近日,信息学院开设的《AI 协同自然语言编程(Vibe Coding)》全校公选课在A103教室进行期末课题答辩暨模拟路演。8支跨专业学生团队依次上台,将两周前还停留在纸面的创意构想,打磨为可运行的作品,现场展示、实机演示,并接受评委提问。副校长王薇到会指导,信息学院院长周俊生、副院长圣文顺,康养学院院长单奕,艺术设计学院院长助理张文婷,计算机系主任陆黎及校内各专业教师代表、课程全体学生参加,本次活动由课程授课教师王孝明主持。
这门课是信息学院落实学校人工智能赋能教育教学部署的具体举措。当前学校把AI与教学的深度融合列为教学改革重点任务,要求各学院推动AI进课堂、进专业、进课程。信息学院由计算机系牵头组建教学团队,敏锐把握Vibe Coding 给产业和学科教学带来的新变革,在教学设计上跳出仅以“听懂知识为目标”的传统思路,引导学生亲手完成从创意构思到原型落地的完整开发链路,将规范的工程实践方法贯穿课程全过程。

图1 课程主讲教师王孝明主持答辩,并向到场师生介绍课程实施情况
一、课程设计:工程方法驱动的AI代码能力培养
Vibe Coding,以自然语言清晰描述需求,依托人工智能生成代码,让开发者的工作重心转向需求梳理、过程管控与成果核验。伴随生成式人工智能的普及,软件开发的技术门槛持续降低,产业的协作模式、对人才的能力要求也在同步迭代。开设这门课程,正是为我校不同专业的同学适配这场技术变革:它为非计算机专业的学习者打破编程壁垒,让大家不必深耕底层编码,就能把本专业的思考、创意与行业痛点转化为可运行的应用原型;同时引导计算机方向学生建立适配 AI开发场景的工程思维,掌握新技术范式下的项目管控能力。
当前国内同类相关教学,大多以专题讲座、短期工坊和演示Demo为主,展示效果直观,却普遍缺少体系化、工程化的实施路径。一旦面对复杂度更高的业务场景,AI输出结果不稳定、开发流程难以约束等问题便会凸显,项目常常止步于仅供展示的简易原型。为此,课程团队融合传统软件工程V模型思路,将中等规模项目拆解为七个循序渐进的实施环节,重点锚定需求文档定义、迭代验收测试两大关键节点,让项目推进节奏与交付质量全程可控、可追溯。课程设置为2学分,共32学时,理论教学与实践实训各占16学时。
二、教学组织:跨专业混编与分层任务设计
选课学生专业跨度较大,编程基础差异明显,不少人此前没有写过代码。课程据此设了两条实践路线:零基础的学生从界面与数据表入手,先把一两个功能照模板跑通,再逐步换成自己的想法;有基础的学生直接进入模块拆分与接口设计,把力气花在系统结构上。两条路径配套梯度化任务与学习资源,学有余力的学生可以自主推进,基础薄弱的同学也能够稳步跟上节奏。
课程采用跨专业打散组队的模式。每支8至10人的团队,每组融合经管、康养、艺术设计等不同专业的学生。业务规则谁来梳理、界面谁来定、代码谁来兜底、上台谁来主讲,由组内商量着定。一个组里,懂业务的人与会写代码的人,缺一样都推不动。
实训选题设置经管台账管理、口述传记生成、文创线上展厅三大方向,分别贴合经管、康养、艺术设计等专业的知识背景。选题不预设固定的功能清单,项目优先级、功能取舍交由团队自主研判。不少同学在这门课程中,第一次独立完成需求文档撰写,也第一次亲眼见证自己构思的系统在浏览器中成功运行。
教师在课堂中更多扮演教练的角色:先行讲授开发方法与工具,随后跟进每一组项目进展,聚焦需求文档、迭代验收测试两个关键节点逐组把关,不达标准则引导团队调整重做;其余课堂时间充分交给学生自主实践、动手探索。

