣：为科研助理加入记忆系统

Project 6 会在 Project 5 的基础上，给学生的 AI 科研助理加入记忆功能。

这里会引入两个重要概念：context engineering、memory system

这些概念其实和心理学、脑科学也有关系。一个没有记忆的 AI 助理，每次研究都是从零开始，效率会比较有限。

但如果它能记住学生的长期研究方向、写作偏好、常用资料、已有结论、历史任务，它就会变得更有用。

所以 Project 6 会让学生理解：

什么是上下文

什么是记忆

为什么 AI 需要记忆

如何让一个科研助理在多次任务之间变得更聪明

Project 7️⃣：文科方向的 research skills

Day 2 下午的第一个项目，是给学生的科研助理加入文科方向的强力 skills。

我们会以 TCR、历史论文投稿项目、IB Extended Essay 等作为 case studies，教学生如何为特定研究任务加入更合适的 skills。

比如：

如何做历史资料检索

如何分析二手文献

如何整理 argument

如何搭建论文结构

如何检查证据和论点之间的关系

如何根据任务选择合适的研究方法

这会让学生明白，AI 助理不是一个万能黑箱。你要给它合适的工具、合适的说明和合适的流程，它才能在具体任务中表现更好。

Project 8️⃣：理科、商科和数据密集型 research skills

Project 8 则是给科研助理加入理科、商科、经济、金融、统计和 data-intensive research 相关的 skills。

比如：

商管研究

经济学研究

金融数据分析

统计分析

数据密集型研究

这些方向会更强调数据、模型、变量、图表、统计方法和证据判断。

这个项目会让学生看到：AI Agent 不只是文科写作工具，它也可以成为数据研究、商业分析和理科项目中的助理。

Project 9️⃣：搭建自己的第一个个人数据库

Day 3 上午，我们会进入数据库方向。

Project 9 是带学生搭建自己的第一个个人数据库。

在这个过程中，我们会顺带讲：

web scraping，爬虫脚本

database design，数据库设计

数据表

字段

记录

结构化数据

SQLite

这些内容对后续学习 IB DP Computer Science 和 AP CSA 都非常有用。数据库是 IB CS 里非常重要的内容。

这里的数据库不是简单的 Excel。

Excel 可以算是入门级的数据工具，但我们会进一步使用 SQLite 这样的数据库工具，让学生理解真正的数据库是如何组织和查询信息的。

Project 🔟：基于数据库的中国历史数字人文网站

Project 10 是基于数据库的数字人文项目。

我们会使用一个我非常喜欢的中国历史数据库：CBDB，也就是 China Biographical Database。

这个数据库收集了中国历史上大量人物的 biographical information，比如籍贯、身份、任官经历、社会关系等。它和哈佛有很深关系，后续也由包弼德教授等学者维护和推动。我是这个数据库的超级粉丝，之前包弼德来中国时，我还专门去见过他。

学生可以基于这个数据库做很多有意思的研究。

比如：

一个朝代变迁之后，进士的籍贯分布是否发生变化？

某个时期的精英更多来自江南，还是北方？

政治中心变化是否会影响人才来源？

不同地区在不同历史阶段的社会流动如何变化？

这些问题都可以用数据库来探索。

Project 10 会让学生看到，数据库不只是技术工具，也可以服务于历史、人文和社会科学研究。

Project 11：TOK Essay 打分器 / 批改器

Day 3 下午，我们会进入机器学习方向。

Project 11 是带学生开发一个 TOK Essay 的打分器或批改器。

IB DP Computer Science 里有 Machine Learning 相关模块。我们会用机器学习的一些理论、算法和工具，带学生开发一个有实际用途的项目。

这个项目会让学生思考：

一篇作文如何变成机器可以处理的数据？

我们是按词来切分，还是按句子，还是按段落？

什么是 bag of words？

作文文本如何存储到数据库里？

机器如何对文本进行特征提取？

批改器的判断标准从哪里来？

学生会发现，看似很主观的作文，其实也可以被拆成数据、特征、规则和模型。

Project 12：给同学使用的作文批改器产品

Project 12 是把 Project 11 做出来的打分器，进一步变成可以给同学使用的产品。

这点很重要。

学生做项目，不能永远只做给自己看。如果你能做出一个工具，让同学真的愿意用，这就是 community impact。

前两年有一位学生涂金豪，是上海建平中学的高中生。他曾经获得阿里 AI 竞赛第一名。在参加竞赛之前，他自己做过一个托福作文打分器和批改器，给班上同学使用。同学们很喜欢用。

