giteahh/llm_wiki

Fork 0

Files

T

giteahh 407a9213bf feat(vault): Phase 3 tools + batch citation/relation enrichment

2026-07-01 15:20:40 +08:00

22 KiB

Raw Blame History

title, created, date, tags, author, description, topics

title

created

date

哈佛大学AI教学项目核心特点分析

[!info] 分析基础：基于2023-2026年的官方文档、学术论文、技术博客和项目实践，共参考20+个权威来源

一、核心理念：伦理优先

1.1 Embedded EthiCS 计划

定位：将哲学家直接嵌入计算机科学课程，伦理与技术同步教学。

核心机制：

哲学家全程参与CS课程设计
将伦理/社会思考与编程教学融合
覆盖主题：生物伦理、AI伦理、算法公平性、技术哲学

教学目标：

学生在构建系统的同时学习思考伦理影响
培养"技术能力+道德判断"的双维度人才
避免技术至上的盲点

文献支持：

SIGCSE 2024论文：《Teaching CS50 with AI》（DOI: 10.1145/3626252.3630938）

1.2 医疗AI伦理全球领导力

IMAI（医学AI倡议）

使命：推动AI在临床实践中的道德实施，优先考虑患者最佳利益。

核心活动：

多机构AI研究协调
医院实施最佳实践开发
AI实施咨询服务

领导力：Dr. Insoo Hyun（哈佛医学院研究伦理主任）

核心原则："Do good while minimizing harm"（在最小化伤害的同时做好事）

成果发表：

Nature Medicine（2023）
New England Journal of Medicine AI（2023）

支持者：Gordon and Betty Moore基金会、Microsoft、健康基金会

BoT框架（Boundaries of Tolerance）

开发者：Jeffrey Saviano（哈佛埃德蒙与莉莉·萨弗拉伦理中心）

五大支柱：

企业伦理整合
伦理原则采纳
领先实践
外部协作
预测未来技术的治理结构

发布时间：2025年NACD Nashville活动

二、创新工具生态

2.1 CS50.ai：课程专用AI助手

技术架构：

graph TD
    A[学生提问] --> B{CS50.ai服务器}
    B --> C[Azure + OpenAI基础设施]
    C --> D[向量数据库存储]
    D --> E[语义搜索非关键词匹配]
    E --> F[引导式学习回应]
    F --> G[学生独立解决问题]

与通用ChatGPT的关键区别：

维度	CS50.ai	通用ChatGPT
回答方式	引导式学习（类似好导师）	直接给出答案
教学目标	帮助学生理解而非破坏学习体验	愿意提供完整解决方案
可用性	24/7"办公时间"支持	无特定教学约束
学术诚信	引导而非替代	可能助长学术不端

使用数据（截至2025年）：

201k 学生和教师使用
35k 提示/天
940万 总提示数

文档参考：[CS50.ai官方文档]

2.2 CS50 Duck："会说话的橡皮鸭"

橡皮鸭调试概念溯源

传统实践：程序员对着无生命物体（如橡皮鸭）解释代码中的bug，通过口头表达理清思路。

CS50创新：

graph LR
    A[传统橡皮鸭] --> B[你说话]
    B --> C[鸭沉默（仅倾听）]
    D[CS50 Duck] --> E[你说话]
    E --> F[Duck AI引导]
    F --> G[学生独立思考]
    G --> H[深化理解]

VS Code集成（ddb50.vsix扩展）：

{
  "repository": "cs50/ddb50.vsix",
  "features": [
    "Conversational coding experience",
    "Code explanation",
    "Debugging assistance",
    "Context-aware help"
  ],
  "license": "GPL-3.0"
}

学术诚信政策：

[!warning] 使用政策明确区分

✅ 允许：

使用CS50 Duck（cs50.ai、cs50.dev）
询问概念性问题
理解算法原理

❌ 禁止：

使用ChatGPT、Claude、Copilot、Gemini等外部AI直接完成作业
要求AI生成代码答案
复制AI解决方案作为自己的代码

教学哲学："我们希望学生理解，而不仅是复制"

