面向儿童的 AI 硬件教育：从提示词到真实设备

孩子们已经通过聊天机器人和图像生成器接触到 AI，但大多数体验仍停留在屏幕背后。AI 硬件教育让学习变得具象：学生描述一个想法，在 AI 协助下创建程序，将其上传到真实设备，然后观察传感器、显示屏、灯光或电机作出响应。

这种可见的结果让 AI 不再是神秘的答案机器，而成为工程流程中的一个环节：定义、构建、测试、调试和改进。

本指南将解释什么是 AI 硬件教育、孩子们能从中学到什么、教师如何设计实用的学习路径，以及像 CodeCraft 这样的平台如何缩短学生从输入提示到设备实际运行之间的距离。

快速回答：当 AI 加速完成第一个原型，而学生仍然负责需求、预测、测试、调试、安全和反思时，AI 硬件教育的效果最佳。

什么是 AI 硬件教育？

AI 硬件教育结合了三个学习领域：

1. 人工智能素养：理解 AI 能做什么、如何向它提供有用的指令，以及为什么必须检查它的输出。
2. 编程与计算思维：将目标拆分为输入、规则、输出以及可测试的更小步骤。
3. 物理计算：将软件连接到开发板、传感器、显示屏、灯光、按钮、电机和其他真实组件。

在传统的入门硬件课程中，学生可能会花费大部分课堂时间安装 IDE、配置驱动程序、选择开发板软件包、查找库文件，以及修复上传设置。这些技能之后可能很有价值，但也可能延后初学者第一次看到创意实际运行的时刻。

AI 辅助硬件工作流提供了另一种起点：

描述目标 → 生成第一个版本 → 编译 → 上传 → 观察设备 → 改进提示或代码

AI 并不会取代学习。它改变的是学习开始的位置。学生可以从有意义的设备行为开始，再探究程序、硬件与物理结果之间如何关联。

从文字到可运行的硬件：打开 CodeCraft，了解自然语言创意如何成为适用于受支持硬件的项目。

AI 辅助硬件不等同于“在设备上运行 AI”

这两个概念经常被混淆。

AI 辅助硬件项目是在开发过程中使用 AI 编程工具。最终设备可能运行的是普通程序—例如读取温度并显示警报。

端侧 AI 项目则是在硬件本身运行机器学习模型，例如在 ESP32-S3 上进行图像识别或声音分类。

两者都属于现代 AI 课程的一部分，但初学者不必从模型训练开始。一个简单的传感器与显示屏项目已经可以教会学生如何：

• 清晰表达需求；
• 识别输入和输出；
• 检查生成的逻辑；
• 比较预期结果与实际结果；
• 判断问题是来自提示、代码、接线、电源还是传感器数据；
• 根据证据修改设计。

这些习惯将为之后更高级的 IoT、机器人、TinyML 和边缘 AI 项目打下基础。

为什么要在儿童 AI 课程中使用真实硬件？

让抽象逻辑变得可见

当变量和条件只存在于代码编辑器中时，可能让人感觉遥远。硬件会将它们转化为可观察的事件：按下按钮，菜单发生变化；遮住光线传感器，LED 点亮；超过温度阈值，蜂鸣器响起。

学生可以指着结果问：“为什么会发生这种情况？”这个问题为理解程序流程打开了大门。

形成自然的调试循环

AI 生成的代码并不会自动正确。接线、传感器读数或学生最初的指令也是如此。物理项目为学生提供了多种证据：

• 代码是否编译成功？
• 是否上传到了正确的开发板？
• 设备是否接收到了预期输入？
• 输出是否符合需求？
• 修改一个数值或指令后会发生什么变化？

调试会成为一次调查，而不是对犯错的惩罚。

鼓励清晰沟通

像“制作一个智能设备”这样模糊的提示，为 AI 提供的上下文太少。有效的提示应说明硬件、输入、行为、阈值和输出。例如：

为 Grove Beginner Kit 创建一个教室舒适度监测器。在 OLED 上显示温度和湿度。如果温度升至 28°C 以上，开启蜂鸣器并显示“太热了”。

改进这个提示可以教授规格说明写作：学生必须决定他们实际上希望设备做什么。

支持基于项目的协作

硬件项目会自然形成不同角色。一名学生可以检查提示，另一名学生可以连接组件，另一名学生可以关注编译和上传过程，还有一名学生可以记录测试结果。随后，各团队可以比较项目，并解释他们为什么做出不同的设计选择。

