留学两年，我给 17 所海外高校的学生讲计算机课
2023 到 2024 年，我在海外读书。课余时间做的事很朴素：给人讲计算机课，挣生活费。前后讲了两年，学生来自十七所海外与港澳高校，从本科一年级到研究生都有，全程用中英双语。两年下来我最有底气的其实只有两件事：读得懂英文原版教材与论文，说得出与它对应的中文专业术语。 另一件收获在看不见的地方——我密集地体验了世界不同地区的计算机教育，发现它们大多比我们更偏实操、偏实践。下面是那两年留下的一些记录。
一、起因：先解决生活费，顺便讲点自己熟的
决定去讲题的直接原因很现实：留学的生活开支要靠自己补。而我手上唯一方便变现的东西，就是计算机专业课——408 那几门、编程语言、数据库、数学，这些我讲了多年，讲一节课的备课成本最低。
第一单讲的是数据结构。讲完那次我意识到一件事：这不是"输出"，而是高强度的输入。对方的教材是英文原版，课后作业是英文 project，考题的问法跟国内考研题完全不是一路。为了讲清楚，我得先把那门课的教材、slides、past paper 全读一遍。一个学期下来，英文技术阅读的速度和准确度比背单词快得多。
所以后来我跟人介绍这段经历时，会强调它是双向的：我把中文语境下的讲法、408 体系里的做题套路带给他们；他们把英文教材的组织方式、课堂的真实要求、评分标准带给我。
二、讲的都是什么课
学生分布在这些学校（按地区，仅列校名）：
- 美国：康奈尔大学、普林斯顿大学、乔治城大学
- 加拿大：约克大学
- 英国：伦敦大学学院、曼彻斯特大学、利物浦大学、谢菲尔德大学、索尔福德大学、哈德斯菲尔德大学
- 澳大利亚：悉尼大学、新南威尔士大学
- 中国内地、港澳与海外校区：上海交通大学、香港大学、香港岭南大学、厦门大学马来西亚分校、澳门城市职业学院
课程门类集中在计算机专业的主干：
| 方向 | 具体内容 |
|---|---|
| 硬件与体系 | 计算机组成原理 |
| 系统与网络 | 计算机网络、IPv6 网络 |
| 数据与算法 | 数据结构、算法与博弈论、离散数学、大学数学 |
| 编程语言 | C 语言、Python 开发、数字媒体技术 |
| 数据与智能 | 数据库、数据科学概论、数据分析、人工智能、机器学习 |
| 前沿方向 | 普适计算（pervasive computing）、计算机基础 |
这份清单概括起来是：从大一的基础课，一直到研究生的专业方向课。越基础的课反而越难讲——因为基础课每一句话背后都压着一整套体系，而学生往往只要一个"能过考试"的版本。
三、我的强项：读得懂英文原版，也能接住对应的中文术语
讲了两年我才认清，我真正提供的不是"英语陪练"，而是两件更具体的能力：能读懂英文教材、论文、slides 和 past paper 的原文；能把英文里的概念准确落到中文的专业术语上，再用中文讲清楚。
第二件事比第一件难得多。技术上真正卡人的不是句子，是术语对不上：同一个英文词在中文里有两三种译法，或者一个中文词对应好几个不同的英文概念。学生看英文资料时觉得懂了，翻开中文教材又不知道说的是哪个东西，中间那层转换没人替他们做。
| 英文 | 中文的麻烦之处 | 讲课时怎么说清楚 |
|---|---|---|
| stack / heap | stack 译"栈"或"堆栈"；heap 在内存语境是"堆"，在数据结构语境也是"堆"（优先队列） | 先问清是内存区域还是数据结构，两个"堆"分别是 heap 的哪一面 |
| hashing / hash table | "哈希"与"散列"并存，同一本教材前后还不统一 | 统一说散列，首次出现时标注 hash |
| pervasive computing | "普适计算"与"泛在计算"两种译法，UbiComp 又是另一支 | 按对方教材的用法对齐，不硬推自己习惯的译名 |
| greedy | 译法没问题，但中文"贪心"听起来像贬义，学生容易先入为主 | 先讲交换论证，再讲这个名字的由来 |
| pruning | "剪枝"，但英文里 prune 也指删减数据 | 说"剪枝"时点明是"提前判定不可能更优" |
