大学课程对比002｜清华Rust与北大物理AI课程观察
AI写好一段程序，能运行，试了几个例子也没报错。到这一步，你会觉得事情已经做完了吗？
清华有一门编程课，专门把这种放心变成了一道作业：给学生八份AI生成的程序，它们都能编译，也能通过一些普通测试，但每一份都有错误。学生要做的，是把错误找出来。
北大的另一门课，则追问一个更接近日常使用的问题：你做的AI工具，对你自己究竟有什么用？原来怎样做，现在怎样做，中间还需要你做什么？
这篇继续看大学怎样调整作业。具体是清华《程序设计训练（Rust）》2025与2026夏季版本，以及北大《物理与人工智能》（AI x Physics）2025与2026秋季的第二次作业。只看这两门课，已经能把一个问题问得更清楚：AI把成品交出来以后，人还要拿出什么，才能说这件事真的完成了？
清华先让学生找出AI程序什么时候会错
清华这份Lab 2作业，用的是环形缓冲区。先不用被名字吓住，可以把它想成一个容量有限、位置循环使用的队列：东西按顺序放进去，再按规则取出来。
学生不需要修改那八份程序，而是为每一份设计尽量短的操作序列，让它与课程提供的正确程序产生不同结果。交付物的核心，是能暴露错误的测试。
这一步很有意思。平时我们找AI帮忙，容易沿着“让它成功”的方向走：换个提示，补点材料，再试一次，直到屏幕出现一个顺眼的结果。这份作业要求学生主动走向可能失败的地方。
例如，按这种队列的规则，可以追问：已经放满了，再放一个东西会怎样？取走一部分以后，腾出的空间还能正常使用吗？清空后重新开始，旧状态会不会留下影响？这些追问只是帮助理解测试思路。
要设计这种检查，得先知道正确行为是什么。否则，即使两次输出不同，也未必说得清哪一个有问题。
能运行，只回答了验收中的一个问题。 一份程序在几个输入上通过测试，并不能替没检查过的情况作保证。学生需要交出的，是“在什么条件下，它违反了哪条规则”的证据。
这个动作也能搬到普通工作里。假设AI替你比较三款产品，参数表看起来很齐。你可以特意留一项官网没有公布的数据，看它会保留空缺，还是填出一个貌似合理的数字。后者即使让表格更完整，也应该被验收挡下来。
同一门课的作业要求确实变了
把清华的两年材料放在一起，能看到具体变化。
2025年课程的大作业包括Wordle猜词游戏和在线评测系统。当年的AI使用原则要求作业主体由学生独立完成，AI可以辅助补全、调试、询问思路等，但不能直接生成作业核心内容。
到了2026年，Lab 4明确要求借助AI完成Wordle的八组基础功能。它由往届大作业简化而来，不再要求旧版的提高部分。学生除了交代码，还要交脱敏后的开发会话记录；最终评分会使用公开和未公开的测试。
这意味着，在这项具体作业里，AI生成代码已经成为被安排的工作方式。与此同时，课程把检查延伸到了开发过程，以及学生没见过的测试情况。
同一个猜词游戏，放在不同年份，承担的训练任务可以不同。我们不能只盯着最后都有一个游戏，就认为两份作业考的是同一件事；也不能拿简化后的任务去证明学生整体学得更少。
还有一个容易被标题漏掉的细节：2026年的课程考核仍有占比20%的闭卷测验，半开放项目占50%。这门课没有把所有能力都压在一份AI生成的成品上。
作品之外，过程也要能被检查。 当代码里允许有更多AI贡献，需求如何确定、错误如何处理、结果依据什么通过，就成了值得追问的部分。会话记录能提供检查线索，但交出记录本身，也不能自动证明每一步判断都正确。
北大追问这个工具你自己到底用不用
另一种验收，可以从北大的2026年秋季第二次作业里看到。
这份作业要求学生借助AI建立三个对自己有用的Skills，并实际使用。这里先把Skill理解成供AI反复调用的一份办事说明，必要时配上脚本和资料，让某类任务有比较固定的做法。
三个Skills可以各做各的，也可以协作。但为了凑数，把一个简单任务没必要地拆成三个，会被酌情扣分。
这个要求抓住了一个很实际的问题：我们可能为了学一个新概念，先搭出三个模块，再回头寻找它们有什么用。于是，工具越做越多，原来的麻烦还在那里。
假设你想整理公开文章，最费劲的是核对作者、日期和原文链接。那么一个能可靠完成这件事的小流程，就有明确用途。反过来，如果做出来的三个模块只是分别生成标题、换种说法、再夸一遍结果，形式再整齐，也没有回答你最初的问题。
这是本文举的例子。判断它是否值得保留，要回到使用者真正花时间的地方。
和2025年同一次作业对照，更容易看清变化。旧版要求做一个AI智能体，也就是能调用工具、推进任务的AI程序，选题包括语料清洗、检索问答、科学计算等。2026版则把三个个人实用Skills，以及实际使用的证据，直接写进交付要求。
