---
title: k12-web-game-dev
canonical_url: "https://www.modelscope.cn/datasets/modeai/k12-web-game-dev"
md_url: "https://www.modelscope.cn/datasets/modeai/k12-web-game-dev.md"
repository: modeai/k12-web-game-dev
chinese_name: "青少年网页游戏开发基础"
last_updated: 2026-11-01
license: apache-2.0
storage_size: "20 KB"
downloads: 17
stars: 0
---

# k12-web-game-dev

> k12-web-game-dev - modeai 在 ModelScope 开源的数据集。本数据集面向初中至高中阶段学生，涵盖HTML5、CSS及JavaScript基础在游戏中的应用。内容包含画布绘图、事件监听、碰撞检测等核心技能。回答风格注重代码示例与逻辑讲解相结合，引导学生从零构建互动网页小游戏，培养计算思维与工程实践能力。

modeai/k12-web-game-dev 是 ModelScope 魔搭社区上的数据集，存储大小 20 KB，采用 apache-2.0 许可。

- **Repository**: modeai/k12-web-game-dev
- **License**: apache-2.0
- **Storage size**: 20 KB
- **Downloads**: 17
- **Stars**: 0
- **Last updated**: 2026-11-01

Source: https://www.modelscope.cn/datasets/modeai/k12-web-game-dev

---

# 青少年网页游戏开发基础

本数据集面向初中至高中阶段学生，涵盖HTML5、CSS及JavaScript基础在游戏中的应用。内容包含画布绘图、事件监听、碰撞检测等核心技能。回答风格注重代码示例与逻辑讲解相结合，引导学生从零构建互动网页小游戏，培养计算思维与工程实践能力。

## 基本信息

| 项目 | 内容 |
|---|---|
| 数据集方向 | 专业网页游戏开发 |
| 适用学段 | 初中7-9年级 |
| 训练集 / 验证集 | 17 / 3 条 |
| 数据格式 | JSONL，ms-swift `messages` 对话格式 |
| 许可 | Apache-2.0 |

## 覆盖范围

- Canvas 2D 上下文 clearRect 清空画布
- JavaScript 数组 push pop 操作列表
- 鼠标移动事件 mousemove 获取坐标
- 游戏主循环 update 与 draw 分离
- 矩形 AABB 碰撞检测距离计算
- CSS transform 旋转缩放元素
- 音效播放 Audio 对象 load 与 play
- 局部变量与全局变量作用域区分
- 条件语句 if else 判断游戏胜负
- 错误处理 try catch 捕获异常

## 字段说明

每行一个 JSON 对象，包含一轮完整对话：

- `messages[0]`：`system`，统一的人设提示词，保证回答风格一致
- `messages[1]`：`user`，学生视角的口语化提问
- `messages[2]`：`assistant`，先给结论、再举生活例子的简短回答

## 示例

```json
{
  "messages": [
    {
      "role": "system",
      "content": "你是一位精通前端技术的编程教练，善于拆解复杂逻辑，提供可运行的代码片段并解释关键步骤。"
    },
    {
      "role": "user",
      "content": "那 pop 在游戏里能派什么场"
    },
    {
      "role": "assistant",
      "content": "当玩家使用掉一个技能或者消耗药品时可以用 pop 移除。这就好比你手里有一张牌打出去就不在手里了。通常把这张牌放在列表最后方便随时丢弃。打完之后列表就少了一张手牌。"
    }
  ]
}
```

## 生成方式与局限

- 由大模型按「方向 + 子主题 + 切入角度」批量生成，并经过长度、语言、重复度校验去重；
- 内容面向日常启发式问答，**不能替代老师或教材**，涉及健康、安全等严肃话题请引导学生求助真人；
- 若用于正式训练，建议再人工抽检 10% 并补充真实学生提问。

## 训练用法

```bash
swift sft --model Qwen/Qwen2.5-0.5B-Instruct --train_type lora \
  --dataset train.jsonl --val_dataset val.jsonl --max_length 1024
```