生成式人工智能基础与应用-课件全套 詹泽慧 第1-10章 人工智能时代的创新与变革 -GAI的伦理、安全与未来展望

第1章人工智能时代的创新与变革生成式人工智能基础与应用（AIGC+创新思维）AIGC+创新思维目录本章整体结构02本章重点难点03本章学习建议04本章学习目标01AIGC+创新思维生成式人工智能基础与应用01本章学习目标生成式人工智能基础与应用（AIGC+创新思维）理解AI时代的特征与变化1认识AI的内涵、特征与发展历程2探索GAI的创新应用3分析AI时代的机遇与挑战4本章学习目标02本章整体结构生成式人工智能基础与应用（AIGC+创新思维）本章整体结构03本章重点难点生成式人工智能基础与应用（AIGC+创新思维）重点难点AI引领下的时代特征AI与GAI的内涵、分类及发展历程GAI的创新应用与发展机遇挑战GAI技术架构的核心逻辑AI与GAI的辩证关系GAI时代的发展适应策略本章重点难点04生成式人工智能基础与应用（AIGC+创新思维）本章学习建议1多结合真实案例理解概念2梳理技术发展脉络3关注伦理与社会影响，培养技术伦理意识4尝试使用GAI工具，主动实践与探索本章学习建议感谢观看认识人工智能，探索创新之路希望你通过本章，提升智能时代素养生成式人工智能基础与应用（AIGC+创新思维）第1章人工智能时代的创新与变革1.1人工智能时代的到来AIGC+创新思维目录AI的内涵、特征、类别与发展历程02AI引领下的时代特征01AIGC+创新思维生成式人工智能基础与应用01AI引领下的时代特征生成式人工智能基础与应用（AIGC+创新思维）①高度智能化②数据驱动③创新加速④社会结构改变⑤全球合作与竞争并存⑥伦理与法律

面临新挑战在AI引领的时代，智能化在各个领域深度渗透。在这个时代，数据成为核心生产要素之一。AI技术的发展加速了各个领域的创新进程。AI引领下的时代特征AI的广泛应用导致了社会结构的深刻改变。AI发展是全球性趋势，一个国家或地区很难独立完成整个产业链的布局和技术突破。随着AI技术的广泛应用，诸多伦理和法律问题逐渐凸显。02AI的内涵、特征、类别与发展历程生成式人工智能基础与应用（AIGC+创新思维）AI的内涵AI的类别AI的发展历程010204AI的内涵、特征、类别与发展历程03AI的特征提出1956年，当时计算机科学家约翰·麦卡锡（JohnMcCarthy）在达特茅斯会议上正式提出这一术语，如今AI已成为全球公认的三大前沿科技领域之一。效用作为计算机科学的重要分支，AI致力于通过算法建模和系统开发，使机器具备感知、学习、推理等类人智能特征，最终构建能够自主完成复杂认知任务的AI系统。目标使机器能够完成需要人类智能的任务，例如图像识别、语言翻译、自动驾驶等AI——全球三大前沿科技领域之一找准创新起点，把握问题本质01.AI的内涵1234技术体系与应用系统技术体系：涵盖机器学习、深度学习、自然语言处理、计算机视觉等。应用系统：包括专家系统、智能机器人、自动驾驶等

。①学习与适应能力②数据驱动③模式识别与推理④多模态交互⑤高效性与可拓展性⑥不确定性处理⑦伦理与风险并存通过数据训练（如监督学习、无监督学习）优化性能；动态适应新环境（如在线学习、迁移学习）。依赖大量高质量数据训练模型，数据质量和多样性直接影响结果从数据中发现隐藏规律（如聚类、分类）；可进行逻辑推理（如知识图谱）或概率推理（如贝叶斯网络）02.AI的特征可处理多种形式的信息（如文本、语音、图像、视频等），例如GPT-4的跨模态理解能力。快速处理海量数据（如金融风控中的实时分析）；通过分布式计算扩展任务规模。在信息模糊或噪声干扰情况下仍能输出合理结果（如自动驾驶应对复杂路况）。存在算法偏见、隐私泄露、就业冲击等潜在问题，需通过伦理框架约束。

DAI——决策式人工智能DAI专注于在特定环境中基于数据和规则做出最优决策。⚫方式：通过分析输入信息（如用户行为、环境状态）选择最佳行动路径，⚫

目标：是提升解决结构化问题的效率或使收益最大化。⚫典型应用：推荐系统（如电商平台的商品推荐）、自动驾驶的路径规划、金融风险预测等03.AI的类别GAI——生成式人工智能GAI的核心能力是创造与原始训练数据相似但全新的内容（如文本、图像、代码等）。⚫

方式：通过学习数据的联合概率分布，模拟现实世界的复杂模式并生成逼真结果⚫

关键技术：生成对抗网络、变分自编码器和模型03.AI的类别DAI和GAI在功能定位、技术路径和应用场景上存在差异，但也存在技术联系和互补性。⚫在技术互补性层面，DAI与GAI形成协同关系：DAI通过强化学习等算法为GAI提供内容质量的优化框架，而GAI能生成合成数据为DAI构建模拟训练环境。⚫

