6名学生7天AI学习实验开源框架 ✍ 安寻Ansyn_log🕐 2026-07-29📦 4.9 KB 🟢 已读 𝕏 文章列表 作者将6名学生7天AI学习实验整理成开源框架,包含信息采集、路径生成、动态调整Prompt及质量检查表,旨在帮助迷茫学生建立学习路径,欢迎社区共同验证迭代。 AI教育开源框架学习路径实验复盘Prompt工程 # 我把6名学生的7天AI学习实验 > 采集时间: 2026-07-29 10:59:49 > 作者: 安寻Ansyn_log (@Ansyn_07) > 来源: https://x.com/Ansyn_07/status/2082108855945981967 > 共 7 条帖子 --- ## 2026-07-28 22:20:09 我把6名学生的7天AI学习实验, 整理成了一套可直接复用的开源框架 昨天我发了这次实验的完整复盘 现在这个项目已经开源到GitHub了! AI Study Path Triage V0.1 高中学习路径初筛与7天启动框架 项目地址: [github.com/7-an/ai-study-path-triage…](https://t.co/DF27NRvqaP) 这次开源的不是一条万能Prompt,也不是把昨天的实验总结重新放进readme里面 我把整个实验过程中实际用到、后来修改过,以及从误判和学生反馈里沉淀出来的东西,都拆成了一套可以独立使用的框架。 你可以从仓库里直接拿走: 信息采集、追问、路径生成和动态调整Prompt 学生每日反馈与第七天复盘模板 时间容量、难度调整和人工介入规则 匿名案例、实验结果和完整使用演示 AI输出人工质量检查表 一句话:我目前能考虑到的都搞上去了 它不只是让Ai制定一份学习计划 整个流程更接近: 学生填写真实情况 → AI检查信息是否足够 → 信息不足时继续追问 → 确定最多两门主攻学科 → 入口检测 → 生成第一天具体任务 → 根据当天反馈调整未来24小时 → 第七天再复盘方向、执行和能力变化 四周只给路径和持续条件,不把任务给定死 第一次使用,从START_HERE开始 为了避免大家点进仓库后不知道先看什么,我单独整理了一份新手入口。 里面区分了两种使用方式: 一种是学生自己使用。 另一种是由家长、同学、学长或老师作为陪伴者,帮助核对信息和查看每日反馈。 原实验更接近第二种形式,所以也是为什么项目没有包装成一个完全自动的系统 第一次使用时,不需要一次运行所有Prompt。 按照仓库中提供的完整合成演示来就行 总之就是从一名学生的原始回答开始,展示AI如何发现信息不足、提出追问、形成初筛假设、生成第一天任务,再根据第一天的正确率和卡点调整第二天内容。 它也保留了明确的边界 这个项目不是AI老师。 它不能只靠一句数学不好,就宣布找到了学生的全部知识漏洞。 它不保证提分,也不替代教师。 学生自述只能作为初筛信息。 想继续往下判断,还需要做题结果、用时、隔天重做、完整草稿和解题过程。 仓库里还放了一张27项人工质量检查表,用来检查AI有没有: 同时安排过多主攻学科 超出学生真实时间容量 把学生自述写成精确诊断 虚构资料页码和题号 把未完成直接解释成懒惰 在连续失败后仍然机械推进 它不是为了证明AI永远正确。 恰恰是为了让AI的错误更容易被发现。 为什么选择开源 因为这套东西继续放在我的对话框里,没有太大价值。 只有让其他学生、家长、老师和做AI教育的人真正使用、检查和修改,它才可能继续产生价值。 学生、家长和老师可以直接复制其中的模板。 做AI教育、Prompt或学习系统研究的人,也可以参考其中的证据分层、人工介入和动态调整设计。 继续往下做,这个项目会逐渐进入学科题库、知识图谱、资料适配和自动选题。 这些都需要大量学科内容和更长期的实验验证。 我暂时不准备把它包装成一个成熟产品,也不准备在没有新假设的情况下重复招募学生。 当前版本是 V0.1.3,项目状态已经冻结。 之后只有出现明确、值得验证的新问题,才会继续迭代。 