我们解决什么问题
- 从“凭感觉判断孩子”走向“用成长证据理解孩子”。
- 打破课程活动彼此割裂，让数据、作品和能力记录连续积累。
- 能力标签不凭印象产生，每一项标签都能回到对应的任务与行为。
- 培养选择基于能力证据和兴趣，不追逐标签，不把一次表现当定论。
- AI教育不停留在工具层：训练提问、核验、判断、协作和解决真实问题。
一个面向青少年的持续成长服务体系。
由复旦大学创始团队发起的未来人才教育项目，在教育部重点实验室及教育研究中心的专业指导下，汇聚30余位学科带头人的智识力量，构建面向青少年的持续成长服务体系。
蓝星指南AI基地是一个未来人才成长平台。以十大真实场景为训练场，以定制化培养路径为长期承接，并用个人成长档案连接孩子的每一次任务、作品、反馈、活动数据、能力变化与成长成就。
我们不只教孩子使用某个AI工具，也不以一次测评定义孩子。这不是一次性课程，而是一条可被看见地持续更新的成长链——在真实任务中撰写孩子的能力成长说明书，让能力可视化、让成长有路径、让优势早发现。
项目曾获中国国际创新大赛全国金奖，获得央视网报道及学习强国全网宣发。目前已在上海、杭州、湖州、宿迁、深圳、西安、武汉及新疆等地落地。
- 20万+
- 服务家庭
- 50+
- 高校与科研院所
- 50+
- 特色企业
- 8+
- 落地城市
孩子能够得到什么
- 知道优势在哪里，也知道下一步从哪个具体行为开始提高。
- 在真实任务中持续训练计划、执行、策略、反思、迭代与协作。
- 每一次方案、实验、原型、答辩和修改，都成为可展示的成长资产。
- 徽章、里程碑与阶段成果都与真实任务相连，让努力被看见。
- 通过长期数据与跨场景表现，逐步发现愿意投入的成长方向。
成长，在五个动作里发生。
每一次活动课程，都是一组可以被看见、被复核、被延续的成长证据。平台同步沉淀任务过程、策略选择、提示与修订、导师观察、学生反思和协作记录。
- 01
AI 学习力测评
看见起点，了解孩子当前能力状态。
- 02
十大真实场景
在真实任务中练习与迁移能力。
- 03
多源证据整合
形成带证据、带边界的发展性画像。
- 04
定制化培养路径
4周、12周与年度方案持续调整。
- 05
个人成长档案
连接每次活动数据与成长成就。
六个维度，不是六个标签。
每个维度都对应可以被观察的行为、优先证据和明确的解释边界。点击维度卡片，探索每个维度的能力描述、优先证据与解释边界。
从任务到行动，判断经过六步。
把真实活动转化为可理解、可行动、可复核的成长证据。
- 01
定义用途
明确本次活动评价目标与适用范围。
- 02
拆解任务
将复杂任务分解为可观察的行为节点。
- 03
写出指标
为每个行为节点设定可判断的指标线。
- 04
设置机会
在任务流程中嵌入观察与表现机会。
- 05
多模态证据
采集表现、日志、观察、AI交互等多源数据。
- 06
输出行动
生成带证据的能力标签与下一步建议。
学习与思维
面对复杂问题，能拆解、能推理，也能判断证据是否充分。
在真实任务中展示信息提取、逻辑推理、策略选择和反思修订的能力。包括：正确率、完成质量、任务达成度、操作路径与选择顺序、原理应用和新情境迁移、V1—测试—V2迭代过程。
优先证据
操作路径记录、提示使用及提示后独立表现、V1→V2迭代差异、跨任务迁移表现。
解释边界
单次正确率不作为思维能力的唯一依据；在缺乏“思考过程”记录的任务中，不产出思维维度标签。
证据怎样变成可追溯的判断。
从核心证据卡到能力插件，从映射规则到原始与派生证据，构建一套可追溯、可复核的成长证据体系。
-
六维核心证据卡
每个维度下的关键行为指标，形成可判定、可比较的证据单元。证据卡包含行为描述、判定标准、证据来源和适用边界，确保每一项能力标签都有据可查。
- 行为指标
- 判定标准
- 证据来源
- 适用边界
-
可配置能力插件
针对不同场景（高校实验室、企业体验、户外挑战等）配置专属能力插件，定义该场景下的任务结构、评价指标和证据采集方式，实现“一套模型，多种场景”的灵活适配。
- 场景适配
- 任务结构
- 评价指标
- 采集配置
-
任务与映射规则
定义任务行为到能力维度的映射规则，包括正向证据、反向证据、条件证据和权重分配。确保同一行为在不同任务中产生一致的能力解释，避免标签漂移。
- 行为映射
- 正向与反向证据
- 条件权重
- 一致性校验
-
原始与派生证据
原始证据来自任务过程中的直接记录：操作路径、提示使用、时间戳、协作行为等。派生证据由原始证据经模型计算生成，包括能力标签分、趋势变化和跨任务对比，每一项均可追溯到原始来源。