所以我的讲法固定成三步：先用英文原文确认这个概念到底指什么 → 找到中文里对应的标准术语 → 用中文术语重讲一遍，并说清两个术语的边界差别。 这三步做完，学生看原版资料和看中文教材才接得上。
顺带还有一层差别：中文教材讲一个结构通常是定义 → 性质 → 存储表示 → 算法，英文教材更爱 motivation → 一个例子 → 形式化 → 边界情况。同一段内容按中文路径讲，英文教材的学生会觉得"你直接给我结论"；按英文路径讲，国内学生又觉得"绕"。这条后来直接影响了我排讲义顺序的习惯。
四、最大的收获：各地普遍更偏实践，理论是为实践服务的
这一层是我去之前完全没想到的。国内学计算机（尤其考研与 408 体系），知识是以考试科目的形式组织起来的：这一章考什么、题型怎么变、怎么拿分。而那两年接触的课，无论北美、英国还是澳港，组织方式几乎是反过来的：先给一个要交付的东西，理论是为了让你把这件事做成。
- 北美的课通常 project 与 problem set 密集，理论讲完第二周就要写代码做出一个能跑的东西；
- 英国的课笔试权重高，但题目往往给一个具体场景，让你把结论推出来、说明为什么在这里成立；
- 澳港的课 assignment 的交付要求写得极细，格式、接口、报告结构都算分。
共同点相当一致：很少有人为"理论本身"学理论，理论是完成交付的工具。 这并不是说理论不重要——恰恰相反，做得越实的地方，越会在关键处追问"为什么可以这样"。区别只在顺序：先有要解决的问题，再回到理论里找依据。
| 体系 | 主要考核形式 | 真正在考什么 | 讲课时要往哪偏 |
|---|---|---|---|
| 北美 | problem set 密集 + project + 期中期末 | 能不能把课上的东西用到没见过的场景 | 多讲"如果条件变了怎么办" |
| 英国 | 期末笔试权重高，证明与推导题多 | 能不能自己把结论推出来 | 多讲每一步为什么成立 |
| 澳 / 港 | assignment + 期末，交付要求细 | 能不能在给定约束下按时交付合格结果 | 多讲工程细节与格式要求 |
这个观察对我的影响很直接：讲理论之前，先说它能让你做成什么。 学生一旦知道这一章最后要落在一个跑得起来的程序上，理论就不再是要背的东西，而是手边的工具。
五、带回来的四个习惯
这段经历最实在的产出，是四个改不掉的习惯，它们现在全部落在我自己的课里：
- 先讲"卡点"，再讲知识。 学生问出来的问题高度重复，重复的那几个点就是这门课真正的难点。我在 数据结构与算法（93讲） 每章末尾的易错点清单，一大半来自那两年的高频提问。
- 讲理论之前，先讲它能做成什么。 每一章开头先给一个具体任务，再回头讲原理。这一条是从各地的实践导向里学来的。
- 同一个结论至少给两种讲法。 定义路径讲一遍，例子路径再讲一遍，听得懂哪条走哪条。
- 术语必须能双语对齐。 读得懂英文原文、接得住中文术语，这一层转换替学生做掉。这条后来直接影响了 Flynn Reads 英文原版精读 的做法——不是把英文翻成中文，而是用英文的逻辑把一段论证拆开。
六、三点提醒，给想做同类兼职的留学生
如果你也在留学、也想靠讲专业课补贴生活费，下面三条是我踩过之后才明白的：
- 边界要在开口前说清：讲方法，不做作业。 可以讲思路、讲错在哪、讲同类题怎么变形；不能代写、不能代交、不能替考。这条守不住，两边都担风险——对方可能触犯学校的学术诚信条例，你可能连签证一起赔进去。
- 别用学校邮箱、别在课程群里发广告。 不少学校的 honor code 对"有偿帮助同学完成作业"是有明确限制的，用校内渠道宣传等于自己留证据。
- 备课时长要算进成本。 一小时课往往要两小时备课，第一次讲一门新课甚至会翻倍。按小时报价之前先把备课算进去，否则讲得越好亏得越多。
这段经历现在还在用
- 系统课的主干：数据结构与算法（93讲）、C 语言程序设计、算法设计与分析（89讲）、计算机网络系统精读
- 数据与 AI 方向：大数据技术实战、人工智能应用实操
本文属于「记录」栏目下的教学记录，不是某一门课的分章讲义。分章讲义见 IT教学 栏目的数据结构、算法设计、C 语言、微积分、离散数学各章；课程总入口见 飞云课程。