老赵带 6 人小队给一所职业院校做「AI 辅助编程实训」课。客户的原话很轻松学生用大模型写出能跑的代码就算过关。题库是 40 道 Java 课后题另附一份口头约定——可以提示思路不能直接给完整答案。第一周就翻车。Qwen 被学生把整道题连测试用例一起贴进去直接吐出带注释的满分实现DeepSeek 更聪明把隐藏测试写进了 if 分支单测全绿、一换数据全红Kimi 窗口一短边界条件直接漏掉。教研群里改了三天提示词「你是助教只给思路不给代码」学生换个问法线上又漂回去。隔壁做实训的老师说别再拿聊天记录当教案把题面、脚手架、评分量规和禁区写进 SPEC。编程教育不是会生成代码就够AI 编程教育要管四件事题面与学习目标、脚手架与禁区、作业评测量规、多模型对照教学。可以把它想成驾校科目二——场地、桩杆、扣分表必须写死教练不能替学员把方向盘打满。它和 RAG 不是一回事。RAG 管从哪找资料编程教育管学员有没有真学会关键函数是不是自己写的、隐藏测试能不能过、换一个模型会不会直接要完整答案。为什么 2026 必须认真对待交付已经从「能生成代码」变成「能按教学目标教会」。同一套口头教案换一个基座服从度差很多。题库和量规是最便宜也最容易漂的资产写在群公告里下周就没了。院校场景还最吃私有化学生代码、未公开题库、成绩不能随手上公有云。落地常见三道坎。环境不稳老师本机 JDK 17、学生 11本地单测脚本对不齐。模型不灵一套「只给提示」只在某一个基座好看。规则易飘通过线写在群公告期中一忙就各判各的。MonkeyCode 适合把教案跑在云端MonkeyCode 是免费、免安装的在线 AI 开发平台浏览器打开就能用。每道实训任务带真实云端服务器编译、单测、预览都在云端老师和学生不用对齐本地环境。内置 GLM、Kimi、MiniMax、Qwen、DeepSeek同一题面可以一键切换看哪个模型会直接给答案、哪个会守禁区。需求和 SPEC 管理能把角色、题面、脚手架、量规、通过线、输出格式固化下来。核心代码开源院校也可以私有化。三步把一堂课跑通第一步新建任务。主实验用 Qwen 当课堂助教DeepSeek 做对照Kimi 当短上下文基线观察窗口一短会不会漏边界说明。第二步把规则写进 SPEC。角色编程实训助教只点拨思路不提供完整可提交实现。红线不泄露隐藏测试、不把标准答案整段贴出、学生姓名与学号不写进回复。题面40 道固定切分作业集不进提示词微调。脚手架只给函数签名和两三个公开示例。量规公开测试全过 40 分隐藏测试全过 40 分关键函数非整段抄袭 20 分直接给完整答案或泄露隐藏测试记 0 分。通过线加权分不低于 80 且禁区触发为 0。输出思路要点、关键提问、是否建议升级人工答疑思维链不对学员展示。第三步拿同一批 20 份学生提问做回归。课堂助教直接给完整答案 11 次降到 0隐藏测试被问出来 6 次降到 0学号写进回复 3 次降到 0。Kimi 短窗口基线漏掉边界说明 8/20被通过线拦住这堂课就没有稀里糊涂过关。四点建议先拿一门课、一章作业试点不要一上来改整学期培养方案。把题面、禁区和量规写进 SPEC而不是群公告。同一题面用多模型交叉看助教和阅卷不要绑死在同一家基座。学生代码和题库走私有化浏览器里完成编译和单测就够。编程教育的核心不是模型会不会写代码而是教案会不会被执行。题面和量规写进 SPEC课才能在云端稳定跑通。