課次：第講實驗課程教案實驗名稱實驗六利用扣子平臺搭建校園導(dǎo)覽助手相應(yīng)章節(jié)第六章智能體（AIAgent）技術(shù)入門授課時間2022年月日第周星期第節(jié)地點課時2教學(xué)目的與要求掌握扣子平臺構(gòu)建智能體的核心功能（智能體、知識庫管理、工作流設(shè)計）；理解知識庫與工作流協(xié)同運作的機制；能夠搭建一個可響應(yīng)特定領(lǐng)域問題的實用型智能體。教學(xué)重點掌握扣子平臺構(gòu)建智能體的核心功能（智能體、知識庫管理、工作流設(shè)計）；理解知識庫與工作流協(xié)同運作的機制；教學(xué)難點利用扣子平臺構(gòu)建智能體的核心功能（智能體、知識庫管理、工作流設(shè)計）教學(xué)方法與手段1、理論與實踐一體化教學(xué)2、任務(wù)驅(qū)動教學(xué)安全注意事項1、不得亂接電源，拔插電源外接其它設(shè)備；2、實驗室設(shè)備需按規(guī)章使用，不得帶飲料等進(jìn)入實驗區(qū)域。實驗材料與儀器設(shè)備帶互聯(lián)網(wǎng)訪問瀏覽器的PC機一臺教學(xué)過程課程思政元素一、實驗前的準(zhǔn)備帶互聯(lián)網(wǎng)訪問瀏覽器的PC機一臺。二、課上教學(xué)的設(shè)計（一）知識回顧回顧第一章節(jié)所學(xué)內(nèi)容。（二）教師講解與演示實驗內(nèi)容實驗步驟1.Step1：創(chuàng)建知識庫2.Step2：設(shè)計工作流3.Step3：工作流平臺實現(xiàn)4.Step4：工作流測試、優(yōu)化和發(fā)布5. Step5：創(chuàng)建智能體，關(guān)聯(lián)工作流三、學(xué)生開始實驗四、教師指導(dǎo)實驗五、實驗結(jié)果檢查六、實驗教學(xué)小結(jié)注意事項：建議使用Python的官方網(wǎng)站(/)下載最新版本的Python解釋器，根據(jù)自己的操作系統(tǒng)選擇相應(yīng)的下載鏈接。七、布置作業(yè)撰寫實驗報告，提交作業(yè)。引導(dǎo)學(xué)生將技術(shù)應(yīng)用于服務(wù)校園，培養(yǎng)科技賦能生活的理念，增強服務(wù)同學(xué)、建設(shè)校園的責(zé)任意識，在實踐中踐行創(chuàng)新與奉獻(xiàn)的思政內(nèi)涵。教學(xué)后記課次：第講課程教案授課主題第7章AI編程工具與大語言模型章節(jié)內(nèi)容第7章AI編程工具與大語言模型地點課時4教學(xué)目的與要求1.了解常見的AI編程工具及其特點；2.熟悉Cline、Trae、Cursor的安裝與環(huán)境配置流程；3.掌握Cline、Trae的基本使用方法；4.能使用AI編程工具完成簡單的前端開發(fā)和機器學(xué)習(xí)項目；教學(xué)重點AI編程工具的功能對比、Cline/Trae/Cursor的安裝與配置、基于AI工具的代碼生成與實踐。教學(xué)難點AI編程工具的自然語言理解與代碼生成質(zhì)量、工具間的適用場景選擇、實驗環(huán)境調(diào)試。教學(xué)方法1、多媒體教學(xué)演示2、案例分析法3、討論法教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素重點知識講解

（一）常見AI編程工具簡介：

1.扣子（Coze）：字節(jié)跳動推出的AI應(yīng)用開發(fā)平臺

2.AI速搭：百度智能云低代碼平臺

3.通義靈碼：阿里云編程助手

4.LangFlow：低代碼RAG應(yīng)用構(gòu)建器

5.Cline：開源VSCode插件

6.Trae：字節(jié)跳動對話式編程工具

7.Cursor：智能編程助手|

思政融入點：

介紹國產(chǎn)工具（如扣子、通義靈碼、Trae）的發(fā)展，增強學(xué)生對國產(chǎn)技術(shù)的認(rèn)知與信心。|

（二）工具對比分析：

1.優(yōu)缺點對比（表7.1）

2.適用場景對比（表7.2）

3.引導(dǎo)學(xué)生根據(jù)項目需求選擇合適的工具||

三、實踐操作與實驗

|

思政融入點：

強調(diào)實驗數(shù)據(jù)的合法使用、API密鑰的安全管理，培養(yǎng)信息安全意識。|

（一）Cline實踐：實現(xiàn)停車場管理系統(tǒng)前端開發(fā)