这不是一个已经完成的AI教育产品。 它是我把一次真实实验,从评论区问题、学生采集、方案误判、每日调整到最终复盘,完整整理成的一套研究原型。 它可以被使用,也可以被质疑、修改和继续验证。 项目里做得不合理的地方,欢迎通过Issue提出。 最后感谢重置仙人Tibo哈哈哈,中午重置完就开始整理了,所以晚上才能搞出来 项目地址: [github.com/7-an/ai-study-path-triage…](https://t.co/DF27NRvqaP)  --- ## 2026-07-28 22:26:59 哦哦哦我去试试,我还是自己写框架写出来的,自己看着感觉还好哈哈哈,已经有点aI思维了 --- ## 2026-07-28 22:30:45 哈哈哈哈,复读谨慎啊,不如一起重生从小学重新体验人生 --- ## 2026-07-28 22:32:56 谢谢k哥 --- ## 2026-07-28 23:43:31 是的!特别是迷茫的学生,可以让他们先动起来 --- ## 2026-07-28 23:44:20 年龄差不多,已经18啦哈哈哈😘 --- ## 2026-07-28 23:45:19 哇塞,老师的执行力也太强了!希望能给你们一点思路 ---
做 做了上千个 AI 图像视频之后,我发现 90% 的新手都在犯同一个错误(附完整学习路径总结) 作者基于自身创作上千个作品的实战经验,总结了新手学习 AIGC 图像与视频时常犯的三大误区:死磕参数、只看教程不动手、盲目追逐新工具。他提出了先跑通全流程、以 Prompt 工程为核心、带着项目学习的三大思路。此外,文章还展示了利用蚂蚁百灵 Ring-2.6-1T 模型规划并生成的一个完整 AIGC 学习路径网站,该路径分为认知启蒙、工具上手、Prompt 工程等六个阶段。 技术 › AIGC ✍ Adam也叫吉米🕐 2026-05-18 AIGC学习路径Prompt工程图像生成视频生成AI绘画MidjourneyStable Diffusion实战经验方法总结
上 上下文工程规则已变:Anthropic 删减 80% 指令的实践 Anthropic 工程师 Thariq Shihipar 分享了构建 Claude Code 的发现,团队删除了 80% 的系统提示词后性能未受损。文章介绍了“4层上下文审计”框架,指导如何清理常驻指令、记忆、知识文件等冗余信息,以适应新模型的高推理能力,避免过度指令导致的性能下降。 技术 › LLM ✍ AI Guides🕐 2026-07-30 Prompt工程上下文管理ClaudeAnthropic系统提示词AI优化
零 零基础 4 个月成为可受雇 AI 工程师的路径 文章介绍了一条 4 个月从零基础成为 AI 工程师的学习路径。文章指出 AI 工程岗位增长迅速且薪资优厚,学位要求正在降低。作者强调职业转型者具备判断力和沟通能力的优势,并指出了初学者常犯的错误,如过早钻研理论、只看不练等。 技术 › LLM ✍ AI Guides🕐 2026-07-29 AI工程师职业发展学习路径LLM转型
青 青梨手记(一):学习技术分析的纯粹脉络 文章系统梳理了技术分析的学习脉络,将其分为指标入门期、价格本源期、理论体系期和实践淬炼期四个阶段。从基础指标使用,深入到裸K、结构与量价分析,再到道氏、波浪、威科夫、SMC 等理论体系的学习,最终强调通过实盘将知识转化为可执行的交易系统。 投资 › 股票 ✍ PearDG🕐 2026-07-28 技术分析交易学习路径量价分析裸K波浪理论威科夫SMC缠论交易系统
3 36 张 AI 卡牌插画,怎么保持一致性? 文章分享了使用 Codex image-gen 生成 36 张卡牌插画的经验,重点在于通过固定角色设定、立绘参考和结构化 prompt 来保证画风和角色的一致性,同时强调了生成后脚本处理的重要性。 技术 › Codex ✍ kshift🕐 2026-07-24 AI插画Prompt工程角色一致性Codex image-gen卡牌设计
