《大语言模型原理与应用》 -教案 第10章 大语言模型的应用案例

课次：第讲课程教案授课主题第10章大语言模型的应用案例章节内容第10章大语言模型的应用案例地点课时6教学目的与要求掌握生活化场景的应用原理：深入理解智能客服、在线购物助手及AI家教的核心工作机制（NLP、机器学习、个性化推荐）。分析行业垂直应用价值：能够针对金融（风控、客服）、医疗（影像分析、药物开发）等行业，分析LLM带来的效率提升与模式变革。精通自动化工具实践：掌握扣子（Coze）平台的使用，学会搭建具备自动化能力的简易智能体。掌握知识库构建技术：学会将非结构化文本转化为可检索、可回答的结构化知识库（RAG基础）。提升AI应用开发思维：探索AI如何赋能应用开发的全生命周期，提升解决实际问题的能力。领悟技术背后的科学精神：通过约书亚·本吉奥等科学家的故事，培养追求卓越与负责任的AI开发意识。教学重点1.三大核心生活场景应用：智能客服：自然语言理解与知识库管理。购物助手：个性化推荐算法逻辑。AI家教：自适应学习与大数据个性化教学。2.行业深度应用案例：金融风控、医疗诊断辅助、自动驾驶（端到端）等场景。3.扣子（Coze）实战应用：智能体搭建、知识库导入、工作流设计。教学难点1.从非结构化数据到知识库的转化：理解向量化存储、语义索引与精准检索的技术挑战。2.AI赋能开发的逻辑抽象：如何在开发过程中识别出哪些环节可以被AI自动化，并设计合理的Prompt链。3.技术与伦理的平衡：在医疗、金融等高敏感行业，如何处理“模型偏见”与“决策透明度”问题。教学方法1.多媒体演示法：演示京东“京小智”、教育类“TutorEva”等真实应用界面与交互过程。2.案例分析法：通过金融风控案例，对比传统规则引擎与LLM推理引擎的优劣。3.讨论法：讨论“AI家教是否会取代人类教师”及“AI在决策中的伦理责任”。4.任务驱动法：在实训课中以“搭建校园问答机器人”为任务，驱动学生掌握Coze操作。教学手段网络资源应用、在线教学平台教学过程课程思政元素说明：*号标注的是课程思政的融入点一、导入1.场景互动：请学生分享最近一次与在线客服沟通的经历，询问：“你能分辨出对方是真人还是AI吗？为什么？”。2.展示案例：展示京东“京小智”在“双11”期间处理千万级并发咨询的成就。3.引出主题：大模型不仅仅是对话，它正在成为各行各业的底层驱动引擎。二、进行重点知识的讲解（一）生活中的大语言模型：深度重塑服务业智能客服系统（CustomerServiceSystems）：核心技术：NLP（自然语言处理）、ML（机器学习）、KB（知识库管理）。优势：7×24小时在线、多语言支持、秒级响应。工作流：用户意图识别->知识库检索->答案生成->情感分析与反馈。在线购物助手（OnlineShoppingAssistants）：个性化引擎：基于用户历史行为与偏好，生成精准的商品推荐。交互体验：从“搜索框”到“对话框”的转变，优化决策链路。AI家教（AITutors）：自适应教学：针对每个学生的薄弱点，提供定制化讲解。案例分析：TutorEva如何辅助解决数学难题并提供分步指导。（二）行业深度案例：金融与医疗的AI革命金融行业：风险评估：分析海量非结构化财报与新闻，识别潜在债务违约风险。反欺诈：利用大模型分析异常交易模式，提升风控响应速度。医疗行业：诊断辅助：辅助影像科医生识别微小病灶，生成医学报告草案。药物研发：预测蛋白质折叠（AlphaFold效应），缩短新药筛选周期。（三）约书亚·本吉奥：大模型领域的领航者技术贡献：注意力机制的先驱，Transformer架构的基石奠定者。人文情怀：本吉奥对“负责任AI”的坚持，强调技术必须伴随着社会影响的深思熟虑。（四）技术实战：扣子（Coze）与自动化开发自动化工具的崛起：Coze降低了AI应用开发的门槛（No-Code/Low-Code）。构建智能问答系统的逻辑：数据采集：上传Word/PDF资料。知识清洗：切片（Chunking）与向量化（Embedding）。问答链路：用户提问->语义检索->注入上下文->LLM回答。三、实验环节一：基于扣子（Coze）搭建个性化智能体（2课时）（一）实验准备平台：访问coZE官方平台。素材：准备一份关于“学生手册”或“专业课程介绍”的非结构化文档。（二）实验任务清单任务1：创建智能体角色：设置人设（Persona）与回复风格（Tone）。任务2：搭建知识库（RAG实践）：上传本地文档，设置分段策略。进行“知识召回测试”，验证模型是否基于文档回答。任务3：集成插件与工具：为智能体添加“搜索”插件或“图片生成”插件。体验智能体如何调用外部工具。任务4：发布与分享：将智能体发布至Bot商店，并进行同学间的互测。四、实验环节二：实验十智能问答系统与自动化智能体构建相应章节：第十章大语言模型的应用案例课时：2课时教学目的与要求1. 熟练掌握扣子（Coze）平台各模块功能。2. 学会将杂乱无章的文本数据转化为可查询的AI知识资产。3. 理解AI赋能应用开发的基本模式：Prompt指令+知识库+插件能力。实验重点与难点• 重点：知识库的精细化切片与检索优化。• 难点：多轮对话中的变量管理与复杂任务下的工作流（Workflow）设计。实验教学小结• 反馈分析：根据学生搭建的智能体，分析哪些同学能够设计出更具逻辑性的工作流。• 未来展望：鼓励学生在课程设计或毕业设计中，尝试将AI接口接入到传统的Web或移动应用中，实现真正的“AI原生应用”。五、归纳总结与评价核心总结：大模型已经从“技术探索”进入“工程落地”阶段。应用开发的核心不再是写底层代码，而是如何利用AI进行能力整合。反思讨论：当AI能够完成大部分初级客服和助教工作时，我们人类学生应该培养哪些“不可替代”的能力？（引出批判性思维与情感联结）。作业布置：案例分析报告：选择一个除金融、医疗外的行业（如农业、法律），撰写一份500字左右的大模型应用方案建议书。实操作业：在Coze平台上完善你的智能体，使其具备至少1个自定义工作流，并提交分享链接。•科技服务社会（责任感）：*通过智能客服与AI家教的普及，讲述技术如何跨越教育鸿沟、提升社会服务效率，引导学生思考科技向善。•负责任的AI开发（伦理观）：结合约书亚·本吉奥YoshuaBengio）对AI伦理的呼吁，培养学生建立透明、公平、伦理的人工智