1.VSCode安裝與Cline插件配置

2.DeepSeekAPI密鑰申請與配置

3.自然語言描述需求并生成代碼

4.本地部署與界面優(yōu)化||

（二）Trae實踐：復(fù)現(xiàn)決策樹算法并訓(xùn)練評估

1.Trae安裝與環(huán)境配置

2.數(shù)據(jù)集下載與加載

3.算法復(fù)現(xiàn)與代碼生成

4.模型訓(xùn)練、評估與優(yōu)化||

（三）Cursor實驗：搭建倉儲管理系統(tǒng)前端

1.Cursor安裝與使用

2.需求描述與多文件代碼生成

3.界面調(diào)試與優(yōu)化

4.項目啟動與功能驗證||

四、歸納總結(jié)，布置課后任務(wù)

|

思政融入點：

鼓勵學(xué)生學(xué)習(xí)李飛飛等科學(xué)家的探索精神，積極參與開源項目，推動技術(shù)普及與教育公平。|

（一）回顧各類AI編程工具的特點、適用場景與實踐流程

（二）布置課后習(xí)題（選擇題、填空題、判斷題、簡答題）

（三）布置實驗報告：自選工具完成一個小型項目

（四）推薦拓展資源：工具官方文檔、李飛飛AI倫理演講、開源項目參與指南||簡單介紹科學(xué)家李飛飛對AI的貢獻(xiàn)教學(xué)后記課次：第講課程教案授課主題多模態(tài)大語言模型章節(jié)內(nèi)容第8章多模態(tài)大語言模型地點課時2教學(xué)目的與要求理解多模態(tài)大語言模型的基本概念、發(fā)展歷程及其技術(shù)架構(gòu)；掌握多模態(tài)輸入與輸出的處理機制，包括模態(tài)編碼、投影、生成與對齊技術(shù)；了解多模態(tài)大語言模型在圖像、音頻、醫(yī)療、教育、藝術(shù)等領(lǐng)域的應(yīng)用場景；熟悉當(dāng)前主流的多模態(tài)生成工具及其特點；能夠分析多模態(tài)大語言模型的技術(shù)特點與應(yīng)用潛力；具備初步的多模態(tài)應(yīng)用場景設(shè)計與分析能力。教學(xué)重點1、多模態(tài)大語言模型的核心架構(gòu)與工作機制；2、模態(tài)編碼器、輸入投影器、輸出投影器與跨模態(tài)對齊的關(guān)鍵技術(shù)；3、多模態(tài)大語言模型在醫(yī)療、教育、藝術(shù)等領(lǐng)域的典型應(yīng)用。教學(xué)難點1、跨模態(tài)對齊的實現(xiàn)機制與訓(xùn)練策略；2、多模態(tài)生成模型中的時序一致性與情節(jié)連貫性問題；3、多模態(tài)大語言模型在實際應(yīng)用中的技術(shù)挑戰(zhàn)與解決方案。教學(xué)方法1、多媒體教學(xué)演示2、案例分析法3、討論法教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素說明：*號標(biāo)注的是課程思政的融入點一、導(dǎo)入1、展示一段由“可靈”生成的視頻，引導(dǎo)學(xué)生思考：*引入我國在多模態(tài)AI領(lǐng)域的研究成果（1）“這段視頻是如何從一段文字描述中生成的？（2）它背后有哪些技術(shù)支持？”2、引出多模態(tài)大語言模型的概念，說明其能夠處理文本、圖像、音頻等多種信息，實現(xiàn)“跨模態(tài)理解與生成”。二、進(jìn)行重點知識的講解（一）多模態(tài)概述與模型簡介1、多模態(tài)的定義與意義（1）多模態(tài)定義：指模型能夠同時處理和融合來自多種信息源（如文本、圖像、音頻、視頻等）的輸入與輸出。（2）意義：更接近人類認(rèn)知方式，實現(xiàn)“看、聽、說、想”一體化。擴展AI應(yīng)用邊界，實現(xiàn)更自然、更智能的人機交互。推動AI從“單任務(wù)專家”向“多任務(wù)通才”演進(jìn)。多模態(tài)大語言模型的基本概念*思政融入（1）核心思想：以大語言模型為基礎(chǔ)，引入多模態(tài)編碼與生成模塊，實現(xiàn)跨模態(tài)理解與生成。（2）典型代表：GPT-4V（支持圖像理解）DALL·E3（文生圖）可靈（文生視頻）（二）發(fā)展歷程與核心架構(gòu)1、從單模態(tài)到多模態(tài)的技術(shù)演進(jìn)第一階段：單模態(tài)模型（如BERT、ResNet）第二階段：早期多模態(tài)嘗試（如VQA、圖像描述生成）第三階段：統(tǒng)一多模態(tài)架構(gòu)（如CLIP、Flamingo）第四階段：生成式多模態(tài)大模型（如StableDiffusion、Sora）2、核心架構(gòu)：（1）模態(tài)編碼器功能：將圖像、音頻等非文本模態(tài)轉(zhuǎn)換為向量表示。舉例：ViT（VisionTransformer）用于圖像編碼。（2）輸入投影器功能：將不同模態(tài)的向量映射到統(tǒng)一的語義空間。舉例：線性層或跨模態(tài)注意力機制。