STEP 01 · 先让 AI 干活
DC-TERMINAL
稳定的 AI 执行与开发入口
第一课的主路径。链路短、问题好定位，学员只需用自然语言表达目标，不需要学任何命令。把它理解为 AI 的工作环境。
典型场景
创建文件写程序运行项目修改代码自动化任务
能力工具链
工具不是章节，
而是能力逐步解锁
随着真实需求变复杂，成员自然会用到更强的工具，而不是按固定周次学习产品功能。
先让 AI 干活→再学会选模型→再让 AI 使用电脑→最后让 AI 进入现实世界
STEP 02 · 再学会选模型
DC_LLM
模型体验与调度中枢
把「一个模型回答问题」升级为「任务调度与模型选择」：简单问题交给快速小模型秒级响应，复杂开发进入 Coding Agent 深度执行，学员不需要理解模型差异，系统负责调度。
典型场景
体验最新模型同题 PK按任务选模型比较速度与成本
STEP 03 · 再让 AI 使用电脑
DC-DESKTOP
桌面与浏览器交互入口
更自然的 AI 工作台。目前作为演示路径展示未来入口，待版本稳定后逐步扩大使用范围。
典型场景
跨应用任务浏览器操作桌面自动化
STEP 04 · 最后让 AI 进入现实世界
DC_HW
AI 进入现实世界的硬件能力
让 AI 从屏幕里走出来，接管真实空间中的感知与执行：智能教室、门店、办公室、巡检等场景。
典型场景
传感器设备控制智能教室门店与办公室巡检
DC_LLM 在课堂里做什么
把「一个模型回答问题」升级为
任务调度与模型选择
学员
自然语言需求
DC_LLM
智能中枢
小模型
快速理解 / 分类 / 提示
Coding Agent
复杂开发 / 修错 / 运行
工具层
DC-TERMINAL · 文件 · 程序
让简单问题秒级响应，让复杂任务进入深度执行。
学员不需要理解模型差异，系统负责调度。