为深入推进人工智能与专业课程的深度融合，探索“AI协同”教学新范式，网络工程系在计算机学院会议室成功举办了“AI协同”课程改革实施经验分享会，旨在通过分享一线教师的改革实践，推动全系教学质量的智能化升级。会上，来自多个不同课程的教师代表围绕各自负责的课程，分享了他们在“AI协同”改革中的探索与阶段性成果。各位老师的分享各有侧重、亮点纷呈，展现了网络工程系在新工科建设背景下的创新活力。

AI赋能“软硬结合”，重构物联网工程全链路

首位分享的冯伟平老师带来了《物联网工程》课程的改革方案。针对课程覆盖面广、实践性强、知识点抽象的特点，冯老师团队系统引入了豆包/Deepseek、编程助手及学习通三类AI工具。改革方案贯穿课前预习、课中教学、课后辅导及实验考核全流程：利用AI将抽象的“中间件”概念转化为动态图解，辅助学生生成传感器数据采集代码，并设计“苏格拉底式”引导学生自主完成智能家居系统开发。

冯老师特别介绍了创新的考核方式，将过程考核占比提升至50%，并新增10%的“AI协同任务”评分，要求学生提交完整的人机协作记录。他表示：“我们的目标不仅仅是让学生学会知识，更要培养他们‘会拆解问题、敢批判验证、能人机协同’的终身学习能力。”

聚焦网络认证，构建“任务驱动+AI辅助”新课堂

张国兰老师分享了《网络工程师认证》课程的改革实践。该课程将AI工具（DeepSeek、ChatGPT等）定位为“高级配置与排错助手”。改革后，教学方式从传统的“教师讲解→学生照做”转变为“任务驱动+AI辅助”。

张老师以“VLAN配置”为例展示了改革思路：学生不再是背诵命令，而是先理解需求，再向AI提问“如何配置跨交换机VLAN”，获得脚本后，再使用eNSP模拟器进行验证、修改并记录。她强调，“重点培养学生的批判性思维，让他们学会判断AI输出的对错”。期末考核也相应调整为“场景分析+排错+AI对比验证”的综合形式，全面评估学生在AI辅助下的实战能力。

严守安全红线，让AI成为“合规操作手册与诊断助手”

作为《Web安全技术》课程的分享者，李凡老师重点强调了在操作类课程中引入AI的边界与规范。课程采用了“演示-练习-考核”三段式高频互动模式，将豆包和通义灵码定位为辅助工具，严禁学生直接使用AI生成攻击代码。

李老师分享了一个典型的“AI协作作业”案例：学生在进行SQL注入实验时遇到报错，可利用AI辅助分析报错原因，但必须手动编写并验证注入语句。所有AI使用过程均需记录在“AI对话分析日志”中，作为实验报告的核心附录。这种模式既提升了学生排查复杂故障的效率，又固化了其独立解决问题的核心能力。“我们培养的是懂AI的网络安全工程师，而不是AI的提线木偶。”李凡老师总结道。

固本强基，软件工程中的“手绘UML”与“批判性反思”

蔡盈盈老师的《软件工程》课程则强调了“固本”的重要性。在AI辅助需求分析与系统设计的同时，课程设置了严格的“红线”——禁止使用AI直接生成UML图。蔡老师解释：“逻辑构建的过程必须由学生亲自完成，因此我们用手动使用draw.io绘图来代替AI生成，确保学生经历了完整的思维训练。”

课程要求学生必须提交两份详细的“AI协作日志”，记录原始Prompt、AI输出、批判性验证过程及人机分工。蔡老师展示了一份优秀学生日志，其中明确标注了“AI生成的用例中未考虑‘会员支付’场景，已由人工补充修正”。这一做法不仅培养了学生的批判性思维，更留下了宝贵的过程性评价数据。

展望未来：构建可复制的“AI协同”教学资源库

本次分享会充分展示了网络工程系在AI协同教学改革中的多元探索：冯伟平老师的“全流程融合”模式、张国兰老师的“任务驱动型”模式、李凡老师的“红线规范型”模式，以及蔡盈盈老师的“固本协同型”模式——四种路径各有侧重，但共同指向一个核心目标：让AI成为学生能力的“放大器”而非“替代品”。

会议形成了两项重要共识。一是各课程将进一步完善AI协同的考核机制，特别是通过“AI对话日志”“批判性验证记录”等过程性材料，量化评估学生的AI协同能力成长。二是网络工程系将整合本次分享的各个课程的改革成果，启动建设“AI协同教学资源库”，内容包括：

AI工具使用指南与合规规范（覆盖豆包/DeepSeek、编程助手、通义灵码等工具）

典型AI引导案例集（含各章节的提示词模板与苏格拉底式提问示例）

学生优秀人机协作文档集（包含完整AI对话日志、验证记录与反思总结）

该资源库将为后续课程标准修订、同类课程改革推广提供可复用的经验支撑。未来，网络工程系将持续推动AI技术与专业教育的深度融合，探索“人机协同”教学的新边界，培养真正具备AI素养与批判性思维的高素质应用型人才。