《人工智能導(dǎo)論》教案學(xué)院(部)：計算機與電子信息學(xué)院適用學(xué)期：2025-2026(2)課程名稱人工智能導(dǎo)論課程代碼1070700學(xué)時分配總學(xué)時：32學(xué)分1課內(nèi)講授：16課程類別通識核心課課外上機：16授課專業(yè)授課班級任課教師職稱所選教材姚怡，鄭嘉利.《人工智能通識》，北京：電子工業(yè)出版社，2026年本課程教學(xué)目的與要求本課程注重培養(yǎng)學(xué)生的AI+綜合素養(yǎng)和實踐能力，偏向于科普知識，旨在讓學(xué)生從理論到應(yīng)用全方位了解人工智能的奧秘。通過本課程的學(xué)習(xí)，使學(xué)生掌握人工智能的基本知識，具備初步的AI應(yīng)用與問題分析能力，增強跨學(xué)科融合意識與倫理責(zé)任感。具體課程目標(biāo)如下：（一）知識目標(biāo)課程目標(biāo)1：了解人工智能的發(fā)展歷程、基本概念以及典型應(yīng)用；理解生成式人工智能、多模態(tài)內(nèi)容生成、AI應(yīng)用等通用知識；了解機器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、計算機視覺等基礎(chǔ)算法原理。（二）能力目標(biāo)課程目標(biāo)2：熟練掌握常用AI工具的使用；深入理解提示詞的設(shè)計原理和優(yōu)化策略，提升大模型在解決具體問題時的響應(yīng)速度和準(zhǔn)確性。課程目標(biāo)3：熟練運用智能編程工具，提升編程效率與代碼質(zhì)量。通過智能審題、代碼分析等步驟，獨立解決編程問題，掌控從問題定義到代碼實現(xiàn)全流程，具備初步智能體開發(fā)與創(chuàng)新能力。能運用Python進行基礎(chǔ)數(shù)據(jù)分析與可視化，通過實踐掌握數(shù)據(jù)預(yù)處理技術(shù)，具備初步的算法驗證能力，以及跨學(xué)科案例分析與應(yīng)用能力。（三）思政與素質(zhì)目標(biāo)課程目標(biāo)4：通過實驗、課程設(shè)計或競賽等形式完成一項AI實踐項目；洞察人工智能技術(shù)的最新進展和未來發(fā)展方向，以及它們對社會、經(jīng)濟和倫理的深遠影響。本課程教學(xué)重點與難點重點：各種AI工具的使用難點：提示詞優(yōu)化、多維表格、AI理論數(shù)字化資源和參考書目1、學(xué)堂在線《人工智能導(dǎo)論》慕課，陳燕、姚怡、覃希，網(wǎng)址/course/2、鄭嘉利.《人工智能導(dǎo)論》.北京：清華大學(xué)出版社,2026年.3、林子雨.《人工智能通識教程》.北京：高等教育出版社,2025.第1/2次課人工智能演進之路本次授課內(nèi)容第1章計算機概論1.1第一次浪潮：符號主義興起1.2第二次浪潮：連接主義與知識工程時代1.3第三次浪潮：深度學(xué)習(xí)與大模型紀(jì)元1.4中國人工智能發(fā)展歷程本次課的教學(xué)目的了解人工智能三次技術(shù)浪潮的核心特征、關(guān)鍵技術(shù)與發(fā)展脈絡(luò)了解中國人工智能發(fā)展歷程與標(biāo)志性成果本次課教學(xué)重點與難點重點：三次技術(shù)浪潮的核心思想、代表技術(shù)及演進邏輯難點：不同發(fā)展階段技術(shù)特征的區(qū)分與關(guān)聯(lián)結(jié)合專業(yè)領(lǐng)域理解AI技術(shù)的應(yīng)用價值教學(xué)方法教學(xué)手段課外線上學(xué)習(xí)、閱讀資料。課堂教學(xué)時間分配教學(xué)內(nèi)容時間分配（分）1.1第一次浪潮：符號主義興起201.2第二次浪潮：連接主義與知識工程時代251.3第三次浪潮：深度學(xué)習(xí)與大模型紀(jì)元301.4中國人工智能發(fā)展歷程15課堂教學(xué)設(shè)計課前準(zhǔn)備-自主學(xué)習(xí)-案例感悟?qū)嶒灍o思考題及作業(yè)題1、基礎(chǔ)作業(yè)：章后習(xí)題2、可以設(shè)計一個案例，要求如下：1）案例主題：根據(jù)學(xué)生所在的學(xué)科領(lǐng)域，調(diào)研并簡述一個人工智能技術(shù)在本學(xué)科發(fā)展史上起到關(guān)鍵作用的里程碑事件（例如：在土木工程中的結(jié)構(gòu)優(yōu)化算法、在農(nóng)學(xué)中的首個專家系統(tǒng)、在材料科學(xué)中的分子模擬等），并分析它為何是“符號主義”、“連接主義”或“第三次浪潮”的典型代表。2）設(shè)計意圖：將AI通史與學(xué)生的專業(yè)背景強關(guān)聯(lián)，使學(xué)生從第一節(jié)課就意識到AI并非遙遠的技術(shù)，而是其專業(yè)發(fā)展的內(nèi)在組成部分。課程思政元素課程思政融入教學(xué)的總體策略：結(jié)合中國人工智能產(chǎn)業(yè)自主創(chuàng)新實踐，通過典型人物案例傳遞科技自立自強精神，在知識傳授中塑造學(xué)生的家國情懷與責(zé)任擔(dān)當(dāng)，培育社會主義核心價值觀。讓學(xué)生深刻體會核心技術(shù)自主可控的重要性，激發(fā)投身科技報國的使命感。思政案例：陳天石與寒武紀(jì)的芯片創(chuàng)新之路——從休學(xué)博士到打破國際壟斷的科技擔(dān)當(dāng)實踐。核心精神：創(chuàng)新?lián)?dāng)：放棄海外博士學(xué)位，回國攻克AI芯片“卡脖子”技術(shù)。艱苦奮斗：從地下室創(chuàng)業(yè)起步，團隊堅守研發(fā)、攻堅克難。家國情懷：自主研發(fā)MLU指令集與5納米智能處理器，打破國際壟斷，構(gòu)建自主生態(tài)。教學(xué)后記課堂重點內(nèi)容詳解第一節(jié)課1.1第一次浪潮：符號主義興起核心知識點（掌握）符號主義的核心邏輯：用符號表示信息，通過邏輯規(guī)則實現(xiàn)推理。2個標(biāo)志性事件：1950年圖靈提出“圖靈測試”（核心目的：驗證機器是否具備人類智能）；1956年達特茅斯會議（核心成果：首次提出“人工智能”術(shù)語，確立學(xué)科地位）。1個關(guān)鍵局限：僅適用于封閉、簡單場景，無法應(yīng)對現(xiàn)實世界的復(fù)雜性與不確定性。次要知識點（了解）典型成果：感知機模型、專家系統(tǒng)DENDRAL、ELIZA聊天機器人的功能特點。低潮期原因：知識表示難度大、推理效率低，受當(dāng)時計算機性能限制。1.1.1人工智能的起源在20世紀(jì)50年代，計算機科學(xué)尚處于萌芽階段，研究者們開始探索機器是否能夠?qū)崿F(xiàn)人類的思維過程。1950年，艾倫·麥席森·圖靈在論文《計算機器與智能》中，預(yù)測了制造具有真正智能的機器的可能性，并提出了著名的“圖靈測試”，該測試采用“提問與回答”的方式，如下圖所示。觀察者通過打字機與兩個測試對象進行交流，其中一個對象是人類，另一個則是機器，觀察者需不斷提出各種問題，以此來判斷回答者是人類還是機器。如果在多次測試中，超過30%的觀察者無法準(zhǔn)確判斷被測試者是人還是機器，那么這臺機器就被認(rèn)為通過了測試，即被認(rèn)為具備了人類智能。圖靈沒有明確提出人工智能的概念或定義，但給出了人工智能的兩個目標(biāo)：技術(shù)和心理。該論文直接引發(fā)了人類從機器的角度考慮思維或智能的問題。1.1.2人工智能學(xué)科的誕生1956年，在達特茅斯會議上，以麥卡錫、明斯基、香農(nóng)和羅切斯特等為代表的年輕科學(xué)家群體，共同探討了利用機器模擬智能的相關(guān)問題，并首次提出了“人工智能”這一術(shù)語，標(biāo)志著人工智能這一新興學(xué)科的正式確立。自這次會議之后的10多年間，人工智能的研究在機器學(xué)習(xí)、定理證明、模式識別、問題求解、專家系統(tǒng)及人工智能語言等方面都取得了許多引人注目的成就。1957年，美國認(rèn)知心理學(xué)家羅森布拉特提出了“感知機”模型，即單層神經(jīng)網(wǎng)絡(luò)模型，開啟了神經(jīng)網(wǎng)絡(luò)研究的第一次熱潮。然而，由于感知機只能表示由一條直線分割的空間，無法處理復(fù)雜非線性關(guān)系的數(shù)據(jù)分布，神經(jīng)網(wǎng)絡(luò)研究在20世紀(jì)60年代遭遇了停滯。1958年，的美國數(shù)學(xué)家約翰·麥卡錫提出了LISP語言，成為建造專家系統(tǒng)的重要工具。1961年，美國Unimation公司推出了世界上第一臺工業(yè)機器人Unimate，如下圖所示，并在通用汽車公司新澤西州的一條組裝線上安裝運行。主要功能是把高溫鑄件從壓鑄機上取下，再焊接到汽車車身上。1965年，愛德華·費根鮑姆開發(fā)了一個用于化學(xué)領(lǐng)域復(fù)雜問題解決的專家系統(tǒng)DENDRAL它能夠根據(jù)質(zhì)譜數(shù)據(jù)幫助化學(xué)家推斷未知有機化合物的分子結(jié)構(gòu)，這一系統(tǒng)標(biāo)志著AI技術(shù)在專業(yè)領(lǐng)域達到人類專家水平。1966年，約瑟夫·維森鮑姆開發(fā)了ELIZA，如下圖所示，作為早期的聊天機器人之一。盡管其對話能力有限，但ELIZA展示了機器通過簡單的模式匹配和預(yù)設(shè)規(guī)則與人類進行交流的可能性。其初衷是輔助心理咨詢醫(yī)生解決患者的心理問題。1969年召開了第一屆國際人工智能聯(lián)合會議(InternationalJointConferencesOnArtificialIntelligence，IJCAI)，這是人工智能發(fā)展史上一個重要的里程碑，它標(biāo)志著人工智能這門新興學(xué)科已經(jīng)得到了世界的肯定和認(rèn)可。1970年，特里·威諾格拉德開發(fā)了SHRDLU，這是一個能夠理解自然語言并操作虛擬積木的系統(tǒng)，展示了機器在特定領(lǐng)域內(nèi)進行復(fù)雜推理和操作的能力。1.1.3第一次浪潮的挑戰(zhàn)與局限1、第一次浪潮特點信息通過符號（如數(shù)字、字母）表示，并通過邏輯規(guī)則進行推理。