目标并不是让每个小组都生成完全相同的代码，而是让推理、测试和改进过程变得可见。

学生可以培养哪些技能？

设计良好的 AI 硬件课程不应只评估设备是否能够运行。它还可以培养六项相互关联的技能：

1. 问题定义：将一个宽泛的想法转化为用户、输入、行为和成功条件。
2. 计算思维：在生成的代码中识别顺序、条件、循环、变量和事件。
3. 硬件系统思维：理解开发板、传感器、电源、连接方式、程序和外壳如何相互影响。
4. AI 素养：提供上下文、审查输出、识别假设，并避免将看似自信的回答当作保证无误的事实。
5. 调试与迭代：记录预期结果、实际结果、所做更改，以及下一次测试中的证据。
6. 沟通与协作：讲解设备、分配团队角色、记录局限性，并提供有价值的反馈。

这种方法与 UNESCO 面向学生和教师的 AI 能力框架一致，该框架强调以人为本的思维方式、AI 伦理、基础知识、系统设计，以及 AI 应支持—而非取代—人类判断和教师责任这一原则。

从首次提示词到独立项目的学习路径

最有效的 STEM IoT 课程会逐步增加自由度。学生首先需要快速获得成功体验，然后进行结构化的变化尝试，最后面对开放式挑战。

阶段 1：让一个输出作出响应

• 示例：在 Wio Terminal 上显示“Hello World,”、一个图标或简单动画。
• 学习目标：理解提示词、生成、编译、上传和可见输出。
• 教师支持：高。提供硬件和提示词模板。

阶段 2：将一个输入连接到一个输出

• 示例：按下按钮以更改图像，或遮住光线传感器以点亮 LED。
• 学习目标：理解事件、条件以及因果关系。
• 教师支持：中到高。要求学生在上传前预测设备行为。

阶段 3：构建基于传感器的决策

• 示例：创建温度警报、噪声指示器、植物提醒器或距离报警器。
• 学习目标：处理实时数据、阈值、校准和误报。
• 教师支持：中等。让团队选择阈值并比较结果。

阶段 4：设计信息产品

• 示例：构建气象站、个性化时钟、教室状态显示器或数据仪表板。
• 学习目标：结合输入、界面设计、连接性和用户需求。
• 教师支持：中到低。学生定义受众和屏幕布局。

阶段 5：解决开放式问题

• 示例：开发节能提醒器、无障碍辅助设备、智能展品、环境监测器或竞赛原型。
• 学习目标：定义需求、分配团队角色、测试多个版本并展示证据。
• 教师支持：以辅导代替逐步指导。

如需获取覆盖这些阶段的现成灵感，请参阅《使用 AI 编程可以构建的 8 个 AI 硬件项目创意》，并在 SenseCraft App Square 中浏览可运行的示例。

一堂实用的 60 分钟入门课程

教师无需从长达一学期的课程开始。一节短课即可展示从想法到设备的完整闭环。

课前准备

• 为每一对学生或每个小组连接并测试一台受支持的设备。
• 选择一个具有即时可见输出的项目。
• 准备一个包含两到三个可编辑字段的基础提示词。
• 确认浏览器访问和上传流程正常。
• 保留一个已知可正常运行的项目作为备用方案。