从数据驱动共性看，二者虽均依赖大规模数据，但DAI侧重因果分析（如金融风控建模），GAI聚焦数据分布模仿（如文本图像生成）

。随着DAI与GAI的不断发展，AI最终将会朝着通用人工智能（ArtificialGeneralIntelligence，AGI）的方向演进。维度DAIGAI功能定位数据分析和决策优化内容创造与创新技术基础条件概率分布、判别模型联合概率分布、生成模型典型应用风险评估、人脸识别、推荐系统艺术创作、文本生成、虚拟角色设计数据需求高精度、结构化数据大规模、多样化数据发展情况应用成熟(2012年前主导)快速发展(2012年后崛起)04.AI的发展历程①萌芽期：理论奠基与学科诞生②黄金期与寒冬交替：符号主义的兴衰③复兴期：技术迭代与路径分化④深度学习时代：数据驱动的爆发与GAI前夜⑤GAI崛起与AGI探索：从创造到认知的革命20世纪40～50年代，AI的种子在数学与哲学的土壤中萌芽。20世纪50～80年代，符号主义主导，专家系统兴起，遭遇第一次寒冬。20世纪80～90年代，专家系统（如医疗诊断工具MYCIN）推动AI初步商业化，但其依赖人工规则的生成方式难以突破创造力边界。21世纪的前20年，算力（GPU）、数据（互联网）与算法（如CNN、RNN）的协同突破推动AI跨越式发展。2020年之后，AI发展进入了技术爆发期，GAI以颠覆性姿态重塑AI版图感谢观看洞察AI技术内核，驱动创新变革实践希望你通过本节，明晰AI时代特征，练就分析认知能力生成式人工智能基础与应用（AIGC+创新思维）第1章人工智能时代的创新与变革1.2生成式人工智能的突破AIGC+创新思维目录GAI的创新应用与发展02GAI的内涵、分类与技术架构01AIGC+创新思维生成式人工智能基础与应用GAI赋能下创新范式转变的机遇与挑战0301GAI的内涵、分类与技术架构生成式人工智能基础与应用（AIGC+创新思维）GAI的内涵GAI的分类GAI的技术架构010203GAI的内涵、分类与技术架构技术本质：数据驱动的内容生成引擎GAI的运行基于深度神经网络，尤其是大语言模型和生成对抗网络（GAN）等技术。⚫工作原理：通过分析数万亿量级的文本、图像或代码数据，构建隐式的知识图谱和模式识别能力。01.GAI的内涵能力边界：创造性输出的有限自主性与早期AI的规则驱动不同，GAI具备有限创造力：既能生成超出训练数据范围的新内容，又受限于训练数据的质量和算法架构。GAI是人工智能领域的一项突破性技术，其核心能力是通过学习海量数据中的潜在规律，自主创造符合人类认知的新内容（如文本、图像、音频、代码等）。GAI生成内容的本质是人类创造力外延的技术映射。GAI具有高效生成各类内容的能力。GAI多模态生成已成技术融合主战场，凭借跨模态对齐算法，可实现语音驱动的多元素协同创作，打破内容形态边界。未来脑机接口与生成技术结合，或催生“意念生成内容”这一新的GAI内容生成类别。02.GAI的分类GAI按生成内容分类类型技术代表典型应用代表文本生成GPT-5、Claude-3实时生成个性化法律合同图像生成StableDiffusion4、DALL·E4工业设计原型秒级渲染音频生成VoiceCraft2.0、VALL-EX声纹克隆视频生成Sora3.0、RunwayGen-4电影分镜实时生成多模态生成GeminiUltra、PaLM-E2教育课件动态生成代码生成GitHubCopilotX、CodeLlama70B全栈应用开发03.GAI的技术架构①GAN——AI的“真假画游戏”②扩散模型(DiffusionModel)——AI的“从模糊到清晰的画家”③自回归模型(AutoregressiveModel)——AI的“超级故事大王”④神经辐射场(NeuralRadianceFields，NeRF)——AI的“3D场景复印机”GAN工作模式类似画家不断模仿名画试图骗过专家，专家则努力找出破绽；两人反复较量，画家的造假技术越来越高超，最终能画出以假乱真的作品，可用于生成逼真人脸照片、修复老电影画质。扩散模型的工作方式类似从一堆杂乱无章的噪点开始，一步步“擦除”混乱，最终生成清晰的图像或视频。有了扩散模型，GAI技术才能弥补GAN技术的不足，实现实时生成的能力。使用自回归模型，AI就像边写边思考的作家，每一步生成都参考前文内容，可编故事、写科研论文，展现了AI的逻辑与跨界能力，但也导致GAI成为”耗电巨兽“。如同AI的”3D场景复印机“，可根据视频重建光影、材质一致的虚拟空间，在元宇宙基建、文物保护、数字孪生等领域应用广泛。02GAI的创新应用与发展生成式人工智能基础与应用（AIGC+创新思维）GAI的创新应用与发展①数字内容生产与分发②跨模态交互与体验升级③垂直行业效率革命④科研创新加速⑤个体创造力赋能工具GAI化身“内容永动机”，从文字、图片到视频，自动批量生成且支持千人千面定制。通过融合3D建模、实时渲染与多感官反馈，GAI正在模糊虚实世界的界限。针对医疗、制造业等领域的“痛点定制”，GAI提供全链条生成式解决方案。GAI正颠覆传统科研范式。GAI将专业创作能力“封装”成平民化工具。03GAI赋能下创新范式转变的机遇与挑战生成式人工智能基础与应用（AIGC+创新思维）GAI驱动的产业革命与需求升维

就业市场挑战与机遇下的能力突围GAI时代的发展适应——技术赋能与人性坚守010203GAI赋能下创新范式转变的机遇与挑战01.GAI驱动的产业革命与需求升维①传统行业改革：从人力密集型到智能化生产GAI通过技术革新重构传统产业的生产模式。在技术和社会的共振下，GAI已超越单一技术范畴，成为驱动市场格局裂变、职业体系重构与人类需求升维的核心引擎。②新兴市场爆发：从功能性消费到体验性经济GAI技术推动了消费需求的层级跃迁。③全球化竞争新范式：数据主权与文化防御GAI技术正在重塑全球价值链的权力结构。①职业替代潮——从“岗位消失”到“价值迁移GAI正引发劳动力市场的结构性震荡，以基础性、重复性工作为主的职业首当其冲——平面设计师、初级程序员、标准化文案写手等岗位裁员率上升。⚫根本原因：GAI的“替代性价比”，且支持无休迭代。但替代潮同步催生新兴职业爆发，⚫本质：价值链条的重新分配——低附加值的执行层工作被算法接管，人类转向需要创造力、伦理判断能力与跨界协同能力的高阶角色。

02.就业市场挑战与机遇下的能力突围②能力需求转型——从“专业技能”到“人机协同”GAI时代的能力模型正经历根本性重构。⚫

硬技能层面：传统编程能力逐步让位于“提示工程”⚫

软技能层面：批判性思维与伦理决策成为核心⚫

本质：人类角色的转变——从“直接生产者”转变为“AI训练者、结果整合人与伦理守门人”。

03.GAI时代的发展适应——技术赋能与人性坚守①思维转型：从“工具使用者”到“问题架构师”②核心能力：精准指令、批判筛选、伦理判断③实践闭环：现实问题的创新解决④发展原则：在工具理性与价值理性间寻找平衡

GAI时代要求个体跳出“技能固化”陷阱，建立双核思维模型。驾驭GAI需掌握3种关键能力：精准指令、批判筛选、伦理判断。在GAI重塑世界的今天，一切实践的本质都可归结为“以技术为杠杆的问题解决艺术”。如何通过人机协同，将抽象问题转化为可操作的创新实践：⚫现象分析：数据驱动的问题洞察

⚫问题探索：精准定义复杂挑战⚫方案设计：跨界灵感与可行性平衡⚫原型迭代：敏捷试错与动态优化

⚫价值推广：规模化与普惠性兼顾GAI时代的发展本质是动态平衡的艺术，使人既不做技术的奴隶，也不做保守的拒斥者，而是在“人机共生”中开拓第三条道路。感谢观看立足GAI技术内核，把握人机协同本质希望你通过本节，对GAI有更清晰、更直观的了解生成式人工智能基础与应用（AIGC+创新思维）第2章大语言模型及其框架生成式人工智能基础与应用（AIGC+创新思维）AIGC+创新思维目录本章整体结构02本章重点难点03本章学习建议04本章学习目标01AIGC+创新思维生成式人工智能基础与应用01本章学习目标生成式人工智能基础与应用（AIGC+创新思维）理解大语言模型的基本概念、特征及其发展历程1掌握提示工程的核心原理与实践方法2了解检索增强生成（Retrieval-AugmentedGeneration，RAG）技术的工作机制3认识智能体技术在大语言模型应用中的作用4掌握微调在垂直领域应用中的关键要点5本章学习目标02本章整体结构生成式人工智能基础与应用（AIGC+创新思维）本章整体结构03本章重点难点生成式人工智能基础与应用（AIGC+创新思维）重点难点大语言模型（LLM）核心技术框架提示工程检索增强生成智能体技术微调技术提示工程落地RAG与智能体实践微调方法选择本章重点难点04生成式人工智能基础与应用（AIGC+创新思维）本章学习建议紧扣教材大量“小试牛刀”“思考讨论”“实践任务”设计1多结合真实案例理解概念2多参与“小试牛刀”类活动（如设计提示词、做简单分析）3可尝试小组合作完成综合实践任务4不只看结果，更重视分析过程的逻辑性本章学习建议感谢观看大语言模型是一种深刻改变人机交互的技术希望你通过本章，全面理解这一改变世界的技术创新生成式人工智能基础与应用（AIGC+创新思维）第2章大语言模型及其框架2.1大语言模型的概念与发展AIGC+创新思维目录大语言模型的发展历程02大语言模型的定义与核心特征01AIGC+创新思维生成式人工智能基础与应用01大语言模型的定义与核心特征生成式人工智能基础与应用（AIGC+创新思维）大语言模型的定义与核心特征

