AI App
学习任务助手
Project Studio围绕真实学习场景，做一个能整理资料、生成练习、追踪进度的 AI 小应用。
Prompt workflowProduct thinkingLearning analytics
需求说明
交互原型
模型提示词
Demo 视频
Project Types
四类项目，承接四条学习路径
项目不是为了堆技术标签，而是为了让学习者能解释自己如何发现问题、设计方案、完成 Demo，并在复盘中继续改进。
Robotics
智能分拣机器人
AI + Robotics用视觉识别、传感器和控制逻辑完成一个可演示的机器人任务。
Computer visionSensor logicControl loop
任务流程
识别实验
错误复盘
展示脚本
Automation
AI 研究自动化流程
AI Foundations把搜索、阅读、摘要、引用和输出整理成一个可复用的研究工作流。
Research workflowSource synthesisAutomation design
流程图
提示词模板
自动化步骤
结果对比
Data Story
校园数据故事
Portfolio Proof用数据清洗、可视化和 AI 解读，把一个真实问题讲成清晰故事。
Data cleaningVisualizationNarrative proof
数据说明
图表输出
洞察摘要
复盘报告
Outcome Evidence Matrix
每个项目都要回到一条学习路径和一组证据
ChatBear 的项目库不是作品橱窗，而是学习成果数据库。每个项目都要对应路径、验收点、交付材料和白熊导师复盘问题，才能支撑课程交付、家长沟通和作品集展示。
AI Foundations
学习任务助手
Checkpoint
能否解释 AI 输出质量，而不是只复制答案。
学习地图
提示词模板
输出对比表
Bear Review
白熊导师检查判断依据和边界意识。
Project Studio
AI 小应用 Demo
Checkpoint
是否解决一个小而真实的问题，并能现场演示。
问题定义卡
MVP 范围表
样本测试记录
Bear Review
白熊导师追问用户、输入、输出和证据链。
AI + Robotics
机器人任务 Demo
Checkpoint
是否能解释感知、决策、控制和失败来源。
感知样本集
运行记录表
失败样本分析
Bear Review
白熊导师检查错误来自模型、传感器还是控制逻辑。
Portfolio Proof
作品集展示页
Checkpoint
是否能把素材变成可信的成长故事。
问题叙事卡
结果证据组
Demo Day 问答
Bear Review
白熊导师检查故事清晰度、证据可信度和下一版计划。
Outcome Gallery
一个项目卡片，要让成果和证据同时可见
ChatBear 的作品展示不追求虚假的“获奖感”，而是让访问者看到：问题、Demo、证据、失败和下一版计划。这会让项目更可信，也更适合进入作品集。
初中学习者 / AI Foundations
Study Mission Copilot
Problem
每天资料很多，但不知道如何拆成可执行学习任务。
Working Demo
输入一个学习目标，自动生成 3 天任务、练习题和复盘问题。
Impact Snapshot
Before
学习资料散落在聊天记录、网页和笔记里，复习时只能临时翻找。
After
把目标、资料、任务和复盘问题整理成 3 天学习任务板。
Evidence Chain
任务生成前后对比
3 天完成记录
提示词迭代 4 版
Next Iteration
接入错题和知识点掌握度，形成更细的学习地图。
机器人社团 / AI + Robotics
Smart Sorter Robot
Problem
机器人能识别颜色，但在光线变化时分拣不稳定。
Working Demo
完成视觉识别、传感器校准和分拣动作联动演示。
Impact Snapshot
Before
只在理想光线下分拣成功，换场地后识别和抓取都不稳定。
After
用失败样本表记录环境光、识别阈值和动作偏差，完成稳定复测。
Evidence Chain
识别样本 24 组
失败样本表
稳定运行视频
Next Iteration
增加环境光检测，并把失败案例加入调参流程。
项目小组 / Project Studio
Campus Data Story
Problem
校园活动报名数据很多，但很难判断哪些内容真正受欢迎。
Working Demo
清洗报名表，生成可视化图表，并用 AI 辅助写出洞察摘要。
Impact Snapshot
Before
报名表只有零散字段，活动复盘主要依赖主观印象。
After
用图表和 AI 摘要形成活动偏好、时段表现和下一次选题建议。
Evidence Chain
数据字段说明
图表 6 张
洞察摘要与复盘
Next Iteration
把数据故事改造成可复用的活动复盘模板。
Studio Process
一个项目，要走完从问题到证明的闭环
ChatBear 不鼓励“照着教程做完”。每个项目都要能回答：问题是什么、怎么做的、结果如何、下一版怎么改。
01
Problem
先定义真实问题、使用者、输入材料和成功标准。
02
Prototype
用低保真流程或最小 Demo 快速验证项目方向。
03
Build
补充模型、数据、代码、硬件或自动化流程，让项目能运行。
04
Proof
整理 Demo、截图、脚本、复盘和下一版计划，进入作品集。
Portfolio Structure
作品集不是相册，而是能力证据结构
一个好的 ChatBear 项目卡片，应该让家长、老师、同学或未来面试官快速理解作品价值，并看到学习者的真实思考。
01
项目背景
为什么要做这个项目，真实问题是什么。
02
方法过程
用了哪些工具、模型、数据、代码或硬件。
03
可见成果
Demo、截图、视频、实验结果和用户反馈。
04
反思迭代
哪里失败过，下一版如何改进。
05
能力证明
对应哪些 AI 能力、工程能力和表达能力。
06
展示脚本
如何用 90 秒讲清楚作品价值。
01
Problem Fit
问题是否真实
能讲清使用者、场景和为什么值得解决。
02
Working Demo
Demo 是否可运行
不是概念图，而是有输入、处理和输出的最小版本。
03
AI Reasoning
AI 使用是否合理
知道模型适合做什么，也知道它的边界和风险。
04
Evidence Quality
证据是否可信
有截图、样本、测试记录、失败案例和改进说明。
05
Story Clarity
表达是否清楚
90 秒内讲清问题、方案、成果和下一版。
Demo Day Script
90 秒，把一个项目讲成作品
项目展示不是背诵技术名词，而是把问题、方案、AI 逻辑、证据和下一版计划讲清楚。这个模板可以直接用于课堂展示、营地结营和作品集视频。
00:00-00:15
一句话问题
我发现了什么真实问题，它影响谁。
00:15-00:35
方案演示
展示 Demo 的输入、处理和输出。
00:35-00:55
AI 如何参与
说明模型、提示词、数据或机器人逻辑。
00:55-01:15
证据与失败
展示测试样本、失败点和如何迭代。
01:15-01:30
下一版计划
说明还要改进什么，为什么。
从学习路径进入项目作品
项目页和学习路径页会互相连接：学习者先选择阶段，再进入任务，再用能力标签、过程证据和展示脚本形成作品集证明。