课程首页 › 模块 F · 汇报篇 › 第 16 讲

第 16 讲　项目展示与总结（二）

模块 F · 汇报篇 能力主线：会集成 2 学时（90 分钟） 第 16 / 16 讲

第二场展示与答辩，随后是全课程总结：一张能力地图、一份作品集、一张"下一步去哪"的自学路径图。走出教室时，你带走的不是某款工具，而是会提问、会验证、会声明的"剑法"。

一、本讲学习目标

完成本讲后，你应该能够：

  1. 完成第二场项目展示与答辩（未在本场展示的组，完成互评与观摩任务）；
  2. 提交完整的个人作品集与 AI 使用日志，用《AI 使用声明》如实交代 AI 的参与；
  3. 用"从指令到资产"的视角，解释自己这学期攒下的提示词库、任务卡与方法文档为什么是可迁移的资产；
  4. 建立持续学习路径：知道结课后去哪里跟进动态、深入方法、探索"物理 × AI"方向。

二、课前准备

三、核心概念精讲

1. 从指令到资产：把重复交代的工作"攒"下来

回想第 1 讲的"AI 三连"：同一句"请解释熵"，每个人得到的回答都不一样；而每次想让它按你的习惯输出，都得从头交代一遍背景、格式与口径。到第 5 讲，我们把这类重复交代升级成了带名称与描述的"提示词卡"；第 6 讲又汇编成班级提示词集。这条路有个名字——从指令到资产（From Instructions to Assets）。

一次性提示词是"指令"：解决眼前这一件事，用完就散。把反复验证过的方法沉淀成可复用的文件，它就成了"资产"。课程给这类资产的形态起了名字：技能（Skill）——一个装着说明文件与配套材料的文件夹，Agent 接到同类任务时自动取用；其中那份说明文件，就是你在第 5 讲见过的 SKILL.md。它的本质，是把"这门活该怎么干"从一次性的口头交代，变成标准化、可传递的领域知识。

用实验室的话说：没有哪个实验室每次测单摆都口头重讲一遍游标卡尺怎么读——这些内容早就写进了《仪器操作规程》。把隐性经验写成显性规程，是这门课希望你带走的第一个习惯。资产比指令多三样好处：可复用（下次同类任务直接调用）、可检查（方法对不对，打开就能审）、可交接（同学或未来的课题组拿到就能用）。第 7 讲的任务卡、第 10 讲"把方法写成文件"，都是这个思想的中间站；而你的个人提示词库，就是你的第一份数字资产。

💡 一幅画面总结第 8–10 讲：答案 vs 做完

有一幅画面，正好总结你在"调度"三讲里练成的东西——一个人坐在电脑前：你问他一个问题，他告诉你该怎么做，这是 Chatbot；你告诉他想要什么，他自己查资料、运行程序、看到结果不对就换方法继续，最后把事情交给你——这开始接近 Agent。模型并没有突然获得什么神秘力量，只是我们不再要求它"回答完就下班"，而是把它放进一个循环里：让它看、让它想、让它做，做完再看，直到任务真的往前走。你现在不仅能指挥这个循环（第 8–10 讲），还把它固化成了资产（本讲）。

2. Agent 生态的"三驾马车"

第 8 讲起，你身边多了一位"数字同事"。支撑它稳定干活的生态，课程概括为三驾马车：

驾车马 管什么 类比 本课对应
技能（Skills） 这类活该怎么干——标准作业程序 实验手册 / 菜谱 第 5、8–10 讲
MCP（Model Context Protocol） 怎么接上外部系统与数据 通用插座 / 共享仪器平台 第 8 讲
子智能体（Subagent） 活多了怎么分工——独立上下文、有限权限，干完汇报 分头做测量的组员 第 10 讲

合成一个课题组类比：主 Agent 像课题组组长——工作方法写在组内手册（技能）里，仪器从校共享平台预约（MCP），具体测量分给不同组员并行推进、每人只拿到最小必需的权限与资料（子智能体），最后由组长汇总把关。第 10 讲的"指挥官 + 专家团队"就是这套思想的落地。也回味一下当时强调的"最小权限"：子智能体只有独立工位和有限权限，这既是安全边界，也让"谁做了什么"一目了然——正是路演里最值得展示的分工证据。

3. 三个使用层次：从"会聊"到"未来深入"

课程还画出了一条清晰的进阶路线——Agent 的三个使用层次：

  1. 图形界面：在网页或桌面应用里选技能、点按钮，开箱即用，适合快速验证想法——这是你第 1–7 讲的主战场；
  2. 命令行 Agent：像第 8 讲起的 ZCode，直接操作本地文件与终端，还能把项目规范沉淀成长期指令文件（如 CLAUDE.md / AGENTS.md），让"数字同事"每次开工先读你的约定——这是第 8–14 讲的主战场；
  3. 编程框架：用代码把模型、工具、技能编排成完整的智能体系统，走向工程化——本课不教编程，但第 14 讲的"代码观光"已让你在门口张望过。

