公开宏观数据的自动获取与可视化
用 Python 从国家统计局、世界银行公开接口读取 GDP、CPI、失业率序列，绘制同比／环比曲线，为课堂讨论提供实时素材。
AI 赋能
把大模型与智能工具引入备课、实训与过程评价
梳理 AI 在本课程中的具体赋能场景、工具链与可观测的能力画像。
AI 赋能教学
宏观经济学与 AI 的结合点在于数据：GDP、CPI、失业率、货币供应量都是公开可取的序列，AI 能快速完成取数、清洗、画图与情景推演。但 IS-LM、AD-AS 的曲线移动方向必须自己推——模型最常见的错误是把“政策导致曲线平移”与“价格变动导致点沿曲线移动”混为一谈。
AI 教学场景
将大模型与智能工具引入课堂，覆盖从概念理解、代码实现到结果解释的全流程。
乘数与财政政策效应的情景模拟
给定边际消费倾向与税率，用代码模拟不同财政刺激规模下的产出扩张路径，并对比含挤出效应与不含挤出效应两种设定。
IS-LM／AD-AS 曲线移动的推演与纠错
让大模型推演“扩张性财政政策使 IS 右移后均衡利率与收入如何变化”，再由学生逐项检查曲线移动方向与乘数机制是否一致。
菲利普斯曲线与通胀—失业关系的实证检验
用公开数据拟合短期菲利普斯曲线，讨论适应性预期与理性预期下曲线位置的差异，并检验滞胀年份是否出现曲线外移。
AI 生成政策解读与时事分析框架
围绕央行降准、专项债发行等时事，让大模型生成“政策工具—传导路径—受影响部门—观测指标”四栏分析框架，再由课堂补充模型依据。
课程训练中的 AI 协同
五个训练项目中，学生可用大模型生成数据与图表，再用课堂推导的模型解释结论，形成“AI 取数—人工建模—课堂展示”的工作流。
AI 工具矩阵
以下工具可在本课程学习与实验中辅助检索、编码、建模与可视化。
Python ＋ pandas／statsmodels
读取公开宏观数据、绘制时序图、拟合菲利普斯曲线与增长核算方程。
Excel
课程计算训练的基础工具，用于支出法 GDP 核算表、乘数测算与政策情景对比。
国家统计局数据库
GDP、CPI、PPI、失业率、社会消费品零售总额等官方口径数据。
世界银行 Open Data／FRED
跨国宏观数据，用于国际比较与长期增长事实的验证。
DeepSeek、通义千问等大模型
生成政策分析框架、解释模型推导、辅助时事材料的初步梳理。
中国大学 MOOC / 智慧树
对照国家级一流宏观经济学课程的讲解视角，用于课前预习与课后补强。
实践现场
即学即用的提示词
以下提示词可直接复制到主流大模型，辅助学习与本课程实验（请核验输出、遵守学术规范）。
用支出法核算 GDP 并解释各分项变化
请帮我整理中国近五年支出法 GDP 的四个分项（最终消费支出、资本形成总额、货物与服务净出口）及其占比，用 Python 画一张堆叠面积图，并回答：1）消费对 GDP 增长的贡献率如何变化；2）净出口波动对短期经济增长的影响有多大；3）如果消费占比持续上升而投资占比下降，从 AD-AS 模型看意味着什么。请注明数据来源与口径。推导乘数并对比政府购买与转移支付
假设边际消费倾向 MPC = 0.8，比例税率 t = 0.2。请分别推导：1）不自征比例税时的政府购买乘数；2）含比例税时的政府购买乘数；3）转移支付乘数；4）平衡预算乘数。请写出完整推导过程，解释为什么转移支付乘数小于政府购买乘数，并说明比例税为何成为自动稳定器。用 IS-LM 分析扩张性财政政策的效果
假设 IS 曲线为 Y = 1200 - 40r，LM 曲线为 Y = 600 + 20r。请：1）求初始均衡利率与收入；2）若政府购买增加使 IS 曲线右移 100，求新均衡并计算挤出效应的大小；3）若经济处于流动性陷阱（LM 水平），同样的财政扩张效果如何变化；4）用 Python 画出两种情形下 IS-LM 的移动示意图，并说明货币政策在什么情况下更有效。用 AD-AS 模型解释滞胀
请用 AD-AS 模型解释三种情形：1）总需求不足导致的萧条；2）总需求过旺导致的高涨；3）不利供给冲击导致的滞胀。对每种情形说明 AD 或 AS 曲线如何移动、产出与价格水平如何变化，并分别给出合适的财政与货币政策组合。最后讨论：为什么治理滞胀时需求管理政策会陷入两难。做一次增长核算并计算索洛余量
给定某国资本产出弹性 0.4、劳动产出弹性 0.6，近十年产出年均增长 6%、资本存量年均增长 5%、就业人数年均增长 1%。请用增长核算方程分解各要素对增长的贡献，计算索洛余量（全要素生产率增长率），并讨论在增长核算框架下“鼓励技术进步、鼓励资本形成、增加劳动供给、建立适当制度”四类政策分别作用于哪一个变量。AI 伦理与规范
使用 AI 须恪守学术诚信、数据安全与行业合规底线。
曲线移动方向必须自己推
IS-LM 与 AD-AS 的核心训练在于判断“哪条曲线动、往哪边动”。AI 给出的推演可能把内生变量变化与外生冲击混淆，学生必须能独立复述传导链条。
宏观数据要看口径与修订
GDP 与 CPI 存在口径调整与事后修订，AI 抓取的数据可能来自不同版本。用于分析的序列必须注明来源、口径与发布机构。
政策评价不能只给结论
大模型容易直接给出“政策有效／无效”的判断。课程要求写出传导路径、关键参数与反事实情形，AI 的分析框架只能作为提纲。
学术诚信与可追溯
报告须标注哪些环节使用了 AI 辅助（取数代码、图表生成、文字润色），保留提示词与修改记录，模型推导与结论由学生本人完成。