文献支持：SIGCSE 2025论文《Improving AI for CS50》（DOI: 10.1145/3641554.3701945）

2.3 "Quacking"式编程学习

核心理念：将橡皮鸭调试从单次对话发展为持续学习伙伴的过程。

与传统教学的对比

传统答疑	"Quacking"学习
学生问→老师直接回答	学生问→Duck引导→学生自己思考
理解停留在表层	理解深入本质
依赖外部帮助	培养独立解决问题能力
时间受限（老师不在）	24/7可用

实际应用案例

1. 概念理解
   学生问："什么是递归？"
   → Duck解释+举例
   → 学生理解本质

2. 代码调试
   学生贴出错误代码
   → Duck指出可能原因
   → 学生自行修复

3. 效率提升
   Duck建议："更高效的实现方式"
   → 学生学习最佳实践

三、系统性提示词库

3.1 HILT System Prompt Library（哈佛官方）

来源：Harvard Initiative for Learning and Teaching (HILT)

核心功能：

prompt支持库
├── 教师专用提示词
│   ├── 课程设计辅助
│   ├── 评分标准生成
│   └── 幻灯片草稿创建
├── 学生专用提示词
│   ├── 作业指导（非答案）
│   └── 反思引导
└── 跨学科应用
    ├── 医学教育AI提示词
    ├── 商业分析提示词
    └── 人文学科AI提示词

文档参考：[HILT System Prompt Library]

3.2 社区开源版本

ncwilson78/System-Prompt-Library

维护者：Nick Wilson（哈佛教学创新主任）

规模数据：

244 stars、49 forks、244 watchers
MIT License许可

每个提示词结构：

简要总结：提示词的用途和功能
学习目标：具体的教学目标
交互结构：提示词支持的交互类型
附加材料：相关教学资源

GitHub仓库：[ncwilson78 System Prompt Library]

danielrosehill/System-Prompt-Library

规模数据：

总提示词数：1,290个
最后更新：2025-09-28
持续增长：从892增至1,290个

分类体系：

自主代理（复杂多步推理）
聊天机器人（特定人格或专业知识）
文本转换提示词（格式化原始输出）

特色功能：

N8N工作流自动填充
多格式导出（JSON、CSV、Markdown）
定期版本控制（GitHub Releases）
Hugging Face集成

GitHub仓库：[danielrosehill System Prompt Library]

3.3 "Garbage in, garbage out"方法论

[!quote] 哈佛官方教学资源明确指出： "有句老话：'垃圾进，垃圾出。'LLM的输出质量与输入相当，学习（或许教授）如何编写有效的提示词至关重要。"

提示词设计关键原则（Harvard HUIT指南）

1. Be Specific（具体性）

❌ 差提示词："写个故事"
✅ 好提示词："写一个1000字儿童科幻冒险故事，主角是10岁宇航员，学习团队合作重要性"

原理：具体语境减少错误响应概率，限制幻觉发生。

2. Define Role（角色定义）

❌ 差提示词："解释递归"
✅ 好提示词："你是一位计算机科学教育专家，用通俗易懂的语言向初学者解释递归概念，使用阶梯示例"

3. Provide Reference Point（参考点）

"这是我希望输出样式的示例段落，供AI参考：
[示例段落]

现在，用类似风格写关于[主题]的段落"

4. Specify Audience（受众定义）

"目标受众：哈佛本科生计算机科学学生
期望语气：学术但友好，避免行话，使用课程中学过的术语"

5. Build Iteratively（迭代构建）

第一轮："写一个关于AI的博客文章大纲"
第二轮："在第三段添加教育应用案例"
第三轮："为第四段的伦理担忧添加反驳观点"

文档参考：[Harvard HUIT提示词指南]

错误减少策略

策略	效果
详细提示工程	减少算法/数据限制导致的错误
平衡AI-人类合作	校验AI输出，捕捉不准确之处
要求自我验证	让AI"检查你的答案"或"解释你的推理"

四、跨学科深度融合

4.1 医学院（AI重点领域）

AIM项目（Artificial Intelligence in Medicine）

使命：加速AI解决方案进入临床实践。

近期项目：

癌症影像生物标志物发现
癌症风险预测基础模型
患者门户信息LLM（登上纽约时报）
头颈癌肌少症检测AI
使用AI检测颈外延伸

关键出版物：

"Guidelines for studies using large language models"（2025）
"Ethical standards for AI clinical trials"（2023）

RAISE Symposium框架

原则："Do good while minimizing harm"