注：课程以 Claude 为例讲解原理，课堂使用 ZCode 演示；不同产品的形态与功能以官方文档为准。

把三个层次与能力主线对齐，正好是一段台阶：图形界面练提问与验收（会聊、会派），命令行 Agent 练调度与集成（会调度、会集成），编程框架留给未来——对物理专业而言，它可能出现在你第一次用脚本处理科研数据的那天。

最后收个尾：技能文件遵循的是开放标准（Open Standard）——在一个支持该标准的工具里写好的技能，放进另一个支持该标准的工具就能直接用，一行都不用改。一次构建、多处使用：你在本课养成的"沉淀方法"的习惯，不会因为明天换了工具而过期。

4. 结课寄语：两句值得带走的话

💡 两句话与三件事

"AI 最擅长的事情就是你最擅长的事情。"面对你最熟悉的领域，AI 给的结果你一眼能判断对错，它自然好用；面对你不懂的领域，AI 说错了你也看不出来。所以想让 AI 帮你做好一件事，你最好先懂这件事——这正是全课程反复练习对拍与人工把关的学理。

"去武当山，是为了练剑法，而不是找把好剑！"剑会换，剑法是你的。工具的版本与额度年年变，但下面三样本事不会贬值——AI 素养三句话：会提问（第 4–6 讲：把需求说成机器听得懂、验收得了的任务）；会验证（第 3、9–10 讲：查幻觉、对拍、盯单位与有效数字）；会声明（用《AI 使用声明》如实交代 AI 参与了什么、你如何核查）。

具体哪款工具会陪你走进下学期，没有人能预言；但带着这三句话，你换任何一把剑，都上手即用。

四、物理场景案例演示

答辩收官之后，最后一步是归档。与其人工逐件核对，不如让 AI 当一次"归档质检员"。下面两条提示词可直接使用（先自己清点一遍，再让 AI 复查——顺序别反，先有清单才有质检）：

🧪 提示词①：归档完整性自查
以下是我本学期的作品集文件清单（逐行列出文件名）：
［粘贴清单］
请对照下面的课程归档要求逐项检查，输出一张三列表格：
要求项｜我的对应文件｜状态（已覆盖 / 缺失 / 存疑）。
归档要求：AI 使用日志 v1、AIGC 大事记短文、AI 能力边界测试报告、
提示词改写练习表、可复用提示词与迭代记录、AI 学习助手提示词集、
期末选题说明书与项目计划书、Agent 任务记录、实验数据 AI 报告、
端到端协同作品与反思日志、项目核心文本、项目图像素材包、
科普短视频、项目展示网页。
只对照清单检查，不要虚构我没列出的文件；缺失项请给出"去哪里找"的建议。
🧪 提示词②：把全组互评意见汇总成改进清单
以下是我们组收到的 6 条互评意见（原样粘贴）：［粘贴意见］
请整理成表格，四列：意见｜指向的作品部位｜建议动作｜优先级（高/中/低）。
只归纳原意见，不要替我们补充新意见；同一条意见不要拆成多行。
⚠️ 归档的真实性由你签字

AI 只对照你给的清单做"查漏"，它看不见你文件夹里的真实文件——清单本身写错了，它查得再细也是白查。提交前，请人工再点开每件作品看一眼："AI 产出，人工把关"这八个字的最后一次练习，就在这个压缩包里。

五、课堂实操任务单

⚠️ 第二场路演规则
📋 保底任务（人人完成）
📋 进阶挑战（学有余力）

六、常见坑与翻车案例

七、自测

✅ 五道题检验学习目标

1. "三驾马车"中，负责把 Agent 连接到外部系统与数据的是？

  • 技能（Skills）
  • MCP（Model Context Protocol）
  • 子智能体（Subagents）
  • 提示词（Prompt）
查看答案

B。三驾马车分工：技能管"这类活怎么干"（工作方法），MCP 管"怎么接上外部系统与数据"（通用插座），子智能体管"活多了怎么分工"（独立上下文、有限权限）。

2. 下面哪句话最符合"技能是开放标准"的含义？

  • 技能只能在某一家产品里使用，换了工具就要重写
  • 技能是一次性的提示词，用完即弃
  • 按标准写好的技能，可以不加修改地用于其他支持该标准的 Agent 工具——一次构建、多处使用
  • 技能必须用编程语言编写
查看答案

C。开放标准意味着可移植：工具可以换，沉淀下来的方法不用重写。这也说明本课教的"沉淀方法"的习惯不会因换工具而过期。

3. 判断题："AI 使用日志里只记结论和效果就行，提示词原文可以不存。"