0–10 分钟：定义挑战

展示完成后的行为，但不要展示代码。让学生识别输入、输出、规则以及可能的失败情况。

10–20 分钟：编写提示词

各小组完成以下结构：

使用 [硬件]，当 [输入或事件] 发生时，让 [输出] 执行 [行为]。显示 [消息或视觉内容]。当 [条件] 满足时，项目应重置。

20–35 分钟：生成、编译并上传

学生使用 CodeCraft 生成项目，在云端编译，并将其上传到设备。他们记录每个阶段是否成功。

35–50 分钟：测试并改进

每个小组更改一个有实际意义的变量：警报阈值、颜色、消息、时间间隔、图标或交互方式。他们应在上传修改版本前说明自己的预测。

50–60 分钟：演示与反思

各小组展示设备并回答三个问题：

1. 你让 AI 构建了什么？
2. 哪些内容没有按预期工作？
3. 哪些证据帮助你决定要作出什么更改？

这一结构将重点放在学习上，而不是争先恐后地完成一个成品。未来的教师指南可将其扩展为课程目标、工作表、评估量规和故障排查提示。

想在自己的课堂或创客空间中试行本课程？可前往 打开 CodeCraft 进行个人测试，或联系教育团队，讨论硬件、授权、课程与教师支持。

课堂实证：当教师尝试完整工作流程时，会发生什么？

2026 年 7 月 31 日，近 40 名来自科学博物馆、学校及相关 STEM 教育岗位的参与者，在深圳柴火创客空间参加了一场动手实践的教师培训。借助 CodeCraft 和 Wio Terminal，参与者完成了完整流程：

描述需求 → 使用 AI 生成代码 → 云端编译 → 上传 → 在 Wio Terminal 上运行

最初的成果特意保持简单：文本、图标和交互式屏幕效果。其价值并不在于技术复杂度，而在于参与者能够立即看到一句话如何转变为真实设备上的行为。

此次活动也表明，AI 硬件教育应当保持协作性。参与者检查提示词、关注编译状态、对比设备结果，并相互帮助定位问题。AI 降低了入门门槛，而提问、判断、团队协作和迭代仍然是人类的学习活动。

对教育者而言，更短的配置路径为课堂中最重要的环节腾出了空间：设计有意义的问题、引导学生表达需求、讨论意料之外的结果，以及共同改进项目。

创作者用 CodeCraft 构建了什么？

课堂项目应从简单开始，但同样的“提示词到设备”工作流程可以扩展至联网系统、机器人和真实世界原型。近期的创作者演示包括：

• Mohsin Kamal 制作的由自然语言生成的 ESP32 项目；
• Creative For You 制作的无需互联网连接即可运行的 LoRa 消息系统；
• techiesms 制作的由运动触发、可将图像发送至 Telegram 的 XIAO ESP32S3 摄像头；
• EDISON SCIENCE CORNER 制作的通过 Wi-Fi 控制的 ESP32 摄像头漫游车；
• Simon Says Home Assistant 制作的与 Home Assistant 连接的微控制器实验；以及
• Becky Stern 制作的用于 Etsy 和 Shopify 销售通知的实体指示灯。

来自 techiesms、EDISON SCIENCE CORNER 和 techtalkies.ino 的短视频演示，也展示了基于浏览器的提示、生成和受支持开发板工作流程。

这些是创作者演示，并非学生学习成果的证据。其中一些包含付费或联盟推广内容。其教育价值在于向教师展示学生可以分析、简化、复现和改进的项目任务范围。

如何选择 AI 硬件教育平台

学校应评估完整的课堂工作流程，而不只是生成的代码：

• 访问：浏览器兼容性、网络要求、账户设置及已保存项目的访问权限。
• 硬件支持：针对课程中使用的具体开发板、传感器和输出设备的已测试流程。
• 编译和上传：从生成代码到实体设备的清晰状态信息与错误提示。
• 班级管理：授权、席位分配、使用情况监控、项目分发和审核。
• 课程与支持：课程进阶、教师材料、培训、部署指导和技术协助。
• 分享：让学生展示、讲解和记录项目的实用方式。
• 安全与隐私：年龄政策、数据处理、可接受使用规范、组件风险及适当的监督。

CodeCraft 如何支持 AI 硬件教育

CodeCraft 被定位为完整教育解决方案的一部分，该方案围绕三个相互连接的支柱构建。

软件：从创意到设备的更短路径

CodeCraft 为受支持硬件提供基于浏览器的工作区、自然语言代码生成、云端编译和一键上传。对于机构而言，当前教育服务还通过统一后端提供席位分配、班级管理和使用情况监控。

硬件：用于渐进式项目的开发板和模块

当前受支持硬件的重点包括：

• Wio Terminal：配备屏幕、按键、Wi-Fi 和 Bluetooth，可用于交互式项目、游戏、时钟和仪表板；
• Grove Beginner Kit：集成传感器和输出组件，适用于入门级实体计算和环境项目；
• XIAO ESP32S3 Sense：配备摄像头和麦克风的紧凑型开发板，适合后续开展 TinyML、视觉、音频和智能设备活动；
• Grove 生态系统：包括传感器、显示器、继电器、灯、蜂鸣器及其他模块，使课程能够扩展到单个固定项目之外。