这不等于旧作业不讲实用，也不能据此判断哪一版效果更好。能确定的是，两版要求学生交出的东西发生了变化，2026版对“它究竟替你完成了什么”问得更细。
「浩哥AI实验室」继续拆这些作业，是想把“AI好像挺有用”再往前推一步：哪次使用有用，证据在哪里，下次还值得这样做吗？
把人工收尾和成本一起算进去
北大这份作业要求交完整创建记录，每个Skill还得有至少一次完整任务的运行记录；说明原来的人工做法、节省时间和必要的人工介入。记录要标明模型、平台及token或API费用。拿不到的数据写“平台未提供”，估算则交代依据，不能只交结果截图。具体要求见提交清单。
人工收尾，也是完成任务的一部分。 这件事很容易在演示里被忽略。
假设AI用了两分钟生成一份资料清单，人又花了二十分钟核对来源、补齐遗漏。最终结果可以有用，但我们不能只报前面的两分钟。还有另一种可能：第一次搭建流程很费劲，后面重复使用才慢慢省下来。只截取最顺的一次，也会让判断失真。
这里的时间是举例，不是学生实测数据。课程让学生说明节省了多少时间，也不等于它已经完成严格的效率对照实验。对我们自己的任务而言，先把花在哪里记清楚，至少能减少一部分自我误判。
清华的2026年Agent大作业也把目光放到了具体场景。学生要找到通用Agent处理不好的问题，做至少两项针对性设计，并提交设计说明、真实开发对话，以及按阶段统计的人时、模型用量和费用。
项目还要求用户能看到运行过程、用量与费用，较长任务可以打断。不过，课程并不强制学生做正式的量化对比实验，不能把它说成一场必须在跑分上胜过通用AI的比赛。
把两门课放在一起，清华这些任务更突出程序行为和系统设计，北大这份作业更直接追问个人用途与实际使用。它们并不互相排斥：一个工具可能功能正确，却没有解决重要问题；也可能选题很好，但结果需要人反复返工。
反过来，人工介入也未必意味着失败。有些资料本来就需要人决定取舍，保留这一步很合理。真正需要说清楚的是：哪一步必须由人判断，工具有没有在该停的时候停下来，以及这些介入是否仍让整件事值得做。
“做对了”和“值得用”，需要分别拿出依据。 我们读课程作业，最值得借走的就是这种区分。一个演示视频再流畅，也很难同时替可靠性、使用价值和投入成本作答。
给自己的AI成果做一次小验收
不必先学Rust，也不必马上做三个Skills。可以从一个十分钟的小检查开始。下面是「浩哥AI实验室」的原创练习，借鉴的是验收思路，不是两校的课程作业。
自己编一段虚构产品说明：A款净重200克、续航8小时；B款净重180克、未提供续航。请AI整理成对比表，并回答“哪款更轻，哪款续航更长”。不需要使用真实客户资料，也不涉及购买、发送或修改业务数据。
开始前，先写下合格条件：已知数值不能抄错，缺失项必须保留未知；按给定资料B款更轻，但无法比较两款续航。
让AI完成后，检查它有没有为了给出结论而补数字。再改一处材料：把B款的180克改成包装重量，看看它会不会继续和A款产品净重直接比较。这里练的是寻找一条足以推翻结论的条件。
如果AI都处理对了，就如实记录“这两种情况通过”，不用强行找茬。两次通过能让你对这些情况更放心，仍不足以说明它面对所有产品资料都可靠。
想继续练，可以把材料扩成十条虚构说明，留下修改前后的结果，做一份很短的验收单：
- 这次到底帮我完成了什么，原来要怎样做？
- 哪些输出有原文依据，哪些地方仍然未知？
- 我专门检查了哪种容易出错的情况，结果怎样？
- 哪一步由人介入，花了多少检查和返工时间？
- 加上已知费用与维护工作，下次还值不值得用？
不必为了填满清单编出数字。没有显示调用费用，就记未知；还没重复使用，就暂时不声称能长期省时。如果想比较速度，另找难度相近的一组材料，按同样质量要求做一次人工处理，把搭建与日常运行时间分开记。
先写验收条件，再看AI给出的答案。 这样更容易保住自己的判断标准，不会因为它写得完整，就临时降低对缺项、错误和返工的要求。
回到开头的问题。AI能交出作业以后，学生仍然可以证明许多具体的事：我知道什么算对，能找到失败的条件，能解释自己作出的选择，也知道这个结果花了什么代价、解决了什么问题。
对已经离开学校的人，这些问题一样有用。下一次AI说“完成了”，先别急着收下。拿出你开始前写的那几条要求，看一看，它究竟完成到了哪一步。
资料与边界：核查截至2026年10月9日。清华采用2025、2026夏季课程正文及Lab 2、Lab 4和Agent项目要求；北大采用2025秋归档与2026秋第二次作业。截至核查日，北大当期作业尚未到提交截止日。本文比较公开教学要求，不代表清华、北大全校政策，也未验证学生完成情况或学习效果。分析、假设例子和读者练习为本文整理；课程原文与代码请通过上述官方链接阅读，不将公开可读视作可整套搬运。