L1 Foundation
AI Foundations
建立 AI 素养、模型边界、提示词工作流和个人学习系统。
Proof
个人 AI 学习地图
查看详情
Program Layers
四层课程，形成一条完整成长线
学习者可以从基础进入，也可以从项目或作品集切入。关键不是“上完课”，而是每层都留下一个能讲清楚、能展示、能继续升级的成果。
W01-02
AI Literacy
理解 AI 能力边界、模型思维、提示词基础和学习节奏。
学习地图
W03-04
Prompt Workflow
建立搜索、写作、研究、设计和复盘的提示词工作流。
提示词模板库
W05-06
Python + Data
完成 Python 基础、数据处理、API 调用和轻量自动化。
自动化小任务
W07-08
AI App Prototype
围绕真实问题做第一个可演示 AI 应用或工作流原型。
AI 应用 Demo
W09-10
AI + Robotics
连接机器人、传感器、视觉识别或智能硬件任务。
机器人实验记录
W11-12
Portfolio Demo Day
整理作品集、演示视频、项目复盘和下一阶段路线。
作品集页面
Learning Assets
真正的课程体系，是一套可复用学习资产
ChatBear 的课程内容需要同时服务个人学习、课堂教学和项目复盘，所以每个模块都沉淀成可复用资产，而不是一次性讲完。
01
课程地图
每个阶段有明确目标、先修要求、学习任务和验收标准。
02
任务卡片
每周把知识点转化成可执行任务，而不是只看教程。
03
白熊导师反馈
围绕理解、错误、改进和表达进行追问与复盘。
04
项目素材包
提供数据、案例、提示词、代码骨架和演示脚本。
05
作品集模板
把最终成果整理成可展示、可复盘、可升级的证明。
06
成长报告
记录能力变化、完成项目、下一步建议和家长/老师可见反馈。
Delivery Modes
同一套课程资产，支持个人学习和课堂交付
ChatBear 的课程体系不是只给一个场景使用。它需要能支持个人持续学习，也能被老师带进课堂，最后都回到项目作品和成果证明。
个人学习模式
适合自学者、学生和家长陪伴场景。系统从学习诊断开始，把课程、任务、AI 导师反馈和作品集证明串成个人成长路线。
学习路径诊断
每周任务卡
白熊导师反馈
个人作品集
课堂交付模式
适合学校、营地和机构课堂。课程资产可以被老师复用，课堂项目有统一验收标准，学生成果能沉淀为可展示作品。
教师讲义
课堂任务包
项目验收表
班级成果展示
Program Product Matrix
把课程体系拆成可选择的产品包
用户不只需要知道 ChatBear 有哪些课程，更需要判断自己应该从哪一个产品包开始。每个产品包都对应对象、周期、入口和交付物。
2-4 周
AI Starter Sprint
个人学习者 / 初高中学生
入口
从 AI 基础、提示词和学习系统开始
AI 学习地图
提示词模板库
第一份能力检查
查看路径
4-6 周
Project Studio Lab
项目小组 / 社团 / 营地
入口
围绕真实问题做一个可运行 AI Demo
项目任务书
可运行 Demo
项目复盘页
查看路径
5-8 周
AI + Robotics Camp
学校社团 / 科技营 / 机器人班
入口
把视觉、传感器和控制逻辑接入机器人任务
实验记录
机器人任务展示
Demo Day 脚本
查看路径
1-2 周循环
Portfolio Proof Track
已有项目的学生 / 参赛团队
入口
把已有项目包装成作品集和成长报告
作品集卡片
演示视频脚本
成长复盘报告
查看路径
Program Chooser
不确定从哪开始，就按目标选择
课程页要帮助访问者快速分流：个人学习、项目创造、机器人课堂、作品集冲刺，对应不同入口和交付方式。
01
完全零基础
先选 AI Starter Sprint，完成学习地图后再进入项目。
02
想做作品
直接进入 Project Studio Lab，用真实问题推动学习。
03
有机器人设备
选择 AI + Robotics Camp，把硬件任务做成展示项目。
04
已有项目材料
进入 Portfolio Proof Track，把成果整理成可展示证明。
每个学习周期，都应该留下一个作品
课程页面的下一步不是介绍更多概念，而是把每条路径连接到项目作品、导师反馈和作品集展示。
Path
选择阶段与学习路径
Project
完成一个真实项目
Proof
沉淀作品集证明