課程大綱
原理 → Prompt → Vibe Coding → 專題出路。學生讀得懂、寫得出、帶得走。
課程路徑清楚：原理 → Prompt → Vibe Coding → 專題出路。學生先理解大型語言模型如何「讀」語言，再學習可驗收的提示策略，接著用自然語言驅動 Python 作品，最後把成果收成可演示專題，並帶上倫理意識。
整套大綱為香港中小學而寫，對準讀得懂、寫得出、帶得走。以下各單元列出導讀、說明與要點，方便校長、主任與老師把握課堂結構。
01
為何現在人人都在談 LLM，它究竟如何「讀」語言。
學生日常接觸的是對話介面，卻少有機會把生成式 AI 與傳統程式分開來看。本單元先釐清趨勢，再回到語言模型如何把文字切成 Token、如何依賴訓練資料，以及為何會出現幻覺。
目標不是背術語，而是讓學生能用自己的話說出：LLM 擅長甚麼、不擅長甚麼，以及使用時應如何核對輸出。
02
怎樣問，AI 才真正幫到你——可驗收、可重用。
許多學生會提問，卻把一整段模糊想法一次丟給模型，結果輸出空泛、難以改。本單元把提示拆成可檢查的結構，讓學生學懂先界定角色與任務，再加限制與範例。
課堂強調可重用：同一套提示法可用於寫作、解難與輔助編程，並練習追問與收斂，而不是一次問完就放棄。
03
用自然語言把想法變成 Python 作品，而不是死記語法。
Vibe Coding 的重點不是「叫 AI 代寫就完事」，而是先講清楚要做甚麼，再讓模型起草程式，由學生閱讀、驗收與修改。學生仍要對作品負責。
透過 Python 小專題，例如聊天機械人、文本分類或實用小工具，學生練習讀懂程式、改 bug，把自然語言與可運行結果連起來。
04
帶走作品，對應比賽、校本展示、升學與倫理。
前面三個單元累積的是原理、提示與編程習慣；本單元把能力收成個人或小組的 LLM 應用專題，讓學生帶走可演示的作品，而不是對話紀錄。
同時引入 AI 倫理：偏見、私隱、版權與負責任使用，讓展示與比賽方向建立在清楚的使用意識之上。
單元一建立共同語言：學生明白 LLM 與傳統程式的分別，以及幻覺從何而來。沒有這層理解，後面的提示與編程只會變成盲試。
單元二把提問變成可重用技能。四段提示法讓要求可驗收，學生學會拆步驟、設限制、用範例收斂輸出——這正是進入 Vibe Coding 前的必要準備。
單元三把自然語言接到 Python 作品：先講清楚要做甚麼，再讓模型起草，由學生閱讀、改 bug 與驗收。寫得出，指的是可運行、可演示的成果。
單元四把前面累積收成專題，並補上倫理。作品可對應校本 STEAM Day 或相關展示方向，學生帶走的是專題與負責任使用的意識，而不是對話紀錄。
為你的學校度身訂造堂數、程度與專題
電話 2612 5789 · 傳真 2612 5787
WhatsApp 5744 1555 · 電郵 info@vibecode.hk
網站 vibecode.hk