查看答案与解析

不对。日志五栏（任务 / 提示词 / 迭代次数 / 效果 / 反思）中，提示词原文是"规划与过程记录"的核心证据——没有原文，就无法证明过程真实发生，期末归档时也补不回来。

4. 简答（开放）：写出本学期你最常用的三个提示词模式，各配一个物理学习场景的例子，并说明它为什么有效。

参考答案（开放题，示例非唯一）

示例：①角色 + 任务 + 场景；②规定输出格式；③迭代纠偏。模式真实、例子来自自己的使用记录即可——你的个人提示词库，就是你的第一份数字资产。

5. 简答：结合"AI 最擅长的事情就是你最擅长的事情"，说明为什么课程要求每份作业都附《AI 使用声明》、并且坚持"AI 产出，人工把关"。

参考答案

你最擅长的领域，AI 的结果你判断得了对错；你不擅长的领域，AI 做错了你也看不出来——所以核查的责任只能在人，不能因为"AI 说了"就免检。《AI 使用声明》把"用了什么工具、做了什么、如何核查"摆在明处：既守住学术诚信的底线，也逼你复盘这次任务里哪些环节自己还没懂——那正是下次要补的短板。声明与核查，是把"剑"用好的同时，练自己"剑法"的过程。

八、课后作业

📋 《作品集与 AI 使用日志完整提交》

全课程的收官归档，交三样：

  1. 个人作品集：全课程 16 讲产出按讲次归档，至少包含——AI 使用日志 v1、AIGC 大事记短文、AI 能力边界测试报告、提示词改写练习表、可复用提示词与迭代记录、AI 学习助手提示词集、期末选题说明书与项目计划书、Agent 任务记录、实验数据 AI 报告、端到端协同作品与反思日志、项目核心文本、项目图像素材包、科普短视频、项目展示网页；
  2. 完整版 AI 使用日志：把各讲记录按"任务 / 提示词 / 迭代次数 / 效果 / 反思"五栏补齐，提示词保留原文；
  3. 小组项目另附《个人贡献说明》：每人一段，写清自己负责的部分。

归档建议：一个压缩包，内部按"讲次_作品名"命名文件夹；每件作品附一行说明（它是什么、AI 参与了哪一步、你如何核查）。提交前可用第四节的"归档完整性自查"提示词查漏。

⚠️ 学术诚信提醒（提交前逐件自查）

三条底线：未经核查的 AI 输出不直接提交；不伪造数据与文献；凡用到 AI 的作品随附《AI 使用声明》（用了什么工具、让它做了什么、你如何核查）。这份归档，就是"AI 产出，人工把关"八个字的全部证据。

九、建议课后自学内容

🎓 课后自学：继续深入 + 结课书单

1. 给 Agent 一套"挽具"。模型外面那层负责状态、工具、记忆和反馈的程序，叫 Harness（挽具）——第 8 讲 ReAct 循环框里你见过它。本课第 8–10 讲练过的安全三原则、权限档位、工作目录，其实是一个更大话题的入门——Harness Engineering（驾驭工程）：为 Agent 搭建一套可靠的执行环境（工具、权限、上下文管理），让它长期稳定干活而不翻车。想继续深入的同学，可阅读 agentskillsdev.com 的方法论章节（含多篇文献的共识梳理与实战案例）。

2. "下一步去哪"：结课自学书单。

方向 资源 一句话定位
跟进动态 "通往 AGI 之路"知识库（waytoagi） AI 自学站：学习路径、AIGC 技巧、每日资讯
跟进动态 第 2 讲的"前沿追踪"方法 用 Deep Research 类工具每周整理一次 AI 大事，亲自核实后再吸收
进阶方法 agentskillsdev.com 中文深度手册 中文进阶手册：Harness 方法论、多智能体系统、进阶书目录
进阶方法 清华大学 LLM 专题讲义（课程资料） NLP 基础 → Transformer → 大模型系统的系列讲义；适合想深入原理的读者
进阶方法 Datawhale 开源课程 《prompt-engineering-for-developers》等开源项目，社区共学、持续更新
物理 × AI 研究任务集（wolai 讲义《Vibe Coding and Research》） 这种"只说目标、由 AI 自主规划并完成"的玩法，正是 Vibe Coding（自主编程）在科研中的样子：讲义给出 6 组研究级任务，如从两体 EIH 有效势推导水星近日点进动、费曼积分的 IBP 约化——研究生难度，本科阶段感受方向即可
物理 × AI B 站"袁老师小课堂" 上述讲义的配套视频，站内搜索即可找到
物理 × AI 黄海广《深度学习》中文笔记（课程资料） 吴恩达深度学习课程笔记（神经网络、CNN 等）；面向有编程基础的读者，适合大二之后进阶

3. 教材与参考书。 吴飞《人工智能导论：模型与算法》（高等教育出版社）、周志华《机器学习》（清华大学出版社）。两本均为系统教材，适合作为专业课前的预习读物。

🕸图谱