（3）大語言模型功能：作為“大腦”，進(jìn)行語義理解、推理與生成。舉例：LLaMA、ChatGLM等作為基座模型。（4）輸出投影器功能：將語言模型的輸出映射到目標(biāo)模態(tài)的生成空間。舉例：將文本向量投影為圖像生成所需的潛變量。（5）模態(tài)生成器功能：根據(jù)投影結(jié)果生成目標(biāo)模態(tài)內(nèi)容。舉例：擴散模型用于圖像生成，聲學(xué)模型用于語音合成。3、重點講解跨模態(tài)對齊機制（1）目標(biāo)：確保不同模態(tài)在語義上保持一致。（2）方法：對比學(xué)習(xí)（如CLIP）跨模態(tài)注意力聯(lián)合訓(xùn)練策略（三）訓(xùn)練策略與應(yīng)用場景1、訓(xùn)練策略（1）預(yù)訓(xùn)練階段：使用大規(guī)模多模態(tài)數(shù)據(jù)集（如LAION、WebVid）目標(biāo)：學(xué)習(xí)跨模態(tài)表示與對齊（2）微調(diào)階段：針對具體任務(wù)（如圖文問答、視頻生成）進(jìn)行有監(jiān)督微調(diào)方法：指令微調(diào)、RLHF（人類反饋強化學(xué)習(xí)）2、應(yīng)用場景與案例分析（1）醫(yī)療領(lǐng)域應(yīng)用：醫(yī)學(xué)影像報告自動生成、多模態(tài)病歷分析、手術(shù)視頻理解與教學(xué)案例：騰訊覓影、阿里健康A(chǔ)I輔助診斷系統(tǒng)（2）教育領(lǐng)域應(yīng)用：智能課件生成、多模態(tài)互動教學(xué)助手、虛擬實驗場景構(gòu)建案例：科大訊飛智慧教育解決方案（3）藝術(shù)創(chuàng)作領(lǐng)域應(yīng)用：文生圖、文生視頻、音樂與視覺藝術(shù)融合生成、虛擬角色與場景設(shè)計案例：可靈視頻生成、百度文心一格（四）生成工具介紹*思政融入1、擴散模型概述原理：通過逐步去噪過程生成高質(zhì)量圖像。代表：StableDiffusion、DALL·E32、StableDiffusion特點：開源、可控性強、社區(qū)生態(tài)豐富。適用場景：藝術(shù)創(chuàng)作、設(shè)計輔助、內(nèi)容生成。3、Midjourney特點：藝術(shù)風(fēng)格突出、生成效果驚艷、用戶體驗友好。適用場景：概念設(shè)計、插畫創(chuàng)作、視覺表達(dá)。4、可靈（KOLING）特點：支持文本到視頻生成；具備時序一致性與情節(jié)連貫性；適用于短視頻、教學(xué)視頻、廣告創(chuàng)意等場景技術(shù)核心：多模態(tài)生成模型+時空建模三、歸納總結(jié)，布置課后作業(yè)（一）回顧上課前的學(xué)習(xí)目標(biāo)，對本節(jié)課知識點進(jìn)行總結(jié)。1、回顧本章重點內(nèi)容：多模態(tài)模型架構(gòu)、訓(xùn)練策略、應(yīng)用場景。2、強調(diào)多模態(tài)大語言模型的技術(shù)趨勢：更強的一致性、更高的生成質(zhì)量、更廣泛的應(yīng)用場景。3、總結(jié)技術(shù)挑戰(zhàn)：數(shù)據(jù)融合難、對齊機制復(fù)雜、倫理與安全問題。（二）布置隨堂練習(xí)，檢查學(xué)生掌握情況。給學(xué)生布置隨堂練習(xí)，檢測學(xué)生的掌握程度，并對學(xué)生出現(xiàn)的問題進(jìn)行解決。（三）完成超星平臺的章節(jié)知識測試，以及教師發(fā)布的實踐任務(wù)。通過介紹我國在多模態(tài)AI領(lǐng)域的研究成果（如可靈視頻生成技術(shù)），增強學(xué)生的民族自豪感與科技自信，激發(fā)學(xué)習(xí)興趣。強調(diào)我國在人工智能多模態(tài)融合方面的戰(zhàn)略布局，如“新一代人工智能發(fā)展規(guī)劃”中對多模態(tài)技術(shù)的重視，增強學(xué)生對國家科技自立自強戰(zhàn)略的理解與認(rèn)同。強調(diào)在使用生成工具時應(yīng)遵守法律法規(guī)，尊重原創(chuàng)與知識產(chǎn)權(quán)，防范AI生成內(nèi)容可能帶來的虛假信息、倫理沖突等問題，樹立“技術(shù)有界、責(zé)任無限”的意識。教學(xué)后記 課次：第講課程教案授課主題本地大語言模型部署章節(jié)內(nèi)容第8章本地大語言模型部署地點課時4教學(xué)目的與要求理解本地部署的必要性：深入領(lǐng)會數(shù)據(jù)主權(quán)、隱私保護(hù)、成本控制及網(wǎng)絡(luò)獨立性在企業(yè)級應(yīng)用中的核心價值。掌握本地部署的基礎(chǔ)認(rèn)知：熟悉模型參數(shù)量（B）、量化技術(shù)（Quantization）及主流硬件要求。