先定义证书背后的真实能力。
有价值的评估体系，必须让考核要求与评判依据都清晰可循。
框架制定中：本网站目前不签发任何认证证书。以下路径仅作示意。正式等级划分、考核规则、报考资格、费用标准及推出时间尚未最终确定，亦不声称具备外部机构认证效力。
我们的目标是建立一套以扎实证据为基础的 AI 能力框架。了解专业术语、完成课程学习与独立交付成功项目，虽彼此关联，却代表着不同层次的能力。评估设计需要明确每一项要求所能证明的能力边界，以及何时需要补充额外证据。
| 阶段 | 核心能力焦点 | 能力证据示例 |
|---|---|---|
| 理解（Understand） | 阐释核心概念、系统局限与负责任的使用准则。 | 分析具体场景，识别其中需要核实验证的论断。 |
| 应用（Apply） | 针对明确定义的任务，合理选择并使用工具。 | 演示完整工作流，并说明如何核验输出结果。 |
| 构建（Build） | 开发并评估一个融合 AI 能力的完整项目。 | 提交可复现的项目成果、评估结果及技术权衡记录。 |
| 印证（Demonstrate） | 为技术决策提供依据，展现独立理解与判断。 | 阐明个人贡献、方案局限，并回答评审提问。 |
呈现完整思考过程的作品集
拟议的作品集评估方式不止看最终产出。一份完整的提交可包含问题定义、相关数据与授权说明、所采用的方法、评估结果，以及对失败尝试或方案局限的简要复盘。
申请者需要清晰区分个人独立完成的工作、团队协作贡献、外部参考材料与 AI 辅助生成内容。评估规则应当允许合理使用工具，同时确保能够验证申请者本人的真实理解。当单一作品不足以证明这一点时，我们将探索结合追问答辩与现场实操演示。
作品集要求还将兼顾隐私与保密原则。申请者无需为了证明通用技术能力而披露敏感个人数据或专有商业资料。
评审流程与能力标准同步设计。
- 考前公开完整要求。
申请者在决定参加评估前，即可查阅具体的能力标准、证据要求、允许使用的辅助工具规则及评定结果分类。
- 考官培训与一致性支持。
拟议的考官指南将通过标准案例解析与联合试评提升评审一致性，并明确规定利益冲突回避与争议上报职责。
- 清晰解释评定结果。
评估机制将确保申请者获得清晰的结果说明，以及对应具体标准的建设性反馈——包括指出哪些方面的证据尚不充分。
- 提供复核与申诉渠道。
拟议的申诉流程将区分行政差错、评审异议与新增证据，相关权责与处理程序将在项目正式推出前公布。
将学习辅导与认证评定明确分离。
教学资料可以帮助学习者做好准备，但参与协会活动本身不应被直接视为能力达标的证明。评估框架将明确界定课程学习、竞赛成绩、作品集与正式能力认证之间的关系。
我们正就无障碍考核、身份核验、证据留存、重考机制以及如何随 AI 实践演进更新标准等问题广泛征集建议。这些关键设计将在任何证书正式推出前予以确立。