大语言模型是一类包含超大规模参数的神经网络模型，它通过对海量文本数据的学习，获得了强大的自然语言理解与生成能力。

从本质上来说，大语言模型试图模拟人类的语言认知机制，通过复杂的计算架构来实现类人的语言交互能力。定义1显著特征

这类模型最显著的特征在于其“规模效应”。当模型的参数规模达到一定程度时，会自然而然地产生一些令人惊叹的能力，如上下文理解、逻辑推理、知识迁移等。

这种现象在人工智能领域被称为“涌现能力”，它标志着模型不再局限于简单的模式识别，而是逐渐具备了某种程度的“理解”能力。

202大语言模型的发展历程生成式人工智能基础与应用（AIGC+创新思维）规则驱动的早期探索阶段（20世纪50年代—21世纪初）

1950年

约瑟夫·魏岑鲍姆开发的ELIZA系统是早期人机对话系统的重要尝试。它主要依靠简单的模式匹配和预设规则来模拟心理治疗师与患者的对话，缺乏真正的语言理解能力，但它首次展示了计算机与人类进行自然语言交互的可能性。20世纪60年代图灵测试

阿兰·图灵提出了著名的“图灵测试”，这一测试通过评估机器与人类的对话能力来判断机器是否具备智能，为后续语言处理系统的发展提供了重要的评估标准。N-gram模型通过分析词序列的统计规律来预测下一个可能出现的词，为语言建模提供了全新思路。同期，IBM公司在统计机器翻译项目中的研究成果，展示了统计方法在复杂语言任务中的应用潜力。

20世纪90年代ELIZA系统统计方法兴起神经网络复兴与深度学习崛起（2006年—2013年）

2006年

递归神经网络（RNN）的应用使得模型能够有效处理序列数据。RNN的创新之处在于其能够维护内部状态，使得网络可以“记住”之前处理过的信息，这一特性使其特别适合处理文本等序列数据。深度神经网络突破

杰弗里·辛顿及其研究团队重新提出深度神经网络方法，通过深度学习预训练技术解决了深层网络训练困难的问题，这一突破为自然语言处理领域带来了变革。

长短期记忆（LSTM）网络的改进为这一问题提供了解决方案。LSTM网络通过引入门控机制，使得模型能够选择性地存储和遗忘信息，有效解决了长期依赖问题。这使其在机器翻译、语音识别等需要长期记忆的任务中表现突出。

2013年RNN在序列处理中的应用LSTM网络的改进预训练语言模型的突破（2013年—2018年）

2013年

斯坦福大学年提出的GloVe模型，该模型结合全局词频统计与局部上下文预测，进一步完善了词嵌入技术，在保留语义关系的同时兼顾词语的使用频率，为大语言模型奠定了重要基础。2014年Word2Vec模型

托马斯·米科洛夫领导的研究团队提出了Word2Vec模型，其的创新之处在于它能够捕捉词语之间的语义关系，使得计算机首次能够以某种程度“理解”词语的含义。Google团队提出的Transformer架构，凭借自注意力机制直接计算序列中任意位置词语之间的关联强度，从根本上克服了RNN在并行计算与长距离依赖处理上的局限，为后续大语言模型的发展开辟了新道路。2017年GloVe模型Transformer架构

大语言模型的蓬勃发展期（2018年至今）

2018年2020年2022—2023年2024年BERT与GPT-1Google提出的BERT模型通过双向编码架构，以预测遮掩词语和判断句子关系的方式实现深层双向语言表示。而OpenAI推出的GPT-1则采用单向语言模型预训练，通过预测下一个词的任务确立“预训练—微调”范式。GPT-3

拥有1750亿参数的GPT-3凭借涌现能力，仅通过少量示例即可完成复杂任务，无需针对特定任务微调，显示了大语言模型向通用人工智能迈进的潜力。ChatGPT与GPT-42022年末，ChatGPT引入基于人类反馈的强化学习方法，显著提升了输出的质量、安全性与对话实用性。2023年，GPT-4进一步扩展多模态处理能力，同时能理解文本与处理图像输入。多模态突破GPT-4Turbo在推理能力、多语言处理及多模态输入输出方面持续深化，而Sora视频生成模型则实现了根据文本描述生成高质量视频，并支持图像转视频与视频编辑，在多模态生成领域取得重要突破。感谢观看梳理进化脉络，洞悉涌现本质希望你通过本节，建立更系统、更深刻的技术认知生成式人工智能基础与应用（AIGC+创新思维）第2章大语言模型及其框架2.2提示工程AIGC+创新思维目录提示词设计的原则与方法02提示工程的概念与特点01AIGC+创新思维生成式人工智能基础与应用提示工程的应用实践0301提示工程的概念与特点生成式人工智能基础与应用（AIGC+创新思维）定义提示工程是一门

融合语言理解、任务分析、创意构思的技术学科。也一种人与AI进行高效、精准沟通的方法论核心目标其核心目标是通过优化输入AI系统的文本提示，引导AI生成符合人类需求的内容。特

点语义精确性提示词的结构化思维良好的场景适应性

提示工程的概念与特点

02提示词设计的原则与方法生成式人工智能基础与应用（AIGC+创新思维）提示词设计的原则与方法科学的提示词设计需要基于CO-STAR框架。这一框架源自新加坡首届GPT-4提示工程大赛冠军张席拉的实践经验，它包含6个要素。CO-STAR框架

背景（Context）背景是提示词的基础，需要为AI提供充分的背景信息，包括行业趋势、项目情况和相关背景等。这些信息能帮助AI更好地理解任务环境，提供更有针对性的输出。

目标（Objective）目标需要明确指出任务的具体目的和期望效果。清晰的目标导向能够帮助AI更准确地完成任务，避免偏离预期方向。同时要考虑次要目标和优化空间，为AI预留适当的创造空间。风格（Style）语气（Tone）风格和语气的选择需要根据内容性质和使用场景做出判断。专业文档可能需要严谨的表达方式，而社交媒体内容则可能更适合活泼的语言风格。不同场合的情感基调也需要细致把握。

