中山大学岭南学院 GenAI 课程设计的三条主线

一门 AI 课不是"教 prompt"

写 prompt 是 AI 课最不该是核心的部分。它会被工程化、被工具化，三个月就变样。

真正应该长在学生身上的，是这三条主线：

主线一：上下文工程（Context Engineering）

学会给 AI 的不是问题，是上下文。 学生需要练的是：

• 怎么把一个含混的需求拆成 AI 可以稳定回答的结构
• 怎么判断"什么信息该放进去、什么信息该挡在外面"
• 怎么用 Skills / Memory / Files 这些机制做长期上下文

主线二：智能体协作（Agentic Workflow）

单个 agent 解决不了的事，多个 agent 怎么分工。

• 同一目标下的角色拆分（搜集 / 综合 / 审稿）
• 上下游的数据交接协议（结构化输出，不是自由文本）
• 失败兜底（reviewer agent 强制存疑）

主线三：评估与边界（Evaluation & Boundaries）

学生要建立的不是对 AI 的"信任"，而是对 AI 何时可信、何时不可信 的判断。

• 什么任务必须人工复核
• 什么场景下 AI 输出本身就不可信
• 怎么写一个 evaluator 让模型自查自答

三条线如何编排进 16 周

岭南学院的方案是：

• 前 4 周三线并进打基础
• 中 8 周以一个真实研究/产品任务为主线，三条能力交叉应用
• 后 4 周做组队结题，互评 + 教师评 + AI evaluator 三方打分

给同行的开放邀请

如果你也在设计 AI 课，欢迎把你的课纲发到 ailingnan@lingnan.top。 我们会把好的设计收录到 /methodology/genai-curriculum-design。