已有，且要守住
专业、经验与院校的培养体系不折旧，这是学生的立身之本——问题不在专业能力，在它之外的两力缺失。
培养什么样的人？
高校高职的现状是专业能力培养扎实、AI能力与商业能力缺失——尤其缺AI能力。按三力融合模型，专业能力是底座，要补的是另外两力。
九段高手进阶去补
从会用工具到造工具再到建系统：提示词、工具链、知识库、智能体、AI编程——让AI听指挥，是从一段到九段的阶梯。
十步问道去补
从定位到融资的十步闭环，让学生懂价值判断：知道做的东西值不值、为谁做、怎么走通。
三种能力叠在一起，才是一个能在真实场景里拿到结果的人——这正是AI指挥官的三力融合在教育里的落点。
教师要做什么调整？六新
教师从知识传授者升级为人机协同的领学官。三天六模块，对应六个"新"：
新教法
拆解清华AI赋能示范课，理解"师—机—生"共同完成学习任务的新教学关系。
新助手
以九段通识1–4段为骨架，理解提示词到智能体的进阶关系，搭建教师AI助手。
新教材
《AI九段高手·十步问道》生成式教材的开发过程：文本、案例、交互如何组织成新形态学习资源。
新课程
用角色、挑战、关卡、反馈与成长路径，把课程做成持续参与的任务体验。
新学段
以某985高校3周认知实习与5天AIOPC实训为例，按专业、学期与产业任务组合学段模块。
新人才
九段总成长阶梯＋L1–L4培养层级，构建从在校学生到在职人才的课程体系。
详细课程安排见《高校高职AI赋能新教学 · 3天师资实训营》。此外，学校还可以承接面向社会与产业的AI培训——这里不展开，有需要直接联系我们。
你正在为哪类组织寻找方案？
本页聚焦高校与高职；政府与企业的AI培训各有专属页面。
先选一个可落地的合作起点
合作负责人可以先比较对象、周期和成果，再查看详细方案。短期工作坊、企业见习与长期实训各有目标，可按需求单独采用或组合。
| 方案 | 对象与周期 | 主要成果 | 方案状态 |
|---|---|---|---|
| AI领学官养成营 | 教研团队 · 2天 | 教学助手、互动课程原型 | 现有中文方案 |
| 3天师资工作坊（英文详情） | 高校与高职教师团队 · 3天 | 学习任务、教学原型、评价量规 | 3天工作坊 · 已有执行格式 |
| 5天AI创业项目（英文详情） | 院校组织学生团队 · 5天 | 演示原型、价值验证、后续迭代计划 | 5天创业项目 · 已有执行格式 |
| 3周AI指挥官实训 | 高校与高职 · 3周 | AI原型、商业计划、路演与作品档案 | 已有实践样板与通用方案 |
| 长期实习与创新中心 | 按专业配置 · 6／15／20周 | 专业应用、交付材料与教学资产 | 需共同设计，周期与成果按合作条件确认 |
看方案，也看留下的成果
课程安排说明如何组织，实施案例说明如何推进，项目作品展示实际做出了什么。三种证据分别查看，更容易判断合作适配性。
From Foundation To Specialization
同一个AI能力底座，不同的专业方向分化
大模型把经验压缩为可调用的能力，"学AI"从技术岗位的选修课变成各专业的基础训练。对高校高职而言，路径是清晰的：先建统一的AI通识底座，再按专业方向做差异化训练。
先建统一底座
先让所有学生理解提示词、知识库、智能体与工作流，建立可迁移的AI基础能力——不分专业，人人过这一关。
再按专业分化
底座之上按专业重组任务包：工科做工程场景、商科做经营场景、设计做创作场景——让AI学习直接进入各自的专业课与实训。
培训要快速形成应用力
真正有效的 AI 培训，不是泛泛介绍工具，而是围绕“对象 × 场景 × 成果”组织训练，让学习者在短周期内完成从认知、上手、协作到成果发布的闭环。
Learning Architecture
从统一底座到差异化训练
共同底座
AI通识 + 人机协同
先让所有学习者理解提示词、知识库、智能体、工作流和复盘方法，建立可迁移的 AI 基础能力。
场景分化
按人群与行业重组课程
面向政府、企业、教师、青少年、高校高职、创业者分别设计任务包，让学习直接对应真实问题。
教育范式的跃迁
教会某个工具
训练 AI+场景应用力
按年龄分层学习
全年龄共同升级
知识传授结束
成果交付与持续迭代
院校落地的完整方案
从专业、项目到创新中心，院校合作在这里找到完整路径。政府、企业与个人的方案在各自页面。
从一个明确需求开始合作
准备组织类型、参与对象、业务或专业场景、预期周期与成果。共同确认任务、导师和评价方式后，再启动试点。