平台与课程方向

将 AI 演示拆成输入、规则或模型、输出与验证样本，按课程需求比较平台。

教学机器人首先服务学习目标。若目标是反馈控制，应能观察传感和状态；若目标是分类，应能看到标签、样本与预测。把黑盒演示和学生可修改的功能分开列出，避免把展示能力当课程覆盖。

开发套件要核对系统、驱动、库和部署入口。图形界面与代码接口可以对应不同学习阶段，但必须确认修改会真正更新到设备，以及错误是否可被学生读取和恢复。[S2]

课程资源应包含数据质量、错误类型和人工复核。分类实验要分开调参样本与验证样本；若同一张图片反复参与两边，结果容易高估泛化能力。评价目标应包括能解释误判而非只给正确率。

比较资料须同时列功能证据、使用条件和缺口。对同一任务采用同一电脑、样本、网络与操作步骤；收费服务、账号和内容更新也应明确，未测项保留为空而非填默认优秀。