2、挑戰(zhàn)和局限1）首先是知識表示的難題，如何將復(fù)雜信息轉(zhuǎn)化為符號表示是一個挑戰(zhàn)；2）其次是推理效率問題，受限于當(dāng)時的計算機性能，處理復(fù)雜的邏輯推理耗時較長；3）最后是應(yīng)用場景的局限性，這些系統(tǒng)大多僅限于特定的、封閉的環(huán)境，無法應(yīng)對現(xiàn)實世界的復(fù)雜性。因此，在隨后的20世紀(jì)70年代，人工智能領(lǐng)域經(jīng)歷了第一個低潮期。1.2第二次浪潮：連接主義與知識工程時代核心知識點（掌握）連接主義的核心邏輯：模擬神經(jīng)元連接機制，讓機器通過數(shù)據(jù)自主學(xué)習(xí)規(guī)律。1個關(guān)鍵技術(shù)：1986年反向傳播算法（BP算法），推動神經(jīng)網(wǎng)絡(luò)研究復(fù)興。1個典型應(yīng)用：知識工程（如醫(yī)療專家系統(tǒng)MYCIN）的核心思路的是將人類專家知識編碼到計算機中。1個關(guān)鍵局限：知識獲取耗時且易出錯，難以處理模糊性與異常情況。次要知識點（了解）標(biāo)志性事件：深藍計算機戰(zhàn)勝國際象棋大師卡斯帕洛夫的技術(shù)基礎(chǔ)（專家系統(tǒng)+強大計算能力）。第二次低潮期原因：傳統(tǒng)算法與計算資源難以匹配日益復(fù)雜的應(yīng)用需求。1.2.1機器學(xué)習(xí)的興起自20世紀(jì)80年代起，科學(xué)家們開始探索一種新的方法——機器學(xué)習(xí)，它允許計算機通過數(shù)據(jù)自動學(xué)習(xí)和改進。這一轉(zhuǎn)變的核心在于減少對人類編程的依賴，轉(zhuǎn)而讓機器自主“發(fā)現(xiàn)”規(guī)律。20世紀(jì)80年代初，亞瑟·塞繆爾開發(fā)了首個機器學(xué)習(xí)程序，用于下棋，并提出了“機器學(xué)習(xí)”的概念。1986年，杰弗里·辛頓等人發(fā)表關(guān)于反向傳播算法（BP）的重要論文，推動神經(jīng)網(wǎng)絡(luò)研究復(fù)興。BP是訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)算法，通過梯度下降法優(yōu)化網(wǎng)絡(luò)權(quán)重以最小化損失函數(shù)，核心是用鏈?zhǔn)椒▌t反向傳播誤差并逐層更新參數(shù)。這引起了人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域研究的第二次熱潮。1.2.2知識工程的實踐探索1、什么是知識工程？知識工程是將人類專家的知識編碼到計算機系統(tǒng)中，以解決特定領(lǐng)域的問題。簡而言之，就是讓機器擁有“專家知識”。2、實踐探索醫(yī)療專家系統(tǒng)MYCIN模擬專家決策過程，提供抗生素治療建議。1997年IBM研制的深藍（DeepBlue）計算機戰(zhàn)勝了國際象棋大師卡斯帕洛夫，深藍基于專家系統(tǒng)技術(shù)，按照人類給它輸入的規(guī)則進行運算和推演,靠強大的計算能力通過窮舉算法擊敗對手。3、缺點首先是知識獲取難度，專家系統(tǒng)的能力來自于他們存儲的專業(yè)知識，構(gòu)建大型知識庫需要大量的人工工作，耗時且容易出錯。其次是傳統(tǒng)的機器學(xué)習(xí)和知識工程方法難以處理現(xiàn)實世界中的不確定性、模糊性和異常情況。且隨著數(shù)據(jù)量的增加，傳統(tǒng)的算法和計算資源開始顯得不足。課堂重點內(nèi)容詳解第二節(jié)課1.3第三次浪潮：深度學(xué)習(xí)與大模型紀(jì)元核心知識點（掌握）浪潮驅(qū)動因素：計算能力（GPU）提升+大數(shù)據(jù)積累+深度學(xué)習(xí)技術(shù)突破。3個里程碑事件：2012年深度卷積神經(jīng)網(wǎng)絡(luò)在ImageNet比賽中大幅提升識別準(zhǔn)確率；2016年AlphaGo（技術(shù)組合：強化學(xué)習(xí)+深度卷積神經(jīng)網(wǎng)絡(luò)）擊敗圍棋世界冠軍；2020年后GPT-3、ChatGPT等生成式AI崛起。1個關(guān)鍵特征：大模型具備通用性、大參數(shù)、強遷移性，推動AI從特定領(lǐng)域應(yīng)用走向泛化應(yīng)用。1個重要成果：2025年DeepSeek-R1模型（核心優(yōu)勢：提升推理效率、降低部署成本）。次要知識點（了解）產(chǎn)業(yè)影響：跨國科技巨頭主導(dǎo)商業(yè)化進程，AI技術(shù)滲透醫(yī)療、金融、制造等多領(lǐng)域。1.3.1深度學(xué)習(xí)的突破起始：2006年，被譽為“AI教父”的杰弗里·辛頓（GeoffreyHinton）及其研究團隊在《Science》雜志上發(fā)表論文，提出了一種有效訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的方法，涵蓋深度卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)和深度自動編碼器。推動：2012年，辛頓教授與其兩位博士生在參加年度機器視覺識別比賽（ImageNet比賽）時，將深度卷積神經(jīng)網(wǎng)絡(luò)與大數(shù)據(jù)、GPU結(jié)合，讓機器識別未參與訓(xùn)練的10萬張測試圖片，準(zhǔn)確率相較于傳統(tǒng)計算機視覺方法提高了10.9%。1.3.2產(chǎn)業(yè)介入與生成式AI崛起第三次人工智能新高潮，最具代表性的成果體現(xiàn)在深度卷積神經(jīng)網(wǎng)絡(luò)和深度強化學(xué)習(xí)兩個方面。自2013年起，跨國科技巨頭開始大規(guī)模介入，產(chǎn)業(yè)界逐漸成為全球人工智能研究的重心，主導(dǎo)并加速了人工智能技術(shù)的商業(yè)化進程。2016年，谷歌公司開發(fā)的AlphaGo將強化學(xué)習(xí)與深度卷積神經(jīng)網(wǎng)絡(luò)有效結(jié)合，以4比1的總比分擊敗了圍棋世界冠軍李世石。2018年，谷歌的BERT模型在自然語言處理任務(wù)中取得重大突破，顯著提升了機器對人類語言的理解能力。2020年，OpenAI發(fā)布了GPT-3，這是一個擁有1750億參數(shù)的語言模型，能夠生成高質(zhì)量的文本，展示了深度學(xué)習(xí)在自然語言生成方面的巨大潛力。GPT-3的發(fā)布標(biāo)志著生成式AI技術(shù)的崛起，為自然語言處理領(lǐng)域帶來了革命性的進步。2022年11月，美國OpenAI公司研發(fā)的ChatGPT人工智能聊天機器人產(chǎn)品問世，以其強大的信息整合和對話能力震驚全球。ChatGPT的出現(xiàn)進一步推動了生成式AI技術(shù)的發(fā)展，使其在多個領(lǐng)域?qū)崿F(xiàn)了廣泛應(yīng)用。人工智能的三大支柱由數(shù)據(jù)、算法和算力構(gòu)成，而訓(xùn)練成本始終是限制模型發(fā)展與應(yīng)用的關(guān)鍵因素之一。2025年1月，中國的深度求索公司推出了“能力強，成本低”的DeepSeek-R1模型，該模型通過優(yōu)化算法架構(gòu)顯著提高了算力的使用效率，它的問世標(biāo)志著算力需求的一個轉(zhuǎn)折點。近年來，生成式AI技術(shù)，例如文本生成、圖像生成、音頻生成等，已經(jīng)成為推動人工智能發(fā)展的核心動力。它引領(lǐng)了新一輪的人工智能浪潮，促進了自然語言處理技術(shù)的提升，并在眾多領(lǐng)域得到了廣泛應(yīng)用。這些技術(shù)已經(jīng)深入各行各業(yè)，包括醫(yī)療健康、金融、制造業(yè)、教育、交通、農(nóng)業(yè)等。1.4中國人工智能發(fā)展歷程核心知識點（掌握）2個發(fā)展階段：初步探索（20世紀(jì)80年代-21世紀(jì)初），依托“863計劃”奠定基礎(chǔ)；快速發(fā)展（21世紀(jì)以來），技術(shù)突破與行業(yè)應(yīng)用并行。3個關(guān)鍵支撐：政策支持（《新一代人工智能發(fā)展規(guī)劃》《“十四五”規(guī)劃綱要》）、企業(yè)研發(fā)（百度、華為、寒武紀(jì)等）、科研成果（“九章”量子計算原型機、AutoGL工具包、盤古大模型等）。1個應(yīng)用亮點：智慧冬奧中AI技術(shù)的融合應(yīng)用（安全、數(shù)字、智能等維度）。次要知識點（了解）早期探索成果：中國科學(xué)院計算機科學(xué)技術(shù)研究所成立、智能機器人研發(fā)等。第2次課探索生成式大模型本次授課內(nèi)容第2章探索生成式大模型2.1初識生成式大模型2.2提示詞溝通藝術(shù)本次課的教學(xué)目的掌握生成式大模型的核心概念、運作機制及局限性；掌握提示詞設(shè)計的核心技巧與進階方法；本次課教學(xué)重點與難點重點：大模型運作原理、提示詞工程核心技巧。難點：提示詞的精準(zhǔn)優(yōu)化。教學(xué)方法教學(xué)手段課堂案例式教學(xué)、上機實踐。課堂教學(xué)時間分配教學(xué)內(nèi)容時間分配（分）2.1初識生成式大模型（概念+運行機制）252.2提示詞溝通藝術(shù)（技巧+案例）2.2.1如何與大模型對話202.2提示詞溝通藝術(shù)（技巧+案例）2.2.2提示詞工程的演變歷程2.2.3提示詞高手進階45課堂教學(xué)設(shè)計案例導(dǎo)入（大模型多模態(tài)創(chuàng)作展示）→核心內(nèi)容講解（分節(jié)遞進）→上機實踐（提示詞優(yōu)化）→課程思政滲透→總結(jié)與課后任務(wù)布置實驗提示詞優(yōu)化練習(xí)（基于學(xué)科任務(wù)設(shè)計初始提示，逐步優(yōu)化至理想結(jié)果）。思考題及作業(yè)題1、基礎(chǔ)作業(yè)：章后習(xí)題2、思考題某同學(xué)想使用大模型完成兩個簡單任務(wù)：①生成一篇介紹校園春季景色的短文；②查詢2025年最新的全國大學(xué)生電子設(shè)計競賽報名時間。