熟悉DeepSeek模型家族：了解DeepSeek-V3與R1的技術(shù)特點及其在國產(chǎn)大模型中的領(lǐng)先地位。精通本地部署實戰(zhàn)流程：掌握Ollama的安裝、配置及DeepSeekR1各版本模型的部署與交互。具備系統(tǒng)優(yōu)化能力：能夠根據(jù)硬件條件（如顯存、內(nèi)存）選擇最合適的模型規(guī)模并進(jìn)行GPU加速配置。提升跨平臺應(yīng)用能力：了解從命令行到圖形化界面（如PageAssist）的多種交互模式。教學(xué)重點1. 本地部署的核心優(yōu)勢：數(shù)據(jù)安全（主權(quán)）、離線運行、低延遲與長期運行的成本優(yōu)勢。2. 模型選擇指南：根據(jù)顯存（VRAM）和內(nèi)存（RAM）精準(zhǔn)匹配1.5B、7B、14B、32B等不同規(guī)模的模型。3. Ollama工具鏈應(yīng)用：安裝配置、模型拉取（Pull）、運行（Run）及參數(shù)優(yōu)化。4. DeepSeekR1實戰(zhàn)：針對Windows環(huán)境的完整部署閉環(huán)。教學(xué)難點1. 量化技術(shù)與性能的權(quán)衡：理解4-bit量化等技術(shù)如何在損失極小精度的情況下大幅降低硬件門檻。2. 環(huán)境配置與故障排除：解決路徑配置、CUDA環(huán)境識別及模型存儲遷移等實際操作問題。3. 推理速度優(yōu)化：針對CPU與GPU推理速度差異的原理分析及優(yōu)化策略。教學(xué)方法1. 多媒體演示與對比教學(xué)：通過對比云端API調(diào)用與本地運行的響應(yīng)延遲及隱私合規(guī)性，直觀展示價值。2. 現(xiàn)場實操演示：教師現(xiàn)場演示從安裝Ollama到對話DeepSeek的全過程，增強直觀感受。3. 任務(wù)驅(qū)動法：要求學(xué)生在實訓(xùn)課上獨立完成一個特定規(guī)模模型的部署并解決遇到的配置問題。4. 小組討論與案例研究：討論在醫(yī)療、金融等高敏感行業(yè)，本地部署如何解決“不敢用AI”的痛點。教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素說明：*號標(biāo)注的是課程思政的融入點一、導(dǎo)入1.現(xiàn)實痛點引入：提問學(xué)生“如果你正在為一個金融公司開發(fā)AI助手，你敢把公司的核心賬目傳給云端模型嗎？”。2.網(wǎng)絡(luò)依賴性思考：假設(shè)在斷網(wǎng)或極弱網(wǎng)環(huán)境下，如何保證AI服務(wù)的連續(xù)性？3.引出主題：介紹“本地部署”如何將千億參數(shù)的智慧“關(guān)進(jìn)”個人電腦的硬盤里。二、進(jìn)行重點知識的講解數(shù)據(jù)主權(quán)與數(shù)字韌性：避免敏感數(shù)據(jù)跨境流動，符合GDPR及《個人信息保護(hù)法》。解決“數(shù)字?jǐn)喙憋L(fēng)險，實現(xiàn)基礎(chǔ)設(shè)施的自主可控。極致的隱私與安全：個人日記、商業(yè)秘密不經(jīng)過公網(wǎng)傳輸。零運行成本與低延遲：一次購買硬件，終身免費使用，無Token計費焦慮。局域網(wǎng)/本機響應(yīng)，無網(wǎng)絡(luò)延遲波動。（二）本地部署的基礎(chǔ)認(rèn)知量化（Quantization）技術(shù)：解釋為何能將幾十GB的模型縮減到幾GB。核心原理：將16位浮點數(shù)降至4位整數(shù)，極大降低顯存需求。硬件匹配原則：入門級（4B-8B模型）：8GB顯存或16GB內(nèi)存。進(jìn)階級（14B-32B模型）：12GB-24GB顯存。專家級（70B以上）：多卡互聯(lián)或海量系統(tǒng)內(nèi)存。（三）認(rèn)識DeepSeek：國產(chǎn)大模型的驕傲模型背景：介紹深度求索（DeepSeek）的崛起。DeepSeekR1特點：強化學(xué)習(xí)賦能，邏輯推理能力對標(biāo)OpenAIo1。開源開放：提供從1.5B到671B的全系列版本，極其適合本地部署。三、實驗環(huán)節(jié)：DeepSeekR1本地化實戰(zhàn)（2課時）（一）實驗環(huán)境準(zhǔn)備軟件：Windows10/11，Ollama官方客戶端。硬件：實訓(xùn)室PC（建議RTX3060或以上，或16G內(nèi)存）。（二）核心步驟演練Ollama環(huán)境部署：訪問官網(wǎng)下載并執(zhí)行安裝。配置環(huán)境變量OLLAMA_MODELS以遷移模型存儲路徑（避免擠占C盤）。模型拉取與運行：命令行輸入：ollamarundeepseek-r1:7b。觀察下載進(jìn)度，理解模型分層加載機制。GPU加速驗證：使用nvidia-smi命令檢查顯存占用情況，確認(rèn)模型是否運行在GPU上。