课前诊断与材料准备
用学习路径诊断表判断起点,把任务卡、项目说明和素材包提前放进课堂工作区。
Pack Artifacts
这里不是下载模型的仓库,而是 ChatBear 学习系统的材料中心:学习路径、每周任务、项目模板、白熊导师追问和作品集结构,都从这里进入真实交付。
01 / Path
先用诊断表确定学习者阶段和路径。
02 / Mission
每周用任务卡推进具体行动。
03 / Project
用项目模板把任务变成 Demo。
04 / Proof
用作品集模板留下成长证据。


白熊导师会把资源连接到任务
资源不是堆文件,而是每周学习和项目产出的材料入口。
Delivery Pack Builder
ChatBear Resource Hub 的核心不是下载按钮,而是把资源按真实课堂流程打包:课前诊断、课中任务、课后证据、展示沟通,每一步都有对应材料和输出。
用学习路径诊断表判断起点,把任务卡、项目说明和素材包提前放进课堂工作区。
Pack Artifacts
围绕一个真实问题完成 Mini Lesson、任务拆解、小组构建和 Chat Bear 追问。
Pack Artifacts
把截图、Demo、失败样本和复盘收进项目卡,让学生能看到自己完成了什么。
Pack Artifacts
用 90 秒 Demo Day 脚本和成长报告,把课程成果转成家长、学校和合作方看得懂的语言。
Pack Artifacts
Asset Lifecycle
ChatBear Resource Hub 不是静态资料架,而是课程产品的资产循环。每份资源都应该知道自己从哪里来、被谁使用、留下什么证据、下一版怎么改。
把一次课程、任务或项目拆成可复用模板,而不是只保留临时文档。
每份资源都要对应课堂、项目、导师反馈或作品集场景,避免成为孤立文件。
记录学生提交、失败样本、导师反馈和展示结果,让资源能被评估。
根据使用记录更新任务说明、验收标准和白熊导师追问口径。
Before Learning
帮助学习者明确基础、目标、时间预算和适合的第一条 AI 学习路径。
适用对象
个人学习者 / 班级起始诊断
使用场景
开课前 10 分钟完成第一轮分流。
Weekly Loop
把课程内容转化为本周任务、输入材料、验收标准和提交物。
适用对象
老师 / 学生小组
使用场景
每节课或每周项目任务开始前发放。
Project Studio
用于定义真实问题、用户场景、输入输出、模型能力和最小 Demo。
适用对象
项目创造者 / 课堂小组
使用场景
从想法进入 Demo 前,先固定项目边界。
AI + Robotics
整理机器人项目的感知、决策、控制、执行和错误复盘。
适用对象
机器人社团 / 科技营
使用场景
机器人任务立项、实验记录和展示前使用。
Mentor Loop
围绕任务结果追问:问题是否真实、Demo 是否可运行、证据是否充分。
适用对象
老师 / Chat Bear 助手
使用场景
课堂复盘、项目迭代和展示前检查。
Portfolio Proof
把项目背景、方法过程、可见成果、反思迭代和能力证明整理成一页。
适用对象
学生 / 家长沟通 / Demo Day
使用场景
项目完成后整理作品集、成长报告和展示脚本。
Classroom Packs
真正有用的资源库不是“文件很多”,而是能按课堂场景快速组合。ChatBear 把资源拆成课时包、项目包和家长沟通包。
Resource Operations
每一份资源都应该有用途、适用阶段、输出成果和复盘方式。这样资源库不是文件堆,而是支撑 Learning OS、课堂交付和项目作品的材料系统。
课程地图、课时说明、教师讲义和学习目标。
每周任务卡、输入材料、验收标准和提交清单。
项目说明书、数据素材、提示词模板和展示脚本。
白熊导师追问卡、复盘问题和下一步建议。
Resource Loop
从学习诊断开始,资源会被连接到路径、任务、项目和作品集。学习者看到的是下一步行动,老师看到的是可交付材料,项目页看到的是成果证据。