开篇：架起想法到落地之间的桥

关于作者的校园项目实践与开源项目，可查看：关于作者。

时间和精力有限，内容会逐步更新。
这本小册不是一本“从入门到精通”的编程教材，它更像一份写给各学科中小学教师的校园小工具现场笔记：哪里容易卡住，哪里值得换一种做法，哪里可以借 AI 往前多走一步。

先说目前观察到的结论：对于中小型系统的开发，借助AI辅助编程，如果需求提得够清晰明了，AI能帮大家完成90%以上的任务，但是决定能否让系统是否正常运行的因素往往就是剩下的10%，我里说的“中小型系统”指的是带完整的前后端功能可进行交互和数据保存的项目。

---

凡是故事都会有个开头，动心思写这本小册，来自三个真实的小故事。

第一个故事：能不能让 AI 记住我

有一次，我给学校老师分享 OpenClaw 在教育教学中的应用与实践。

互动环节，一位班主任老师举手提问：

“我经常用 AI 聊天咨询班级管理的事，但每次都要重新告诉它‘你是一名经验丰富的班主任老师’，它才能好好回答。有没有办法让它记住我？”

她问的，其实是“怎么让 AI 有记忆”。

这个需求很朴素，但一点都不小。

对一线老师来说，AI 不只是一个新鲜工具。它最好能理解自己的班级、自己的工作习惯、自己的表达方式。否则每次都从零开始聊，时间久了，就会觉得累。

第二个故事：系统做出来了，Bug 改不动

学校教务处的张老师，是个行动派。

课后服务的课时统计太麻烦，组长们每次填表、汇总、核对，来回折腾好几轮。

张老师自己动手，用编程做了一个课后服务结算系统。组长们在网页上填报课时数据，系统自动统计出结果。

事情到这里，本该是个皆大欢喜的故事。

但后来系统出了一个 Bug。页面上的数字设置刷新后就是存不到数据库里，张老师盯着代码看了半天，看不懂，最后找到我帮忙。

一个能自己写系统的人，被一个 Bug 卡住了。

这不是能力问题。

很多时候，只是差了一套正确的调试方法，差了一个能读懂整个项目上下文的协作方式。

第三个故事：页面能跑，但用起来还差最后一步

前一段时间参加区里组织的教师培训，现场让我挺感慨。

数学组的李老师，用 HTML 把数学里的抽象知识点做成了交互页面。学生拖拽一下、点一下，函数图像就跟着动，比在黑板上画图直观多了。

但李老师也说了自己的困惑：页面在自己电脑上好好的，搬到教室的一体机上就出问题，不知道怎么回事。

信息科技组的黄苗苗老师更猛，直接开发了一个英语智能批改系统。

聊天的时候她提到，系统做出来了，但部署到服务器上让其他老师都能用上，卡在了最后一步。

你看，大家现在是千帆竞发。

有想法的人很多，能动手的人也不少。每个人都在认真践行“AI 为教育赋能”。

但最后那一步，从“做出来了”到真正能“用起来了”，总有人差那么一点点。

问题不在热情，而在方法

这三个故事，指向同一个问题：

想法到落地之间，缺的不是热情，是方法。

很多老师已经会用 AI 写代码了。

常见姿势是：打开 ChatGPT、豆包或其他 AI 工具，贴一段需求描述，等它吐出一堆代码，复制粘贴到编辑器里，运行，报错，再回去问它。

如此反复，直到能跑为止。

如果只是做一个小脚本、一个单 HTML 演示页，这种方式有时够用。

但只要需求稍微复杂一点，比如要保存数据、要多人使用、要处理权限、要部署到校园网，单靠这种“问一句、复制一段”的方式，很快就会卡住。

因为 AI Chat 更像是在回答问题。

它不一定知道你的项目结构，不一定知道哪些文件互相依赖，也不一定能替你持续修改、运行、检查、再修正。

这就是为什么我们要从 AI Chat 走向 Coding Agent。

从“问它答”到“说它干”