课程与支持：从体验课到可复用的教学项目

CodeCraft 的教育方向将软硬件与 STEM 课程、课堂部署、教师培训和技术支持相结合，帮助学校从一小时体验活动逐步发展为项目序列、教师主导课程、创客空间项目或可重复实施的机构级方案。

正在规划 AI 硬件课程、工作坊或实验室？访问 CodeCraft 教育概览，咨询硬件组合、班级许可、课程内容和教师支持。

如何避免 AI 替学生完成学习

最优秀的 AI 编程课堂不会因为学生接受第一个生成的答案而给予奖励，而是让他们的思考过程变得可观察。

可采用以下课堂规则：

1. 上传前先预测。学生说明他们预计设备会如何运行。
2. 一次只改变一项内容。每次迭代都应有明确的原因。
3. 要求解释。学生识别重要的函数、变量和条件。
4. 保留测试日志。记录提示词、结果、问题、修改内容和新结果。
5. 要求提供证据。“AI 是这么说的” 不是证据；读数、实际行为或可重复的测试才是证据。
6. 记录局限性。学生说明他们的设备目前还无法完成什么。
7. 展示过程。评估应包括决策和迭代过程，而不仅仅是最终演示。

这些做法将 AI 定位为由学生指导和评估的协作者—而不是绕过推理过程的捷径。

常见问题

AI 硬件教育适合什么年龄段？

适用性取决于项目设计和监督方式，而非某个统一的年龄门槛。作为规划参考，9–12 岁学生可以使用集成式开发板、可视化输出和教师提供的提示词模板；12–15 岁学生可以加入传感器、条件判断、测试日志和代码解释；15 岁以上学生则可以尝试联网系统、开放式设计和入门级 TinyML。教师应根据学生的既有经验进行调整，并遵守当地的安全、隐私和产品年龄要求。

学生在使用 AI 硬件工具前需要编程经验吗？

不一定。初学者可以从描述行为并测试一个指导式项目开始。不过，课程应循序渐进地教授编程概念，使学生能够理解并修改 AI 生成的内容，而不是始终只依赖提示词。

CodeCraft 是否需要安装 Arduino IDE？

CodeCraft 基于浏览器，且为受支持的硬件提供云端编译和一键上传功能，因此其核心课堂工作流不需要在本地安装 Arduino IDE。教师仍可在其有助于实现学习目标时，于后续阶段引入传统开发工具。

第一堂课最适合使用什么硬件？

请选择能够快速呈现可见结果且接线需求最少的设备。Wio Terminal 非常适合屏幕与按键活动；Grove Beginner Kit 适用于基于传感器的课程。XIAO ESP32S3 Sense 则更适合紧凑型联网设备，以及更进阶的 AI 视觉或音频项目。

AI 硬件教育能否融入现有的 STEM 或 IoT 课程？

可以。它可以作为编程、电子、设计、环境科学、IoT、机器人或创客教育中的快速原型层引入。最有效的整合方式是保留现有学习目标，并利用 AI 为测试、分析和设计创造更多时间。

教师应如何评估 AI 生成的硬件项目？

应评估问题定义、提示词质量、对输入与输出的理解、测试方法、调试证据、安全选择、代码解释、团队合作和反思。设备能否正常运行只是评分量规中的一个部分。

CodeCraft 是否为学校和机构提供解决方案？

是的。CodeCraft 当前的教育方案结合了软件、Seeed Studio 硬件、课程资源、班级许可、席位管理、教师培训和技术支持。机构可通过联系页面讨论适合的部署方案。

结语：目标不是减少思考—而是加快反馈

当 AI 硬件教育能够帮助学生更快地提出有意义的问题时，它便具有价值。更短的路径让学生完成第一个可运行设备后，拥有更多机会思考：它为什么会这样运行、还缺少什么证据、该设计如何服务真实用户，以及下一步应如何改进。

提示词只是开始。当学生将语言转化为一个系统，在现实世界中测试这个系统，并对其改进负责时，学习才真正发生。

探索 CodeCraft

浏览适合课堂的项目灵感

联系 CodeCraft 教育团队