受众（Audience）受众分析要求我们深入了解目标群体的特征，以及兴趣偏好和需求诉求。这决定了内容的专业度和表达方式。

回应形式（Response）回应形式则需要明确指定输出的具体格式要求，包括文本组织方式、是否需要多媒体元素等，并建立清晰的质量标准。

03提示工程的应用实践生成式人工智能基础与应用（AIGC+创新思维）应用实践：教育培训领域个性化教学设计课程规划“作为一位经验丰富的教育专家，请为初中数学‘二次函数’单元设计为期两周的教学方案。要求包含：教学目标、重难点分析等。特别注重知识点的递进关系和学生已有知识基础。”练习题生成“基于高中物理‘力学’内容，设计一套包含基础、提高、挑战3个层次的练习题。每个层次5道题，并提供详细解析。基础题注重概念理解，提高题融入生活实例，挑战题需要综合多个知识点。”学习评估与反馈试卷分析“请分析这份数学试卷中学生的答题情况，指出常见错误和可能的知识盲点，并给出有针对性的补救建议。”学习诊断“基于学生近3次测验成绩和课堂表现，分析其学习特点，找出优势和不足，制订个性化的提升计划。”应用实践：医疗健康领域健康教育与宣传

科普文章“请用通俗易懂的语言解释‘高血压的日常预防’，面向40～60岁的中老年读者，重点说明饮食建议和运动注意事项。需要避免专业术语，多用生活化比喻。”患者指导“为一位新确诊的糖尿病患者制作生活指导手册，内容包括：饮食控制、运动建议、用药提醒和定期检查事项。语气要温和关怀，增强患者信心。”医疗记录处理

病历总结病历总结：“整理分析这份为期3个月的糖尿病患者随访记录，生成一份简明的病情进展报告，突出关键指标的变化趋势。”健康建议“基于这份体检报告，生成个性化的健康建议书，包括异常指标分析、生活方式改善建议和后续检查计划。”应用实践：商业营销领域社交媒体营销小红书笔记“作为美妆领域的资深博主，为这款新发布的精华液写一篇测评笔记。要求：标题吸引力强，内容真实客观，适当使用平台流行语，配合表情符号增强互动感。重点描述使用体验和效果对比。”抖音脚本“为一家新开的咖啡店设计15秒短视频文案，突出店铺特色和产品亮点。要求节奏轻快，画面感强，配合背景音乐建议。”品牌内容创作产品故事“以讲故事的方式介绍这款手工皮具的制作工艺，突出匠人精神和产品价值，激发消费者的情感共鸣。”节日营销“设计一套春节营销文案，包括朋友圈推文、促销海报文案和用户互动话题。融入传统节日元素，体现品牌调性。”应用实践：技术开发领域代码开发辅助功能实现“使用Python实现一个文件批量重命名工具，要求：支持正则匹配、批量操作、错误处理。请提供代码框架和关键函数实现。”代码重构“分析这段遗留代码，指出可能的性能瓶颈和维护隐患，提供重构建议，重点考虑代码复用性和可维护性。”技术文档编写

API文档“为这个支付接口编写技术文档，包含接口说明、参数定义、调用示例、错误码说明。文风专业简洁，重点突出安全性考虑。”部署指南“编写一份微服务架构的部署文档，面向初级运维工程师，包含环境配置、部署步骤、常见问题和故障排除指南。”

应用实践：生活服务领域旅行攻略设计一份为期一周的京都旅行规划，包含行程安排、景点推荐、美食地图和交通建议。特别注意季节特色和当地文化体验。”家居整理“设计一份家居收纳指南，针对小户型住宅，提供具体的空间优化和收纳方案，配合实用小技巧。”时间管理“设计一套适合上班族的时间管理方案，包含每日计划模板、工作效率提升技巧和压力调节建议。”职业规划“为一位想转行产品经理的程序员制订职业转型计划，包含技能培养路径、学习资源推荐和阶段性目标设定。”生活指南个人提升感谢观看掌握提示工程，开启协作新元希望你通过本节，建立更系统、更前沿的AI协作认知生成式人工智能基础与应用（AIGC+创新思维）第2章大语言模型及其框架2.3检索增强生成AIGC+创新思维目录RAG的系统架构与技术实现02RAG的概念与本质01AIGC+创新思维生成式人工智能基础与应用RAG在不同场景中的应用价值0301RAG的概念与本质生成式人工智能基础与应用（AIGC+创新思维）诞生背景从字面来看，RAG由检索（Retrieval）、增强（Augmentation）、生成（Generation）三部分组成，是将外部知识检索与大语言模型生成相结合的技术架构。核心是为了解决大语言模型的两大根本性局限，让AI的回答更符合实际需求。核心问题大语言模型的核心问题主要有两个，一是知识截断，模型的训练数据有时间截止点，无法获取最新信息，会导致回答过时；二是模型“幻觉”，模型可能生成看似合理但实际错误的内容，还表现得十分自信，让人难以辨别真伪。工作机制RAG系统首先会从预先构建的知识库中检索与用户查询相关的信息。基于深度语义的向量检索，能够捕获查询与文档之间的语义关联。检索到的相关信息随后会作为额外的上下文输入大语言模型，帮助模型生成更加准确、可靠的回答。现象分析——创新性问题解决的首要阶段找准创新起点，把握问题本质RAG的内涵12302RAG的系统架构与技术实现生成式人工智能基础与应用（AIGC+创新思维）知识准备模块语义检索模块智能生成模块010203RAG的系统架构与技术实现处理清洗知识并构建向量知识库融合检索信息生成自然连贯的回答基于用户查询检索匹配相关知识片段03RAG在不同场景中的应用价值生成式人工智能基础与应用（AIGC+创新思维）RAG凭借其强大的知识增强能力，在多个领域展现出显著的应用价值。下面将详细探讨其在不同场景中的具体应用。实战训练企业知识管理（1）技术支持：基于产品手册、故障案例和解决方案文档，为管理人员提供精准的答案建议（2）内部培训：整合企业内部的各类文档、培训材料和最佳实践，帮助新员工快速掌握工作所需的知识技能。（3）决策支持：结合市场分析报告、竞品信息和行业动态，为管理层提供数据支持的决策建议。专业服务领域（1）医疗健康：结合医学文献与临床指南，辅助诊疗决策。（2）法律服务：基于法律法规与案例，提供专业咨询建议。（3）金融服务：整合市场数据与研究报告，支持投资决策。RAG在不同场景中的应用价值

教育培训（1）个性化学习：根据教材与进度生成定制化练习内容。（2）智能答疑：基于教材与解析，提供可靠的解答。（3）教学辅助：为教师设计课程内容与教学策略提供支持。