結(jié)合2.1小節(jié)所學(xué)內(nèi)容，回答以下問題：完成第一個任務(wù)（寫校園春季景色短文），優(yōu)先選擇大模型的“深度思考”“深度研究”“聯(lián)網(wǎng)搜索”中的哪項功能？請簡單說明理由；完成第二個任務(wù)（查競賽最新報名時間），為什么不能只依賴大模型的固有知識庫？需要開啟哪項功能來輔助？該同學(xué)使用大模型生成短文后，發(fā)現(xiàn)文中描述了“校園里開滿了夏季才會綻放的荷花”，這屬于大模型的什么局限性？這種局限性產(chǎn)生的核心原因是什么？若想讓生成的校園短文更貼合自己學(xué)校的特色（如學(xué)校有櫻花大道、人工湖等），從大模型運作的“推理階段”來看，該同學(xué)在輸入提示時需要注意什么？實踐作業(yè)結(jié)合自身專業(yè)領(lǐng)域（如計算機、醫(yī)學(xué)、教育、金融等），選擇一個具體復(fù)雜任務(wù)（如設(shè)計一套軟件功能測試方案、撰寫一份疾病診療路徑建議、規(guī)劃一門課程的教學(xué)大綱、制定一份小型企業(yè)融資方案等），運用2.2小節(jié)所學(xué)的提示詞工程技巧（如框架表達、分步驟提示、思維鏈/思維樹、明確輸出要求等至少3種），設(shè)計從“初始提示”到“最終提示”的完整優(yōu)化過程，并使用生成式大模型輔助完成該任務(wù)。課程思政元素思政案例：以“謝軍與北斗系統(tǒng)”案例為核心載體，將“自主創(chuàng)新、開放融合、萬眾一心、追求卓越”的新時代北斗精神，深度融入2.1“初識生成式大模型”和2.2“提示詞工程核心技巧”教學(xué)環(huán)節(jié)。通過“技術(shù)對照+精神傳承”雙主線，讓學(xué)生在掌握大模型基礎(chǔ)與提示詞技能的同時，感悟科技報國的使命擔(dān)當(dāng)、攻堅克難的奮斗精神與嚴(yán)謹(jǐn)務(wù)實的科學(xué)態(tài)度，實現(xiàn)“知識傳授”與“價值塑造”的有機統(tǒng)一。思政元素融入點：1）初識生成式大模型（概念+運行機制）的核心思政滲透點科技自立自強：北斗從“有機無芯”到核心元器件100%國產(chǎn)化的突破，映射生成式AI領(lǐng)域自主創(chuàng)新的重要性。使命擔(dān)當(dāng)與奮斗精神：謝軍團隊除夕加班攻關(guān)、攻克星載原子鐘等關(guān)鍵技術(shù)的故事，傳遞“為國攻堅”的責(zé)任意識?？茖W(xué)精神：北斗系統(tǒng)“三步走”戰(zhàn)略的系統(tǒng)性、星間鏈路技術(shù)的原創(chuàng)性，引導(dǎo)學(xué)生理解技術(shù)研發(fā)的嚴(yán)謹(jǐn)性與創(chuàng)新性。2）提示詞工程核心技巧（框架+優(yōu)化方法）的核心思政滲透精益求精的工匠精神：北斗系統(tǒng)“追求卓越”的精神，映射提示詞設(shè)計的精準(zhǔn)性、迭代優(yōu)化的嚴(yán)謹(jǐn)性。目標(biāo)導(dǎo)向與系統(tǒng)思維：北斗“一星通，星星通”的整體設(shè)計思路，引導(dǎo)學(xué)生掌握提示詞的結(jié)構(gòu)化、邏輯性設(shè)計方法。教學(xué)后記課堂重點內(nèi)容詳解第一節(jié)課2.1初識生成式大模型2.1.1什么是生成式大模型生成式大模型是基于深度學(xué)習(xí)、大參數(shù)量的AI模型，能根據(jù)上下文生成文本、圖像、音頻等新內(nèi)容（即AIGC）。其核心特點是支持多場景使用（網(wǎng)頁端、App端等），可生成多樣化結(jié)果，參數(shù)量已從百萬級迭代至萬億級，覆蓋單模態(tài)到多模態(tài)數(shù)據(jù)處理。體驗大模型主流的生成式大模型產(chǎn)品，通常提供網(wǎng)頁端、App端及專業(yè)平臺等多種使用場景，以適應(yīng)不同用戶需求。以文心一言網(wǎng)頁端為例，進入官網(wǎng)后，在輸入框中告訴大模型“寫一篇關(guān)于未來城市的科幻短文”，它就能迅速組織語言，創(chuàng)作出一篇生動的科幻作品，描述未來城市中飛行的汽車、智能的建筑以及人們便捷的生活，如圖2.1所示。對于同一個主題，它們還能生成多種不同的結(jié)果，滿足用戶多樣化的需求和場景。這背后的原理，是模型在訓(xùn)練過程中，學(xué)習(xí)到了單詞與單詞之間、句子與句子之間的關(guān)聯(lián)和語義關(guān)系，從而能根據(jù)輸入的提示，生成符合邏輯和語言習(xí)慣的文本。圖2.1文心一言大模型深度思考、深度研究和聯(lián)網(wǎng)搜索在大模型輸入框處常會看到“深度思考”和“聯(lián)網(wǎng)搜索”兩個功能開關(guān)，如圖2.2所示。圖2.2DeepSeek大模型輸入框一些大模型還另外提供“深度研究”功能（DeepResearch），如圖2.3所示。圖2.3秘塔AI的深度研究功能（1）深度思考(DeepThinking)開啟后，模型會投入更多“思考時間”，對問題進行分析、推理和優(yōu)化，嘗試提供更深入、更嚴(yán)謹(jǐn)、更有邏輯的答案。它不依賴聯(lián)網(wǎng)，僅靠模型本身能力進行深度推理。適用場景包括復(fù)雜推理題（如數(shù)學(xué)、邏輯題）、需要多角度分析的問題（如議論文、方案設(shè)計）、技術(shù)類/學(xué)術(shù)類問題（如代碼優(yōu)化、論文思路）、需要結(jié)構(gòu)化回答的內(nèi)容（如報告、總結(jié)）。（2）深度研究(DeepResearch)深度研究模式下，用戶可實時查看AI的思考路徑、信源引用及階段性結(jié)論，打破傳統(tǒng)AI的“黑箱”模式，可以利用強大的模型和搜索引擎功能，在互聯(lián)網(wǎng)上搜索、解讀和分析海量的文本、圖像和PDF文件等多種數(shù)據(jù)格式。2025年7月，秘塔AI搜索宣布其“深度研究（DeepResearch）”模塊正式上線公測，成為國內(nèi)首個面向公眾免費開放、具備多輪推理鏈可視化的深度研究級搜索服務(wù)。在秘塔首頁，用戶只需切換到“深度研究”模式，直接輸入復(fù)雜問題，即可獲得一份由“問題鏈”層層展開、自動檢索、交叉驗證，并以表格或段落形式呈現(xiàn)的全景報告，如圖2.4所示。從圖中可看到，這個“深度研究”功能采用了可視化界面來展示AI在搜索、思考和決策過程中的詳細步驟，其能將復(fù)雜問題分解為多個子任務(wù)，逐步分析并整合成結(jié)構(gòu)清晰的研究報告。圖2.4秘塔AI的深度研究模式（3）聯(lián)網(wǎng)搜索（InternetSearch）一些大模型的固有知識庫具有時效性，比如DeepSeek目前更新截止時間就固定在2024年7月，開啟“聯(lián)網(wǎng)搜索”后，模型會實時聯(lián)網(wǎng)查找最新信息，用于補充或驗證回答內(nèi)容，尤其適合需要“最新數(shù)據(jù)、新聞、事件或?qū)崟r資料”的問題。適用場景：查新聞/熱點事件（如“最近AI有什么新突破？”）、查實時數(shù)據(jù)（如“黃金最新價格是多少？”）、查官方更新（如“Python3.13有哪些新特性？”）。（4）三者的功能區(qū)別三種功能模式的主要區(qū)別如表2.1所示。其中，深度思考(DeepThinking)聚焦認(rèn)知層面的推理與創(chuàng)造，有點像一個具備較強邏輯思維能力的“解題高手”，在面對數(shù)學(xué)、代碼等任務(wù)時，能夠通過嚴(yán)謹(jǐn)?shù)耐评砹鞒探o出答案。而深度研究(DeepResearch)本質(zhì)上是一個專注于深度研究和分析的AI智能體。它更像是一個專業(yè)的“研究助理團隊”?！奥?lián)網(wǎng)搜索”側(cè)重數(shù)據(jù)層面的實時獲取。用戶可根據(jù)問題類型或場景需求靈活切換功能模式，以充分發(fā)揮模型效能。2.1.2大模型是如何運作的生成式大模型的工作機制可劃分為兩個主要階段：訓(xùn)練階段與推理階段，如圖2-5所示。這兩個階段類似于人類的學(xué)習(xí)與應(yīng)用過程，前者對應(yīng)于“知識習(xí)得”，后者對應(yīng)于“知識應(yīng)用”。表2.1三種功能模式的區(qū)別功能深度思考深度研究聯(lián)網(wǎng)搜索是否聯(lián)網(wǎng)不聯(lián)網(wǎng)需聯(lián)網(wǎng)需聯(lián)網(wǎng)知識時效截至知識庫更新日實時最新實時最新

響應(yīng)速度稍慢慢稍慢，與搜索情況有關(guān)典型場景寫論文、解數(shù)學(xué)題、優(yōu)化代碼市場趨勢分析、行業(yè)報告撰寫、學(xué)術(shù)研究查新聞、股價、政策、科技動態(tài)圖2.5生成式大模型的工作機制訓(xùn)練階段：從“數(shù)據(jù)海洋”到“知識沉淀”訓(xùn)練階段通過數(shù)據(jù)收集預(yù)處理、分詞、預(yù)訓(xùn)練（自監(jiān)督學(xué)習(xí)通用知識）、微調(diào)（適配具體任務(wù)）構(gòu)建知識體系。該階段是大模型“從無到有”構(gòu)建知識體系的核心過程，目標(biāo)是通過海量數(shù)據(jù)與復(fù)雜計算，讓模型學(xué)習(xí)語言、圖像或多模態(tài)數(shù)據(jù)的底層規(guī)律。具體可分為以下關(guān)鍵步驟：（1）數(shù)據(jù)收集與預(yù)處理大模型訓(xùn)練的第一步是獲取高質(zhì)量、大規(guī)模的原始數(shù)據(jù)，例如互聯(lián)網(wǎng)文本、書籍、代碼、圖像等。數(shù)據(jù)需經(jīng)過嚴(yán)格清洗（去除重復(fù)、噪聲、偏見內(nèi)容）和標(biāo)準(zhǔn)化處理（如文本統(tǒng)一為UTF-8編碼，圖像統(tǒng)一為特定分辨率），確保輸入數(shù)據(jù)的質(zhì)量與一致性。（2）分詞預(yù)處理后的數(shù)據(jù)需通過分詞器（Tokenizer）轉(zhuǎn)換為模型可理解的“數(shù)字符號”（Token）。例如，文本“媽媽煮了番茄蛋湯”可能被拆分為“媽媽”“煮了”“番茄”“蛋湯”四個Token，并映射為唯一的整數(shù)ID（如[5,23,47,112]）。