01
AI 素养与模型边界
理解生成式 AI、搜索增强、自动化、智能体和模型幻觉的基本边界。
Final Proof
个人 AI 学习地图 + 提示词工作流 + 第一份能力检查报告
Path Modules
四个模块，完成一个可证明学习周期
每条路径都按照 ChatBear 的学习闭环组织：先理解问题与能力，再进入模块任务，最后留下能被展示和复盘的项目成果。
02
提示词工作流
围绕学习、写作、研究、设计和复盘建立自己的提示词模板库。
03
AI 学习系统
把目标、时间、资料、任务和复盘组织成一套个人学习操作系统。
04
能力检查与下一步
完成一次学习诊断，生成下一阶段项目路径。
Foundation Starter Kit
零基础第一周，要先学会“如何和 AI 一起学习”
AI Foundations 的第一周不追求工具数量，而是建立判断力：会提问、会验收、会记录证据、会说明哪些结论来自自己。这样学习者不会变成复制 AI 答案的人，而是拥有自己的学习方法。
Starter Lesson
第一节课：AI 不是答案机
用 3 个同题不同问的例子，让学习者看到提示词、上下文和判断标准如何改变输出质量。
Proof
AI 输出对比表
Core Skill
学会追问和验收
把“帮我写一下”升级为目标、背景、约束、样例、评价标准五段式表达。
Proof
五段式提示词卡
Practice
做一次真实学习任务
选择一个正在学的知识点，用 AI 生成解释、例题、错题分析和复盘问题。
Proof
学习过程记录
Reflection
写出自己的判断
记录 AI 哪里帮到了你，哪里不可靠，以及你最后如何做决定。
Proof
判断依据说明
第一周验收标准
完成这四项，才算真正开始 AI 学习：不是看完课程，而是留下可以被复盘的学习证据。
Before Class
准备一个真实学习主题，不要用虚构题目。
During Class
完成 3 次提示词迭代，并保存每次输出。
Bear Review
让 Chat Bear 检查输出质量、幻觉风险和遗漏点。
After Class
整理一张“我如何用 AI 学习”的方法卡。
项目任务
为自己设计一套 AI 学习地图，包含目标、工具栈、提示词模板、每周任务和作品集方向。
白熊导师追问
你现在最想用 AI 解决什么学习问题？
这个输出如何判断质量？
哪些任务应该交给 AI，哪些必须自己判断？
成果交付物
个人 AI 学习地图 + 提示词工作流 + 第一份能力检查报告
查看项目作品Delivery Plan
这条路径具体怎么交付
ChatBear 把每条学习路径拆成可执行的周计划、明确交付物和作品集模板，方便个人自学、课堂组织和项目小组推进。
适合对象
零基础学习者想系统理解 AI 的家长/学生需要建立个人学习方法的人
Week 1
AI 能力地图
完成 AI 工具盘点、风险边界卡和 3 个学习场景测试。
Week 2
提示词模板库
沉淀学习、写作、研究、复盘四类提示词模板。
Week 3
个人学习 OS
搭建目标、资料、任务、复盘和作品集的个人系统。
Week 4
能力检查
输出一份学习地图，并选择下一条项目路径。
Deliverables
完成后应留下这些交付物
01AI 学习地图
02提示词模板库
03个人学习看板
04能力检查报告
Portfolio Template
作品集页面可以这样写
Section 1
我的学习目标是什么
Section 2
我如何使用 AI 学习
Section 3
我验证输出质量的方法
Section 4
下一阶段项目计划
Assessment Rubric
用明确标准判断学习是否真的完成
每条路径都需要可检查的标准件：作业样例、验收 Rubric 和证据包。这样学习者、家长、老师和展示评审看到的是同一套成果语言。
Assignment Sample
作业样例：我的 AI 学习操作台
用一个真实学科或兴趣方向，建立目标、资料、提示词、任务和复盘看板，并记录 3 次 AI 辅助学习过程。
Rubric 01
理解力
能说明 AI 适合做什么、不适合替自己判断什么。
Rubric 02
工作流
提示词模板能覆盖学习、研究、表达和复盘。
Rubric 03
自我管理
学习看板能持续记录目标、任务、证据和下一步。
Rubric 04
表达证明
能用 3 分钟讲清楚自己的 AI 学习方法。
Evidence Pack
学习地图截图
提示词模板 4 组
AI 输出质量对比
下一阶段路径建议
Start This Path
从一次路径诊断开始
先确认学习目标、基础和项目方向，再进入课程模块、导师反馈和作品集交付。