半小时，孩子用AI做出了自己的第一个网站

从克莱·汤普森到Codex：真正的AI启蒙，是把热爱做成作品

一、那个晚上，孩子不是在上课，而是在创造

有意思的是，这个网站不是孩子坐在电脑前一行一行敲代码做出来的。

我们使用的工具，是 ChatGPT 的 Codex 5.5 模型。孩子负责提出想法、判断效果、继续追问；Codex 负责理解需求、生成代码、修改页面、整理数据、运行项目。整个过程大约半小时，几十轮对话，全程几乎没有传统意义上的“手写编码”。

孩子说：“我想做一个克莱·汤普森的网站。”

AI先搭出网页框架。

孩子又说：“能不能加上他过去在NBA的数据？”

AI继续补充数据库，把常规赛逐年数据接进页面。

孩子看到页面后继续追问：“能不能做投篮分布？”“手机上看会不会不舒服？”“这个地方还能不能更好看？”

半小时后，一个孩子真正意义上的“第一个程序产品”出现了。

AI没有让孩子绕过学习，它只是把学习的第一扇门，从“先懂语法”变成了“先敢表达”。

二、AI真正降低的，不是难度，而是第一次动手的门槛

过去，一个孩子想做网站，通常要先跨过好几道门：HTML、CSS、JavaScript、数据库、接口、服务器、部署。每一道门都不算高，但合在一起，足以让很多初学者还没开始就放弃。

尤其对孩子来说，他感兴趣的往往不是“我要学习网页开发基础”，而是一个更朴素、更有生命力的愿望：

我喜欢篮球。 我喜欢克莱·汤普森。 我想做一个关于他的网站。

这一次，AI把门槛降了下来。孩子不必先从语法细节开始，而是可以直接从兴趣出发，把脑子里的想法说出来。Codex 5.5 再把这些自然语言需求，转换成网页结构、视觉样式、数据表、接口和前端展示。

这不是取消学习，而是改变了学习发生的顺序。

以前是：先学一堆知识，几年后也许能做一个作品。 现在是：先做一个作品，再在作品中理解那些知识为什么重要。

好的技术启蒙，不是先把孩子带进语法森林，而是先让他看见：自己的兴趣可以长成一棵树。

在这个过程中，孩子其实已经接触到了真实编程世界里的很多概念。

比如，页面为什么要分区？ 数据为什么要放在表格里？ 为什么“逐年数据”不能只写成一段文字？ 为什么手机屏幕上表格太宽时，要允许横向滚动？ 为什么一张投篮分布图，比一长段描述更容易让人理解一个射手的特点？

这些问题背后，分别对应着信息架构、数据库、前端渲染、响应式设计、数据可视化。

孩子未必能马上说出这些专业词，但他已经在一个作品里遇见了它们。

这就是项目式学习最好的状态：知识不是被灌进去的，而是被需要出来的。

孩子真正记住的知识，常常不是老师提前讲过的，而是他在完成作品时亲手撞见的。

三、Codex不是替孩子思考，而是逼孩子把想法说清楚

很多人担心，孩子用AI会不会变懒。

这个担心并非没有道理。如果只是把题目丢给AI，让AI直接生成答案，孩子当然可能失去思考。但这次做网站的过程恰好相反：AI越能干，孩子越需要把自己的想法说清楚。

他要决定首页放什么，哪些数据更重要，球员职业生涯怎样分段，荣誉和数据哪个先出现，页面是否太长，文字是否太满，图表是否直观。

他要不断判断：这个结果是不是我想要的？ 如果不是，我应该怎样告诉AI修改？

这其实是一种非常重要的未来能力：表达需求，拆解任务，审查结果，持续迭代。

Codex官方团队在介绍这类代码智能体时提到，很多开发者最初只是让它检查代码库、生成差异、运行测试，但现在它的能力正在延伸到更完整的电脑工作流：执行终端命令、浏览网页、调用接口、导出文件、触发自动化流程等。也就是说，它不再只是一个狭义的“编程助手”，更像一个能协助完成多种电脑工作的智能体。