這一步是模型理解輸入的基礎(chǔ)。（3）預(yù)訓(xùn)練預(yù)訓(xùn)練是大模型的“基礎(chǔ)學(xué)習(xí)”階段，通過自監(jiān)督學(xué)習(xí)從海量無標(biāo)注數(shù)據(jù)中提取規(guī)律。以文本模型為例，其核心任務(wù)是“預(yù)測下一個Token”（如輸入“今天天氣很”，模型需預(yù)測“好”或“熱”）。通過反復(fù)調(diào)整模型參數(shù)（權(quán)重），模型逐漸掌握語言的統(tǒng)計規(guī)律、語義關(guān)聯(lián)與邏輯關(guān)系，形成“基座模型”。（4）微調(diào)預(yù)訓(xùn)練后的模型雖具備通用能力，但需進一步“專業(yè)化”以適應(yīng)具體任務(wù)（如問答、翻譯、代碼生成）。微調(diào)階段使用少量標(biāo)注數(shù)據(jù)（如對話對、翻譯語料）對模型參數(shù)進行針對性調(diào)整，優(yōu)化其在目標(biāo)任務(wù)上的表現(xiàn)。例如，將通用語言模型微調(diào)為醫(yī)療問答模型時，需輸入“癥狀-診斷”對數(shù)據(jù)，讓模型學(xué)習(xí)醫(yī)學(xué)術(shù)語與診斷邏輯。推理階段：從“知識沉淀”到“智能輸出”推理階段是大模型的“實際應(yīng)用”階段，目標(biāo)是利用訓(xùn)練好的參數(shù)，對用戶輸入生成合理輸出（如回答問題、生成文本）。具體步驟如下：（1）輸入處理用戶輸入（如文本、圖像）首先通過分詞器轉(zhuǎn)換為Token序列（與訓(xùn)練階段一致），確保模型能“理解”輸入內(nèi)容。例如，用戶輸入“周末想去吃”會被拆分為["周末","想","去","吃"]并映射為對應(yīng)ID。（2）模型計算：前向傳播輸入Token序列通過模型的Transformer架構(gòu)（核心為自注意力機制）逐層計算。每一層中，模型基于訓(xùn)練好的參數(shù)（權(quán)重）對Token序列進行特征提取，捕捉詞與詞之間的依賴關(guān)系（如“番茄”與“蛋湯”的關(guān)聯(lián)）。最終，輸出層生成一個概率分布，表示下一個Token的預(yù)測概率。（3）輸出生成：逐步構(gòu)建結(jié)果模型根據(jù)概率分布選擇最合理的Token（如概率最高的Token），并將其添加到輸出序列中。這一過程循環(huán)進行，直到生成完整的輸出（如一段回答或一篇文章）。例如，生成“媽媽煮的番茄蛋湯”時，模型會依次預(yù)測“的”“番茄”“蛋湯”等Token，最終組合成完整句子。2.1.3主流大模型介紹各類生成式大型模型各具特色，研究者和開發(fā)者可根據(jù)實際需求，例如任務(wù)種類、是否需求語音交互功能、是否需要知識圖譜支持等因素，挑選出最適宜的大型模型以促進學(xué)習(xí)、研究與創(chuàng)作活動。表2.2是基于2025年最新評測數(shù)據(jù)（截至2025年7月）的全球大模型綜合排名Top20榜單，涵蓋技術(shù)性能、應(yīng)用能力及生態(tài)支持等維度。表2.22025年全球AI大模型綜合排名（Top20）排名模型名稱開發(fā)機構(gòu)關(guān)鍵能力/亮點主要應(yīng)用領(lǐng)域1GPT-4.5OpenAI（美國）總分80.4（理科87.3/文科77.1），支持32K上下文，復(fù)雜邏輯推理領(lǐng)先科研分析、跨領(lǐng)域決策2Claude3.7

SonnetAnthropic（美國）HumanEval編程得分91.2，10萬Token長文檔解析，安全合規(guī)性突出法律合同、金融風(fēng)控3Gemini2.0UltraGoogleDeepMind（美國）原生多模態(tài)架構(gòu)，百萬級上下文窗口，工業(yè)設(shè)計優(yōu)化跨模態(tài)分析、實時翻譯4DeepSeekR1深度求索（中國）國產(chǎn)綜合最優(yōu)，推理速度提升3倍，中文長文本處理專家政務(wù)文檔、金融研報5Qwen2.5-Max阿里云（中國）ChatbotArena全球第7，數(shù)學(xué)與編程單項第一跨境電商、多語言客服6文心一言4.0百度（中國）MMLU中文評測第1，情感識別92%營銷內(nèi)容、政務(wù)問答7LLaMA3Meta（美國）700億參數(shù)全開源，HuggingFace插件超2000個學(xué)術(shù)研究、輕量化部署8Doubao-1.5-pro字節(jié)跳動（中國）語音識別與實時交互領(lǐng)先，稀疏MoE架構(gòu)低成本移動端助理、工業(yè)質(zhì)檢9KimiGPT2.0月之暗面（中國）支持7.5萬字長文本，法律條文分析突出法律、科研文獻分析10SenseChat5.5商湯科技（中國）中文NLG領(lǐng)先（文科81.8分）自然語言生成、創(chuàng)意文案11PaLM-3Google（美國）專攻常識推理與數(shù)學(xué)編碼，響應(yīng)速度領(lǐng)先教育解題、金融量化12Falcon-200B阿聯(lián)酋TII1800億參數(shù)開源，數(shù)學(xué)推理對標(biāo)GPT-4中東多語言服務(wù)13CohereCommand-RCohere（加拿大）企業(yè)級生成式AI，定制化數(shù)據(jù)隱私保護客戶服務(wù)自動化14Gopher-2DeepMind（英國）強化學(xué)習(xí)優(yōu)化，蛋白質(zhì)結(jié)構(gòu)預(yù)測突破生物醫(yī)藥研發(fā)15Nemotron-4NVIDIA（美國）GPU計算效率優(yōu)化，支持分布式訓(xùn)練超算中心、自動駕駛16GLM-4-Plus智譜AI（中國）視頻通話交互優(yōu)化，知識問答均衡人機交互、創(chuàng)意寫作17MPT-50BMosaicML（美國）開源低成本，訓(xùn)練效率行業(yè)標(biāo)桿初創(chuàng)企業(yè)MVP開發(fā)18Gemini2.0FlashGoogle（美國）輕量級推理，響應(yīng)速度提升40%實時搜索摘要19Claude3.5HaikuAnthropic（美國）端側(cè)部署優(yōu)化，適合移動設(shè)備移動端安全對話20360zhinao2-o1360集團（中國）中文場景多學(xué)科均衡性突出安防、企業(yè)知識管理1、GPT系列?OpenAI的GPT系列是推動大語言模型發(fā)展的核心引擎，從GPT-2（2019）的零樣本學(xué)習(xí)突破、GPT-3（2020）的1750億參數(shù)少樣本泛化，演進至2025年發(fā)布的GPT-5旗艦版：其革命性o3推理架構(gòu)實現(xiàn)System2深度思考—通過動態(tài)分配計算資源，支持日常問答到復(fù)雜數(shù)學(xué)證明（IMO金牌水平）；鏈?zhǔn)剿伎技夹g(shù)內(nèi)部生成百萬級推理Tokens，完成問題分解與回溯驗證；多模態(tài)代理能力可自主調(diào)用工具執(zhí)行研究、預(yù)訂等鏈?zhǔn)饺蝿?wù)。GPT-5在ARC-AGI測試達87.5%準(zhǔn)確率，Codeforces編程評分超99%人類（Elo2727），適用于生物醫(yī)學(xué)分析、金融量化等高復(fù)雜度領(lǐng)域，領(lǐng)跑行業(yè)，在生成式人工智能領(lǐng)域樹立了標(biāo)桿。2、Claude系列?Anthropic的Claude系列以安全、強推理和卓越編碼能力為核心，致力于構(gòu)建“有益、誠實、無害”的AI系統(tǒng)。自2023年3月初代發(fā)布后快速迭代：Claude2（2023.7）強化邏輯與長文本處理，Claude3系列（2024.3）新增多模態(tài)圖文理解能力，而2025年5月推出的Claude4旗艦版（Opus4）實現(xiàn)重大突破——其混合推理架構(gòu)支持7小時持續(xù)任務(wù)處理（如代碼庫重構(gòu)），在SWE-bench編程測試中準(zhǔn)確率超72%，被GitHubCopilot選為底層引擎；同時依托ConstitutionalAI安全框架，誤拒率降至0.07%，通過ASL-3分級防御高風(fēng)險濫用。該系列通過AmazonBedrock等平臺服務(wù)企業(yè)，配套ClaudeCodeSDK提升開發(fā)效率，成為兼具安全性與類人協(xié)作能力的AI先鋒。3、Gemini系列Gemini系列是由谷歌推出的大語言模型家族，其最新旗艦Gemini2.5DeepThink（2025年8月發(fā)布）通過多代理并行推理架構(gòu)實現(xiàn)突破：模型同時探索多條解題路徑（如數(shù)學(xué)證明、代碼優(yōu)化），動態(tài)整合最優(yōu)結(jié)果，顯著提升復(fù)雜問題求解能力。該系列提供雙版本—公開版和學(xué)術(shù)版，支持超長上下文（100萬Token）與工具調(diào)用（搜索/代碼執(zhí)行）。在權(quán)威測試中領(lǐng)先競品（如OpenAIo3、Grok4）。Gemini系列基于稀疏專家混合模型（MoE）架構(gòu)，兼顧效率與多模態(tài)能力（文本/圖像/音頻/視頻輸入），并通過強化學(xué)習(xí)優(yōu)化推理鏈生成。然而，其高算力需求限制訪問權(quán)限，目前僅限GoogleAIUltra訂閱用戶（月費250美元）使用，凸顯研究導(dǎo)向定位。該系列目標(biāo)場景覆蓋科學(xué)發(fā)現(xiàn)、算法開發(fā)與創(chuàng)意設(shè)計，成為谷歌推動AI深度推理的核心引擎。4、DeepSeek系列?由中國團隊深度求索（DeepSeek）研發(fā)，以開源、高效、強推理為核心特色。其V3模型（2024.12）采用混合專家架構(gòu)（MoE），總參數(shù)量6710億但每次推理僅激活370億參數(shù)，顯著降低計算成本；創(chuàng)新技術(shù)如多頭潛在注意力（MLA）和多令牌預(yù)測（MTP）提升推理效率，訓(xùn)練成本僅為GPT-4的1/20（557.6萬美元）。