From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering
该论文报告了一项在软件工程硕士课程中使用基于定制知识库的 GenAI 导师辅助学生快速掌握加密货币金融基础与领域驱动设计（DDD）的经验，结果显示 AI 回答在准确性和相关性上表现优异且显著提升了学生的自我效能感，但支持性不足，据此作者提炼出十七项涵盖提示配置与课程设计的教学实践指南。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文讲述了一个关于**“如何用 AI 当助教来教软件工程学生”**的有趣实验。
想象一下，你正在教一群大学生如何设计一个复杂的**“自动加密货币交易机器人”（就像是一个自动在股市里低买高卖的机器人）。这个任务很难，因为学生不仅要懂写代码，还得懂金融知识**（什么是套利？）和建模方法（怎么把业务逻辑画成图？）。
传统的做法是：老师站在讲台上讲，然后学生分组讨论。但问题来了：老师只有一个人，学生有 29 个，每个人遇到的困难都不一样。老师忙得脚不沾地，很多学生的问题只能等到课后才能解决，或者干脆没人管。
于是，作者（Rafal Wlodarski）想出了一个主意：给每个学生配一个“私人 AI 家教”。
🎓 实验故事：AI 家教的“上岗”记
1. 场景设定：
这就像是一个为期两周的“特训营”。学生们要完成一个里程碑任务：设计那个交易机器人的核心逻辑。
- 痛点： 很多学生是计算机专业的，但对“加密货币”和“领域驱动设计（DDD，一种高级的建模方法）”几乎一无所知。
- 解决方案： 老师没有让他们去百度或谷歌，而是给他们定制了一个**“基于课程知识库的 ChatGPT"**。
- 这个 AI 不是那种什么都不知道就瞎编的通用 AI。
- 它被喂了**“教科书”（课程 PPT）、“作业要求”（项目说明书）和“优秀作业范例”**。
- 它的任务很明确：只在这些材料范围内回答问题，帮助学生理解概念。
2. 学生怎么玩？
在去上正式的大课之前，学生必须先完成“课前作业”：
- 向 AI 提问（比如：“什么是套利？”“怎么识别外部系统？”）。
- 把对话记录下来。
- 做一个小测验，证明自己真的听懂了。
- 如果没做，就没有学分。
3. 结果如何？（AI 表现怎么样？）
作者像质检员一样，抽查了 60 组“学生提问 -AI 回答”的记录，并打了一个分。结果让人惊喜又有点意外：
- ✅ 准确率极高（98.9%）： AI 几乎没胡说八道（没有“幻觉”）。因为它被关在“图书馆”（课程资料）里，只能查书回答，所以非常靠谱。
- ✅ 相关性很高（92.2%）： AI 的回答都紧扣问题，没有跑题去讲别的。
- ✅ 教学价值不错（89.4%）： 回答很有条理，能帮学生理解。
- ⚠️ 缺点：有点“高冷”（支持度仅 37.8%）： 这是最大的槽点。AI 像个**“冷冰冰的百科全书”。你问它，它给答案，但它不会说“你做得很好！”或者“别灰心，再试一次！”。它缺乏人情味和鼓励**。
- ✅ 学生自信心大增： 虽然 AI 有点冷，但学生们觉得自己变强了！他们从“完全不懂”变成了“敢动手设计模型”，自信心爆棚。
💡 作者总结的“避坑指南”（Playbook）
作者发现，要让 AI 当好老师，不能随便扔个提示词（Prompt）就完事，得像驯兽师一样给 AI 定规矩。他总结了 17 条经验，这里挑几个最有趣的比喻：
给 AI 戴“紧箍咒”（限制啰嗦）：
- 比喻： 就像你让一个话痨朋友给你讲重点，你得说：“只说三句话，别废话。”
- 做法： 告诉 AI“不要写长篇大论的开场白和总结”，直接给干货，否则学生会觉得累（认知负荷太高）。
给 AI 配“参考书”（知识库）：
- 比喻： 就像考试时允许带“小抄”，但小抄必须是老师指定的那几页。
- 做法： 把课程资料上传给 AI，禁止它去外面瞎编。这样准确率就高了。
给 AI 换个“人设”（增加鼓励）：
- 比喻： 把 AI 从“冷冰冰的机器”变成“热情的教练”。
- 做法： 在指令里加一句：“每次回答都要先夸奖学生，并鼓励他们继续探索。”这样 AI 就会变得更有温度。
控制“例子”的数量：
- 比喻： 就像做菜，放一点盐提味，放一桶盐就咸得没法吃了。
- 做法： 限制 AI 每个回答只给 1-2 个例子，太多会把学生绕晕。
🚀 核心结论
这篇论文告诉我们：
AI 可以成为软件工程教育中非常强大的“副驾驶”，但它不能直接“自动驾驶”。
- 它擅长： 快速提供准确的知识、解释概念、帮学生做课前准备。
- 它不擅长： 主动鼓励学生、灵活应对复杂的情感需求。
- 关键成功因素： 老师不能当甩手掌柜。老师需要精心设计（定好规则、准备好资料、给点学分激励），把 AI 训练成一个**“守规矩、懂业务、有礼貌”**的助教。
一句话总结：
这就好比给每个学生发了一本**“会对话的、只读课本的、稍微有点高冷的超级参考书”**。只要老师稍微教教学生怎么问、怎么管这本书，学生们就能在极短的时间内，从“小白”变身“专家”，自信满满地搞定复杂的工程项目。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。