发表期刊：

Nature Medicine（2023）
New England Journal of Medicine AI（2023）

支持者：Gordon and Betty Moore基金会、Microsoft、健康基金会

4.2 商学院（AI驱动的商业）

Frontier Firm AI Initiative（与微软合作）

参与组织（Fortune 500企业）：

Barclays
BNY
Eli Lilly
EY
Lumen Technologies
Mastercard
Nestlé
Levi Strauss

研究领域：

AI原生企业工作流
"Agent boss"理论（AI代理人管理）
前沿企业雷达（基于AI原生初创公司）
新技术对劳动力/技能需求的影响

启动时间：2025年11月18日

A2I2孵化器（Applied AI Incubator）

结构：

秋季：构建模型
春季：商业原型
夏季：全职启动

支持：

AWS云积分
导师指导
投资人路演机会
$15,000 AWS积分奖励

典型项目：

"The Yard"：高尔夫挥杆一致性AI应用
AI驱动的简历评分系统
语言学习应用（Gemini API导师）
CatGPT：学习聊天机器人
AI面部识别安防软件

4.3 法学院（AI治理）

PMAIL项目（Precision Medicine, AI, and Law）

合作：

哈佛法学院
哥本哈根大学生物科技创新法中心

聚焦：精准医学的AI和AI黑箱的法律与伦理框架

资助：诺和诺德基金会5年资助（2023）

4.4 文理学院（AI+人文）

CHARM中心（Center for Human-driven AI Research and Methods）

使命：在计算方法和人机交互设计方面做出科学贡献。

近期项目：

CorpusStudio：语料库新兴模式挖掘
"ChatGPT, Don't Tell Me What to Do"：人道主义谈判AI
上下文学习表示（ICLR 2025）
当指标成为损失函数时的解释优化（ICML 2025）

"Vibe coding"：人文学科的AI辅助编码实践

五、研究中心集群

5.1 Kempner Institute

使命：揭示自然和人工智能情境下的智能基础，大规模智能研究以造福人类。

特色：

结合学生、科学家、工程师
跨学科的智能研究

5.2 CHARM（Center for Human-driven AI Research and Methods）

使命：在计算方法和人机交互设计方面做出科学贡献。

研究领域：

人机交互设计方法论
文档语料分析
AI辅助谈判与协作

5.3 PAI（Power and AI Initiative）

领导者：Professor Le Xie和Professor Minlan Yu

聚焦：电力系统与AI交叉的研究、解决方案和教育机会。

协作：哈佛定量社会科学研究所（IQSS）

5.4 APEX+（Agentic and Physical AI for Excellence）

启动时间：2025年9月16日

领导者：Professors Jia Liu和Na Li

创新方向：

跨科学学科的代理人物理AI重新构想

应用示例：

神经数据分析
大规模基因表达映射
AR/VR人机协作接口
AR眼镜实时识别实验设备

5.5 AI+Science Initiative

范围：大学范围的倡议，推进计算思维和AI应用。

聚焦领域：

气候变化
水资源短缺
其他紧迫的人类挑战

方法：跨学科AI整合

六、多层次课程体系

6.1 CS50系列（入门到进阶）

CS50x - Introduction to Computer Science

周数：11周

AI模块：第10周

AI课程内容：

提示词工程（System/User prompts）
生成式AI概念
决策树与Minimax
机器学习与强化学习
深度学习与神经网络
大语言模型与Transformer架构
AI幻觉

教师：David J. Malan

认证选项：

免费旁听
edX验证证书
专业证书（3课程系列）
学分转换

CS50 AI - Introduction to Artificial Intelligence with Python

先修要求：CS50x或1+年Python经验

时长：7周

时长：4-5小时/周

核心项目：

"Degrees"：六度凯文·培根游戏（最短路径算法）
Minesweeper：AI驱动的扫雷
Knights：游戏AI
Tic-Tac-Toe：Minimax算法