RAG的优势RAG的优势在于提供准确答案，同时确保其可追溯性与时效性通过实时更新知识库与语言生成能力结合，为AI可靠性与实用性提供保障随着向量检索与大模型能力提升，RAG将在更多领域发挥作用，推动AI应用发展感谢观看找准创新起点，把握问题本质希望你通过本节，具备更清晰、更直观的分析认知生成式人工智能基础与应用（AIGC+创新思维）第2章大语言模型及其框架2.4智能体技术AIGC+创新思维目录基于大语言模型的智能体设计方法02智能体的概念与特性01AIGC+创新思维生成式人工智能基础与应用智能体的开发工具与实践03智能体在任务自动化领域的应用0401智能体的概念与特性生成式人工智能基础与应用（AIGC+创新思维）核心概念智能体代表了人工智能领域的一个重要发展方向，它是一种能够自主感知环境、制定决策并采取行动以实现特定目标的AI系统。核心特征智能体具备六大能力：自主完成复杂任务，多模态感知环境，自主决策并动态调整，通过接口执行操作，从经验中学习优化，可与环境、智能体及人类交互。重要价值相比于单纯的大语言模型，智能体表现出更强的目标导向性和问题解决能力。它不仅能理解和分析问题，还能主动采取行动，持续优化解决方案，直至达成预定目标。现象分析——创新性问题解决的首要阶段找准创新起点，把握问题本质智能体的概念与特性12302基于大语言模型的智能体设计方法生成式人工智能基础与应用（AIGC+创新思维）智能体大语言模型智能体的“大脑”，负责理解指令、生成计划、支持推理，以GPT系列、BERT、T5等为代表，依托自回归、注意力机制与Transformer架构实现强大的理解与生成能力规划模块负责将复杂任务分解为可执行子任务，支持动态调整，常用子任务分解、思维链（CoT）、思维树（ToT）技术，通过提示工程引导智能体系统应对复杂场景智能体的四大核心模块架构记忆模块支持短期记忆与长期记忆：短期记忆存储当前任务上下文，通过滑动窗口实现；长期记忆存储跨任务知识，依托向量数据库与RAG技术实现信息检索复用工具使用模块通过函数调用（FunctionCalling）调用外部资源，包括搜索引擎、计算器、代码执行器、数据库查询、API调用等，大幅扩展智能体解决实际问题的能力边界03智能体的开发工具与实践生成式人工智能基础与应用（AIGC+创新思维）扣子空间为抖音推出的低门槛AI智能体开发平台，适配AI应用开发个人与团队，提供超60款覆盖多领域场景插件，支持多格式知识库与本地/在线资源集成，兼具长期记忆、定时任务及可视化工作流设计等特色功能扣子空间FastGPT是专注知识库训练与自动化工作流编排的平台，提供可视化界面，支持多格式文档导入、多库复用、混合检索重排，以及数据预处理、流程编排与API集成，可快速搭建知识库问答系统，适配高自动化与API集成需求项目。FastGPTDify是开源的大语言模型应用开发平台，融合BaaS与LLMOps理念，支持强大工作流、全模型兼容、PromptIDE、RAGPipeline及智能体能力，适配需要灵活定制工作流、模型对比与智能体功能的项目。DifyRagFlow是基于深度文档理解构建的开源RAG引擎，具备深度文档理解、灵活分段处理、多格式兼容、全自动化流程与智能体支持优势，适配复杂文档处理与高定制化RAG工作流需求的项目。RagFlow04智能体在任务自动化领域的应用生成式人工智能基础与应用（AIGC+创新思维）核心定位：智能体技术在任务自动化领域展现出广阔应用前景，覆盖个人、企业与社会多个层面。智能体在任务自动化领域的应用主要应用场景：创意设计/产品开发：作为创意助手，提供灵感与优化方案软件开发：设计测试用例、执行测试并生成Bug报告，提升效率教育领域：定制个性化学习计划与内容企业服务：智能客服，精准响应客户需求研究领域：文献分析、生成综述、提出研究方向金融领域：市场监控与投资决策支持医疗领域：整合病历与研究，辅助诊疗方案制定城市管理：数据分析优化交通，预判并解决城市问题个人生活：日程管理、个性化建议与决策辅助感谢观看找准创新起点，把握问题本质希望你通过本节，具备更清晰、更直观的分析认知生成式人工智能基础与应用（AIGC+创新思维）第2章大语言模型及其框架2.5微调AIGC+创新思维目录微调的主要方法与技术特点02微调的概念与优势01AIGC+创新思维生成式人工智能基础与应用微调的实施流程与最佳实践03微调的应用前景与发展趋势0401微调的概念与优势生成式人工智能基础与应用（AIGC+创新思维）微调的概念微调在特定领域数据集上对预训练模型进行额外训练，使预训练大语言模型适应特定任务或领域的技术方法。核心理念"预训练+微调"范式预训练模型微调过程专业模型微调流程示意1大规模预训练2领域数据收集3微调训练4领域专用模型微调的优势节省训练时间利用预训练模型已学习到的通用语言知识，无需从零开始训练大幅减少计算资源消耗数据需求小所需数据量显著减少，特别适合垂直领域的专业应用场景降低数据收集成本保持通用能力在适配特定任务的同时，保留模型的通用理解能力避免过度专业化02微调的主要方法与技术特点生成式人工智能基础与应用（AIGC+创新思维）全参数微调方法概述全参数微调是指在微调过程中更新模型的所有参数，让模型完全适应特定任务的需求。优势效果最佳，模型完全适配任务能够充分利用领域数据特征模型表达能力不受限制挑战与局限计算成本高灾难性遗忘存储需求大适用场景大规模领域数据可用计算资源充足对模型性能要求极高参数高效微调1Prompt-tuning优化输入提示，不修改模型参数，通过学习最优的提示模板来引导模型输出参数更新：仅提示词计算成本：极低适用：简单任务2Prefix-tuning在输入前添加可学习前缀，只训练前缀参数，保持原模型参数冻结参数更新：前缀向量计算成本：低适用：生成任务3LoRA低秩适应，通过低秩矩阵更新参数，效率高且效果好，是当前最流行的PEFT方法参数更新：低秩矩阵计算成本：中等适用：各类任务03微调的实施流程与最佳实践生成式人工智能基础与应用（AIGC+创新思维）微调实施流程01数据准备数据质量与代表性是微调成功的关键搜集与目标任务相匹配的专业领域数据，确保数据多样性与代表性细致的数据清洗与预处理，完成数据筛选与质量管控质量差的训练数据会直接导致模型性能下降02参数配置根据具体任务与资源情况优化参数配置优化超参数：设置学习率、批量大小、训练周期等超参数专属参数设置：针对LoRA等方法，合理配置秩（Rank）、缩放系数（Alpha）等特定参数良好的参数配置可显著提升效果并加快收敛速度03训练监控实时监控性能，优化训练过程通过验证集，及时发现并解决过拟合或欠拟合问题采用早停等策略来优化训练过程，在达到最佳效果时及时结束训练04性能评估选择微调架构从多维度对模型进行性能评估关注准确率、推理速度、资源消耗等指标全面评估保障模型满足实际部署需求04微调的应用前景与发展趋势生成式人工智能基础与应用（AIGC+创新思维）微调的发展趋势算法创新多模态LoRA混合预训练策略自适应微调平台优化一站式微调平台自动化流程低代码/无代码行业落地垂直领域最佳实践微调即服务行业专用模型微调是连接通用AI与垂直场景的桥梁随着大语言模型能力的不断提升，微调技术将成为AI落地的关键路径。未来的发展趋势是更加高效、自动化、低门槛，让各行各业都能轻松利用AI技术创造价值。本节小结核心概念微调是大模型落地关键，在领域数据上训练预训练模型，使其适配专业任务，兼具高效省资源、避免过度特化的优势。实施流程遵循数据准备、参数配置、训练监控、性能评估四大环节，保障质量与效果。方法选择全参数微调：更新全部参数，效果好但资源消耗大，易出现“灾难性遗忘”参数高效微调（PEFT）：轻量化方案（如LoRA、Prompt-tuning），平衡效果与效率。未来展望向算法创新、平台自动化、行业落地演进，成为连接通用AI与垂直场景的桥梁。感谢观看掌握模型微调，适配特定需求希望你通过本节，建立更高效、更灵活的AI模型应用认知生成式人工智能基础与应用（AIGC+创新思维）第3章GAI工具与应用生成式人工智能基础与应用（AIGC+创新思维）AIGC+创新思维目录本章整体结构02本章重点难点03本章学习建议04本章学习目标01AIGC+创新思维生成式人工智能基础与应用01本章学习目标生成式人工智能基础与应用（AIGC+创新思维）全面了解当前主流GAI工具的特点和适用场景1掌握GAI工具的基本使用范式和最佳实践2理解多模态融合在GAI应用中的重要作用3能够根据实际需求选择合适的GAI工具并加以应用4掌握GAI工具在实际项目中的应用方法和注意事项5本章学习目标02本章整体结构生成式人工智能基础与应用（AIGC+创新思维）本章整体结构03本章重点难点生成式人工智能基础与应用（AIGC+创新思维）重点难点主流GAI工具的特点与使用场景GAI工具的通用使用范式GAI在多场景的应用方法多模态工具的协同使用生成—评估—优化循环的落地场景化应用范式的灵活切换本章重点难点04生成式人工智能基础与应用（AIGC+创新思维）本章学习建议紧扣教材大量“小试牛刀”“思考讨论”“实践任务”设计1通过“小试牛刀”任务，主动试用不同类型GAI工具2对照工具全景表，主动练习任务与工具的精准匹配3记录提示词与参数设置，沉淀个性化的优化经验库4结合行业案例，思考GAI与自身专业/行业的结合点与应用场景本章学习建议感谢观看善用GAI工具，赋能创新实践希望你通过本章，能够熟练驾驭GAI工具生成式人工智能基础与应用（AIGC+创新思维）第3章GAI工具与应用3.1GAI主流工具与平台AIGC+创新思维目录图像生成工具

