怎么使用这套课
十步教学模板、六类内容、八种能力、AI 的位置与学习节奏。写给学习者、讲师与内容作者。
核心原则
先提出问题，再建立模型，再解释机制，最后学习术语和工具。
这条原则决定了每一章的写法，也决定了你该怎么读。
大多数人学 Crypto 的失败方式是一样的：先背下一堆名词（AMM、TVL、FDV、Rollup），再去理解它们之间的关系，最后发现每个词都认识、连起来却说不出所以然。原因是顺序反了——术语是压缩过的结论，跳过推导直接记结论，压缩包是打不开的。
所以在这套课里：
- 第 6 步之前，不会出现术语。
- 第 7 步之前，不会出现工具。
- 每个术语出现时，你应该能指着上文说：就是刚才那个东西。
如果读到「它叫什么」时你没有这种感觉，说明前面几步读得太快，回去重读。
十步教学模板
每章固定十步，页面上的十个二级标题就是这十步：
| 步 | 小节标题 | 它要做到什么 |
|---|---|---|
| 1 | 一个现实问题 | 从一个真实存在、读者能感知的问题开始 |
| 2 | 思想实验 | 把问题缩小成一个可以推演的故事 |
| 3 | 你来决定 | 让读者先做出自己的选择 |
| 4 | 观察结果 | 把不同选择的后果摆在一起 |
| 5 | 建立模型 | 从现象里抽出可迁移的结构 |
| 6 | 它叫什么 | 到这一步才给出术语 |
| 7 | 动手 | 用真实产品或链上工具做一件小事 |
| 8 | AI Lab | 让 AI 做一遍，再由人逐项验证 |
| 9 | 真实案例 | 连接真实项目、事故或数据 |
| 10 | 改一个变量 | 只改一个条件，重新推演 |
十步之后，每章还有两个固定小节：
- 带走的问题：从十八问里挑出与本章最相关的几问，示范怎么用。
- 本章自测：几道开放题，点开有参考思路。参考思路不是标准答案，能说出自己的理由更重要。
六类内容
十步按性质可以归成六类。你在任何一章都能找到它们：
课程正文：问题、故事、选择与结果。
核心模型与术语。先有模型，后有名词。
用真实产品或链上数据做一次实际操作。
AI 辅助任务，产出必须逐项人工验证。
真实项目、真实事故、真实数据。
独立解决问题：改变量重新推演，加上自测。
这六类里，Lab 和 AI Lab 最容易被跳过，也最不该跳过。只读不做，学到的是「我知道 AMM 是什么」；做过一次，学到的是「我知道在池子浅的时候买大单会亏多少」。这两件事在面试和真实决策里的价值差了一个数量级。
八种能力
课程最终培养八种能力。每一章顶部都标了它在练哪几种：
AI 在课程里的位置
AI 不是最后加一章。它在每一章都出现，但始终以同一种方式出现：
AI 负责提出假设，你负责验证事实。
所以每个 AI Lab 都带一份「你必须自己验证」的清单。清单上的每一条，都是模型最容易出错的地方：编造的数据、过期的参数、不存在的 API、把相关说成因果。
AI 在课程里承担五种角色，能力分为六级，越靠近资金，约束越严。详见 AI 在 Crypto OS 中的位置。
有一条红线贯穿全课：
课程里禁止出现的架构
- Prompt
- LLM
- Private Key
- Send Transaction
模型直接拿到私钥并发出交易，中间没有任何校验。任何作业出现这个结构都判不通过。
学习节奏
自学
选一条学习路径，按它的节奏走。建议：
- 每章配一次动手。读完就做，不要攒到周末，攒起来的 Lab 从来不会被补上。
- 每个阶段交一件作品。阶段页写明了这件作品是什么。作品比笔记有用，因为它可以被别人检验。
- 卡住时往回退一章。这套课的依赖是线性的，看不懂第 16 章，多半是第 13 章的稳定币没搞清。
讲课
一章大约对应一节 90 分钟的课：
| 时间 | 内容 |
|---|---|
| 10 分钟 | 现实问题 + 思想实验 |
| 15 分钟 | 你来决定：分组做选择，先不给答案 |
| 20 分钟 | 观察结果 + 建立模型 + 它叫什么 |
| 25 分钟 | 动手：现场打开工具做一遍 |
| 10 分钟 | AI Lab：让 AI 做一遍，集体找错 |
| 10 分钟 | 真实案例 + 改一个变量 |
「你来决定」环节不要提前给答案。学生自己选错一次的记忆，比听正确答案强十倍。
等级与评价
课程不以「看完视频」作为完成标准，而以 Proof of Skill 为标准：每个阶段都要产出一件可以被别人检验的作品。
评价分七个维度，不是一个总分：
概念是否准确。
能不能解释机制，而不是复述名词。
链上数据读得对不对。
判断有没有依据，不确定的地方有没有说明。
东西能不能跑，别人能不能用。
用 AI 提速的同时，有没有验证与约束。
有没有在交付前识别并处理风险。
这套课不做什么
- 不做投资建议。 课程讲机制，不讲该买什么。任何一章都不会告诉你某个资产值不值得买。
- 不承诺收益。 出现 APY、收益率的地方，目的都是训练你问「这笔钱是谁付的」。
- 不替你承担风险。 Lab 环节涉及真实资产时，全部使用测试网或你能接受全部损失的金额。这句话在每一个涉及真钱的 Lab 里都会重复一遍。
- 不追热点。 行业每半年换一次话题，这套课只讲那些换了话题仍然成立的结构。热点怎么跟，见如何跟上最新的 Crypto 知识。
写内容的约定
如果你要为这套课写章节：
- 先改课程数据，再写正文。 章节的标题、核心问题、一句话结论、核心概念、Lab 与 AI Lab 都在
packages/curriculum里。把status改成written，再开始写 MDX。 - 十个二级标题按顺序出现，一个都不能少。
pnpm test会检查。 - 术语只在「它叫什么」出现。 前面几步用大白话描述现象。
- 每章至少一个
Lab和一个带verify清单的AILab。 没有验证清单的 AI Lab 不算 AI Lab。 - 不写会过期的数字。 「目前 TVL 约 20 亿美元」这类句子半年后就是错的。要写数字，就写清楚取数时间和来源，或者干脆让读者自己去查——这本来就是 Lab 的目的。