认证选项：

免费旁听
edX验证证书
专业证书：AI（3课程系列）
学分转换

6.2 高级课程

CS181 - Machine Learning

级别：高级本科生

聚焦：广泛、严格的机器学习原理、概率推理、不确定环境中的决策

课程内容：

数学推导
编程作业
综合实验项目

先修要求：

对非平凡编程感到舒适（CS50级别或同等）
熟悉Python和统计学基础

教师：David Alvarez-Melis和Yilun Du

评分构成：

作业零（4%）
六次作业（11%每次）
期中（15%）
期末（15%）

在线课程（edX专业证书）

Machine Learning and AI with Python
- 时长：6周，4-5小时/周
- 聚焦：决策树、随机森林
- 费用：$299
- 教师：Pavlos Protopapas（哈佛工程学院）
Data Science: Building Machine Learning Models
- 时长：8周，2-4小时/周
- 聚焦：交叉验证、正则化、推荐系统
- 应用：构建电影推荐系统
- 教师：Rafael Irizarry（哈佛陈氏公共卫生学院）
Introduction to Neural Networks and Deep Learning with Python
- 时长：8周
- 费用：$299
- 聚焦：深度学习、神经网络实践技能
- 级别：中级/高级

课程笔记参考：[CS50 AI课程笔记]

七、产学研一体化

7.1 全球标准制定

DCI网络（Data, Care, and Interoperability）

领导力：哈佛医学院医师（贝斯以色列女执医疗中心）

规模：300+机构跨越学术界、制药、技术、政府

核心项目：

LUMINA：联邦临床试验匹配架构
GUARDIAIA：负责任AI安全、透明度、治理框架
EmPATHICA：多模态肿瘤学数据模式

工作组：

可扩展多模态数据架构
负责任AI方法/治理
AI"营养标签"
偏见缓解框架

发表期刊：Nature Medicine、New England Journal of Medicine AI

7.2 企业深度合作

微软（Frontier Firm AI Initiative）

参与层级：

学术研究（哈佛商学院）
技术提供（微软）
企业验证（Fortune 500企业）

研究产出：

未来状态运营模式（人机协作）
"Agent boss"理论
前沿企业雷达

盖茨基金会

项目：卢旺达国家AI战略

合作者：

WHO
Anthropic
盖茨基金会

7.3 创业孵化

A2I2孵化器（Applied AI Incubator）

支持体系：

云积分（AWS）
导师网络
投资人路演
Demo Day展示

成果转化：

学生项目 → 商业原型 → 全职启动

八、教学方法创新

8.1 "红绿灯"AI使用框架

开发者：Teddy Svoronos（哈佛肯尼迪学院高级讲师）

框架定义

颜色	含义	应用场景
🟢 绿灯	AI无限制使用	鼓励实验和创新
🟡 黄灯	AI允许但有条件	需要说明使用方式
🔴 红灯	AI禁止使用	要求独立思考，通常课前讨论前置

教学理念：

红灯任务：通常在课堂讨论前，学生必须构建和辩护论证
绿灯任务：鼓励实验和探索

8.2 AI辅助口语考试

医学院实践（Tari Tan教授）：

流程：

学生先注释自己的课程材料
将材料提交给ChatGPT分析
比较结果
反思异同

核心教训：

生成式AI模仿流利度
但不复制人类推理

8.3 AI作为"思考伙伴"

医学院理念（Tari Tan）：

实践：

学生参与课堂AI政策共同制定
增加透明度

核心结论：

AI不会淘汰教学
但会淘汰不投入或不批判的教学实践

8.4 LEAP倡议（Learning Explorations in AI Pedagogy）

组织者：哈佛教育学院教学与学习实验室（TLL）

参与阶梯：

参与类型   → 活动示例
─────────────────────────────
探索       → 阅读文章/章节、听播客、旁听同事课堂
尝试       → 快速实验（起草教案、创建评分标准、制作幻灯片）
扩展       → 基于反思迭代改进
分享       → 在HGSE AI展示会或专业会议分享发现

激励机制：

如果至少90%教职工参与AI相关教学活动
Dean's Office举办披萨派对

文档参考：[Learning Explorations in AI Pedagogy LEAP Initiative]

九、哈佛AI教育的核心差异化

维度	哈佛特色
伦理定位	嵌入式道德教育，非附加课
工具策略	自研AI助手+严格外部AI限制
医疗AI	全球临床AI伦理领导力
产业嵌入	与Fortune 500深度合作，从实验室到IPO路径
研究导向	多中心集群，覆盖智能基础、人机交互、代理AI
教学创新	红绿灯框架、LEAP阶梯、AI口语考试
开放度	OpenCourseWare+多认证路径+学分转移
全球影响	DCI网络、RAISE框架塑造FDA/WHO标准