02文本生成工具01AIGC+创新思维生成式人工智能基础与应用编程辅助工具

04音视频生成工具

0301文本生成工具生成式人工智能基础与应用（AIGC+创新思维）文本生成工具①DeepSeek②ChatGPT③豆包④通义千问⑤Kimi杭州深度求索公司开发的GAI工具，提供文本对话、代码开发、数学计算和图像理解等多模态功能。特点：保持与顶级模型相当性能的同时，将运算成本降至较低水平。ChatGPT是由OpenAI开发的智能对话工具。特点：出色的自然语言处理能力、强大的文本生成和代码编写能力。豆包是由抖音基于自研云雀模型推出的智能对话工具。特点：全面的知识问答和文本创作能力、个性化的语言学习支持。通义千问是由阿里云开发的大语言模型工具，基于改进的Transformer架构，利用万亿规模的多语言数据进行训练。特点：多模态处理能力，能够理解图像、视频等多种形式的输入。Kimi是由月之暗面开发的智能对话工具。特点：突破性的长文本处理能力02图像生成工具生成式人工智能基础与应用（AIGC+创新思维）图像生成工具StableDiffusion⚫由StabilityAI开发的开源图像生成工具，自2022年8月推出后迅速成为该领域的标杆产品⚫最显著特点：高度的可定制性和丰富的生态系统。Midjourney⚫Midjourney开发的AI绘画工具，以其卓越的艺术表现力在商业图像生成领域占据重要地位。⚫

最大特色：能够生成具有高度艺术感、细节丰富的图像，支持多种艺术风格的切换。图像生成工具即梦AI⚫抖音旗下的创意生成平台，专注于中文用户的图像和视频创作需求。⚫

最大优势：对中文语境的深度理解和本土化设计风格的优秀表现，特别擅长处理中国传统文化元素。03音视频生成工具生成式人工智能基础与应用（AIGC+创新思维）音视频生成工具Sora⚫OpenAI在2024年推出的革命性视频生成工具，代表了GAI在视频创作领域的突破。⚫特点：①能够基于文本描述或静态图像生成高质量视频②能准确理解复杂的场景描述③还能生成符合物理规律、画面连贯的视频内容Suno⚫一款由音乐家和人工智能专家团队开发的AI音乐生成工具。⚫

特点：①支持通过文本描述生成完整歌曲②基于用户提供的6～60秒音频输入（简单的节奏或哼唱）创作音乐③能够生成多种语言和风格的音乐作品音视频生成工具可灵⚫

可灵由快手AI团队推出，在视频生成和AI模特展示领域表现出色。⚫

特点：提供AI模特、换装等特色功能，以及完善的视频编辑工具，可灵为商业广告和产品展示提供了专业的解决方案。

04编程辅助工具生成式人工智能基础与应用（AIGC+创新思维）编程辅助工具Cursor⚫Cursor作为一款备受欢迎的AI代码编辑器，以其智能化的编程体验著称。⚫特点：支持团队协作功能，让多名开发者能够实时共享代码并进行讨论GitHubCopilot⚫GitHubCopilot是由微软、GitHub和OpenAI联合打造的AI编程助手。⚫

特点：①能够基于上下文自动生成代码②提供错误修正和代码优化建议③支持多种主流编程语言和集成各类主流开发环境编程辅助工具Trae⚫

抖音面向全球开发者推出的AI编程工具。⚫

特点：对中文的原生支持和多模态交互能力

感谢观看熟知GAI主流工具特性，找准创新应用落点希望你通过本节，明晰各类GAI工具特性与应用方向生成式人工智能基础与应用（AIGC+创新思维）第3章GAI工具与应用3.2GAI工具的使用范式AIGC+创新思维目录分场景应用范式02通用工作流范式01AIGC+创新思维生成式人工智能基础与应用01通用工作流范式生成式人工智能基础与应用（AIGC+创新思维）需求拆解与场景定位输入规范与参数设置生成—评估—优化循环010203通用工作流范式三级定位法01.需求拆解与场景定位任务属性识别复杂度评估工具链配置①②③用户需求任务属性识别复杂度评估工具链配置最终方案①任务属性识别

②复杂度评估③工具链配置首先，需要准确识别任务的核心属性。⚫GAI任务通常可以分为内容生成、逻辑推理和艺术创作三大类。在确定任务属性后，需要对其复杂度进行评估。基于前述分析，我们可以构建“基础模型+垂直工具+增强组件”的弹性工具链架构。⚫基础模型提供核心的理解和生成能力⚫垂直工具负责特定领域的专业处理⚫增强组件用于功能扩展和流程优化01.需求拆解与场景定位01.需求拆解与场景定位示范案例：智能营销方案生成下面通过一个智能营销方案的生成案例来说明“三级定位法”流程⚫首先，使用豆包进行需求分析，明确营销传播的核心目标，并深入研究目标受众的特征和行为习惯。⚫随后，通过扣子空间平台构建完整的营销方案生成工作流。这包括创意文案的生成、视觉设计的规划以及传播策略的制定。⚫在视觉设计环节，我们使用Midjourney生成符合品牌调性的场景图片。⚫接下来进入关键的审核环节，DeepSeek对方案进行合规审核，发现问题即时反馈修正，形成闭环质控机制。1.需求分析豆包市场研究数据处理2.方案生成扣子平台创意文案+传播策略3.视觉设计Midjourney品牌场景图生成4.合规审核DeepSeek广告法规+品牌风险审核流程需要修改①结构化输入设计