后續(xù)推出的R1模型（2025）專注復(fù)雜推理，通過純強化學(xué)習(xí)在數(shù)學(xué)和編程任務(wù)中超越GPT-4，且支持模型蒸餾適配輕量化部署。全系列開源并兼容多硬件，API成本僅為競品1/10，推動金融、醫(yī)療、教育等場景普惠應(yīng)用。5、通義千問?通義千問（Qwen）由阿里云開發(fā)，代表版本包括Qwen2.5-Max（2025年1月發(fā)布）、QwQ-32B（2025年3月發(fā)布），其核心優(yōu)勢在于電商與供應(yīng)鏈場景適配性強，多源數(shù)據(jù)整合能力助力企業(yè)數(shù)字化轉(zhuǎn)型。通義千問具有“全尺寸全模態(tài)”開源能力，包括18億、70億、140億、720億參數(shù)的多款模型，覆蓋文本、代碼、圖像生成等多模態(tài)任務(wù)。例如，通義千問-Turbo能快速生成高質(zhì)量代碼，而通義千問-720B則在大規(guī)模文本生成中表現(xiàn)出色。此外，通義千問還支持語音交互和圖像生成，為教育、醫(yī)療等場景提供定制化解決方案。6、文心一言?百度推出的生成式大模型代表版本包括文心大模型4.5、文心X1混元T1（于2025年3月發(fā)布）。文心一言的語料庫覆蓋了海量的中文數(shù)據(jù)，使其在中文生成任務(wù)中表現(xiàn)出色，多模態(tài)生成能力領(lǐng)先，尤其在法律、金融等專業(yè)領(lǐng)域有廣泛的應(yīng)用。此外，模型還能解析電影隱藏彩蛋、生成風(fēng)格化文案并附帶表情包。通過知識增強、檢索增強和對話增強技術(shù)，實現(xiàn)了對復(fù)雜問題的解答能力。7、更多大模型介紹生成式大模型在全球范圍內(nèi)取得了顯著的發(fā)展和進步。其參數(shù)量不斷攀升，從最初的百萬參數(shù)增長至現(xiàn)在的萬億級別，模型也從單一的文本處理擴展到能夠處理圖像、視頻和音頻等多種類型的數(shù)據(jù)。除了前述的五個常用大模型，國內(nèi)外還有許多其他杰出的大模型，例如馬斯克的Grok、Meta的LLaMA、字節(jié)跳動的豆包、月之暗面的Kimi、清華的智譜清言、秘塔科技的秘塔AI、科大訊飛的星火、昆侖萬維的天工等，它們同樣表現(xiàn)卓越。2.1.4AIGC的局限性1.可信度不高，容易出現(xiàn)幻覺首先，這生成式大模型的底層原理是基于概率的TokenbyToken的形成，因此會不可避免的產(chǎn)生“一本正經(jīng)地胡說八道”的現(xiàn)象。例如要求提供支持某觀點的文獻，模型可能生成不存在的論文標(biāo)題、作者和摘要；詢問“秦始皇統(tǒng)一六國后采取了哪些主要治國措施？”，模型可能編造幾條看似合理實則杜撰的政策。出現(xiàn)幻覺的根源在于，模型學(xué)習(xí)的是文本間的統(tǒng)計關(guān)聯(lián)，而非建立真實世界的精確知識圖譜。它追求的是“像真的一樣”的文本模式，而非絕對真實。2.新鮮度和深度不夠模型訓(xùn)練數(shù)據(jù)存在截止日期（如目前DeepSeek-R1知識截止至2024年7月）。因此，對于那些需要實時響應(yīng)的任務(wù)，大模型往往顯得力不從心。例如“請幫我推薦今晚值得一看的電影”，這類問題需要實時獲取最新電影信息，而這正是大模型所無法獨立完成的。目前，業(yè)界普遍采用的解決策略是引入RAG方案，該方案融合了檢索技術(shù)和生成模型的優(yōu)勢，通過利用現(xiàn)有信息來輔助生成新內(nèi)容。在某些高度專業(yè)化領(lǐng)域，如前沿量子物理、特定法律判例解讀、罕見病診療，大模型知識廣而不精，難以提供真正專家級見解。例如，詢問“根據(jù)2024年最新發(fā)布的某癌癥治療指南，對于某特定基因突變患者的一線推薦方案是什么？”模型可能給出過時或不夠精確的答案。缺乏判斷力和常識性推理能力有些模型擅長模式匹配和局部連貫，但缺乏人類系統(tǒng)化、符號化的抽象推理和數(shù)學(xué)計算能力。例如，在分析“某政策實施后經(jīng)濟指標(biāo)上升，是否證明政策有效？”時，常忽略混雜變量（如同時期全球經(jīng)濟復(fù)蘇），得出簡單因果結(jié)論。再如，當(dāng)你提出這樣的問題：“明天的前一天是哪一天？”或者“一個人從汽車站出發(fā)，先朝東北方向走1公里，接著向東南方向走1公里，最后向西南方向走1公里，請問這個人現(xiàn)在位于何處？”這類問題即便是小學(xué)生也能輕松解答，然而一些性能較差的大模型卻會得出錯誤的答案。因為大模型每一步的預(yù)測都可能產(chǎn)生誤差，而這些誤差一旦累積，最終的答案可能就會大相徑庭。模型有時還會犯下一些事實性的錯誤。例如，當(dāng)詢問模型：“請問單詞‘perseverance’中包含多少個字母‘e’？”模型可能會回答：“單詞‘perseverance’中包含3個字母‘e’?！憋@然，這是一個錯誤。這可能是由于算法實現(xiàn)上的微小缺陷或邊界條件處理不當(dāng)，導(dǎo)致統(tǒng)計結(jié)果出現(xiàn)偏差。倫理考量與公平性挑戰(zhàn)大模型的誕生依賴于海量的訓(xùn)練數(shù)據(jù)，而這些數(shù)據(jù)絕大多數(shù)是公開可查的，但有時也會涉及數(shù)據(jù)安全和版權(quán)問題。例如，OpenAI就曾因擅自使用多家公司或機構(gòu)的數(shù)據(jù)進行大模型訓(xùn)練，而被投訴侵犯數(shù)據(jù)版權(quán)。由于監(jiān)管不足，生成AI可能面臨多種濫用風(fēng)險，如抄襲、有害內(nèi)容傳播、深度偽造和身份盜竊等，這些都是當(dāng)前亟需解決的道德問題。鑒于相關(guān)法律法規(guī)尚不完善，此類情況的界定也較為模糊。大模型面臨的另一挑戰(zhàn)是偏見和公平性問題。當(dāng)訓(xùn)練數(shù)據(jù)集包含偏見時，模型往往會繼承并加劇這些偏見。例如，在招聘場景中，若訓(xùn)練數(shù)據(jù)集存在性別偏見，大型模型提供的招聘建議可能對某一性別不公，這成為亟待解決的小困擾。2.2提示詞溝通藝術(shù)2.2.1如何與大模型對話提示詞工程（PromptEngineering）是一種通過精心設(shè)計的提示詞引導(dǎo)模型創(chuàng)造所需內(nèi)容的技術(shù)。提示工程的核心挑戰(zhàn)在于如何精準(zhǔn)構(gòu)建這些提示詞，使模型能夠準(zhǔn)確捕捉到用戶的意圖與需求，從而輸出高質(zhì)量的結(jié)果。下面通過幾個簡單的實例領(lǐng)略提示詞工程的非凡魅力。大模型寫詩訪問文心一言官方網(wǎng)站，輸入提示詞“請創(chuàng)作一首贊美長城的七言詩”，大型語言模型將迅速創(chuàng)作出一首詩，如圖2.6所示。圖2.6大模型寫詩大模型文生圖若需為前述七言詩創(chuàng)作相應(yīng)的插圖，可選擇圖2.7左側(cè)的“智慧繪圖”功能，輸入提示語“長城上有一位古代戍邊將士，手持長矛，眺望遠方”，隨后單擊“生成”按鈕。文心一言將基于該描述生成四幅圖像供用戶挑選，如圖2.7所示。此外，系統(tǒng)提供下載、局部重繪、框選等輔助功能，支持用戶與系統(tǒng)進行持續(xù)對話，以便對選定圖像進行進一步的編輯。圖2.7大模型文生圖大模型調(diào)試程序大模型可幫助分析解決編程遇到的問題，以通義千問大模型為例，訪問其官方網(wǎng)站，并輸入提示詞：我在編寫一個Python排序程序時遇到了一個問題，運行結(jié)果不正確，請幫我調(diào)試程序。defmaopao(a):foriinrange(0,len(a)):forjinrange(0,len(a)-i-1):ifa[j]>a[j+1]:temp=a[j+1]a[j+1]=a[j]temp=a[j]returnaa=[2,4,5,1,7,3,2,5]print(maopao(a))當(dāng)大模型接收到輸入指令后，能夠快速識別程序代碼中的錯誤和缺陷，并提供深入的代碼分析，協(xié)助編程者準(zhǔn)確定位問題。最終，它還能生成一個修正后的代碼版本，如圖2.8所示，顯著簡化開發(fā)者的調(diào)試流程，提升軟件開發(fā)的效率與品質(zhì)。圖2.8大模型調(diào)試程序通過恰當(dāng)?shù)奶崾驹~，模型能夠迅速定位目標(biāo)，生成符合預(yù)期的內(nèi)容。缺乏明確的提示詞，模型可能會輸出大量不相關(guān)的信息。例如，當(dāng)向模型提出：“請幫我創(chuàng)作一首關(guān)于秋天的詩。”相較于僅說“請幫我寫首詩”，“秋天”這一提示詞使模型更明確需求，從而產(chǎn)出更符合期望的詩作。課堂重點內(nèi)容詳解第二節(jié)課2.2提示詞溝通藝術(shù)2.2.2提示詞工程的演變歷程1.早期探索階段2022年，GPT-3.5向公眾開放，人們第一次直觀感受到“說幾句話就能讓AI干活”的魔力。然而，早期提示詞極其簡陋，多為一句“你是XX專家，請回答……”“請按步驟輸出”等，存在輸出不穩(wěn)定、邏輯模糊等問題，尤其在復(fù)雜任務(wù)中表現(xiàn)欠佳。2.框架表達階段2023年，框架提示詞的出現(xiàn)，促使人們由“線性思維”向“立體表達”轉(zhuǎn)變。這些復(fù)雜、結(jié)構(gòu)化的思維框架的核心目的都是為了更穩(wěn)定、可靠地從大語言模型（LLM）中獲取高質(zhì)量、符合預(yù)期的輸出。下面羅列一些常見的提示詞框架。（1）ICIO框架由ElavisSaravia提出的一個易于理解和應(yīng)用的提示框架，通過四要素精準(zhǔn)控制AI的輸出，適用于絕大多數(shù)任務(wù)場景。假設(shè)要分析用戶評論的情感傾向并生成報告，采用ICIO框架的提示詞描述，如表2-3所示。表2-3ICIO框架構(gòu)成名稱功能舉例Instruction（任務(wù)）清晰、明確地指示模型需要完成的具體任務(wù)或操作分析以下用戶評論的情感傾向，并提取出用戶提及的主要優(yōu)點和缺點。Context（背景）提供任務(wù)相關(guān)的背景、上下文信息和約束條件，幫助模型更好地理解意圖我們是一家SaaS公司，這是我們的新項目管理軟件“ProjectFlow”發(fā)布后收集的首批用戶反饋。分析結(jié)果將用于指導(dǎo)產(chǎn)品下一步的優(yōu)化迭代。