随着生成式大语言模型(large language model，LLM)代码理解与生成能力的显著进步，其正深刻重塑编程教育模式，主要体现为2个核心角色：作为智能助教提供个性化辅导，以及作为编程伙伴支持协作学习。

　　在个性化辅导方面，LLM作为智能助教，通过对话交互重构教学路径。冯东(Phung Tung)等[1]的研究表明，在入门编程场景中，GPT-4的解释与纠错能力已接近人类导师水平;贝克尔(B. A. Becker)等[2]发现，AI助手可基于学生代码自动生成习题与学习建议，实现自适应教学。鞠小林等[3]在Python课程中融合“闯关+项目”体系与本地化LLM，实现分层任务推送与实时反馈，有效提升了学习效率和实践能力。

　　在协作学习方面，LLM作为编程伙伴，可嵌入开发环境直接支持编程实践。南多艺(Nam Daye)等[4]开发的IDE插件通过代码解释、API说明等方式辅助代码理解，其效果优于传统搜索;唐琳等[5]提出的SLCT框架将LLM融入课程全流程，通过人机协同提升了项目质量与编码规范。

　　卡迪尔(J. Qadir)[6]指出，生成式AI在给工程教育带来效率提升的同时，也伴随着学术诚信、能力虚化等潜在风险。既有研究已展现LLM在编程教育中的应用潜力，但多数仍停留在工具应用层面，缺乏系统化的课程整合框架、可靠的内容生成机制，以及对AI使用边界等问题的深入反思[7]。与此同时，“融智课堂”等人机协同教学理念为大模型与课程深度融合提供了理论指引[8]，如何构建可落地、可评价、可治理的教学模型成为关键。为此，本文以人工智能编程语言课程为例，提出“引导—实践—反思”三阶段教学模型，系统阐述各阶段教学设计、提示词规范、评价与治理策略，为同类编程语言课程的智能化转型提供理论参考与实践范本。

　　1 人工智能编程语言课程介绍

　　2 LLM赋能的“引导—实践—反思”三阶段教学模型

　　3 实施挑战与应对策略

　　4 结语

　　随着AI的演进，基于LLM的智能教育正为编程语言课程带来深刻变革。本文以人工智能编程语言课程为例，构建LLM赋能的“引导—实践—反思”三阶段教学模型，分析其在知识建构、能力培养、元认知提升等方面的成效，以及对学生自主学习、创新与批判性AI思维的促进作用，同时针对学习依赖性、生成内容准确性不足等挑战提出应对策略，为LLM在编程语言课程中的深度应用提供了参考。

　　总体而言，LLM优化了知识传授的个性化与高效性，重塑了编程技能与创新能力培养范式，推动形成“师-机-生”协同的智能教学生态，为编程教育高质量发展拓展空间。

　　未来建议加强LLM与专业课程融合的研究实践，完善平台功能、提升模型专业性与可解释性，推动其向智能导师和创新合作者转型;同时关注技术伦理、学术规范及评价体系优化，构建开放可持续的智能教育环境。随着跨学科协作的深入与国际经验的积累，LLM赋能的编程语言课程改革有望成为智能高等教育典范，重塑未来人才培养模式。

　　参考文献

　　[1] Phung T, Pădurean V A, Cambronero J, et al. Generative AI for programming education: benchmarking ChatGPT, GPT-4, and human tutors[C]// Proceedings of the 2023 Conference on International Computing Education Research. New York: ACM, 2023: 278-291.

　　[2] Becker B A, Denny P, Finnie-Ansley J, et al. Programming is hard, or at least it used to be: educational opportunities and challenges of AI code generation[C]//Proceedings of the 54th ACM Technical Symposium on Computer Science Education. New York: ACM, 2023: 500-506.

　　[3] 鞠小林,张艳梅,王皓晨,等.基于大语言模型辅助教学的Python编程课程教学探索[J].计算机教育,2024(9): 33-37.

　　[4] Nam D, Macvean A, Hellendoorn V, et al. Using an LLM to help with code understanding[C]//Proceedings of the 2024 IEEE/ACM 46th International Conference on Software Engineering. New York: ACM, 2024: 1-13.

　　[5] 唐琳,张佳鑫,徐照光.大语言模型在计算机编程实践课程教学中的应用[J].计算机教育,2025(2):97-101,106.

　　[6] Qadir J. Engineering education in the era of ChatGPT: promise and pitfalls of generative AI for education[C]//2023 IEEE Global Engineering Education Conference (EDUCON). Kuwait: IEEE, 2023: 1-9.

　　[7] 刘明,郭烁,吴忠明,等.生成式人工智能重塑高等教育形态:内容、案例与路径[J].电化教育研究,2024,45(6):57-65.

　　[8] 祝智庭,赵晓伟,沈书生.融智课堂:融入AI大模型的创新课堂形态[J].电化教育研究,2024,45(12):5-15.

肖尧 黄乐聪 王帅 金枝　中山大学智能工程学院