- 操作记录
- 提示使用
- 时间戳
- 可追溯
来源可以很多，结论必须克制。
我们把不同来源的记录并列起来，相互印证，也保留不确定。AI负责整理与呈现，不代替人做高风险判断。
- ART
直接表现
学生的方案、作品、原型、答辩与修改记录，反映真实能力产出。
- SYS
系统日志
操作路径、选择顺序、时间戳、中断重做与成人介入记录，客观还原任务过程。
- OBS
观察量表
观察员在任务中按结构化量表记录的行为、支持等级与证据片段，含双评差异与复核。
- AI
AI 过程
使用AI前的独立判断、是否识别可核查主张、是否要求证据来源、是否依据证据修订判断。
- SR
自评同评
学生自我反思与同伴互评，覆盖策略选择、困难应对与团队贡献，形成多元视角。
- PHY / ENV
生理环境
经质控的HRV指标、动作稳定度、设备佩戴与有效信号比例，及环境条件记录。
把成长放回真实世界。
在真实世界里，成长才能被看见。让孩子进入AI、工程、数据、商业、公共议题、户外与自然等真实场景，在限制、协作、测试和迭代中训练能力。
高校实验室 · 名企职业体验 · 户外挑战 · 历史文化 · 科创实践 · 自然生态
高校实验室
进入复旦大学等高校重点实验室，在科研环境中完成真实实验任务，训练科学思维与操作规范。
名企职业体验
在真实企业场景中体验产品设计、项目管理、数据分析等职业角色，理解团队协作与价值创造。
户外挑战
在自然环境与团队挑战中，训练决策、耐力、领导力与风险管理，让身体与思维共同参与。
历史文化
在博物馆、文化场馆与历史现场中，以跨学科视角理解文明脉络，训练叙事与思辨能力。
科创实践
在AI、机器人、编程与工程实践中，完成从方案设计到原型测试的完整创新流程。
自然生态
在生态调查与自然探索中，训练观察、记录与系统思考，理解人与自然的关系。
数据与商业
在数据采集、分析和商业判断中，把证据转化为可以解释与验证的方案。
公共议题
围绕真实公共问题进行调查、讨论与表达，练习权衡不同立场及其影响。
AI 与工程
把AI作为解决问题的工具，在设计、核验、测试与迭代中保留独立判断。
团队共创
在共同目标与角色分工中推进项目，让沟通、补位和责任承担留下证据。
反馈不是结论，是下一步行动。
不是一份评价报告，而是一张可执行的行动卡。让每一次复盘都指向具体的下一步。
用证据调整判断
在实验结果与原先判断不一致时，能够回看记录并修正解释。
有证据的优势
策略拆解能力稳定
在“AI+工程”和“数据分析”两个不同场景中，均能将复杂任务拆解为3个以上可执行子步骤，且子步骤完成率超过80%。证据来源：SYS系统日志 + ART作品记录，跨任务一致性高。
团队中主动补位
在三次小组任务中，当同伴遇到困难时，均出现了主动接管或提供帮助的行为。证据来源：OBS观察量表 + SR同伴互评，三次独立来源均指向同一行为模式。
可改变的痛点
遇到不确定结果时倾向于跳过而非回看
在两次实验中，当输出与预期不符时，选择了重新开始而非检查中间步骤。证据来源：SYS日志显示跳过步骤行为 + AI交互记录显示未要求核验。建议：在下次任务中设置“回看检查点”。
七天行动
本周行动
每天选择一个近期完成的任务，用5分钟回看记录，写下“如果重新做，我会改变哪一步”。将回看笔记添加到成长档案。
家长支持
不替孩子判断对错，而是在孩子回看时提问：“你觉得哪一步最不确定？”让回看成为习惯而非检查。
复测指标
下次任务中观察
在“科创实践”场景中，当实验结果与预期不符时，是否出现“检查中间步骤→修正解释→重新执行”的完整链路。记录为D1学习与思维维度的优先证据。
判断之前，先守住边界。
我们对每一份结论保持清醒和谨慎。以下四条治理原则，是蓝星指南不可逾越的底线。
没有机会，不评价
如果在任务流程中未设置充分的观察与表现机会，不产生任何能力标签。缺乏观察机会的评价等于猜测，我们不把猜测当作证据。
一次活动，不贴标签
单次活动的表现只作为“线索”记录，不作为“结论”输出。能力标签需要跨任务、跨场景的多次一致证据才能生成，避免偶然表现被放大为稳定特征。
高风险结论，不自动化
涉及能力短板、发展风险或路径调整等高风险结论，必须经过人工复核后才能输出。AI只负责整合与呈现，不代替人类做出影响孩子成长方向的判断。
首次运行，证据卡先行
在全新场景或新能力维度首次运行时，只产出原始证据卡，不生成能力标签或排名。让证据先于判断，让判断等待证据的积累与校验。
「愿你在这颗美丽的蓝色星球上找到自己」
让证据先于判断，让行动继续成长。