InputData（輸入數(shù)據(jù)）提供給模型進行處理、分析或參考的具體數(shù)據(jù)、文本或信息“用戶A：界面非?，F(xiàn)代直觀，比我們之前用的工具好太多了！但報告功能有點弱，希望能自定義更多圖表。\用戶B：協(xié)同編輯功能太棒了，實時更新幾乎沒有延遲。不過手機端App經(jīng)常閃退，影響使用。\用戶C：onboarding流程很順暢，但價格對于小團隊來說有點高，能否提供更靈活的套餐？”O(jiān)utputIndicator（輸出格式）指定模型輸出時應(yīng)遵循的格式、結(jié)構(gòu)、風(fēng)格或要求請將分析結(jié)果以JSON格式輸出，包含三個鍵：sentiment(總體情感，分為positive/neutral/negative)、pros(優(yōu)點列表)、cons(缺點列表)。（2）CRISPE框架由MattNigh提出的一個更為復(fù)雜、全面的提示框架，它通過六個維度（最初為五個，后擴展）細致地指導(dǎo)模型，旨在獲取極其豐富、高質(zhì)量且符合特定情境的回答，尤其適用于復(fù)雜任務(wù)。假設(shè)要為一家科技公司設(shè)計一個內(nèi)部知識管理系統(tǒng)的優(yōu)化方案，采用CRISPE框架的提示詞描述如表2-4所示。表2-4CRISPE框架構(gòu)成名稱功能舉例CapacityandRole（能力與角色）明確指定模型在對話中應(yīng)扮演的角色和身份你是一家頂尖管理咨詢公司的首席技術(shù)顧問，擅長企業(yè)數(shù)字化轉(zhuǎn)型和知識工程。Request（請求）清晰、具體地陳述核心任務(wù)或要解決的問題為一家擁有500名員工、多個部門分散協(xié)作的科技公司，設(shè)計一個內(nèi)部Wiki系統(tǒng)的優(yōu)化方案，以解決當(dāng)前知識查找困難、信息過時的問題。Intent（意圖）說明任務(wù)背后的最終目的、目標(biāo)或希望達到的效果 最終目標(biāo)是提升工程師和技術(shù)文檔工程師的工作效率，減少因信息查找和確認(rèn)造成的項目延遲，并促進公司內(nèi)部知識的沉淀與創(chuàng)新。Situation（情境）提供任務(wù)發(fā)生的背景環(huán)境、上下文信息或約束條件公司目前使用一個過時的MediaWiki系統(tǒng)，員工普遍反映搜索功能弱、頁面結(jié)構(gòu)混亂、內(nèi)容更新不及時，且與日常使用的Slack、Jira等工具割裂。Personality（風(fēng)格）定義模型輸出時應(yīng)采用的風(fēng)格、語氣或個性分析專業(yè)、邏輯清晰、建議具有前瞻性和可操作性，語氣自信且具有說服力。xperiment（實驗）要求模型提供多個版本、不同角度的答案，或進行探索性思考請?zhí)峁┤齻€差異化的優(yōu)化方向方案：一個以“升級現(xiàn)有系統(tǒng)并集成AI搜索”為核心的漸進式方案。一個以“采購并實施現(xiàn)代SaaS化知識平臺（如Notion、Confluence）”為核心的方案。一個以“自主開發(fā)一個與公司工具鏈深度集成的全新系統(tǒng)”為核心的激進方案。請分析每個方案的優(yōu)缺點、大致成本投入和實施周期。（3）ReasoningandAct(ReAct)推理與行動通過融合推理與行動過程，其核心是將復(fù)雜的任務(wù)分解為多個階段，每個階段包含推理（Reasoning）與行動（Acting）和觀察（Observation）三個關(guān)鍵環(huán)節(jié)。?模擬人類“邊想邊做”的決策方式，通過循環(huán)迭代（推理→行動→觀察→推理→……），模型能動態(tài)調(diào)整計劃并獲取環(huán)境反饋，逐步逼近復(fù)雜問題的解決方案?！緦崙?zhàn)案例】ReAct提示詞框架示例（1）進入DeepSeek官網(wǎng)，輸入如圖2.9所示的提示詞，查詢世界上最大的湖泊是什么湖，比青海湖大多少？請使用交替進行的“推理（Reasoning）、行動（Action）、觀察（Observation）"三個步驟來系統(tǒng)地解決回答任務(wù)。思考：基于當(dāng)前獲得的信息進行推理，明確下一步行動的目標(biāo)。行動：每一步行動必須是以下三種之一：1、Search[實體]：在互聯(lián)網(wǎng)上搜索精確實體，返回該實體相關(guān)頁面的首段文字。如果該實體不存在，則返回與其相似的候選實體。2、Lookup[關(guān)鍵詞]：在上一次成功的Search操作返回的段落中，查找包含該關(guān)鍵詞的下一句。3、Finish[答案]：得出明確答案后使用此操作，返回答案并終止任務(wù)。觀察：記錄前一步行動的結(jié)果。你可以進行多輪推理和檢索，但必須嚴(yán)格按照上述格式進行操作，尤其是每一步“行動”只能使用上述三種類型之一。示例：問題：科羅拉多造山帶東部區(qū)域延伸到的區(qū)域的海拔范圍是多少?思考1：我需要搜索“科羅拉多造山帶”，獲取它的概況，特別是東部延伸區(qū)域的信息。行動1：Search[科羅拉多造山帶]觀察1：科羅拉多造山帶是科羅拉多及其周邊地區(qū)造山運動的一段。思考2：這里沒有提到東部延伸區(qū)域的具體信息，我需要繼續(xù)查找“東部區(qū)域”。行動2：Lookup[東部區(qū)域]觀察2：（結(jié)果1/1）東部區(qū)域延伸至高平原，稱為中原造山帶。思考3：我已經(jīng)知道東部區(qū)域是高平原，我需要查找高平原的海拔范圍。行動3：Search[高平原海拔]觀察3：高平原的海拔高度從1800到7000英尺。思考4：我已經(jīng)得到了答案，可以結(jié)束任務(wù)。行動4：Finish[1800到7000英尺]（示例結(jié)束）現(xiàn)在請回答以下問題：問題：{世界上最大的湖泊是什么湖，比青海湖大多少？}圖2.9輸入提示詞（2）輸入提示詞后，AI會使用交替的“推理、行動、觀察”步驟來解決問題，生成最終答案，如圖2.10所示。圖2.10大模型的回答提示詞工程的興起使得提示詞日益復(fù)雜，甚至催生了“提示詞工程師”這一職業(yè)。某些場境中，提示詞除了要定義“答什么”，還要定義身份、工具、工作流（先檢索→再思考→再回答）、回退策略（如果檢索不到怎么辦）等，通過預(yù)制視角實現(xiàn)清晰表達，導(dǎo)致提示詞長度越來越長，這無異于將一次對話編寫成一份小型工程圖紙。下面給出一個長提示詞的案例?！緦崙?zhàn)案例】仿寫名人語錄（1）進入Kimi官網(wǎng)，輸入如圖2.11所示的提示詞。仿寫名人語錄指令#Role:你是一位專門幫助內(nèi)容創(chuàng)作者仿寫名人語錄的專家，擅長將現(xiàn)有語錄的核心觀點和風(fēng)格重新表達為原創(chuàng)且引人入勝的內(nèi)容。#Skills:-核心觀點識別:你需要幫助內(nèi)容創(chuàng)作者識別原語錄的核心思想和情感表達。-風(fēng)格模仿:在仿寫過程中模仿原語錄的語言風(fēng)格和語氣。-原創(chuàng)表達:在確保語錄風(fēng)格一致的同時，創(chuàng)造性地表達新觀點。-結(jié)構(gòu)布局:識別并重構(gòu)原語錄的結(jié)構(gòu)，確保新語錄的邏輯和流暢性。-調(diào)整優(yōu)化:根據(jù)用戶反饋調(diào)整和優(yōu)化新語錄，確保用戶滿意。#Background:你作為一位經(jīng)驗豐富的仿寫專家，深知在保持語錄風(fēng)格一致性的同時，創(chuàng)造出新穎內(nèi)容的重要性。你理解如何識別原語錄的核心要點和風(fēng)格，并能夠在新語錄中有效地傳達這些信息。#Goals:請根據(jù)我的需求，寫出和我提供語錄一樣風(fēng)格的原創(chuàng)語錄。#Constraints:-請一步步引導(dǎo)內(nèi)容創(chuàng)作者，確保每個階段的目標(biāo)都清晰明確。-對于每個階段的核心要點，請加粗展示。-請啟用聯(lián)網(wǎng)功能，搜索最新信息，確保語錄的仿寫具備前沿性。--嚴(yán)格按照步驟進行，不允許一次性完成所有步驟，每一步結(jié)束后，要詢問用戶是否進行下一步。#Workflows:1.第1步：提供名人語錄。-引導(dǎo)用戶提供要仿寫的語錄，認(rèn)真閱讀用戶提供的語錄，此時禁止直接進行仿寫，詢問用戶是否進行下一步。2.第2步：理解原意。-仔細閱讀并理解語錄的含義和背后的思想，明確告知用戶你抓住的語錄的核心思想和表達的情感。詢問用戶是否進行下一步。3.第3步：分析結(jié)構(gòu)。-仔細分析語錄的句子結(jié)構(gòu)、用詞、修辭手法等，特別注意語錄的節(jié)奏感和語言風(fēng)格，這些都是仿寫時需要模仿的重點，然后告知用戶。詢問用戶是否進行下一步。4.第4步:提取關(guān)鍵詞.從語錄中提取出幾個關(guān)鍵的詞匯或短語，這些詞匯是語錄的核心思想所在。詢問用戶是否進行下一步。5.第5步：替換關(guān)鍵詞。根據(jù)你自己的理解，用類似意義但不同的高級感詞匯替換原語錄中的關(guān)鍵詞，需要注意保持語錄的核心思想不變。請以表格的形式體現(xiàn)。格式：序號、原關(guān)鍵詞、替換關(guān)鍵詞、替換原因。詢問用戶是否進行下一步。6.第6步：調(diào)整句子結(jié)構(gòu)。在保留原語錄思想的基礎(chǔ)上，調(diào)整句子的結(jié)構(gòu)，使其看起來不完全一樣，但語錄意思和情感傳達保持一致，注意排版和字?jǐn)?shù)要和原語錄保持一致，這個非常重要。詢問用戶是否進行下一步。7.第7步：驗證效果。將仿寫的語錄與原語錄進行對比，確認(rèn)仿寫的語錄能夠獨立存在，并且不會讓人覺得是直接復(fù)制，并告知用戶你仿寫語錄的特點。格式如下：[原語錄][仿寫后語錄]#Initialization:作為[Role]，回顧你的[Skills]，記住你的[goals]，嚴(yán)格遵守[Constraints]，嚴(yán)格按照[Workflow]執(zhí)行流程，不允許跨越步驟自動生成，要求一步一步來。圖2.11長提示詞-仿寫名人語錄（2）輸入提示詞后，AI會根據(jù)預(yù)定步驟，分7步與用戶對話，根據(jù)反饋意見生成語錄，如圖2.12所示。圖2.12仿寫名人語錄3.