由复旦大学创始团队发起的未来人才教育项目，在教育部重点实验室及教育研究中心的专业指导下，汇聚30余位学科带头人的智识力量，构建面向青少年的持续成长服务体系。
蓝星指南AI基地是一个未来人才成长平台。以十大真实场景为训练场，以定制化培养路径为长期承接，并用个人成长档案连接孩子的每一次任务、作品、反馈、活动数据、能力变化与成长成就。
项目曾获中国国际创新大赛全国金奖，获得央视网报道及学习强国全网宣发。目前已在上海、杭州、湖州、宿迁、深圳、西安、武汉及新疆等地落地。
我们不只教孩子使用某个AI工具，也不以一次测评定义孩子。这不是一次性课程，而是一条可被看见地持续更新的成长链——在真实任务中撰写孩子的能力成长说明书，让能力可视化、让成长有路径、让优势早发现。
每一次活动课程，都是一组可以被看见、被复核、被延续的成长证据。平台同步沉淀任务过程、策略选择、提示与修订、导师观察、学生反思和协作记录。
把真实活动，转化为可理解、可行动、可复核的成长证据。
点击维度卡片，探索每个维度的能力描述、优先证据与解释边界
从核心证据卡到能力插件，从映射规则到原始与派生证据，构建一套可追溯、可复核的成长证据体系。
每个维度下的关键行为指标，形成可判定、可比较的证据单元。证据卡包含行为描述、判定标准、证据来源和适用边界，确保每一项能力标签都有据可查。
针对不同场景（高校实验室、企业体验、户外挑战等）配置专属能力插件，定义该场景下的任务结构、评价指标和证据采集方式，实现"一套模型，多种场景"的灵活适配。
定义任务行为到能力维度的映射规则，包括正向证据、反向证据、条件证据和权重分配。确保同一行为在不同任务中产生一致的能力解释，避免标签漂移。
原始证据来自任务过程中的直接记录：操作路径、提示使用、时间戳、协作行为等。派生证据由原始证据经模型计算生成，包括能力标签分、趋势变化和跨任务对比，每一项均可追溯到原始来源。
让孩子进入AI、工程、数据、商业、公共议题、户外与自然等真实场景，在限制、协作、测试和迭代中训练能力。
进入复旦大学等高校重点实验室，在科研环境中完成真实实验任务，训练科学思维与操作规范。
在真实企业场景中体验产品设计、项目管理、数据分析等职业角色，理解团队协作与价值创造。
在自然环境与团队挑战中，训练决策、耐力、领导力与风险管理，让身体与思维共同参与。
在博物馆、文化场馆与历史现场中，以跨学科视角理解文明脉络，训练叙事与思辨能力。
在AI、机器人、编程与工程实践中，完成从方案设计到原型测试的完整创新流程。
在生态调查与自然探索中，训练观察、记录与系统思考，理解人与自然的关系。
来源可以很多，结论必须克制。
不是一份评价报告，而是一张可执行的行动卡。让每一次复盘都指向具体的下一步。
我们对每一份结论保持清醒和谨慎。以下四条治理原则，是蓝星指南不可逾越的底线。
如果在任务流程中未设置充分的观察与表现机会，不产生任何能力标签。缺乏观察机会的评价等于猜测，我们不把猜测当作证据。
单次活动的表现只作为"线索"记录，不作为"结论"输出。能力标签需要跨任务、跨场景的多次一致证据才能生成，避免偶然表现被放大为稳定特征。
涉及能力短板、发展风险或路径调整等高风险结论，必须经过人工复核后才能输出。AI只负责整合与呈现，不代替人类做出影响孩子成长方向的判断。
在全新场景或新能力维度首次运行时，只产出原始证据卡，不生成能力标签或排名。让证据先于判断，让判断等待证据的积累与校验。