# AI交互原型与用户体验设计 课程描述

来源提交：8bbcdbda3633ba4443577836b59e5d444bb03613
状态：修订建议稿。这是与网页相同范围的阅读下载，人员明细/内部批注按发布约定移除。文中图片链接指向获准的站点资源，单独下载此Markdown不包含离线图片。

# AI交互原型与用户体验设计

“智能·创造者”创新实验班｜第二学期 S2｜实验班专业课

18周，每周4学时，共72学时（理论24、实践48）。版本：V2.1（修订建议稿）。

<a id="course-description"></a>

## 课程描述


《AI交互原型与用户体验设计》是“智能·创造者”创新实验班第二学期（S2）的实验班专业课，与《深度学习与计算机视觉》《端侧智能推理系统MVP》协同开展项目教学。课程围绕智能终端的“感知—理解—决策—反馈”即时交互闭环，以Ego Link随身智能终端为贯穿教学样例，结合学生个人项目，组织传感数据采集与上传、VPS服务与Web平台开发、远程任务执行、自然语言与语音交互、视觉事件处理、多源状态关联、物理反馈及异常恢复等实践。学生在云端与本地大模型开发智能体辅助下，复用经验证的硬件驱动和通信基础，自主构建开发板—VPS—Web最小系统，逐步接入模型与目标端推理能力；通过任务完成情况、响应时间、状态理解、误触发和恢复表现开展测试与迭代，形成AI辅助工程开发、交互逻辑实现、系统联调和技术体验评价能力，为后续多模态感知、上下文记忆、情感计算与智能产品综合实践奠定基础。课程共72学时，18周，每周4学时。

<a id="learning-path"></a>

## 学习主线


教学主线：自主构建采集与Web展示 → 远程采集与实体反馈 → 增加语言与语音 → 接入视觉事件 → 关联多源状态 → 完成端云与异常处理 → 测试、改进并迁移。

<a id="teaching-organization"></a>

## 教学组织


课程以真实任务和技术能力实验共同驱动学习。学生课前完成云端与本地大模型开发智能体配置，课堂依据已验证开发板的资料与驱动参考，自主建立板端采集、VPS接收存储与Web展示链路；随后在同一工程中增加远程任务、模型调用、状态判断和反馈。流程草图与用户观察围绕当周功能展开，每个单元形成可运行增量和测试记录。


本课主责智能体辅助的交互系统实现，包括必要的采集接入、VPS/Web应用开发、远程任务、语言/语音、事件状态、反馈、恢复与测试。《深度学习与计算机视觉》主责模型训练与识别评价；《端侧智能推理系统MVP》主责驱动、模型转换与目标端部署、资源及底层机制。主责确定讲授和评价重点，学生可跨端完成同一任务，三课共同联调。


课堂先完成可维护的最小平台：一个真实传感源、一种已验证联网方式、一条上传与查询链路。学生复用已验证驱动和通信基础，自主开发必要的板端应用、服务、页面与部署配置。完整定位融合、生产级平台、全传感器与复杂网络优化不列为开课前提；S2保留有限上下文、规则关联和受控反馈，深层融合与长期记忆由后续课程深化。

<a id="s2-collaboration"></a>

## S2三门专业课协同


| 课程 | 周学时 | 周数 | 总学时 |
| --- | --- | --- | --- |
| 深度学习与计算机视觉 | 6 | 18 | 108 |
| 端侧智能推理系统MVP | 6 | 18 | 108 |
| AI交互原型与用户体验设计 | 4 | 18 | 72 |
| 合计 | 16 | 18 | 288 |


| 课程 | 独立主责 | 与本课共享的任务 |
| --- | --- | --- |
| 深度学习与计算机视觉 | 数据、模型与识别证据：训练/验证数据、轻量模型、结果语义、失败样本与评价记录 | 共同明确视觉任务与输出语义；依据用户任务检查失败样本。 |
| 端侧智能推理系统MVP | 目标设备运行与系统证据：可调用接口、采集与反馈驱动、模型部署、状态码、延迟/资源与恢复记录 | 共享验证过的驱动与通信参考，和学生共同开发接口；进一步讲深目标端运行、资源与恢复机制。 |
| AI交互原型与用户体验设计 | 交互闭环与体验证据：智能体辅助采集接入、VPS/Web开发、远程任务、语言/语音、事件状态、反馈及用户测试。 | 以运行问题反向提出接口、输出解释和反馈时序需求；联合定位缺陷。 |

<a id="learning-outcome"></a>

## 本课阶段成果


本课阶段项目  即时闭环AI交互原型：先自主构建开发板—VPS—Web最小系统，再完成语言/语音、视觉和实体操作接入，以及任务状态、反馈、异常恢复和技术体验测试。


学生完成自己的板端应用、服务端和页面修改与部署验证，可复用教师驱动和参考模块；完成真实模型、语音、视觉、实体输入与反馈，以及至少一条目标端本地推理接口联调。每人完成一项个人模块迁移；无须独立购买VPS或另做第二个完整产品。

<a id="assessment"></a>

## 评价方式


过程性70%＋成果性20%＋综合性10%。过程评价依据真实实现、联调、测试与迭代记录；成果评价依据最终运行、合并报告和个人迁移；综合评价依据个人解释、现场修改与复盘。各评价项与权重以同版课程标准为准。

<a id="course-connection"></a>

## 前导与后续衔接


前导课程  以S1《人工智能数据科学》《感知与异构计算系统原型》《Git工作流与开源工程》为主要技术基础，《设计思维与创新》提供用户与问题分析支持。不再把普通高职专业中的NLP、VLM等课程列为实验班已修前导。


后续课程  本课输出可运行交互、短期上下文、事件和用户反馈；S3《多模态智能感知》《具身智能操作系统》《情感计算与HRI交互设计》《产品设计》深化融合、长期任务与产品设计，后续课程继续完成分布式、可靠性与产业交付。

本页为课程描述与教学实施建议；人培正式稿确定后同步核定课程衔接和管理字段。学分、课程代码、企业课时比例及校历日期未在本稿中代填。