交互與壓力測試：進(jìn)行多輪對話，觀察推理速度（tokens/s）。模擬復(fù)雜任務(wù)：編寫Python算法或進(jìn)行長文總結(jié)。（三）進(jìn)階：圖形化交互界面PageAssist插件安裝：在瀏覽器中安裝PageAssist，連接Ollama后端。體驗類似ChatGPT的網(wǎng)頁端交互感。（四）實驗步驟與任務(wù)清單1. 任務(wù)1：路徑自定義：修改系統(tǒng)環(huán)境變量，將模型默認(rèn)保存位置從C:\Users\...遷移至D:\LLMs。2. 任務(wù)2：多版本對比：分別拉取1.5b和7b版本，記錄兩者在處理同一邏輯題時的推理耗時。3. 任務(wù)3：并發(fā)訪問測試：嘗試同時打開兩個命令行窗口與模型對話，觀察系統(tǒng)的資源分配。4. 任務(wù)4：圖形化集成：利用Ollama提供的API端口，在PageAssist中配置自定義Prompt模板。實驗教學(xué)小結(jié)強調(diào)“按需部署”：不盲目追求參數(shù)量，硬件適配才是本地化的精髓。培養(yǎng)持續(xù)學(xué)習(xí)意識：本地模型社區(qū)（如HuggingFace、GGUF）更新極快，需保持關(guān)注。?數(shù)字韌性與國家安全：*強調(diào)國產(chǎn)模型（DeepSeek）在打破國外技術(shù)壟斷、保障國家數(shù)據(jù)主權(quán)方面的戰(zhàn)略意義，激發(fā)學(xué)生的愛國情懷與科技報國志向。?工匠精神與嚴(yán)謹(jǐn)性：在部署過程中引導(dǎo)學(xué)生關(guān)注每一個配置參數(shù)，培養(yǎng)嚴(yán)謹(jǐn)?shù)墓こ趟季S與細(xì)致的職業(yè)態(tài)度。?科技倫理與隱私意識：通過本地部署的價值討論，強化保護(hù)個人及企業(yè)隱私的法律意識，樹立“安全第一”的技術(shù)價值觀。教學(xué)后記課次：第講課程教案授課主題第10章大語言模型的應(yīng)用案例章節(jié)內(nèi)容第10章大語言模型的應(yīng)用案例地點課時6教學(xué)目的與要求掌握生活化場景的應(yīng)用原理：深入理解智能客服、在線購物助手及AI家教的核心工作機制（NLP、機器學(xué)習(xí)、個性化推薦）。分析行業(yè)垂直應(yīng)用價值：能夠針對金融（風(fēng)控、客服）、醫(yī)療（影像分析、藥物開發(fā)）等行業(yè)，分析LLM帶來的效率提升與模式變革。精通自動化工具實踐：掌握扣子（Coze）平臺的使用，學(xué)會搭建具備自動化能力的簡易智能體。掌握知識庫構(gòu)建技術(shù)：學(xué)會將非結(jié)構(gòu)化文本轉(zhuǎn)化為可檢索、可回答的結(jié)構(gòu)化知識庫（RAG基礎(chǔ)）。提升AI應(yīng)用開發(fā)思維：探索AI如何賦能應(yīng)用開發(fā)的全生命周期，提升解決實際問題的能力。領(lǐng)悟技術(shù)背后的科學(xué)精神：通過約書亞·本吉奧等科學(xué)家的故事，培養(yǎng)追求卓越與負(fù)責(zé)任的AI開發(fā)意識。教學(xué)重點1.三大核心生活場景應(yīng)用：智能客服：自然語言理解與知識庫管理。購物助手：個性化推薦算法邏輯。AI家教：自適應(yīng)學(xué)習(xí)與大數(shù)據(jù)個性化教學(xué)。2.行業(yè)深度應(yīng)用案例：金融風(fēng)控、醫(yī)療診斷輔助、自動駕駛（端到端）等場景。3.扣子（Coze）實戰(zhàn)應(yīng)用：智能體搭建、知識庫導(dǎo)入、工作流設(shè)計。教學(xué)難點1.從非結(jié)構(gòu)化數(shù)據(jù)到知識庫的轉(zhuǎn)化：理解向量化存儲、語義索引與精準(zhǔn)檢索的技術(shù)挑戰(zhàn)。2.AI賦能開發(fā)的邏輯抽象：如何在開發(fā)過程中識別出哪些環(huán)節(jié)可以被AI自動化，并設(shè)計合理的Prompt鏈。3.技術(shù)與倫理的平衡：在醫(yī)療、金融等高敏感行業(yè)，如何處理“模型偏見”與“決策透明度”問題。教學(xué)方法1.多媒體演示法：演示京東“京小智”、教育類“TutorEva”等真實應(yīng)用界面與交互過程。2.案例分析法：通過金融風(fēng)控案例，對比傳統(tǒng)規(guī)則引擎與LLM推理引擎的優(yōu)劣。3.討論法：討論“AI家教是否會取代人類教師”及“AI在決策中的倫理責(zé)任”。4.任務(wù)驅(qū)動法：在實訓(xùn)課中以“搭建校園問答機器人”為任務(wù)，驅(qū)動學(xué)生掌握Coze操作。教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素說明：*號標(biāo)注的是課程思政的融入點一、導(dǎo)入1.