13.1
九十分钟课时的目标与准备
以“酒店知识问答中的RAG与人工升级”为例，九十分钟课时可设三个结果目标：学生能够用图解释资料检索与生成的区别，能够为资料冲突设计升级路径，能够用测试情境检查方案。课程不以完成某个商业平台的全部配置为目标，因为界面步骤容易占去概念学习时间。工具搭建可以作为延伸任务，课堂首先保证流程与证据关系得到理解。
教师提前准备一份短政策集、一张不完整流程图、三个测试情境、一份字段词典和一个可用的演示界面。政策集使用模拟或公开资料，不包含真实客户信息；其中故意保留两处需要判断的日期或适用范围差异。不完整图应缺少有教学意义的判断节点，而不是随机删字。演示系统需有静态截图与手工替代方案，网络或平台故障时仍能完成主要学习任务。
学生先做一个不超过三分钟的进入测验：用自己的话解释“模型回答流畅”和“回答有依据”的区别，并指出一份政策中的时间条件。结果帮助教师判断是否需要额外解释。测验只诊断基础，不据此给学生贴类型标签。对软件经验不足的学生，可以提供纸笔版；所有学生仍需完成相同的概念解释与测试判断。
13.2
从导入到首次建构
前十分钟展示两个同样流畅却依据不同的回答，让学生判断哪一个值得采用，并说明还缺什么信息。教师此时不立即公布标准图，而是把学生提出的核查需求写在白板上。接下来十五分钟，用一个具体问题逐步演示问题解释、资料检索、适用范围检查和回答生成。每新增一个节点，都同时说明输入、输出和可能失败的情形，使图不是事后包装。
随后十五分钟，小组补全半成品图。每组必须补入一个判断节点和一个异常出口，并为两条连接命名。AI可作为提问助手，提示遗漏，但暂不直接生成完整图。教师巡视时重点问“这个箭头传什么”和“这里依据什么决定”，而不是关注配色。小组完成后用一分钟解释最重要的修改；其他同学只能提出针对关系或证据的问题。
这一阶段应允许学生犯可修复的错误。例如把所有资料冲突都交给模型“综合”，正好可以引出适用范围和权限。教师不应急于把每组改成同一版图，而应保留两三种有代表性的结构，作为下一阶段测试材料。课堂由此形成比较对象，学生也能看到错误并非丢脸，而是检验模型的机会。
13.3
测试 修订与独立迁移
第四十至第六十分钟，各组交换图，并使用相同测试情境检查：资料缺失、资料日期冲突以及要求超出授权。测试者必须指出问题停在哪个节点，以及需要怎样改变流程。不能只说“模型会处理”。被测试组根据反馈修订，并记录一条被否定的假设。若系统可用，可运行少量演示；若不能运行，按流程逐步手工扮演也能检查许多结构问题。
第六十至第七十五分钟，教师展示一个参考方案，比较它与学生方案的差异。重点不是宣布唯一正确布局，而是明确哪些规则不可省略，哪些属于可选择设计。随后每个学生独立完成一个新情境：把酒店政策换成市场活动优惠规则，说明原流程可保留什么、必须更改什么。这个短任务让教师看到个人迁移，而不会被小组成员代劳所掩盖。
最后十五分钟用于复盘和退出测验。学生提交一句核心解释、一处修改及其依据、一项未解决问题，并用自己的话指出AI在此次活动中帮助了什么。教师根据答案安排下次课的支架。课后延伸可以要求实现一个最小系统，但验收应包括异常测试和证据记录。技术完成与概念理解在成绩中分别记录，便于发现学生究竟卡在哪里。
建议教学时间 可按学生表现调整 Proposed timing adjustable to learner performance
图内保留中英双语标签；正文提供相应解释。点击查看大图。| 时间 | 活动 | 可观察结果 |
|---|---|---|
| 0至10 | 比较流畅但依据不同的答案 | 提出核查问题 |
| 10至25 | 教师逐步建构流程 | 解释输入输出与失败 |
| 25至40 | 小组补图并命名关系 | 一项判断与异常出口 |
| 40至60 | 交换图并使用统一测试 | 定位问题与修订 |
| 60至75 | 参考比较与个人迁移 | 新条件下的合理变化 |
| 75至90 | 复盘与退出测验 | 解释修改与未知 |
13.4
四十五分钟与不同基础的适配
压缩到四十五分钟时，应保留问题、建构、测试和迁移的完整链条，而不是删去验证只留下演示。可以减少政策条数，把小组建构改为全班共同补图，保留一个异常情境和一个个人解释。界面配置移到课前或课后。这样缩短的是材料量与操作量，而不是核心思考环节。教师可根据学生基础决定是否预先提供变量词典或来源标记。
对有编程基础的班级，可以增加结构验证或自动测试；对商科入门班级，则重点训练变量口径、证据判断和流程边界。二者不应被理解为高低层次，而是不同课程目标。若学生已经能熟练画图，教师应提高解释和迁移要求；若学生画图困难，则先提供有限节点和关系选项。教学调整依据实际表现，而不是一套固定的“视觉型学生教材”。
课堂之后还应检查材料是否产生了意外误解。学生是否把RAG当成数据库本身，是否认为智能体具有默认行动权限，是否认为带引用的回答一定正确。教师可以把这些常见误解转成下一次错图诊断题。AI可辅助生成题目，但教师必须确认错误位置与概念目标相符。持续收集这种小证据，比单次展示一套完美教案更能推动课程改进。