第18课：从“问一个问题”到“做一个AI项目”

学习目标

• 理解问题、目标、研究、方案、验证、交付之间的项目链路
• 能把单次问答升级为任务分解
• 知道项目过程中需要多轮核验和迭代

正文

普通提问： “大学生怎么做垃圾分类项目？”

项目模式：

1. 定义问题；
2. 确定目标用户；
3. 查专业资料；
4. 查政策/竞赛要求；
5. 做调研；
6. 形成假设；
7. 设计方案；
8. 验证；
9. 写项目书；
10. 做PPT；
11. 模拟答辩；
12. 根据反馈迭代。

这就是 CampusAI 想解决的问题： 不是给你一句答案，而是陪你把任务推进到交付成果。

1. 本课要建立的整体认识

项目与普通问答的区别，在于项目有明确对象、证据、过程、验证、协作和交付物，需要多轮推进而不是一次生成。

2. 把核心概念逐层拆开

2.1 问题定义要说明谁在什么场景遇到什么困难

问题定义要说明谁在什么场景遇到什么困难，以及现状证据是什么。

2.2 目标应具体、可验证

目标应具体、可验证，并与时间、资源和专业能力匹配。

2.3 调研用于减少猜测

调研用于减少猜测，包含文献、政策、访谈、观察、问卷或实验等不同证据。

2.4 方案需要形成假设和最小可行原型

方案需要形成假设和最小可行原型，用真实反馈验证关键风险。

2.5 交付物不仅是PPT

交付物不仅是PPT，还可能包括数据、代码、原型、实验记录、项目书和引用清单。

3. 把概念串成一条完整流程

完整项目链路：问题定义→利益相关者→证据检索→需求调研→形成假设→方案比较→原型→测试→误差与风险分析→迭代→成果整理→答辩。每个阶段都要留下可追溯材料。

4. 用真实场景理解

校园节能项目不能从“做一个智能系统”直接跳到写项目书。先确认浪费发生在哪里、能否取得用电数据、用户和管理者是谁，再决定采用提醒、流程优化还是技术装置。

5. 学习时应该怎样判断自己是否真正理解

不要只看自己是否“听过”这些词。请尝试不用原文，向一位没有技术背景的人解释本课概念；再画出关系或流程；最后换一个与你专业相关的例子。如果无法说明输入、处理、输出、依据和风险，就说明还停留在名词记忆阶段。

遇到模型、工具或规则变化时，优先保留这里学到的判断框架：先定义任务，再确认资料与边界，随后执行、测试和核验。具体品牌和界面会变化，但这种工作方法可以持续使用。

6. 本课小结

本课不是要求一次记住全部细节，而是建立一个能够继续扩展的知识框架。完成正文后，请结合后面的示例、测验和实践任务，把理解转化成自己的语言和可检查的成果。

7. 进一步拆解：从“知道名词”到“会做判断”

学习技术概念时，最容易出现的问题是记住了定义，却不知道什么时候使用，也不知道怎样发现错误。下面逐项使用同一组问题检查理解：

• 问题定义要说明谁在什么场景遇到什么困难：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 目标应具体、可验证：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 调研用于减少猜测：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 方案需要形成假设和最小可行原型：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 交付物不仅是PPT：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。

8. 建立自己的操作检查表

第一张是“任务表”：写清服务对象、目标、已有材料、最终交付物和完成标准。第二张是“数据与来源表”：记录每项材料从哪里来、何时获得、是否允许使用、是否需要更新。第三张是“执行表”：把任务拆成可以观察状态的步骤，标明每一步的输入、处理、输出和失败提示。第四张是“核验表”：列出必须人工检查的事实、数字、引用、权限、安全和专业边界。

这四张表适用于本课所讲的大多数任务。它们能防止把“模型给出了结果”误认为“工作已经完成”，也能帮助团队在出现问题时迅速定位到底是需求不清、资料错误、流程中断，还是输出没有经过验证。

9. 与前后课程的关系

这套20课不是彼此孤立的知识点。本课涉及的概念，需要与Prompt中的任务说明、API与软件系统中的执行链、RAG中的资料依据、数据分析中的质量检查以及AI安全中的责任边界结合起来。学习时可以不断回到一个问题：如果把这个概念放进完整AI产品，它位于哪一层，会影响谁，又需要谁来检查？

10. 课后自查

1. 我能否不用术语堆砌，用自己的话解释本课核心关系？
2. 我能否画出一个包含输入、处理、输出和核验的流程？
3. 我能否举出一个与自己专业、学习或工作有关的实例？
4. 我能否说出至少两个容易犯的错误，以及怎样提前发现？
5. 我能否把本课方法用于一个真实任务，并留下可检查的成果？

示例

常见误区

• “让AI一次生成完整项目书最快。”——快不等于可信和可验证。
• “有创意就不需要调研。”——用户需求和证据决定方案是否站得住。
• “项目完成就是写完PPT。”——还需要验证、材料、答辩和迭代。

小测验

点击题目查看答案。

实践任务