这段话放在孩子做网站的场景里，很容易理解。

Codex 5.5 做的不只是“写代码”。它在帮孩子完成一个完整闭环：理解需求、生成页面、接入数据、调整样式、运行项目、检查展示、继续修改。

而孩子做的，也不只是“发指令”。他在学习如何成为一个小小的产品经理、资料编辑、设计判断者和项目负责人。

AI越强，人的价值越不在于重复操作，而在于提出好问题、作出好判断、守住好标准。

更重要的是，这个过程保留了孩子的主动性。

不是AI替他决定做什么，而是他从自己的兴趣出发，一步一步提出新的要求。AI像一个耐心、快速、不会厌烦的技术搭档，把孩子的想法转化为可见的页面。

这对青少年来说非常珍贵。

很多孩子并不是没有创造力，而是缺少把创造力落地的工具。一个想法如果迟迟不能变成作品，很快就会冷掉。AI的意义，在于让孩子在兴趣最热的时候，就能看到雏形；在好奇心最强的时候，就能继续追问；在成就感刚刚出现的时候，就能再往前走一步。

真正好的AI教育，不是让孩子把思考交出去，而是让孩子第一次发现：我的想法值得被实现。

四、从球星网站到人工智能赛事：兴趣需要一个更远的出口

做完这个网站之后，我给孩子报名参加了 “第九届全国青少年人工智能创新挑战赛”。

我知道，一个半小时做出来的网站，还不能说明孩子已经掌握了人工智能。但它说明了一件更重要的事：孩子对这件事有兴趣，而且愿意动手。

我希望通过这样一个赛事，让他把这份兴趣继续往前推一推。

按照我了解到的信息，这项赛事属于教育部白名单中非常重要、影响力很高的青少年人工智能赛事之一。对孩子而言，参赛本身不是为了多拿一个证书，而是给兴趣一个更正式的方向：让他知道，自己做出来的小作品，可以被展示、被讨论、被评价，也可以继续改进。

比赛的价值，不在于制造焦虑，而在于给孩子一个真实的目标。

当孩子知道自己的作品未来可能要给别人看，他就会自然开始思考：我的主题够不够清楚？数据是否准确？页面是否美观？功能是否完整？别人能不能看懂？我还能不能做得更好？

这时，学习就不再是家长催促下的任务，而变成了孩子自己想要完成的一场挑战。

比赛最好的意义，不是把兴趣变成压力，而是把热爱引向更远的地方。

这也是我越来越相信的一件事：青少年的AI启蒙，不应该从焦虑开始，而应该从作品开始。

不要一上来就问孩子：你会不会编程？你懂不懂模型？你知不知道大语言模型原理？

可以先问他：你喜欢什么？你想做什么？你有没有一个想让别人看到的小作品？

一个孩子因为喜欢篮球，做出了一个球星网站；另一个孩子可能因为喜欢恐龙，做出一本数字图鉴；因为喜欢旅行，做出一张家庭路线地图；因为喜欢游戏，做出一个攻略检索工具；因为喜欢校园生活，做出一个班级运动会数据榜。