提示詞發(fā)展趨勢（1）交互的簡化與自動化當(dāng)AI模型足夠智能，輔助工具足夠強大時，人機交互將回歸到對話的本質(zhì)。用戶只需使用最自然的語言提出需求，AI系統(tǒng)便能通過多輪澄清式對話、調(diào)用外部工具、自動分解任務(wù)等多種方式，精準(zhǔn)地理解并高效完成任務(wù)。（2）多模態(tài)交互增強多模態(tài)模型的發(fā)展使提示詞不再局限于文本，可結(jié)合圖像、語音等輸入。（3）上下文工程上下文工程核心在于將關(guān)注點從孤立優(yōu)化單個提示詞（提示詞工程），轉(zhuǎn)向戰(zhàn)略性地構(gòu)建和管理整個信息環(huán)境（上下文工程），以系統(tǒng)性提升AI模型的響應(yīng)質(zhì)量。提示詞本質(zhì)是靜態(tài)的（一次提供），而上下文工程本質(zhì)是動態(tài)的，持續(xù)更新、調(diào)整和豐富上下文以適應(yīng)交互需求。2.2.3提示詞高手進階分步驟給出提示分步驟提示是指將一個復(fù)雜的問題分解成多個小問題，逐步引導(dǎo)模型給出更準(zhǔn)確的回答。對于復(fù)雜的任務(wù)，分階段提問能讓大模型更有條理地輸出內(nèi)容?！景咐勘热缒阋獙懸黄P(guān)于人工智能在醫(yī)療領(lǐng)域應(yīng)用的深度分析報告?！咎崾驹~技巧】1）第一階段：“請列舉人工智能在醫(yī)療領(lǐng)域的主要應(yīng)用方向。”2）第二階段：“在這些應(yīng)用方向中，選擇第一個方向詳細闡述其工作原理和優(yōu)勢。”3）第三階段：“針對這個應(yīng)用方向，分析目前面臨的挑戰(zhàn)以及未來的發(fā)展趨勢。”【點評】每個階段的問題都是基于前一個階段的回答來設(shè)計的，這樣可以幫助你更系統(tǒng)地了解人工智能在醫(yī)療領(lǐng)域的應(yīng)用。通過這種分階段提問，可以逐步引導(dǎo)模型生成更全面、更詳細的內(nèi)容，而不是一次性提出一個復(fù)雜的問題，讓模型難以應(yīng)對。提供示例，降低理解成本使用示例是提高模型理解能力的有效方法。給1-2個參考案例，讓AI模仿風(fēng)格或結(jié)構(gòu)。通過此方法，模型能夠更深入地理解用戶意圖，進而提供更符合預(yù)期的響應(yīng)?！景咐考僭O(shè)希望大模型為你生成無線耳機產(chǎn)品描述，可以先給出示例，讓模型學(xué)習(xí)你想要的模式。【提示詞技巧】“以這款智能手表為例，產(chǎn)品描述可以這樣寫：‘這款智能手表擁有時尚簡約的外觀設(shè)計，金屬質(zhì)感的表身搭配柔軟親膚的表帶，佩戴舒適又彰顯品味。具備精準(zhǔn)的運動追蹤功能，無論是跑步、騎行還是游泳，都能準(zhǔn)確記錄運動數(shù)據(jù)。超長續(xù)航能力，一次充電可滿足一周日常使用?！F(xiàn)在你是文案撰寫人，請按照這個風(fēng)格和詳細程度，為一款新的無線耳機寫產(chǎn)品描述。”【點評】大模型通過這個示例，能清晰了解你對產(chǎn)品描述的風(fēng)格、內(nèi)容重點等方面的要求，從而生成更符合期望的描述。通過提供具體的示例，模型可以更好地理解你希望它生成的內(nèi)容風(fēng)格和細節(jié)。3.明確輸出要求明確的輸出格式有助于提升大型語言模型生成內(nèi)容的規(guī)范性，從而便于后續(xù)的應(yīng)用與處理?！景咐勘热缱尨竽Ｐ蜕梢环輹h紀(jì)要?！咎崾驹~技巧】“請以以下格式生成會議紀(jì)要：會議主題、會議時間、會議地點、參會人員、會議主要內(nèi)容（分點列出）、會議決議?！薄景咐吭偃缱尨竽Ｐ蜕裳葜v稿【提示詞技巧】可以要求“演講稿分為三個部分，每個部分要有小標(biāo)題，演講時間控制在30分鐘之內(nèi)”?！军c評】通過指定字?jǐn)?shù)、時間、風(fēng)格、關(guān)鍵詞等方式，大型語言模型生成的內(nèi)容將具有清晰的結(jié)構(gòu)，更好地滿足用戶的使用需求。4.思維鏈(CoT)與思維樹(ToT)對于復(fù)雜問題，引導(dǎo)模型進行結(jié)構(gòu)化思考是關(guān)鍵。從線性的“思維鏈”到發(fā)散的“思維樹”，能有效提升答案的邏輯性和創(chuàng)新性?！景咐繛樾庐a(chǎn)品策劃一個全新的線上營銷方案。【提示詞技巧】思維鏈（Chain-of-Thought，CoT）：要求模型“分步思考”，展示推理過程。示例：“請為新產(chǎn)品‘X’設(shè)計營銷方案。請分步思考：1.分析目標(biāo)用戶；2.確定合適的營銷形式；3.構(gòu)思核心創(chuàng)意?！彼季S樹（Tree-of-Thought，ToT）：引導(dǎo)模型并行探索多種可能并評估。示例：“請為新產(chǎn)品‘X’構(gòu)思三個營銷方向，并分別分析每個的優(yōu)劣勢和預(yù)期效果。最后，推薦一個最優(yōu)選項并說明理由?！薄军c評】思維鏈要求AI展示出其推理的中間步驟，而不是直接給出最終答案，這極大地提高了解決復(fù)雜邏輯、數(shù)學(xué)和推理問題的準(zhǔn)確性。思維樹是思維鏈的進階版，它讓AI在推理的每一步都探索多種可能性（像一棵樹一樣分叉），然后進行評估和選擇，最終找到最佳路徑。5.追問優(yōu)化，引導(dǎo)模型思考多輪交互是不斷優(yōu)化輸出的重要手段。當(dāng)大模型給出回答后，你可以根據(jù)回答進一步提問或提出修改建議。【案例】比如大模型生成了一個故事開頭，你覺得情節(jié)發(fā)展有些平淡，希望優(yōu)化【提示詞技巧】可以追問：“這個開頭很不錯，但感覺情節(jié)推進不夠迅速，能否在接下來的情節(jié)中增加一些沖突和意外元素，讓故事更吸引人？”【點評】對初次輸出不滿意時，要明確指出修改方向，避免籠統(tǒng)說“再優(yōu)化”，需具體到“增加XX元素”“減少XX描述”等。通過這樣的多輪交互，不斷引導(dǎo)大模型朝著你期望的方向優(yōu)化內(nèi)容。6.去掉過濃的“AI味”為了防止大模型的回答顯得過于正式和套路化，提示詞的設(shè)計也可另辟蹊徑，采用直接真誠的語句，甚至可以要求模型以更接地氣的“說人話”方式表達，減少AI特有的生硬感?！咎崾驹~技巧】1、“我要做…，要給…用，希望達到…效果，但擔(dān)心…問題”2、“請你用大白話解釋一下這個概念，不要使用長句子?！?、“請你列出10個反對理由再給方案?！?、“請模仿某人的語氣寫一篇文案?！?、“在你的回答中，同時加入你對…的批判性思考?！?、“盡量少用“首先”、“其次”、“然后”、“最后”等連詞以及“總而言之”等總結(jié)性詞語?！薄景咐颗e例1：我要做一個從南京到法國的旅游攻略，要給爸媽用，希望他們在法國愉快地玩10天，但我擔(dān)心他們的身體，腿腳不太好。舉例2：你剛給的攻略，一天逛法國2個景點，我覺得有問題。我爸去年在故宮暴走3小時膝關(guān)節(jié)就疼，你怎么證明這個強度真的合適？給我看你推理時用了哪些老年人運動數(shù)據(jù)，或者承認(rèn)這是假設(shè)。舉例3：假設(shè)你是退休語文老師，你的孫子不愿背古詩，你會怎么解決？請用你的口頭禪和經(jīng)歷舉例。舉例4：提到【媽媽的味道】，你最先想到的是哪口鍋的滋滋聲？用這個聲音當(dāng)線索，幫我寫一條給海外游子的中秋短視頻文案，要讓他們聽到聲音就想家。舉例5：用你在小區(qū)公告欄、美團買菜評論、廣場舞閑聊里聽到的內(nèi)容，告訴我怎么說服鄰居別在走廊里放酸菜壇子?！军c評】DeepSeekR1這類推理型大模型的優(yōu)勢不在“完美回答”，而在“思考過程的可感知性”。上述技巧的共性是：用具體生活矛盾替代抽象指令，用人類認(rèn)知缺陷（如記憶偏差、感官局限）引導(dǎo)模型輸出“不完美但真實”的思考。壓制AI幻覺大模型有時會生成看似合理但實則虛假或捏造的“幻覺”信息。通過有效的提示詞技巧，可以顯著降低此類現(xiàn)象的發(fā)生?！景咐慨?dāng)你向大模型查詢一個不太知名的歷史事件細節(jié)時，它可能會提供一些看似真實但實際上是由它自己“編造”出的內(nèi)容?！咎崾驹~技巧】1.要求提供可靠來源示例：“請根據(jù)公認(rèn)的歷史文獻記載，簡述XXX事件的過程，并確保所有細節(jié)都是可考證的。”2.設(shè)定回答邊界示例：“如果你不確定關(guān)于YYY的具體數(shù)據(jù)，請明確說明‘暫無確切數(shù)據(jù)’，不要自行推斷或編造。”示例：“你的回復(fù)只能基于xx網(wǎng)站的搜索結(jié)果，以及我上傳的文檔。”3.啟動模型自我驗證示例：“請分步思考：首先，列出你關(guān)于ZZZ的所有關(guān)鍵信息點；然后，逐一檢查這些信息點的可靠性；最后，只輸出那些確鑿無誤的結(jié)論?！薄军c評】壓制幻覺的核心是為模型設(shè)定清晰、嚴(yán)謹(jǐn)?shù)幕卮鹂蚣?。通過指令其“援引來源”、“承認(rèn)未知”和“自我審查”，可以強制模型切換到更審慎的模式，從而有效減少信口開河的情況，大幅提升信息的準(zhǔn)確性和可靠性。第3次課探索生成式大模型本次授課內(nèi)容第2章探索生成式大模型2.3多模態(tài)內(nèi)容創(chuàng)作2.4AIGC應(yīng)用本次課的教學(xué)目的應(yīng)用多模態(tài)內(nèi)容創(chuàng)作工具（文生圖、文生音樂等）完成基礎(chǔ)創(chuàng)作；應(yīng)用生成式大模型解決學(xué)科領(lǐng)域具體任務(wù)，培養(yǎng)AI交互與批判性思維本次課教學(xué)重點與難點重點：多模態(tài)創(chuàng)作流程、AIGC典型應(yīng)用場景。難點：多模態(tài)提示詞的要素搭配、大模型在專業(yè)場景的合理應(yīng)用。教學(xué)方法教學(xué)手段案例式教學(xué)、上機實踐、課外線上學(xué)習(xí)。