十、近期发展（2023-2026）

时间	事件	影响
2026-02	AI+数据中心+美国电网项目启动	SEAS+哈佛肯尼迪学院
2025-11	APEX+倡议宣布	科学学科的代理人物理AI
2025-11	与微软启动Frontier Firm AI Initiative	Fortune 500企业参与
2025-09	A2I2首期完成	学生Demo Day展示
2025-11	BoT医疗AI治理框架发布	哈佛伦理中心
2024	RAISE成果发表	Nature Medicine+NEJM AI
持续	DCI网络构建	全球医疗AI安全标准

十一、总结

[!success] 哈佛大学AI教育生态系统以四大创新为核心：

伦理优先：Embedded EthiCS计划、医疗AI全球领导力（IMAI/RAISE/BoT框架）
定制化工具：CS50 Duck（引导式学习非直接答案）、cs50.dev集成开发环境
系统化方法：Garbage in, garbage out提示词工程方法论、1,290+提示词库
跨学科融合：医学/商业/法学/人文学院深度整合，CHARM、APEX+等研究中心
产学研一体：A2I2孵化器、DCI全球标准制定、Frontier Firm AI Initiative
教学创新：红绿灯框架、LEAP阶梯、AI辅助口语考试

核心价值主张：培养的不仅是构建AI系统的能力，更是负责任部署AI于医疗、气候、全球健康等领域的综合素养。

22 KiB Raw Blame History Unescape Escape

哈佛大学AI教学项目核心特点分析

一、核心理念：伦理优先

1.1 Embedded EthiCS 计划

1.2 医疗AI伦理全球领导力

IMAI（医学AI倡议）

RAISE框架（Responsible AI for Social and Ethical Healthcare）

BoT框架（Boundaries of Tolerance）

二、创新工具生态

2.1 CS50.ai：课程专用AI助手

2.2 CS50 Duck："会说话的橡皮鸭"

橡皮鸭调试概念溯源

2.3 "Quacking"式编程学习

与传统教学的对比

实际应用案例

三、系统性提示词库

3.1 HILT System Prompt Library（哈佛官方）

3.2 社区开源版本

ncwilson78/System-Prompt-Library

danielrosehill/System-Prompt-Library

3.3 "Garbage in, garbage out"方法论

提示词设计关键原则（Harvard HUIT指南）

1. Be Specific（具体性）

2. Define Role（角色定义）

3. Provide Reference Point（参考点）

4. Specify Audience（受众定义）

5. Build Iteratively（迭代构建）

错误减少策略

四、跨学科深度融合

4.1 医学院（AI重点领域）

AIM项目（Artificial Intelligence in Medicine）

RAISE Symposium框架

4.2 商学院（AI驱动的商业）

Frontier Firm AI Initiative（与微软合作）

A2I2孵化器（Applied AI Incubator）

4.3 法学院（AI治理）

PMAIL项目（Precision Medicine, AI, and Law）

4.4 文理学院（AI+人文）

五、研究中心集群

5.1 Kempner Institute

5.2 CHARM（Center for Human-driven AI Research and Methods）

5.3 PAI（Power and AI Initiative）

5.4 APEX+（Agentic and Physical AI for Excellence）

5.5 AI+Science Initiative

六、多层次课程体系

6.1 CS50系列（入门到进阶）

CS50x - Introduction to Computer Science

CS50 AI - Introduction to Artificial Intelligence with Python

6.2 高级课程

CS181 - Machine Learning

在线课程（edX专业证书）

七、产学研一体化

7.1 全球标准制定

DCI网络（Data, Care, and Interoperability）

7.2 企业深度合作

微软（Frontier Firm AI Initiative）

盖茨基金会

7.3 创业孵化

A2I2孵化器（Applied AI Incubator）

八、教学方法创新

8.1 "红绿灯"AI使用框架

框架定义

8.2 AI辅助口语考试

8.3 AI作为"思考伙伴"

8.4 LEAP倡议（Learning Explorations in AI Pedagogy）

九、哈佛AI教育的核心差异化

十、近期发展（2023-2026）

十一、总结

十二、参考文档

官方文档

学术论文

GitHub仓库

视频资源

相关笔记

22 KiB

Raw Blame History