一、案例背景：应对AI时代软件人才培养的新挑战

随着以大模型为代表的通用人工智能技术取得突破性进展，软件开发的范式正在经历深刻变革。以“Vibe Coding”为代表的AI协同编程模式，正将开发者从逐行手写代码的传统模式中解放出来，转而更多地聚焦于系统设计、需求分析、逻辑验证等高阶思维活动。与此同时，医疗、金融、法律等垂直行业的智能化转型，亟须大量既懂业务、又能利用AI工具解决复杂场景问题的复合型人才。

为响应这一时代需求，计算机学院依托智能软件“AI+微专业”建设项目，于2025年秋季学期首次开设了“智能计算编程基础”课程，同期国外斯坦福大学也开设了类似课程（CS146S: The Modern Software Developer）。“智能计算编程基础”课程旨在探索一条“不用手写代码”的编程教学新路径，培养学生使用AI编程框架，利用大模型进行代码脚本生成以及程序调试。课程从理论和实践两方面培养学生的智能计算编程能力，引导学生掌握主流AI编程框架与大模型自动编程方法，同步建设面向行业智能软件发展需求的教学培训平台，培养一批具备优秀工程实践和交叉学科创新能力的智能软件人才。

图1 “智能计算编程基础”课程是智能软件AI+微专业基础必修课之一

二、实施路径：以“人机协同”重构编程实践全流程

“智能计算编程基础”课程共32学时，贯穿整个秋季学期，由戚正伟和李健两位教授联合授课，同时邀请华为专家授课，并组建了包含6名硕博研究生的助教团队。针对微专业课程的特点，面向不同层次不同背景的学生，采用了创新的教学方法，课程摒弃了单纯讲授编程语法的传统模式，采用知识点讲授+即时课堂实践+课程大作业的组织形式，构建了“理论奠基-AI赋能-实战驱动”三位一体的教学实施路径。

1．理论奠基：理解AI编程的“道”与“术”

课程开篇即跳出具体代码，引导学生思考“什么是好程序”，并通过分析Linux内核等复杂软件工程案例，让学生建立对软件工程复杂性、正确性、可维护性等核心质量属性的认知。同时，通过对比Python与C++、Rust等语言在实现同一功能（如计算100的阶乘）时的代码量、性能和能耗差异，引导学生理解不同编程语言的底层逻辑，为后续精准地向AI描述需求、评估AI生成的代码奠定理论基础。

图2 与华为合作撰写教案（图中内容来自《华为云CodeArts Doer产品介绍 》）

2．AI赋能：掌握“不用手写代码”的新技能

这是“智能计算编程基础”课程的核心环节。课程引入了包括华为CodeArts、字节Trae、通义灵码等在内的多款国产主流AI编程工具，并和华为专家联合授课，搭建了统一的VSCode+AI插件实验环境，引入了华为的实验手册，教学重点从“如何写”转向“如何问”与“如何审”。

图3 华为《基于CodeArts的鸿蒙应用一站式开发实验指导手册》

3．实战驱动：在真实场景中锤炼AI协同能力

“智能计算编程基础”课程强调解决真实世界问题。团队项目要求学生自由组队，选择一个感兴趣的领域，完全依靠AI编程工具完成一个具有实际价值的应用系统开发。我们欣喜地看到，同学们交出了令人惊艳的答卷，充分验证了本教学模式的可行性：

l 医疗领域：“脑卒中智能诊疗辅助系统”小组的成员背景多元（医生、护士、产品经理等）。他们利用AI编程工具，将《中国急性缺血性卒中诊治指南》的“思维链”固化为系统提示词，构建了一个能进行循证推理、辅助临床决策的对话式系统。所有代码均由AI生成，团队的核心工作在于需求拆解、指南知识结构化以及提示词工程的迭代优化。

图4 脑卒中智能诊疗辅助系统主界面

l 金融领域：“数智领航”小组则聚焦量化投资。他们利用AI实现了从自然语言选股需求理解，到多维因子模型构建，再到基于均值-方差模型的组合优化。开发人员的工作重心完全放在了算法逻辑设计、模型回测验证上，具体的代码实现由AI在清晰的Prompt引导下完成。

图5 “数智领航”量化投资核心功能展示

l 法律与数据领域：“纪律处分信息智能采集与分析”小组直面金融监管领域的实际痛点。他们构建了一套自动化采集沪深交易所PDF公告，并利用大模型API进行语义理解、违规类型多标签分类的系统。学生在此项目中，主要工作是设计采集流程、定义分析维度和评估模型输出的准确性，代码实现由AI高效完成。

图6 纪律处分信息智能采集与分析项目截图

三、特色亮点：知识引导的AI协同新模式

“智能计算编程基础”课程的创新实践，形成了以下三大亮点：

1．首创“知识引导+AI推理”的编程教学范式
    课程提出并实践了“人定义问题域与知识框架，AI负责代码实现”的教学模式。在“脑卒中”项目中，学生将医疗指南的决策树逻辑转化为AI可理解的“思维链”提示词，使模型输出严格遵循临床规范。这标志着编程教育的核心从“教会机器语言”转向了“教会AI如何思考”，有效解决了大模型在垂直领域容易产生“幻觉”的难题。

2．以国产AI工具链构建自主可控的教学平台

课程全面拥抱国产AI编程工具，如华为CodeArts、字节Trae等，并邀请华为CodeArts团队现场教学。国产化平台不仅让学生熟悉了符合国内开发者习惯、在中文语义理解上更具优势的开发环境，也确保了教学内容与企业级应用的接轨。实践表明，这些工具在代码生成效率、上下文理解能力上已具备国际竞争力，为课程的顺利开展提供了坚实保障。

3．打造跨学科的真实问题求解“熔炉”
    课程的团队项目吸引了不同背景的学生，他们带着各自的专业领域知识， 利用AI编程工具作为“共同的技术语言”，快速将跨学科的创意转化为可运行的原型系统。这种“专业领域知识+AI工程能力”的碰撞，正是AI+微专业培养复合型创新人才的核心目标。

图7 项目团队答辩现场

四、教学成效

作为智能软件AI+微专业的核心基础课程，“智能计算编程基础”课程有力支撑了微专业整体人才培养建设工作。智能软件微专业第一期共招收学员 51 人，其中校外学员 39 人，占 76.5%。学员专业背景呈现跨学科特征，非计算机、软件工程相关背景占 83.72%，广泛分布于信息技术、半导体、教育、医疗、金融、法律、建筑等众多领域。在阶段性教学效果方面，课程结构合理性满意度达 83.7%，学生对课程师资、内容体系、实践性、学习氛围和平台资源支持均给予较高评价，其中“师资力量强，教学水平高”选择比例为 81.82%，体现出课程建设已形成较好的教学认可度。

面向跨学科、多元化的学员群体，“智能计算编程基础”课程取得了显著成效，收获了学生的积极反馈。所有团队项目均在 8 周内（后半学期）完成了从需求分析到系统演示的完整开发周期。“数智领航” 小组在报告中明确提到：“本项目代码均通过自动化编程软件实现…… 大幅提升了编码效率与代码规范性。”在“纪律处分”项目中，其核心的多标签共现分析热力图等复杂数据可视化代码均由AI辅助生成。

“智能计算编程基础”课程以其创新的教学理念、扎实的实施路径、显著的实践成果，成功探索出一条面向AI时代的编程教育新路。我们坚信，这种培养“定义问题、驾驭工具、人机协同”能力的教学模式，将为未来智能化社会输送更多具备顶层领域思维和软件工程实践能力的跨界复合型优秀人才。