这些项目未必宏大，却是真实的。

真实，比宏大更重要。

一个孩子愿意为自己的兴趣多问一句、多改一版、多查一次资料，这就是创造力最早的样子。

五、真正会用AI的人，不是盲信AI，而是会验证AI

在这个网站项目里，有一个细节特别重要：AI完成后，我们没有只看它说“已经完成”，而是让它进行验证。

数据库里是否真的新增了逐年数据？ 接口是否能返回对应字段？ 浏览器里表格是否正常显示？ 手机宽度下页面是否会横向溢出？ 投篮分布图是否能和内容对应？

这些检查看起来像工程师的日常，却是孩子AI素养中非常关键的一课。

AI会生成内容，但AI也可能出错。它可能理解偏差，可能遗漏信息，可能把页面做得好看却不准确，也可能给出看似自信但未经核对的结论。

未来的孩子不会缺少答案。AI会给出很多答案，搜索引擎会给出很多答案，短视频和社交平台也会给出很多答案。真正稀缺的是判断力。

孩子要学会问：

这个数据从哪里来？ 这个页面真的能运行吗？ 这个图表是否表达清楚？ AI说完成了，我能不能自己检查一遍？

Codex官方分享中也提到，目标驱动的任务需要有清晰的终点线和验证机制，例如测试用例、基准测试、能够稳定复现的问题，或者必须始终跑通的端到端流程。没有验证机制的目标，只是在许愿。

这句话特别适合放在AI教育里。

不是让孩子学会“相信AI”，而是让孩子学会“使用AI，同时审查AI”。

AI时代最重要的能力，不是更快得到答案，而是知道答案是否可靠。

这也是为什么，我并不把这次经历看成“孩子偷懒做了一个网站”。

恰恰相反，他完成了一次完整的学习闭环：提出需求，生成作品，观察结果，发现不足，继续修改，最后验证。

这和科学探索的路径并没有本质不同。

科学不是背结论，而是提出问题、设计方法、观察结果、修正判断。AI辅助编程也是如此。只不过今天的实验台变成了电脑屏幕，实验助手变成了Codex 5.5，实验结果变成了一个能打开的网站。

当孩子理解这一点，他学到的就不只是“如何做网页”，而是一种面向未来的工作方式。

不会验证的人，只是在使用AI；懂得验证的人，才是在驾驭AI。

六、未来属于会提问、会动手、会验证的孩子

那天晚上，孩子做完网站后，最让我印象深刻的，不是他说“我学会了编程”，而是他说：

“这个还能再改一下吗？”

这句话，比任何标准答案都珍贵。

因为它说明，孩子已经从旁观者变成了参与者。他不再只是打开网页、观看视频、使用App，而是开始意识到：屏幕里的东西，也可以由自己建造。

网页不是只能浏览的，网页也可以被创造。 数据不是只能被别人整理好，数据也可以由自己组织。 图表不是课本里才有的东西，也可以服务于自己的表达。 AI不是遥远的概念，而是一个可以协助自己探索世界的伙伴。

这就是青少年接触AI最好的意义。

未来不会只奖励会使用屏幕的人，它更会奖励那些能建造屏幕里世界的人。

我们这一代家长，面对AI常常有复杂心情。一方面惊叹它的能力，另一方面又担心孩子依赖它、滥用它、被它带偏。

这些担心都真实存在。

但把AI挡在门外，并不能让孩子更安全。真正重要的，是尽早教会孩子如何正确地使用AI：如何提出问题，如何表达需求，如何判断结果，如何验证信息，如何把AI当作工具而不是答案本身。

所以，我更愿意把这次网站经历看作一个开始。

从一个篮球明星开始，孩子第一次理解了网页、数据、图表和程序。下一次，他也许会做一个NBA球员对比系统；再下一次，也许会做一个班级篮球赛数据统计工具；如果通过“第九届全国青少年人工智能创新挑战赛”这样的赛事继续打磨，他也许会慢慢明白：人工智能不是悬在天上的热门词，而是一种可以帮助自己探索世界、表达热爱、解决问题的新能力。

一个半小时做出的网页，当然谈不上完美。

但教育的起点，本来就不是完美，而是开始。

教育最好的结果，不是孩子说“我完成了”，而是他说“我还想再改一版”。

未来属于什么样的孩子？

不是只会背概念的孩子，也不是只会等待答案的孩子。

未来属于那些会提问、会动手、会验证，并且愿意把好奇心做成作品的人。

而这一次，孩子从克莱·汤普森开始，已经迈出了第一步。