孩子这一课究竟在学什么
多模态 AI 能处理两种以上的信息形式；产品可能使用统一模型，也可能让多个模型协作。
模态是信息的表现形式，例如文字、图像、声音和视频。多模态系统需要把不同形式转换为可处理的表示，并在它们之间建立联系。真实产品可能由一个统一的多模态模型完成，也可能由识别、语言、图像和声音模型组成流水线。
可以联系这三个具体例子上传植物照片并让 AI 解释叶片特征把故事脚本转成分镜、旁白和配乐看一段实验视频并整理观察记录
进阶 · 五—六年级 · 第 3 课
去孩子的课程页 →一支多模态模型战队
比较语言、图像、音频和视频模型的输入输出，并设计一个多模型协作任务。
不是记住名词，而是能做到这些
- 能完成：比较语言、图像、音频和视频模型的输入输出，并设计一个多模型协作任务。
- 能说清：多模态不是炫技，而是让不同形式的信息在清楚的工作流中协作。
- 不会误以为：能处理图片不代表看见了图片外的事实。
- 不会误以为：多个模型串联会让错误在步骤之间传递。
课前准备
准备纸和笔，打开课程页面。活动卡片直接使用，不需要家长另外制作。
不需要准备 AI 环境
AI 环境准备
提前准备：准备纸和笔，打开课程页面；页面中的卡片直接使用，不需要另做卡片，也不需要孩子注册或登录外部 AI 产品。
现场展示：本课先把概念和判断方法练清楚，不必为了“看起来像 AI 课”而额外打开工具。完成后如想延伸，可以由家长用虚构、安全的例子做一次简短演示。
安全边界：如果做可选演示，仍由家长操作账号，并避免输入任何能识别孩子或他人的信息。
可以直接照着说
用本课问题开场
“今天我们要一起想一个问题：一个能看图、听音频又会回答的 AI，内部一定只有一个模型吗？ 先说说你现在怎么想，不用马上答对。然后我们通过「多模态任务调度中心」找证据。”
一步一步陪着做
孩子做什么，家长为什么这样引导
每一步都对应本课目标，不再使用所有课程都一样的通用话术。
- 1孩子的任务
抽取一个跨模态任务
为什么做这一步这一步把“多模态 AI 能处理两种以上的信息形式；产品可能使用统一模型，也可能让多个模型协作。”变成孩子可以实际操作的任务。
家长可以这样问先请孩子自己完成“抽取一个跨模态任务”，再问：“你为什么从这里开始？你准备用什么线索判断？”
孩子卡住时如果孩子卡住，只给一个本课例子作为提示：“上传植物照片并让 AI 解释叶片特征”，不要替孩子完成选择。
- 2孩子的任务
排出模型协作顺序
为什么做这一步这一步让孩子把刚才的选择与本课目标连接起来：比较语言、图像、音频和视频模型的输入输出，并设计一个多模型协作任务。
家长可以这样问请孩子完成“排出模型协作顺序”，然后追问：“你的决定依据是什么？如果换成‘把故事脚本转成分镜、旁白和配乐’，结果会不会不同？”
孩子卡住时不要直接纠正；可以问：“这会不会落入这个常见误解——多个模型串联会让错误在步骤之间传递。”
- 3孩子的任务
在每个交接点放一张检查卡
为什么做这一步最后一步用来确认孩子是否真正理解，而不只是照着做完。
家长可以这样问完成“在每个交接点放一张检查卡”后，请孩子用自己的话解释今天的结论：“多模态不是炫技，而是让不同形式的信息在清楚的工作流中协作。”为什么成立？
孩子卡住时如果解释跑偏，可以提醒孩子避开这个误解：“能处理图片不代表看见了图片外的事实。”
孩子卡住时
提示要回到这一课，不给通用答案
- 1回到孩子版解释
把这句话再读一次：“多模态 AI 能处理两种以上的信息形式；产品可能使用统一模型，也可能让多个模型协作。”
- 2给一个本课例子
只提示“上传植物照片并让 AI 解释叶片特征”，让孩子自己说它和任务有什么关系。
- 3用常见误解反问
问孩子：“能处理图片不代表看见了图片外的事实。”让孩子找证据判断。
- 抽取一个跨模态任务
- 排出模型协作顺序
- 在每个交接点放一张检查卡
- 至少三种模态
- 写清每步输入输出
- 不要替孩子抽卡、选择或说出“标准答案”。
- 不要因为表达不完整就立刻纠正；先问孩子的理由。
- 能处理图片不代表看见了图片外的事实。
- 多个模型串联会让错误在步骤之间传递。