②参数配置策略结构化的输入是提升AI生成质量的关键。使用“三维提示词框架”可帮助用户有效地构建输入内容。

⚫首先是角色定义，即明确告知AI模型应该以什么样的身份和专业背景来处理任务。

⚫其次是格式约束，指定输出内容的具体形式和结构。

⚫最后是条件限定，明确任务中的特殊要求和限制条件。评估在使用GAI工具时，合理配置参数对于获得理想的输出结果至关重要。（1）创意度参数⚫作用：控制AI输出的自由度，高数值提升多样性与创造性，低数值让输出更稳定保守。⚫应用场景：严谨内容（公文、法律文书）：0.3~0.5创意表达（文学创作、广告文案）：0.7~1.0（2）回答范围参数⚫作用：控制AI的词汇选择范围，高数值（如0.9）适配专业表达，低数值（如0.5）适配通俗表达。⚫应用场景：专业技术文档：高回答范围值，确保术语准确大众普及内容：低回答范围值，确保通俗易懂（3）无直接参数调整的替代方法：通过精心设计提示词实现类似效果。（4）典型任务参数配置建议专业内容生成（技术文档/学术论文）：创意度0.2~0.4+回答范围值0.95，确保专业性与准确性。创意写作（诗歌/故事）：创意度0.7~1.0+回答范围值0.5~0.7，兼顾文学性与表达优雅。02.输入规范与参数设置①评估体系构建

②优化策略设计建立科学的评估体系是提升GAI输出质量的关键。⚫准确性：重点关注生成内容与原始任务需求的匹配程度。⚫创新性：聚焦于内容的独特价值。⚫实用性：着眼于内容在实际场景中的应用价值。⚫一致性：评估主要关注生成结果的稳定性和可控性关注生成结果的稳定性。评估基于全面的评估体系，我们需要制定系统化的优化策略，不断提升GAI输出的质量。⚫提示词修正：优化过程中最基础也是最关键的环节，调整提示词结构与细节，明确专业领域、组织形式，补充正反例提升AI理解。⚫参数调整：提升生成质量的技术保障，根据任务精细调整创意度、回答范围等参数，平衡创造性与准确性。⚫数据增强：着眼于提升AI模型的理解能力，补充高质量参考样本，建立样本库，辅助AI把握任务要求与输出标准。03.生成—评估—优化循环示范案例：即梦AI图像优化⚫基础生成：输入指定提示词，设置精细度30，生成基础视觉效果初稿。⚫智能画布优化：用局部重绘优化建筑细节与光影，通过扩图扩展构图、丰富画面层次。⚫参数调节：按需切换风格模型，调整色彩饱和度，将画面比例改为16:9宽屏。⚫质量提升：使用高清放大功能提高分辨率，借助消除抠图清理冗余元素。⚫效果验证：对比优化前后效果，未达预期则返回任意步骤调整或更换提示词。03.生成—评估—优化循环02分场景应用范式生成式人工智能基础与应用（AIGC+创新思维）内容创作范式

编程开发范式创意设计范式010203分场景应用范式内容创作范式可分为输入层、处理层和输出层这3个层次01.内容创作范式进行深入的场景分析，明确目标受众、传播渠道和核心诉求处理层是内容生产的核心环节。通过豆包等工具生成初稿，重点关注内容的完整性和专业性。重点：确保内容在不同平台上的适配性。输入层1.场景分析2.素材收集3.结构设计处理层1.初稿生成（豆包）2.视觉化（即梦AI）3.多模态整合输出层1.格式修改2.符合平台规范GAI在编程开发中的应用主要围绕提升开发效率和代码质量展开02.编程开发范式在需求描述阶段，开发者需要使用清晰、结构化的语言描述功能需求和技术约束。在质量检测环节，GAI工具可以自动执行代码审查，识别潜在的性能问题和安全漏洞。在文档编写方面，AI可以自动生成API文档，并基于代码结构绘制系统流程图，大大减轻开发人员的工作负担。需求描述1.Copilot代码建议2.Cursor实时调试质量检测1.代码审查2.代码用例生成文档自动化1.API文档生成2.流程图输出创意设计的工作流程包括灵感激发和动态演绎03.创意设计范式使用Suno等工具生成背景音乐，营造特定的创作氛围。通过Midjourney等工具将概念可视化，快速验证设计思路。使用Sora等工具能够生成视频内容，为静态设计注入动态元素。使用可灵等GAI工具的虚拟人合成技术，通过数字人形象增强作品的交互性和沉浸感。

灵感激发1.Suno生成背景音乐2.概念可视化（Midjourney）动态演绎1.Sora视频生成2.交互增强（虚拟人合成）感谢观看精研GAI工具范式，深耕创新应用实操希望你通过本节，明晰GAI工具实操逻辑与应用方法生成式人工智能基础与应用（AIGC+创新思维）第3章GAI工具与应用3.3GAI工具的应用AIGC+创新思维目录工作应用02生活应用01AIGC+创新思维生成式人工智能基础与应用商业应用04科研应用0301生活应用生成式人工智能基础与应用（AIGC+创新思维）智能家电的革新应用在家电领域，GAI技术正在掀起一场变革。长虹“云帆”AI平台：拥有五大核心能力，实现家电智能联动，可自动适配观影等场景的设备与环境参数。CHIQ电视系统：升级AI交互能力，能理解用户意图，支持语音完成消费、生活等多样化任务，落地“对话即服务”。个人健康管理的智能升级在个人健康管理领域，GAI技术正在推动服务模式从被动响应向主动预防转变。讯飞晓医App：依托医疗大语言模型，整合症状自查、报告解读、中医辨证等七大核心功能。核心优势：可自动生成健康趋势、预警风险，智能匹配医疗资源，还能结合用户情况提供个性化中西医及饮食指导。生活应用生活服务的智能整合GAI技术正在深刻重塑生活服务领域的用户体验，推动服务模式从传统的“找寻式”向智能化的“对话式”转变。支付宝“支小宝”：整合大语言模型与服务生态，推动服务模式从“找寻式”向“对话式”升级。交互升级：对话式交互，自然语言表达，降低操作门槛。场景覆盖：覆盖通勤、旅游、车主等全场景服务。02工作应用生成式人工智能基础与应用（AIGC+创新思维）智能文案创作在内容创作领域，GAI技术正在为创作者带来革命性创作体验。抖音豆包：覆盖选题、素材、创作、优化全流程写作模块。核心价值：生成选题标题，提供受众洞察，提升创作效率与质量。PPT文档制作在效率工具领域，DeepSeek与Kimi的协同应用正在重塑传统的PPT制作流程。DeepSeek+Kimi：一站式演示文稿解决方案，突破传统制作流程。核心流程：生成Markdown框架，一键转PPT并配专业模板，高效出稿。工作应用数据分析与商业决策在商业分析领域，GAI和大语言模型正在与传统数据分析平台深度融合，带来决策支持模式的重大变革。京东零售：GAI融合数据可视化平台，支持自然语言生成看板。核心能力：自动生成分析报告，降低门槛，推动数据决策民主化。03科研应用生成式人工智能基础与应用（AIGC+创新思维）论文研究辅助在科研领域，GAI技术正在通过智能化工具重塑学术研究范式。秘塔AI搜索：提供学术场景专业搜索，精准理解意图并整理检索结果。核心能力：支持中英文混合搜索与规范引文，可生成演示文稿，提升科研与交流效率。实验设计与模拟在人工智能的应用研究中，高质量的数据和高效的计算模型是取得突破的关键。青岛崂山实验室：汇聚多源异构数据，打造高质量训练数据集。核心成果：优化模型性能与成本，借助“海语”大模型辅助科研，推动科研范式向数据智能转变。科研应用专业知识图表构建在科研数据分析过程中，GAI技术为研究数据可视化提供了多样化的解决方案。代表平台：OpenAIo3-mini、DeepSeek-R1、KimiK1.5可智能生成多样可视化图表。核心特点：自动推荐可视化方案，提升效率；部分场景需人工审核，复杂数据可能出现误差。04商业应用生成式人工智能基础与应用（AIGC+创新思维）营销与品牌推广在商业营销领域，GAI技术正在为品牌营销带来变革。京东6・18案例：采用百度文心一格AI图像技术，多模态生成营销海报，精准传递品牌主张。核心价值：智能生成营销内容并快速迭代，实时追踪反馈优化投放，助力品牌战略转型。智能客服升级在客户服务领域，GAI技术通过深度学习和自然语言处理能力，正在推动企业客服体系的智能化革新。企业微信+DeepSeek：突破时间与效率限制，提供7×24小时智能服务。核心能力：精准解答产品与服务问题，智能管理客户情绪，提炼需求制定个性化策略，降本增效。商业应用数字员工赋能在企业运营层面，GAI技术正在创造新型的数字员工生态。科大讯飞星火V4.0：打造智能助手系列，落地销售培训、合同管理等多场景。核心成果：合同审核时长大幅缩短，快速完成文件与资质审查，赋能人机协同，助力企业数字化转型。感谢观看洞悉GAI多元应用，掌握跨领域落地方法希望你通过本节，吃透GAI多域应用，练就实战硬本领生成式人工智能基础与应用（AIGC+创新思维）第4章运用GAI进行现象分析生成式人工智能基础与应用（AIGC+创新思维）AIGC+创新思维目录本章整体结构02本章重点难点03本章学习建议04本章学习目标01AIGC+创新思维生成式人工智能基础与应用01本章学习目标生成式人工智能基础与应用（AIGC+创新思维）掌握现象分析的概念与方法1掌握SWOT、PEST、同理心地图等分析工具2了解并实践GAI技术在现象分析中的应用（提示词工程、智能体构建）3能借助GAI工具

