1.课程总体规划（知识内容）
单元名称 | 课时名称 | 内容 |
|---|---|---|
计算机与网络基础 | 了解IP与端口 | 介绍IP地址、子网、端口与DNS概念，通过校园网络访问示例理解实际意义，解析“网址→IP”过程 |
计算机与网络基础 | Ubuntu命令基础实操 | mkdir、ls、cd、rm、cat、ifconfig 等基本命令操作，虚拟机文件结构浏览、Ping校园服务器 |
计算机与网络基础 | 校园网络小任务练习 | 访问校内服务器、模拟访问失败排查、定位网络/权限问题，小型实践巩固网络原理 |
AI 开发启蒙 | 人工智能与大模型认识 | AI核心概念、生成式AI特点、大模型在教育场景的价值与限制，校园真实AI应用案例展示 |
AI 开发启蒙 | Python AI 小项目初体验 | Flask + 前端基础，部署简单校园问答机器人，初步实现“本地网页 + AI交互” |
AI 开发启蒙 | 校园AI小助手定制 | 修改项目提示词与数据内容，加入校园文化/科普知识，实现“每校都有自己的AI助手”雏形 |
AI 系统部署基础 | Docker 入门与原理 | 容器、镜像、端口映射、卷挂载概念讲解，可视化拆解隔离与部署优势 |
AI 系统部署基础 | OnePanel 与 OpenWebUI 部署 | 现场安装 OnePanel，搭建 OpenWebUI，完成本地大模型服务可视访问 |
AI 系统部署基础 | 常见后端部署策略 | 介绍并对比 Ollama、LM Studio、vLLM 的部署方式、硬件需求和校园环境适配逻辑 |
AI 创作与内容生成 | Stable Diffusion 入门 | 讲解文生图原理，进行校园主题海报、角色与插画创作体验 |
AI 创作与内容生成 | ComfyUI 工作流实战 | 模块化流程搭建图像生成链路，体验从“点按钮式”到“设计流程式”生成 |
AI 创作与内容生成 | 跨媒体生成与课堂应用 | 视频生成、图文混编、音频与动画融合案例，课堂场景应用示例与任务设计 |
2.单元课时规划
🌐 单元一：计算机与网络基础
课时 | 主题 | 核心内容 | 实践任务 |
|---|---|---|---|
1 | IP与端口入门 | IP、子网、端口、DNS 原理；校园网络架构 | 查自己设备IP，访问校内服务器，解析一个网站的IP |
2 | Ubuntu命令基础 | mkdir、ls、cd、rm、cat、ifconfig、ping | 在虚拟机里创建目录、查看系统、Ping校园服务器 |
3 | 校园网络排查演练 | 网络访问失败场景分析、权限逻辑 | 模拟“学生访问校内平台失败”，排查解决流程 |
🤖 单元二：人工智能开发启蒙
课时 | 主题 | 核心内容 | 实践任务 |
|---|---|---|---|
4 | 认识大模型与教育应用 | AI概念、大模型能力与限制、校园案例 | 讨论一个适合本校的AI教学场景 |
5 | AI小应用开发体验 | Flask + 前端基础，接口调用思想 | 运行校园AI问答助手 demo |
6 | 校园AI助手定制 | 课程内容替换、Prompt优化、本地知识接入 | 让助手了解本校校训/建筑/课程特色 |
🏗️ 单元三：AI系统部署基础
目标：掌握常见AI部署方式与镜像管理思路，会启动并维护校园AI服务。
课时 | 主题 | 核心内容 | 实践任务 |
|---|---|---|---|
7 | Docker 核心逻辑 | 镜像、容器、端口映射、卷挂载 | 启动一个Nginx容器并访问网页 |
8 | OnePanel + OpenWebUI | Web可视化部署流程 | 安装OnePanel并运行OpenWebUI |
9 | 主流AI后端对比 | Ollama / LM Studio / vLLM 特点与适用场景 | 用本地硬件启动一个模型并对话 |
原则：理解“为何这样部署”比死记更重要。
🎨 单元四：生成式内容创作与课堂设计
目标：掌握AI内容生成能力，引导学生进行创意与表达，形成项目式教学雏形。
课时 | 主题 | 核心内容 | 实践任务 |
|---|---|---|---|
10 | Stable Diffusion 入门 | Prompt结构、模型选择、生成模式 | 设计校园文化海报/吉祥物形象 |
11 | ComfyUI工作流 | 模块化生成管线、工作流搭建逻辑 | 搭建一条“校园角色生成”工作流 |
12 | 跨媒体AI课堂设计 | 文生视频、图文混合、音频与动画工具 | 制作一段“AI校园宣传短片草稿” |
3.项目路径图