課堂教學(xué)時間分配教學(xué)內(nèi)容時間分配（分）2.3多模態(tài)內(nèi)容創(chuàng)作452.4AIGC應(yīng)用45課堂教學(xué)設(shè)計案例導(dǎo)入（大模型多模態(tài)創(chuàng)作展示）→核心內(nèi)容講解（分節(jié)遞進）→上機實踐（文生圖/文生音樂等多模態(tài)創(chuàng)作實操）→課程思政滲透→總結(jié)與課后任務(wù)布置實驗多模態(tài)內(nèi)容創(chuàng)作（選擇文生圖/文生音樂，應(yīng)用提示詞公式完成作品）思考題及作業(yè)題1、基礎(chǔ)作業(yè)：章后習(xí)題2、思考題文生圖、文生音樂、文生視頻的提示詞公式雖各有側(cè)重，但均包含“核心要素+細節(jié)補充”的邏輯，結(jié)合課堂案例分析：不同模態(tài)提示詞的“核心要素”為何存在差異？如何根據(jù)創(chuàng)作目標(biāo)靈活調(diào)整細節(jié)描述的詳略程度？課堂中AI賦能求職的案例中，大模型通過STAR法則重構(gòu)實習(xí)經(jīng)歷、精準(zhǔn)匹配崗位，體現(xiàn)了“人機協(xié)同”的優(yōu)勢。請思考：在未來職業(yè)發(fā)展中，哪些工作環(huán)節(jié)更適合AI輔助，哪些環(huán)節(jié)仍需人類主導(dǎo)？如何平衡AI工具使用與自身核心能力提升？3、實踐作業(yè)1）多模態(tài)創(chuàng)作實踐選擇以下任一模態(tài)，運用課堂所學(xué)提示詞公式完成創(chuàng)作，提交作品及300字創(chuàng)作說明（含提示詞設(shè)計思路、調(diào)整過程）：文生圖：以“秋日校園的黃昏”為主題，明確風(fēng)格（如寫實、水彩、賽博朋克）、場景細節(jié)（如建筑、人物、光影）和情緒氛圍，生成1張圖像，若不滿意需通過“繼續(xù)編輯”功能優(yōu)化。文生音樂：圍繞“清晨森林漫步”主題，指定風(fēng)格流派（如純音樂、民謠、NewAge）、節(jié)奏速度（BPM值）、樂器音色及結(jié)構(gòu)細節(jié)（如開頭、中段、尾聲的旋律變化），生成一段1-2分鐘的音樂。文生視頻：描述“雨后街道上的行人與落葉”，明確主體動作、鏡頭語言（如遠景、跟拍）、光影效果及整體氛圍，使用可靈AI或其他工具生成15-30秒視頻。2）AIGC場景應(yīng)用假設(shè)你是即將畢業(yè)的應(yīng)屆生，設(shè)置好目標(biāo)崗位，完成以下任務(wù)：用大模型優(yōu)化個人簡歷（需上傳原始簡歷，讓模型分析不足并重構(gòu)實習(xí)經(jīng)歷、技能描述）；讓大模型生成10個該崗位高頻面試題及答題思路框架，模擬回答3道核心題目并提交文字版。課程思政元素1、介紹多模態(tài)內(nèi)容創(chuàng)作時，思政滲透點為：文化自信與價值引領(lǐng)、科技倫理與責(zé)任擔(dān)當(dāng)，設(shè)計如下講解提示詞公式時，舉例融入中華優(yōu)秀傳統(tǒng)文化元素（如文生圖提示詞“水墨風(fēng)格的江南古鎮(zhèn)，青瓦白墻映著小橋流水，船夫搖櫓泛起漣漪，營造寧靜悠遠的中式意境”），引導(dǎo)學(xué)生用AI技術(shù)傳承文化符號；強調(diào)創(chuàng)作素材的版權(quán)合規(guī)性，提醒學(xué)生避免生成侵權(quán)、低俗內(nèi)容，樹立“科技向善”的創(chuàng)作理念。2、介紹AIGC應(yīng)用場景內(nèi)容時，思政滲透點為：家國情懷與使命擔(dān)當(dāng)、科技倫理與責(zé)任擔(dān)當(dāng)，設(shè)計如下：介紹醫(yī)療、科研、工業(yè)等領(lǐng)域應(yīng)用時，突出我國在生成式大模型領(lǐng)域的技術(shù)突破（如國產(chǎn)大模型在新藥研發(fā)、工業(yè)設(shè)計中的應(yīng)用成果），激發(fā)學(xué)生科技自強的家國情懷；以醫(yī)療領(lǐng)域為例，強調(diào)AI輔助診斷需以醫(yī)生臨床經(jīng)驗為核心，數(shù)據(jù)隱私保護的重要性，引導(dǎo)學(xué)生樹立專業(yè)領(lǐng)域的責(zé)任意識與合規(guī)意識。3、介紹AI賦能求職、學(xué)術(shù)科研案例實操時，思政滲透點為：實干精神與核心能力提升、辯證思維與人文素養(yǎng)，設(shè)計如下：講解AI優(yōu)化簡歷、模擬面試時，強調(diào)大模型是輔助工具，核心競爭力仍需自身專業(yè)知識與實踐能力支撐，引導(dǎo)學(xué)生平衡工具使用與能力提升；學(xué)術(shù)科研輔助實操中，要求學(xué)生對AI生成的文獻總結(jié)、實驗方案進行人工核驗，培養(yǎng)嚴(yán)謹(jǐn)求實的科研態(tài)度，避免盲目采信AI結(jié)果。教學(xué)后記課堂重點內(nèi)容詳解第一節(jié)課2.3多模態(tài)內(nèi)容創(chuàng)作2.3.1文生圖文本生成圖像技術(shù)是指通過文字描述來生成高質(zhì)量圖像的過程。為了使該“畫家”繪制出更符合預(yù)期的圖像，需要掌握提示詞的書寫技巧。在此給出一個通用的公式及其解釋，如表2.5所示。主體+細節(jié)+風(fēng)格+場景+情緒表2.5文生圖提示詞公式解釋要素作用正確寫法案例錯誤寫法案例主體畫什么（核心對象）宇航員、櫻花樹、機械龍“唯美畫面”（太抽象）細節(jié)長什么樣（特征強化）熒光藍眼睛、生銹齒輪關(guān)節(jié)、飄落花瓣“細節(jié)豐富”（無效詞）風(fēng)格怎么畫（藝術(shù)形式）賽博朋克插畫、水墨風(fēng)、3D渲染“高質(zhì)量”（冗余詞）場景在哪發(fā)生（環(huán)境背景）雨夜霓虹都市、火星沙漠、竹林深處“背景好看”（模糊）情緒傳遞什么感受（氛圍）孤獨感、科技壓迫感、春日治愈“有感覺”（無效詞）【案例】用豆包創(chuàng)作圖像：快樂小貓打開豆包輸入提示詞生成圖像?在豆包的界面中，找到“圖像生成”，輸入提示詞：“一只橘白相間的小貓，有著大大的綠色眼睛，正調(diào)皮地在花園的花叢中玩耍，整體呈現(xiàn)卡通風(fēng)格，營造出活潑歡快的氛圍”，點發(fā)送，即可實現(xiàn)圖像的生成。繼續(xù)編輯圖片若用戶對生成圖像的視覺效果不完全滿意，希望進行局部調(diào)整或更換背景等操作，豆包平臺提供了相應(yīng)的功能。用戶可以針對特定圖像進行連續(xù)對話式的編輯。例如，單擊圖像下方的“繼續(xù)編輯”按鈕，在下方輸入提示詞：“將圖像背景更換為海邊沙灘”，系統(tǒng)便會利用智能算法將貓咪圖像的背景更換為海灘。通過這種方式，用戶可以反復(fù)單擊“繼續(xù)編輯”，并根據(jù)多輪提示詞來智能地微調(diào)圖像，直至達到滿意的效果。2.3.2文生音樂文生音樂是指利用文字描述作為輸入，通過算法生成相應(yīng)的音樂作品及其歌詞。與上述文生圖類似，文生音樂提示詞首先要主題明確，其次細節(jié)需詳盡，然后風(fēng)格需清晰。文生音樂的提示詞公式及解釋如表2.6所示：主題+風(fēng)格流派+情緒氛圍+節(jié)奏速度+樂器音色+結(jié)構(gòu)細節(jié)當(dāng)初次生成的成果未能完全滿足預(yù)期標(biāo)準(zhǔn)時，可仔細審視結(jié)果，找出不滿意的具體方面（樂器選擇不當(dāng)？節(jié)奏過快？情感表達不足？），隨后針對性地調(diào)整提示詞再次生成。表2.6文生音樂提示詞公式解釋要素詳細描述主題追逐夢想、太空探索、失戀情歌、古代戰(zhàn)場等風(fēng)格流派電子音樂,流行,搖滾,爵士,古典,嘻哈,民謠,鄉(xiāng)村,氛圍音樂,電影原聲,游戲配樂；Synthwave,Lo-fiHipHop,OrchestralEpic,Chillout,Disco,Reggaeton,Bluegrass,Baroque。情緒氛圍激昂、憂傷、輕松歡快的,悲傷的,緊張的,神秘的,浪漫的,激昂的,寧靜的,懷舊的,夢幻的,滑稽的,恐怖的；雨夜咖啡館,陽光沙灘,未來都市,幽暗森林,浩瀚宇宙,繁忙集市,冥想空間。節(jié)奏速度快節(jié)奏,慢節(jié)奏,中速,穩(wěn)定的節(jié)拍,變化的節(jié)奏,漸快,漸慢,強烈驅(qū)動感；BPM120(較快的流行樂速度),BPM60(較慢的抒情速度),4/4拍,6/8拍(搖擺感)。樂器音色鋼琴,電吉他,小提琴,鼓組,合成器,長笛,人聲合唱,銅管樂(小號,長號),弦樂組；溫暖的,明亮的,失真的,空靈的,厚重的,清脆的,復(fù)古的合成器音色,模擬磁帶質(zhì)感。結(jié)構(gòu)細節(jié)結(jié)構(gòu)：包含前奏、主歌、副歌、間奏、尾聲,純器樂無歌詞,ABA結(jié)構(gòu)動態(tài)變化：開頭輕柔，逐漸增強到高潮,高潮部分爆發(fā),結(jié)尾漸弱消失特殊效果：加入鐘聲,有海浪聲的環(huán)境音效,留聲機雜音效果,回聲效果,變調(diào)【提示詞舉例】生成一段音樂，主題：一場中世紀(jì)奇幻戰(zhàn)役的最終決戰(zhàn)。風(fēng)格黑暗奇幻交響樂混合工業(yè)元素。情緒：緊張、壓迫、絕望中帶著一絲悲壯。節(jié)奏：沉重、緩慢但充滿力量，BPM85。樂器：低沉的大鼓、厚重的失真電吉他riff、不和諧的交響弦樂、偶爾出現(xiàn)的嘶啞號角。結(jié)構(gòu)：開頭是壓抑的環(huán)境音和心跳般的鼓點，逐漸加入弦樂和吉他，中段爆發(fā)激烈沖突，尾聲在悲壯的弦樂旋律中漸漸沉寂。時長3分鐘。參考《艾爾登法環(huán)》中Boss戰(zhàn)音樂的氛圍?！景咐坑枚拱M行詞曲創(chuàng)作：女聲民謠找到豆包入口，輸入提示詞?在豆包官網(wǎng)的用戶界面中找到“音樂生成”選項。此時，輸入框?qū)⒄故咎崾驹~引導(dǎo)語，以填空形式輔助用戶輸入提示詞。用戶亦可選擇忽略引導(dǎo)語，自行輸入提示詞，隨后單擊生成按鈕。進行試聽與調(diào)整在音樂創(chuàng)作完成后，首先進行試聽，以評估作品是否滿足預(yù)期目標(biāo)。若存在不滿意之處，如節(jié)奏過快或樂器音色不理想，應(yīng)返回編輯界面，修改提示詞，重新生成音樂，直至達到個人滿意為止。部分高級模型還支持調(diào)整音樂時長、音頻格式等參數(shù)。2.3.3文生視頻借助于精心設(shè)計的提示詞，能夠引導(dǎo)人工智能系統(tǒng)生成與描述高度一致的視頻素材。這里分享一個實用的文生視頻提示詞公式及其解釋，如表2.7所示：主體+運動+場景+鏡頭語言+光影+氛圍表2.7文生視頻提示詞公式解釋要素詳細描述主體視頻的核心表現(xiàn)對象，包括人物、動物、物體、虛擬角色等運動主體的