背景与挑战
高中研学最容易做成两件事：参观和听讲解。主题越前沿，越容易退化成「看一眼、拍张照」——AI、智能交通这些词挂在展板上，学生走出来只记得几个名词，说不出它跟自己的关系。更难的一层在现场本身是流动的：学生散在场馆各处，带队老师没办法同时给几十个人讲清一条技术路线，也就很难保证每个人都真的动手想过一遍。同济大学第一附属中学的「未来交通」研学要解决的正是这一层——把一条前沿技术动线，拆成每个人自己得动手做一遍的事。
我们做了什么
- 编了两册学生报告，一册对一条动线。走百度飞桨的那册四个模块分别是：飞桨开源的车路协同密码、AI 大模型与交通、未来交通架构师、成为 AI 人才；走汽车博物馆的那册四个模块分别是：探秘上海新能源汽车公共数据、重写汽车发展历史、做出艰难决策、寻找商业机会。
- 两册都编成任务题，而不是知识点讲解——取舍就在这里：讲解可以写得很漂亮，学生可以不听；任务题印在那里，他得自己去问、去查、去画，才交得出东西。模块 1 甚至把方法写进了题面：「你需要跟 AI 进行多次互动后形成能让普通高中生听懂的案例」——等于要求学生把 AI 拉进来一起做题。
- 两册的分工按现场切：飞桨那册处理「技术怎么工作」，从开源平台的车路协同一路走到大模型怎么回应交通问题；汽车博物馆那册处理「车怎么变成今天这样」，从新能源汽车的公共数据、汽车发展史，走到饶斌特展上的一个决策题，再落到在珍藏馆里找商业机会。同一套「模块 + 任务题」的骨架，换一个场馆就换一批题——所以它能被两条动线各用一次。
价值与成效
对学校，两册报告把一条流动的参观动线，变成一份能收上来批改的东西：谁想过、谁没想过，翻开就知道。带队老师也不必再靠讲解撑场——题面自己会把人推到展品前面去。
对学生，最难的一步是发现「未来交通」这个题原来跟自己有关。模块 4 让每个人从自己感兴趣的专业出发，去想 AI 进来之后这份工作会变成什么样、自己哪里不可替代；模块 3 让人站在一个真实决策者的位置上做一次选择。这类题交不出抄来的答案，能交上去的只有他自己的判断——这也是它比听一遍讲解更留在身上的原因。
为什么是 PeerCare
场馆方本来就有一流的展陈和讲解：百度飞桨在张江的人工智能产业赋能中心、上海汽车博物馆的三层展馆，各自都讲得清楚自己。学校缺的不是这些，是把展陈转成学生动作的那一层——一道题要问得让人非动手不可，还要问在普通高中生够得着的高度上。两册报告的差别正好说明这一层能跟着场馆换：题目的形式不变，题目的内容跟着现场长。