場景互動：請學(xué)生分享最近一次與在線客服溝通的經(jīng)歷，詢問：“你能分辨出對方是真人還是AI嗎？為什么？”。2.展示案例：展示京東“京小智”在“雙11”期間處理千萬級并發(fā)咨詢的成就。3.引出主題：大模型不僅僅是對話，它正在成為各行各業(yè)的底層驅(qū)動引擎。二、進(jìn)行重點知識的講解（一）生活中的大語言模型：深度重塑服務(wù)業(yè)智能客服系統(tǒng)（CustomerServiceSystems）：核心技術(shù)：NLP（自然語言處理）、ML（機器學(xué)習(xí)）、KB（知識庫管理）。優(yōu)勢：7×24小時在線、多語言支持、秒級響應(yīng)。工作流：用戶意圖識別->知識庫檢索->答案生成->情感分析與反饋。在線購物助手（OnlineShoppingAssistants）：個性化引擎：基于用戶歷史行為與偏好，生成精準(zhǔn)的商品推薦。交互體驗：從“搜索框”到“對話框”的轉(zhuǎn)變，優(yōu)化決策鏈路。AI家教（AITutors）：自適應(yīng)教學(xué)：針對每個學(xué)生的薄弱點，提供定制化講解。案例分析：TutorEva如何輔助解決數(shù)學(xué)難題并提供分步指導(dǎo)。（二）行業(yè)深度案例：金融與醫(yī)療的AI革命金融行業(yè)：風(fēng)險評估：分析海量非結(jié)構(gòu)化財報與新聞，識別潛在債務(wù)違約風(fēng)險。反欺詐：利用大模型分析異常交易模式，提升風(fēng)控響應(yīng)速度。醫(yī)療行業(yè)：診斷輔助：輔助影像科醫(yī)生識別微小病灶，生成醫(yī)學(xué)報告草案。藥物研發(fā)：預(yù)測蛋白質(zhì)折疊（AlphaFold效應(yīng)），縮短新藥篩選周期。（三）約書亞·本吉奧：大模型領(lǐng)域的領(lǐng)航者技術(shù)貢獻(xiàn)：注意力機制的先驅(qū)，Transformer架構(gòu)的基石奠定者。人文情懷：本吉奧對“負(fù)責(zé)任AI”的堅持，強調(diào)技術(shù)必須伴隨著社會影響的深思熟慮。（四）技術(shù)實戰(zhàn)：扣子（Coze）與自動化開發(fā)自動化工具的崛起：Coze降低了AI應(yīng)用開發(fā)的門檻（No-Code/Low-Code）。構(gòu)建智能問答系統(tǒng)的邏輯：數(shù)據(jù)采集：上傳Word/PDF資料。知識清洗：切片（Chunking）與向量化（Embedding）。問答鏈路：用戶提問->語義檢索->注入上下文->LLM回答。三、實驗環(huán)節(jié)一：基于扣子（Coze）搭建個性化智能體（2課時）（一）實驗準(zhǔn)備平臺：訪問coZE官方平臺。素材：準(zhǔn)備一份關(guān)于“學(xué)生手冊”或“專業(yè)課程介紹”的非結(jié)構(gòu)化文檔。（二）實驗任務(wù)清單任務(wù)1：創(chuàng)建智能體角色：設(shè)置人設(shè)（Persona）與回復(fù)風(fēng)格（Tone）。任務(wù)2：搭建知識庫（RAG實踐）：上傳本地文檔，設(shè)置分段策略。進(jìn)行“知識召回測試”，驗證模型是否基于文檔回答。任務(wù)3：集成插件與工具：為智能體添加“搜索”插件或“圖片生成”插件。體驗智能體如何調(diào)用外部工具。任務(wù)4：發(fā)布與分享：將智能體發(fā)布至Bot商店，并進(jìn)行同學(xué)間的互測。四、實驗環(huán)節(jié)二：實驗十智能問答系統(tǒng)與自動化智能體構(gòu)建相應(yīng)章節(jié)：第十章大語言模型的應(yīng)用案例課時：2課時教學(xué)目的與要求1. 熟練掌握扣子（Coze）平臺各模塊功能。2. 學(xué)會將雜亂無章的文本數(shù)據(jù)轉(zhuǎn)化為可查詢的AI知識資產(chǎn)。3. 理解AI賦能應(yīng)用開發(fā)的基本模式：Prompt指令+知識庫+插件能力。實驗重點與難點? 重點：知識庫的精細(xì)化切片與檢索優(yōu)化。? 難點：多輪對話中的變量管理與復(fù)雜任務(wù)下的工作流（Workflow）設(shè)計。實驗教學(xué)小結(jié)? 反饋分析：根據(jù)學(xué)生搭建的智能體，分析哪些同學(xué)能夠設(shè)計出更具邏輯性的工作流。? 未來展望：鼓勵學(xué)生在課程設(shè)計或畢業(yè)設(shè)計中，嘗試將AI接口接入到傳統(tǒng)的Web或移動應(yīng)用中，實現(xiàn)真正的“AI原生應(yīng)用”。五、歸納總結(jié)與評價核心總結(jié)：大模型已經(jīng)從“技術(shù)探索”進(jìn)入“工程落地”階段。應(yīng)用開發(fā)的核心不再是寫底層代碼，而是如何利用AI進(jìn)行能力整合。