暑期研学团的AI课：大学先修营里，中学生怎么调教大模型

7月的上海，室外气温逼近35度。上海纽约大学世纪大道校区的机房里，16岁的李哲正盯着屏幕上一长串报错信息。他不是在找代码里少了一个分号，而是在试图让大模型理解什么是“有学术规范的文献综述”。\n\n这是上海纽约大学2026年人工智能暑期项目的第一周。据项目官网介绍，这个面向15至18岁高中生定制的项目，由上纽大计算机科学、数据科学与工程学部与上海市人工智能与深度学习前沿科学研究基地联合主办。为期两周的全英文沉浸式学习中，中学生需要掌握AI必备的数理基础，并使用Python、NumPy和PyTorch。\n\n2026年的暑期研学市场，AI先修营是最拥挤的赛道。除了上纽大，上海交通大学也在今年暑假推出了面向10至15岁青少年的“AI智造营”，打出的口号是“别再做纯用户，来成为AI时代的创造者”。教育部办公厅此前印发《关于加强中小学人工智能教育的通知》后，统筹推进中小学和大学AI教育一体化发展成了政策导向。今年5月底，中国人民大学高瓴人工智能学院就率先举办了青少年训练营，60余名中学生提前体验了大学级别的AI课程。\n\n热潮之下，真实的课堂里正在发生什么？\n\n## 从写if-else到写提示词\n\n“以前学编程，主要是学逻辑控制，出错是因为语法不对或者逻辑漏了边界。现在调教大模型，更像是跟一个博学但没有常识的新同事沟通。”李哲的队友、来自北京的准高三学生张子涵边调Prompt边吐槽。\n\n在这个为期两周的先修营里，学生的第一个任务不是搭建环境写“Hello World”，而是熟悉大模型的API调用与提示词工程。传统编程夏令营里，学生可能花一周时间用C++写一个图书管理系统；而在这里，第一天下午的任务是：用一段结构化提示词，让大语言模型为一篇关于“气候变化对上海渔业影响”的中文综述生成提纲。\n\n这种转变背后是技术范式的更迭。企业里成人的工作流也在经历同样的阵痛，我们在此前关于国产IDE Trae 0.5的实测复测中总结过，多代理接管的是批量重复劳动，提示词的精确度决定了模型的产出质量，而不是语法对错。对中学生来说，这同样适用。\n\n张子涵的第一次尝试很快失败了。模型给出的提纲大段引用了虚构的2019年数据，还信誓旦旦地提到了几个不存在的期刊名称。指导老师没有直接给出“正确答案”，而是引导她加上边界限制，比如在提示词中明确要求“仅参考真实存在的学术共识，不确定的数据需标注‘待核实’” 。\n\n这种课程设计的核心，区别于传统的代码教育：它重点不在教学生用if-else控制计算机，而是在教他们如何拆解复杂任务并表达需求。大模型成了任务执行层，学生的大脑和语言成了控制层。\n\n## 论文综述与辩论模拟的真实约束\n\n夏令营的第二阶段，课题难度明显升级。学生被分成四人小组，从“AI for Science”和“AI for Social Science”两个方向中选题。这契合了今年上海交大落幕的“中法人工智能暑期学校”的思路——后者共设6大板块、16个课题小组，同样涵盖这两大领域以及AI创业等方向。\n\n李哲的小组选择了“AI for Social Science”，具体任务是让模型模拟一场关于“AI是否会扩大教育不平等”的辩论。他们需要让大模型分别扮演正反方辩手，并进行多轮交锋。\n\n问题出在第三轮反驳。正方模型突然“放弃抵抗”，开始顺着反方的逻辑说“您说得对，AI确实可能加剧不平等”，辩论直接变成了单方面同意。另一个小组做数据分析时遇到了更典型的“幻觉”：大模型在处理某市近十年GDP与教育支出的相关性时，为了强行拟合趋势，“脑补”了一组平滑的增长数据，导致折线图看起来异常完美，却根本对不上真实库里的原始CSV文件。\n\n模型幻觉是当前大模型落地中最普遍的痛点。在成年人的工业场景里，这也同样是个硬骨头。在我们此前对五种RAG分块方案的复测中，同一套模型下召回率从82%到94%不等，如果RAG系统不去严格约束来源和检索召回率，就一定会让模型产出看似合理实则编造的内容。对企业如此，对高中生也一样，他们首先要学的，是学会验证数据的来源。\n\n“我们只能查阅原始数据，一点一点给模型喂数据，把能查到的权威数据放到上下文里，同时严格在提示词中加入‘必须基于给定的数据回答’的约束。”李哲说。失败之后，小组组员不得不手动清洗数据、给数据源打标，把真实的原始数据做成模型能理解的上下文区块。\n\n这些细节和真实企业里的数据治理工作高度一致。在工信部八部门联合发文推动AI制造落地后，决定 AI 能否落到产线的关键，首先是车间里的数据接入问题。先修营里的高中生们提前体验到了，在让大模型用好之前，数据处理的脏活累活是绕不过去的。\n\n## 第一代“原住民”的思维方式\n\n两周的时间，不足以让一个高中生成为AI算法工程师，但足以改变他们看待技术的视角。\n\n结营答辩时，张子涵小组展示的辩论系统还是有些“卡壳”，反方的反驳经常略显生硬。但她觉得最大的收获是接受了大模型的局限性，“它很聪明，但并不智能。它最终还是得靠人去引导，去喂规则和数据，去帮它把关对错。”\n\n比起上一代人初遇互联网让他们从“被动接受信息”进入“主动搜索信息”，这一代青少年面对大语言模型，正在经历从“工具使用者”到“任务调度者”的认知跨越。\n\n今年暑期，这些营地里发生的真实改变，不是中学生学会了写多复杂的代码，或者调出了多惊艳的应用，而是他们开始理解：在智能时代，最重要的能力不是给出答案，而是提出正确的问题，并能识别答案的真伪。\n\n这或许就是AI教育的本质：教会他们怎么去“调教”一台博学的机器，使之不胡说八道，而在此之前，他们自己必须先学会不盲从机器。