观察 01

从语言的阶梯，到作品的阶梯。

Scratch → Python → C++ 这条路径为什么断了，AI 时代的青少年创作按什么升级。这是野生Club「观察发布」的第一篇：一个主张，和我们正在为它积累的证据。

一、旧地图：Scratch → Python → C++

过去十年，中国少儿编程的默认路径是一条语言的阶梯：Scratch（图形化）→ Python（脚本）→ C++（信奥）。它的隐含假设是：写代码的能力就是门槛，语言越难，能力越强。升级的方式是换一门更难的语言，终点是信息学奥赛。

这里有一个很少被指出的讽刺：Scratch 诞生于 MIT 媒体实验室，Mitchel Resnick 团队做它的本意是创造性表达的工具——让孩子做出自己想做的东西，而不是「编程入门的第一级台阶」。把 Scratch 放在阶梯最底层、把 C++ 放在顶端，是把一套创造哲学倒装成了应试路径。

这条阶梯在它的时代是成立的，因为它有一个前提：代码是稀缺的，掌握语言需要长年训练。

二、断裂：AI 把代码变成了自来水

2023 年之后，一个 12 岁的孩子借助 AI，可以在一个下午做出过去需要三年编程训练才能做出的程序。前提塌了，两头跟着塌。

对孩子：沿着语言阶梯爬到一半，发现 AI 站在梯子顶上。为学语言而学语言的三年，兑换不成作品上的优势。

对家长：作品集通胀。AI 让「看起来像作品」的东西批量出现，一张精美的网站截图不再说明任何事。稀缺的从「做出来」变成了「真的是他做的、他讲得清、有人真的在用」。

但断掉的只是阶梯，不是教育本身的需要。孩子仍然需要一张地图——否则「用 AI 做东西」只是一堆散落的一次性玩具。问题是：新地图按什么刻度画？

三、理论支点：这张新地图不是我们发明的

未来教育的方向，几十年前就有人画好了草图，只是当时的技术撑不起来。AI 补上的正是缺的那块。

Papert 的建构主义：知识在制作中长出来

Seymour Papert（MIT，《Mindstorms》，1980）主张：孩子不是先学会知识再去应用，而是在做一个对自己有意义、可以拿给别人看的作品的过程中，让知识按需长出来。Papert 一辈子都在让孩子编程，但编程在他那里从来是手段，作品才是目的。语言阶梯恰好把这个关系弄反了。

Bloom 的双西格玛问题：AI 让「每人一个导师」第一次成立

Benjamin Bloom（1984）的著名发现：接受一对一辅导的学生，成绩比传统课堂平均高出两个标准差——但一对一辅导贵到无法普及。AI 是第一个把一对一辅导边际成本压到近零的技术：孩子卡在哪一步，AI 就在哪一步给他讲。个性化辅导从贵族特权变成基础设施——「跟着班级进度爬语言阶梯」因此失去了必要性。

Perkins 的「玩完整的游戏」：直接从最后一步的初级版开始

David Perkins（哈佛，《Making Learning Whole》）用棒球打比方：没有孩子是靠孤立地练一万次挥棒学会棒球的，他们从第一天就在打完整的比赛——只是简化版。传统编程教育的问题正是「练一辈子挥棒」：学语法、刷题，永远在为「将来做真东西」做准备。而每个孩子都可以从第一天起，做「最后一步」的初级版：一个完整的、能运行的作品。

Resnick 的 4P：项目、热情、同伴、玩

Mitchel Resnick（MIT 终身幼儿园实验室）总结创造性学习的四要素：Projects、Passion、Peers、Play。这四个 P 对应野生Club 的四块地基：Program（项目制）、自选主题（热情）、社区与作品互看（同伴）、不排名不打分所以敢翻车（玩）。

Papert 给了方向（在做中学），Bloom 指出了缺口（导师太贵），Perkins 给了方法（直接玩完整的游戏），AI 补上了最后一块（人人都有导师）。野生Club 不是发明了一套新理论，是这套理论等到了它的技术条件。

四、新地图：按作品的真实度升级

刻度不再是工具难度，而是作品与真实世界的距离。

L1 · 跟着做

标准项目

在课程、教程或活动里，用 10–20 小时做出第一个能运行的完整作品：硬件小游戏、灯光装置、小网站、小程序。这就是 Perkins 的「简化版完整比赛」：不学「第一章」，直接打一场完整的比赛。孩子获得的不是知识点清单，而是做完一个东西的完整经验——从零到能跑，中间必然经过报错、翻车、重来，AI 导师全程在场。

L2 · 自己创

原创作品

主题、功能、视觉、表达全部由创作者自己决定的原创作品。这是 Papert 意义上的作品：对自己有意义、拿得出手给别人看。孩子第一次面对真正的问题——做什么、为什么、做到什么程度算好——这些 AI 答不了。L2 作品经过人工核验（面谈＋书面报告），确认「真的是他做的、他讲得清」，记入长期档案。

L3 · 被人用

真实产品

有真实用户、真实反馈，并根据反馈持续迭代的作品：学校在用的报名工具、展馆里的互动装置、真的有陌生人访问的服务。这是绝大多数少儿编程从不触碰的一层，也是新地图的终点方向：创造的闭环不在评委那里，在用户那里。

不是「不用学编程了」。L2/L3 的孩子照样在写 Python、调 C++、焊电路——语言和工具从「路径本身」降级为「路上随手换的工具」，编程知识在做作品的路上按需长出来。升级的标准只有一个：作品离真实世界更近了一步。

五、四个赛道

同一张地图，可以走不同的路：

  • 硬件创客M5Stack / Arduino / 传感器 / 3D 打印——看得见摸得着的装置。
  • 网站与 App真的部署上线、有链接可访问的软件。
  • 游戏可玩、有规则、有人愿意玩第二遍的游戏。
  • AI 影像与 AgentAI 短片、互动叙事、能替人干活的 Agent。

每个赛道都有自己的 L1 标准项目、L2 原创方向和 L3 真实场景。赛道之间不设墙——硬件作品可以配网站，游戏可以上 Agent。

六、三种能力

三级路径背后，孩子真正在积累的是三种 AI 拿不走的能力：

  • 判断力决定做什么、把大问题拆成小问题、判断做到什么程度算好。（L2 的核心）
  • 驾驭力指挥 AI 和工具干活，同时怀疑它们：知道 AI 什么时候在胡说，知道去哪验证。（L1 起步，贯穿全程）
  • 交付力把东西真正做完、讲得清楚、送到真实世界面前，并根据回应继续改。（L3 的核心）

七、我们如何守住这张地图的可信度

一张地图值不值得信，取决于刻度是否公开、是否对所有人一致：标准、提交要求、核验规则全部公开；核验对出身盲——官方课程、第三方课程、机构学生、纯野生孩子，同一标准；不排名、不打榜、不发暗示升学价值的证书；核验不保过，买的是审查不是结果；每个通过核验的作品有可公开查验的记录页。

最后，诚实一句：这是一个主张，和一份正在积累的观察。理论是别人的（Papert、Bloom、Perkins、Resnick），证据必须是我们自己攒的——每一季的作品案例，都是给这张地图补充的刻度。