反思討論：當(dāng)AI能夠完成大部分初級客服和助教工作時，我們?nèi)祟悓W(xué)生應(yīng)該培養(yǎng)哪些“不可替代”的能力？（引出批判性思維與情感聯(lián)結(jié)）。作業(yè)布置：案例分析報告：選擇一個除金融、醫(yī)療外的行業(yè)（如農(nóng)業(yè)、法律），撰寫一份500字左右的大模型應(yīng)用方案建議書。實操作業(yè)：在Coze平臺上完善你的智能體，使其具備至少1個自定義工作流，并提交分享鏈接。?科技服務(wù)社會（責(zé)任感）：*通過智能客服與AI家教的普及，講述技術(shù)如何跨越教育鴻溝、提升社會服務(wù)效率，引導(dǎo)學(xué)生思考科技向善。?負(fù)責(zé)任的AI開發(fā)（倫理觀）：結(jié)合約書亞·本吉奧YoshuaBengio）對AI倫理的呼吁，培養(yǎng)學(xué)生建立透明、公平、倫理的人工智能發(fā)展框架。? 科技自立自強（自信心）：通過分析國產(chǎn)AI在電商、醫(yī)療領(lǐng)域的創(chuàng)新應(yīng)用，增強學(xué)生的民族自信心與參與全球科技競爭的使命感。強調(diào)在使用生成工具時應(yīng)遵守法律法規(guī)，尊重原創(chuàng)與知識產(chǎn)權(quán)，防范AI生成內(nèi)容可能帶來的虛假信息、倫理沖突等問題，樹立“技術(shù)有界、責(zé)任無限”的意識。教學(xué)后記 課次：第講課程教案授課主題第十一章大語言模型的評估（概述與評估體系）章節(jié)內(nèi)容11.1概述、11.2大語言模型評估體系及相關(guān)指標(biāo)地點課時教學(xué)目的與要求1、了解大語言模型評估的重要性及行業(yè)挑戰(zhàn)；2、掌握四大評估維度的核心內(nèi)涵；3、熟練記憶各維度關(guān)鍵評估指標(biāo)及適用場景；4、能夠區(qū)分不同評估指標(biāo)的應(yīng)用邊界。教學(xué)重點1、功能性、性能、對齊性、安全性評估的核心定義；2、自然語言理解、推理、生成能力的關(guān)鍵指標(biāo)；3、性能評估中吞吐量、延遲等指標(biāo)的實際意義；4、對齊性與安全性評估的核心關(guān)注要點。教學(xué)難點1、不同評估指標(biāo)的適用場景區(qū)分；2、推理能力與生成能力評估的邏輯差異；3、對齊性評估中倫理合規(guī)與事實一致性的平衡。教學(xué)方法1、多媒體教學(xué)演示2、案例分析法3、討論法教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素說明：*號標(biāo)注的是課程思政的融入點一、情境導(dǎo)入，引出核心主題（一）教師通過醫(yī)療AI誤診、生成式AI傳播虛假信息等案例，引出大語言模型評估的必要性。（二）介紹張鈸院士在人工智能領(lǐng)域的奠基性貢獻(xiàn)，強調(diào)AI技術(shù)評估的嚴(yán)謹(jǐn)性與責(zé)任感。（三）明確本章節(jié)學(xué)習(xí)目標(biāo)：掌握多維度評估體系，具備基礎(chǔ)評估實踐能力。二、核心知識講解（一）11.1概述1、大語言模型評估的核心價值：明確性能邊界、保障應(yīng)用安全、推動技術(shù)優(yōu)化。2、行業(yè)挑戰(zhàn)：價值觀對齊、魯棒性不足、多模態(tài)適配、低資源語言支持等。3、傳統(tǒng)評估與現(xiàn)代評估方法的差異：自動評估、人工評估、LLM評估的互補性。（二）11.2評估體系及指標(biāo)1、功能性評估：分自然語言理解（準(zhǔn)確率、語義相似度等）、推理能力（MRR、Hit@K等）、生成能力（ROUGE、BLEU等）展開，結(jié)合SST-2、HotpotQA等數(shù)據(jù)集案例。2、性能評估：詳解吞吐量、延遲、并發(fā)數(shù)、能耗等指標(biāo)，對比GPT-3與TinyLlama的性能差異。3、對齊性評估：涵蓋倫理合規(guī)（RAI指標(biāo)）、偏見消減、毒性過濾、事實一致性四大模塊。4、安全性評估：聚焦魯棒性驗證（對抗性攻擊）與風(fēng)險預(yù)警（紅隊測試）。三、歸納總結(jié)與隨堂練習(xí)（一）回顧四大評估維度及核心指標(biāo)，梳理指標(biāo)適用場景思維導(dǎo)圖。（二）隨堂練習(xí)：判斷不同應(yīng)用場景（如智能客服、醫(yī)療輔助）的核心評估指標(biāo)。（三）布置課后任務(wù)：查閱C-Eval基準(zhǔn)官方文檔，了解其數(shù)據(jù)集結(jié)構(gòu)。課程導(dǎo)入環(huán)節(jié)，通過案例對比醫(yī)療AI誤診、生成式AI虛假信息傳播等風(fēng)險事件，引出評估必要性后，過渡到張鈸院士的科研事跡，強化“嚴(yán)謹(jǐn)評估是AI技術(shù)落地前提”的認(rèn)知。教學(xué)后記