这就是一种真实的 community impact。

对美本申请来说，这种可见、有证据、有真实用户的 impact，非常有价值。

当你要做给别人使用的东西时，你就不能只追求功能能跑。你还要追求界面、体验和交互。

这就会引出 HCI，也就是 Human-Computer Interaction，人机交互。

学生可以进一步基于自己的产品设计，参加 HCI 相关竞赛，甚至未来可以了解 CHI 这样的学术会议。当然，像 CHI 这种顶级会议门槛很高，今年在巴塞罗那，下一次好像在南非。南非相对不太安全，不一定推荐学生去，但学生可以关注亚洲地区更适合高中生参与的会议、竞赛或项目展示机会。

总之，多学习一个领域，就能多解锁一种可能性。

Project 13：主观题作业批改系统

Day 4 上午，我们会延续前面的作文批改和考试 essay 打分方向，但做得更复杂。

Project 13 会带学生做一个主观题作业批改系统。

应用场景可以包括：

IB TOK

IB IA

Extended Essay

历史论文

经济论文

其他主观题作业

这时学生会开始接触更复杂的软件模块组合。

他们会使用 Codex、Claude Code 等 AI 编程智能体，把一个系统拆成多个模块，根据 spec 来开发。

Project 14：机考写作训练与打字练习系统

Project 14 会面向托福、雅思等机考场景。

现在很多考试都是机考，学生的打字速度、输入习惯、屏幕阅读能力，会直接影响考试表现。

我发现很多学生打字速度很慢，这会影响托福、雅思等考试的写作表现。

所以这个项目初步会从一个打字练习器开始，逐步扩展出更多功能，比如：

打字速度统计

错误率统计

写作时间控制

考试场景模拟

作文输入体验优化

写作反馈

在这个过程中，我们会教学生什么叫模块化开发。

也就是说，一个软件不是一整坨代码，而是由多个模块组成。每个模块有自己的 spec，有自己的功能，有自己的输入输出。

学生会学习如何用 Claude Code 或 Codex，基于 spec 做模块化开发。

Project 15：设计自己的第一个 SWE Agent

Day 4 下午，我们会进入更进阶的部分。

Project 15 是带学生设计自己的第一个 SWE Agent。

SWE Agent 指的是 Software Engineering Agent，也就是软件工程智能体。

前面几天，学生已经使用过 Codex、Claude Code、Cursor、Kimi Code 这些 AI 编程智能体。到了这里，学生不只是使用者，而是要开始理解设计者的思维。

他们会开始理解：

一个 AI 编程智能体如何接收任务

如何拆分任务

如何读取文件

如何运行 terminal 命令

如何解析输出

如何修改代码

如何 loop

如何判断任务完成

如何处理失败

这一步的目的，不一定是让每个学生都马上做出一个工业级 Agent，而是让他们从用户视角进入设计者视角。

Project 16：理解并设计 Claude Code、Codex 和 OpenCode 这类自主/智能体系统

最后一个项目，是带学生理解现代 autonomous agent 系统是如何被设计出来的。

比如：

Claude Code

Codex

OpenCode

Kimi Code CLI

其他开源或泄露出来的 AI coding agent 代码

这些系统有些是开源的，有些有公开资料可以研究。学生学完之后，就可以开始理解这些现代 AI 编程智能体的设计逻辑。

这对学生非常重要。

因为他不只是会用工具，而是开始理解工具背后的结构。

Day 5: Demo Day

最后一天会是 Demo Day。

学生会展示自己在几天内完成的项目。

展示形式包括：

poster presentation

live demo

产品发布

项目讲解

作品集整理

学生要学会把自己的项目讲清楚：

这个项目解决什么问题？

用了什么技术？

为什么有意义？

用户是谁？

项目结果是什么？

遇到了什么困难？

如何改进？

这就是一个完整的 maker portfolio 训练。

AI时代已来，与其堵不如疏。

让孩子学会诚实、有效、负责任地使用 AI，将 AI 变成他们学习的梯子，而非轮椅。

小萨老师的 Vibe Learner 课程，正是帮助孩子从容应对 AI 挑战，成为未来 AI 学霸的最佳选择！

五天集训速成（厦门线下），16 节课，每一节课都是一个动手实践项目 (Hands-on Project)。