AI Chat 是你跟 AI 聊天，它回答你的问题。

Coding Agent 是你把需求、项目和约束交给它，它能读文件、改代码、跑命令、看报错，再继续修。

一个更像“在线答疑”。

一个更像“坐在你旁边一起干活的技术搭子”。

当然，它不是万能的，也不该被神化。

但对愿意用 AI 做教学与校园小工具的老师来说，这个转变很重要。因为校园里的真实需求，很少只停在一段代码里。

课后服务统计、座位表管理、成绩分析、课堂互动页面、校本资源库，这些东西一旦要长期使用，就会变成一个小项目。

既然是项目，就需要数据库、后端、前端、部署和维护。

为什么这本小册选择 Web 项目

不是因为 Web 看起来高级。

恰恰相反，是因为它最适合学校现场。

很多老师已经会写静态 HTML 页面了。页面能打开，按钮能点，效果能展示，这已经迈出了很重要的一步。

但静态页面有一个硬伤：数据留不住。

今天填了，明天还在不在？

张老师能不能看到所有组长填报的课时？

班主任能不能在办公室、教室、一体机上都打开同一个系统？

这些问题一出现，就需要从单 HTML 走向项目化 Web。

Web 项目的好处很直接：浏览器打开就能用，不用安装软件；改完代码刷新就能看，不用重新打包；数据库能存数据，后端能处理逻辑，前端能给老师一个清楚的操作界面。

更关键的是，这类业务型开发非常适合 AI 协作。

它不是让你去训练模型，也不是让你写复杂算法。

它更多是在做增删改查：谁填了什么数据，系统怎么保存，页面怎么展示，老师怎么导出。

只要你能把校园场景讲清楚，AI 就有机会帮你把它变成一个能跑的小系统。

这本小册想补上哪块拼图

这本小册不会把你训练成职业程序员。

也不准备把前端、后端、数据库、部署这些东西全都讲成厚厚的理论课。

它更想做三件事。

第一，让你知道 Coding Agent 到底和普通 AI 聊天有什么不同。

第二，带你用一个真实的校园 Web 项目，把数据库、后端、前端和部署串起来。

第三，让你以后遇到自己的校园需求时，知道该怎么拆、怎么问、怎么让 AI 帮你一步步落地。

主线会围绕一个很具体的项目展开：机房固定布局与班级轮换动态排座系统。这是作者亲自跑通的完整技术样板，用来讲清需求、数据、部署和验收，不代表读者必须负责机房。

这个项目不大，但足够真实。

它有数据，有规则，有页面，有部署，也有一线老师熟悉的使用场景。

我们就用它，把“AI 编程”从一句口号，拆成一段段能看见、能运行、能修改的过程。

按自己的需要选择阅读路线

这本小册不要求你已有编程基础，但需要你愿意按步骤配置工具、查看结果并亲自验收。不同需求不必走同样重的技术路线。

• 课堂单页路线：重点阅读第一章、2.1、3.4、5.1、5.2 和 5.4，适合英语练习、古诗自测、时间线排序、课堂分组等不保存共享数据的小工具。
• 个人数据工具路线：在课堂单页路线基础上阅读 2.5、3.5、5.3 和 5.4，适合数据只留在一位老师电脑里的实验观察、资料整理和个人台账。
• 多人共享系统路线：按顺序阅读全书，重点完成 3.5 到 4.4，学习后端、数据库、内网部署、备份和交接。

你不需要为了“学完整”而把简单需求做复杂。满足真实使用条件的最轻方案，通常就是更合适的方案。

先给自己一个小建议

下次你再让 AI 帮你写代码时，不要只说“帮我做一个系统”。

试着把需求说得像给同事交办工作：

• 谁来用这个东西。
• 要记录哪些数据。
• 使用时会点哪些按钮。
• 数据最后要怎么查看或导出。
• 出错时你希望系统怎么提醒。

你描述得越像真实现场，AI 就越有机会帮你做出真实可用的东西。

少一点重复劳动，多一点可落地的校本工具，多一点对教学现场的掌控感。

这就是这本小册想陪你走的路。

下一篇，我们就正式认识这位“坐在项目旁边干活”的新同事：AI 编程智能体。

封面