图2 实训开发现场:跨专业分小组协同推进项目
三、实战开发:从想法到可运行原型
期末大作业延续课程实训中的跨专业组队模式,8支团队每队8至10人。各组推选2–3名代表登台,以“十分钟成果展示+五分钟现场答辩”的形式完成课题汇报。所有项目选题均由小组自主研讨、打磨敲定,八个项目各有侧重、创意纷呈:养老院内部管理小程序、方言乡音册、路漫漫-彼此看见各自的人生路、网页游戏掘迷之地、时迹-个人时间轨迹追踪系统、时光录-情侣心愿本、Pause片刻-南京慢生活指南、全屋宠物智能管理。
在紧凑的两周开发周期里,从选题头脑风暴、梳理需求、撰写规范文档,到功能迭代、部署上线、反复打磨路演脚本,项目全流程交由学生自主推进。教师不再全程介入开发细节,仅在工程方法、关键质量节点上做好把关与引导。项目推进也不再局限于固定课堂,机房、宿舍、课余碎片时间,都成为同学们攻坚克难的阵地;线上群组里,大家常常围绕方案设计、功能取舍热烈研讨,为把想法落地投入十足热忱。跨专业组队的形式,让拥有不同知识背景、思维特质的学生找到适合自己的位置,在真实的项目磨合里学会沟通协商、分工配合,团队协作意识与项目执行力,都在实战中得到扎实锤炼。

图3 答辩现场与开发一线:机房、寝室、课后走廊,8支团队用两周时间完成从选题到原型的全过程
四、答辩现场:评委追问,学生作答
本次答辩采用五维度百分制评价体系,从多个维度综合衡量项目成果:选题立意与应用价值(20分)、技术实现与系统完成度(25分)、Vibe Coding 工程实施过程(15分)、路演表达与展示设计(20分)、现场答辩与团队协作(20分)。每一组展示结束后,王薇副校长、周俊生院长、单奕院长以及到场各位教师依次开展点评问询。评委的问题大多聚焦于产品定位与落地价值、项目创新特色、团队分工安排等核心问题。在一问一答之间,同学们慢慢意识到:那些讲不透彻、说不清楚的环节,恰恰就是项目有待打磨、需要回头优化之处。
为期两周的开发实践,留给同学们的远不止八个可以正常运行的原型系统。来自会计、审计、金融、康养、艺术设计、工管等不同专业的学生切身感受到,在AI赋能开发的新范式下,不必从枯燥的代码语法起步,立足本专业真实场景与现实痛点,同样能够打造实用的数字化工具。在这门课上,他们扎实掌握了三项核心能力:把朦胧零散的创意,梳理成逻辑清晰、可供他人读懂的需求文档;把宏大的开发目标,拆解成可逐一验收、稳步推进的细分任务;独立核验、判别 AI生成功能是否准确可靠——而这最后一项,正是驾驭 AI开发最为关键的能力。开学之初第一堂课上萦绕在很多同学心头“我能不能独立开发一套系统”的疑问,在答辩现场得到了笃定的答案。学生在结课后的反馈大致集中在两件事上:“我真的做出来了”和“原来我的专业离代码没那么远”。他们收获最大的不是原型本身有多漂亮,而是第一次完整体会到:从最初一个想法、到把需求写明白、任务拆解清楚,到生成验收结果,整条流程居然都能由自己走完!八个作业原型日后也许会被迭代、被替换,但从本专业出发提出想法,到会定义问题、利用AI写代码、会判断结果,这一转变,正是这门课在AI时代给出的人机协作的最好的回答。
五、下一步:把课程继续做深
人工智能技术迭代日新月异,课程内容需要建立常态化动态更新机制,紧跟技术浪潮持续打磨。课程团队接下来将系统开展本次教学复盘,进一步优化分层实践任务的难度梯度,完善全过程多元评价体系,细化团队内部工作量认定方案;同步沉淀标准化需求文档模板、课程案例资源库与项目验收清单,为后续开课筑牢教学资源底座。对于本次结课中完成度高、创意突出的项目作品,课程组将择优推荐参与各类学科竞赛与创新创业项目孵化,部分贴合校园场景的选题,还将对接学校真实需求持续迭代、落地推进。
当前我校已将“AI进课堂、进专业、进课程” 确立为人工智能赋能教学改革的核心方向。信息学院将严格对标学校整体部署、落实教改指导精神,持续把Vibe Coding 课程教学里沉淀的实践经验、发现的问题反思反哺到课程设计之中,在新一轮教学迭代里把这门公选课做精做稳,让更多跨专业学生在动手实践中培育数字化思维、练就数字化实践能力,扎实、持续地落实学校人工智能赋能教育教学的改革部署。








