01
真实问题定义
从生活、学习、学校或工作场景中筛选一个值得解决的问题。
Final Proof
AI 应用 Demo + 项目说明页 + 复盘报告
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
方案与原型
拆解用户流程、输入输出、模型能力和最小可行 Demo。
03
构建与测试
用前端、低代码、API 或自动化工具做出可运行版本。
04
展示与复盘
用视频、截图、说明文和指标讲清楚项目价值。
Project Studio Demo Sprint
项目制学习的核心，是把想法压缩成可演示 Demo
Project Studio 不鼓励一开始做“大而全”的产品。ChatBear 会把学习者带到一个小问题、一条核心流程、三组测试样本和一次 Demo Day，让项目从第一周就进入可验收状态。
Problem Filter
选一个小而真实的问题
问题必须来自真实学习、课堂或工作场景，能找到明确使用者，并且一周内可以做出最小演示。
Proof
问题定义卡
MVP Scope
把 Demo 缩到能跑起来
只保留一个核心输入、一个处理流程和一个可见输出，先证明链路成立。
Proof
MVP 范围表
Sample Test
用样本验证结果质量
至少准备 3 组样本：正常样本、边界样本和失败样本，用来发现提示词和流程漏洞。
Proof
样本测试记录
Demo Day
用 90 秒讲清楚价值
展示问题、方法、现场演示、结果证据和下一版计划，让作品能被别人理解。
Proof
90 秒 Demo 脚本
Demo 验收门槛
一个 Project Studio 作品必须回答这 6 个问题，才能从“想法”变成可展示、可复盘、可迭代的项目。
User
谁真的会使用这个 Demo？
Input
用户需要提供什么输入？
Process
AI 在流程里完成哪一步？
Output
输出如何被判断好坏？
Evidence
用什么证据证明它有效？
Next
下一版最值得改进什么？
项目任务
选择一个真实场景，做出一个 AI 小应用或自动化 Demo，并完成公开项目说明。
白熊导师追问
这个问题的真实用户是谁？
Demo 最小可行版本是什么？
如何证明项目真的解决了问题？
成果交付物
AI 应用 Demo + 项目说明页 + 复盘报告
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
想做第一个 AI Demo 的学习者项目制课堂小组需要作品集样本的学生
Week 1
选题与用户场景
确定真实问题、目标用户、输入输出和成功标准。
Week 2
方案草图
完成流程图、数据/素材清单和最小 Demo 范围。
Week 3-4
构建原型
完成核心交互、AI 调用或自动化流程，并记录问题。
Week 5
测试迭代
用 3-5 个样本测试结果，修正提示词、界面和流程。
Week 6
展示复盘
整理项目说明页、Demo 视频脚本和下一版计划。
Deliverables
完成后应留下这些交付物
01问题定义卡
02项目流程图
03可运行 Demo
04项目说明页
05复盘报告
Portfolio Template
作品集页面可以这样写
Section 1
问题和用户是谁
Section 2
我的解决方案怎么工作
Section 3
Demo 如何验证
Section 4
下一版要改进什么
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：一个可演示的 AI 小工具
选择校园、学习或日常工作中的真实问题，完成问题定义、用户流程、最小 Demo 和 3 组样本测试。
Rubric 01
问题真实
目标用户、使用场景和痛点能被清楚描述。
Rubric 02
Demo 可运行
核心输入、处理和输出链路能现场演示。
Rubric 03
验证可信
至少用 3 组样本说明结果质量和限制。
Rubric 04
复盘清楚
能讲出失败点、迭代选择和下一版计划。
Evidence Pack
问题定义卡
流程图或线框图
Demo 截图/链接
样本测试记录
项目复盘页
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。