从 从选题到写作再到发布,我把几十个 skill 串成了一条自动流水线 作者分享了自己如何利用 Hermes、Codex 和 Claude 中的数十个 Skill,搭建了一条从素材抓取、选题分析、风格润色到图文排版的内容自动生成流水线。文章详细介绍了自动化流程的设计思路、遇到的痛点以及如何通过拆分 Prompt 保持文风一致性,同时也反思了人机协作中人工审核与决策的重要性。 技术 › Skill ✍ 得否🕐 2026-07-23 自动化工作流AI写作AgentHermesCodexClaude效率工具内容生产prompt工程人机协作
别 别再自己写机器人了 文章推荐了6个开源机器人框架,包括AstrBot、LangBot、NoneBot2、Koishi、Dify和OpenClaw,支持多平台部署,适合快速搭建AI聊天机器人和Agent。 技术 › Agent ✍ 想赚钱的坤🕐 2026-07-21 开源框架AI聊天机器人AstrBotLangBotNoneBot2KoishiDifyOpenClaw
构 构建自动纠错 AI 循环系统 文章阐述了如何构建一个自动纠错的 AI 循环系统,通过构建者、评判者和管理者三个角色的分离,以及利用真实标准进行验证,使系统能够在向用户展示结果前自行发现并修正错误,从而将人类从繁琐的人工验证中解放出来。 技术 › Agent ✍ CyrilXBT🕐 2026-07-18 AI架构自纠错Prompt工程Agent设计自动化验证LLM应用系统设计
从 从提示词到Agent工程:构建安全可控的AI工作流 文章指出“提示词工程”并未消失,而是升级为“Agent工程”。随着模型能力增强,工作流重点从单次回答转向安全、稳定的任务控制。作者通过对比传统Prompt与Agent任务,提出了基线检查、小步执行、实时纠偏等优化策略,并分享了实战案例及通用的Agents.md配置模板,强调建立明确的上下文和边界是Agent落地的关键。 技术 › Agent ✍ Chasen🕐 2026-07-15 Prompt工程AI工作流CodexClaude CodeMCP实战指南
后 后端工程师进阶路线:40个核心概念与六个成长阶段 本文为准备系统设计面试的后端工程师提供了一份详尽的学习指南。作者将零散的技术知识点整合为六个递进阶段:从Web基础、数据库管理,到构建生产级应用、系统扩缩容,再到分布式系统思维与架构设计。文章强调技术概念间的内在联系,旨在帮助开发者通过系统性的学习路径,从初学者成长为合格的软件架构师。 技术 › 后端 ✍ Tech Fusionist🕐 2026-07-13 系统设计后端架构数据库分布式系统DevOps学习路径面试
微 微软开源 SkillOpt:不动模型,只训练 Prompt 微软开源了 SkillOpt 项目,引入了“训练 Prompt”的新思路。与传统的 Agent Skill 开发不同,SkillOpt 在不改变模型权重的情况下,将神经网络训练方法(如 epoch、验证集)应用于优化 SKILL.md 文本。系统通过执行任务、打分、反思和筛选修改建议,实现技能文档的自动化迭代。论文表明,该方法在多模型环境下均有显著提升,且优化后的技能具备跨模型迁移能力。 技术 › Agent ✍ sitin🕐 2026-07-13 Prompt工程Agent微软开源LLMAutoML优化技能文档
从 从搜索到核查:打造高质量内容的AI六步生产流水线 文章对比了AI写作的“魔法棒”与“流水线”模式,指出一次性生成缺乏质量门禁,容易产生误导性幻觉。作者提出了一套包含库检索、补搜、写作、配图、核查、修复的六步生产管线,强调通过结构化验证和分诊核查,确保每个论点有据可查,从而将AI写作从简单的文本生成升级为可验证的知识生产过程。 技术 › Agent ✍ SagaSu🕐 2026-07-10 AI写作工作流信息核查Prompt工程内容生产RAG质量控制YouMind知识库自动化