課次：第講課程教案授課主題第十一章大語言模型的評估（評估方法與基準(zhǔn)）章節(jié)內(nèi)容11.3大語言模型評估方法、11.4評估基準(zhǔn)地點課時教學(xué)目的與要求1、掌握人工評估、LLM評估、對比評估的實施流程；2、理解麥克尼馬爾檢驗等對比評估方法的原理；3、熟悉C-Eval、MMLU等主流評估基準(zhǔn)的特點；4、能夠根據(jù)任務(wù)需求選擇合適的評估方法與基準(zhǔn)。教學(xué)重點1、人工評估的評分設(shè)計與結(jié)果校準(zhǔn)；2、LLM評估的指令設(shè)計與結(jié)果解析；3、主流評估基準(zhǔn)的適用場景對比；4、對比評估的實操步驟。教學(xué)難點1、LLM評估與人工評估的結(jié)果一致性驗證；2、評估基準(zhǔn)的選擇與任務(wù)匹配邏輯；3、對比評估的統(tǒng)計學(xué)意義解讀。教學(xué)方法1、多媒體教學(xué)演示2、案例分析法3、討論法教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素說明：*號標(biāo)注的是課程思政的融入點一、回顧舊知，導(dǎo)入新知（一）回顧四大評估維度及核心指標(biāo)，提問："如何科學(xué)驗證不同模型在同一指標(biāo)上的差異？"引出評估方法主題。（二）明確本講目標(biāo)：掌握三類評估方法，熟悉主流基準(zhǔn)的應(yīng)用。二、核心知識講解（一）11.3評估方法1、人工評估：講解評估團隊組建、評分標(biāo)準(zhǔn)設(shè)計（如5級李克特量表）、結(jié)果一致性檢驗，分析其優(yōu)缺點。2、LLM評估：演示基于GPT-4的評估流程，包括指令設(shè)計、樣本輸入、結(jié)果解析，對比其與人工評估的效率差異。3、對比評估：介紹麥克尼馬爾檢驗的核心邏輯，結(jié)合模型A與模型B在文本分類任務(wù)上的表現(xiàn)案例，演示對比步驟。（二）11.4評估基準(zhǔn)1、基準(zhǔn)核心作用：性能衡量、能力診斷、比較競爭、應(yīng)用指導(dǎo)。2、主流基準(zhǔn)詳解：-C-Eval：中文高級推理能力評估，涵蓋多學(xué)科領(lǐng)域；-MMLU：多任務(wù)準(zhǔn)確率評估，覆蓋基礎(chǔ)數(shù)學(xué)、計算機科學(xué)等；-GSM8K：小學(xué)數(shù)學(xué)推理任務(wù)，測試數(shù)值計算與邏輯能力；-HumanEval：代碼生成功能正確性評估。3、基準(zhǔn)選擇原則：匹配任務(wù)場景、覆蓋核心能力、兼顧數(shù)據(jù)多樣性。三、歸納總結(jié)與隨堂練習(xí)（一）梳理評估方法與基準(zhǔn)的對應(yīng)關(guān)系，形成選擇決策樹。（二）隨堂練習(xí)：為"中文智能客服模型"選擇合適的評估方法與基準(zhǔn)。（三）布置課后任務(wù)：準(zhǔn)備C-Eval評估環(huán)境搭建所需的依賴庫清單。講解“評估基準(zhǔn)”模塊時，對比主流基準(zhǔn)的適用場景，重點分析C-Eval的數(shù)據(jù)集設(shè)計邏輯與應(yīng)用價值，組織小組討論“為什么中文AI模型需要專屬評估基準(zhǔn)”，深化對科技自主創(chuàng)新意義的理解。教學(xué)后記課次：第講課程教案授課主題第十一章大語言模型的評估（實踐操作與案例分析）章節(jié)內(nèi)容11.5大語言模型評估實踐、章節(jié)案例分析地點課時教學(xué)目的與要求1、掌握基于opencompass的C-Eval基準(zhǔn)部署流程；2、能夠獨立完成環(huán)境配置、數(shù)據(jù)準(zhǔn)備、評估執(zhí)行與結(jié)果分析；3、熟練運用評估知識分析實際場景案例；4、具備多維度評估指標(biāo)的權(quán)衡與優(yōu)化能力。教學(xué)重點1、opencompass環(huán)境配置與C-Eval數(shù)據(jù)集部署；2、評估結(jié)果的關(guān)鍵指標(biāo)解讀；3、醫(yī)療、教育等場景的評估案例分析；4、多維度指標(biāo)的權(quán)衡策略。教學(xué)難點1、評估環(huán)境的依賴沖突解決；2、評估結(jié)果的深度分析與問題定位；3、實際場景中評估維度的優(yōu)先級排序。教學(xué)方法1、多媒體教學(xué)演示2、案例分析法3、討論法教學(xué)手段網(wǎng)絡(luò)資源應(yīng)用、在線教學(xué)平臺教學(xué)過程課程思政元素說明：*號標(biāo)注的是課程思政的融入點一、明確實踐目標(biāo)，導(dǎo)入實操環(huán)節(jié)（一）強調(diào)評估實踐的核心價值：將理論轉(zhuǎn)化為實操能力，保障模型應(yīng)用可靠性。（二）明確本講實踐任務(wù)：基于opencompass完成C-Eval基準(zhǔn)評估，分析評估結(jié)果。二、實操環(huán)節(jié)講解與演示（一）環(huán)境配置1、服務(wù)器開發(fā)環(huán)境創(chuàng)建與獨立工作空間分配；2、Python、PyTorch、Transformers等依賴庫安裝；3、opencompass倉庫克隆與工具安裝，解決常見依賴沖突。（二）數(shù)據(jù)準(zhǔn)備1、C-Eval數(shù)據(jù)集下載與解壓；2、數(shù)據(jù)集結(jié)構(gòu)解析（訓(xùn)練集、測試集、驗證集劃分）。（三）評估執(zhí)行1、支持模型與數(shù)據(jù)集查詢（pythontools/list_configs.pyinternlmceval）；2、評估命令執(zhí)行與過程監(jiān)控，常見錯誤排查。（四）結(jié)果分析1、評估報告解讀：準(zhǔn)確率、召回率等核心指標(biāo)分析；2、模型優(yōu)勢與不足定位，提出優(yōu)化方向。三、案例分析與綜合應(yīng)用（一）醫(yī)療診斷輔助系統(tǒng)案例：1、評估重點：功能性（醫(yī)學(xué)術(shù)語理解、推理準(zhǔn)確性）、對齊性（倫理合規(guī)）、安全性（魯棒性）；2、權(quán)衡策略：優(yōu)先保障安全性與對齊性，適當(dāng)優(yōu)化性能指標(biāo)。（二）智能教育平臺案例：1、評估重點：生成能力（答案準(zhǔn)確性、可讀性）、偏見消減（性別/地域無偏見）；2、權(quán)衡策略：平衡功能性與教育引導(dǎo)性。四、章節(jié)總結(jié)與作業(yè)布置（一）回顧評估體系、方法、基準(zhǔn)與實踐全流程，形成知識體系圖。（二）布置作業(yè)：獨立完成某開源模型的C-Eval評估，提交評估報告與優(yōu)化建議。實踐操作后的案例分析環(huán)節(jié)，分組討論“醫(yī)療/教育場景中，若功能性與安全性沖突，應(yīng)如何排序評估優(yōu)先級”，結(jié)合實際法規(guī)與倫理規(guī)范輸出結(jié)論，深化對社會責(zé)任的認(rèn)知。教學(xué)后記課次：第講課程教案授課主題第12章倫理、安全與未來章節(jié)內(nèi)容第12章倫理、安全與未來地點課時2教學(xué)目的與要求1、掌握LLMs倫理考量