从复杂数据中提取关键信息、洞察规律4学会将分析结果转化为决策支持5本章学习目标02本章整体结构生成式人工智能基础与应用（AIGC+创新思维）本章整体结构03本章重点难点生成式人工智能基础与应用（AIGC+创新思维）重点难点三类核心分析工具SWOT分析PEST分析同理心地图CO-STAR提示词设计框架AIGC辅助现象分析的基本方法提示词的“结构化设计”判断AI分析结果的合理性把分析结论真正转化为决策建议本章重点难点04生成式人工智能基础与应用（AIGC+创新思维）本章学习建议紧扣教材大量“小试牛刀”“思考讨论”“实践任务”活动1多结合真实案例理解概念2多参与“小试牛刀”类活动（如设计提示词、做简单分析）3可尝试小组合作完成综合实践任务4不只看结果，更重视分析过程的逻辑性本章学习建议感谢观看现象分析是一种重要的思维能力希望你通过本章，具备更理性、更深入的分析视角生成式人工智能基础与应用（AIGC+创新思维）第4章运用GAI进行现象分析4.1睁眼看世界——现象分析AIGC+创新思维目录现象分析的方法02现象分析的概念01AIGC+创新思维生成式人工智能基础与应用01现象分析的概念生成式人工智能基础与应用（AIGC+创新思维）定义涉及基于个体或群体的直观认识和兴趣，对特定现象进行初步感知和理解。通过用户调研、竞品分析、行业访谈等广泛收集资料，利用发散性与收敛性思考形成对问题和现实需求的全面理解，明确与现象相关的核心问题。目标从大量冗杂信息中筛选出理解现象的关键核心要素。为后续的问题探索、方案设计、原型迭代和价值推广奠定基础，有效推动解决方案的发展和实施。重要性是创新和市场突破的关键起点和突破复杂环境、应对多样需求的前提。现象分析——创新性问题解决的首要阶段找准创新起点，把握问题本质现象分析的概念12302现象分析的方法生成式人工智能基础与应用（AIGC+创新思维）SWOT分析PEST分析同理心地图010203现象分析的方法SWOT分析是一种战略规划工具。用于评估个人、企业、组织或项目的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。帮助组织或个人了解内外部环境，制定战略规划和决策。SWOT内部资源外部环境优势（Strengths）⚫组织层面：组织整体的核心竞争力和独特资源，如品牌影响力、市场渠道、技术研发能力等。⚫个人层面：团队成员或个人的技能优势，如专业知识、行业经验、沟通和协调能力等。劣势（Weaknesses）⚫组织层面：限制组织目标实现的短板，如资金不足、技术创新能力弱、市场定位模糊等。⚫个人层面：个人能力或团队成员存在的不足，如经验不足、技能单一、决策效率低等。1.SWOT分析机会（Opportunities）⚫组织层面：有利于组织发展的外部环境机会，如市场扩张、新兴技术趋势、行业政策支持等。⚫个人层面：团队或个人在外部环境中的成长空间，如技能提升、行业机遇等。威胁（Threats）⚫组织层面：外部环境对组织的不利影响，如竞争加剧、行业法规变化、经济波动等。⚫个人层面：外部挑战，如快速变化的技术要求、职业市场的激烈竞争等。①确定目标②信息收集③分类整理④分析交互⑤制定战略⑥实施与监控⑦定期回顾SWOT分析明确分析对象，可以是一个企业、项目、产品或个人的特定目标。收集关于内部优势和劣势的信息，以及外部环境中的机会和威胁。（内部讨论、市场调研、竞争分析等）根据SWOT四个维度分类收集信息。内部因素主要关注优势和劣势，外部因素集中在机会和威胁上。1.SWOT分析将不同维度的信息进行交互分析。比如如何利用优势去抓住机会，如何减少劣势来应对威胁。制定相应的行动计划：⚫SO策略（优势与机会）：利用优势抓住机会。⚫WO策略（劣势与机会）：通过改善劣势来抓住机会。⚫ST策略（优势与威胁）：利用优势抵御威胁。⚫WT策略（劣势与威胁）：减少劣势，避免或减轻威胁的影响。制定具体的行动计划，设立监控指标。根据企业内外部环境的变化不断更新。1.示范案例：职业转型的SWOT分析背景：李华是一位在金融行业工作了10年的资深分析师，一直对科技行业抱有兴趣，并考虑转型为一位数据科学家。他决定进行SWOT分析，评估职业转变的优势、劣势、机会和威胁。优势（Strengths）①拥有强大的数据分析和金融建模技能。②对金融市场有深入了解，能够将知识应用于数据分析中。③拥有数学和统计学硕士学位。劣势（Weaknesses）①缺乏编程和机器学习方面的实战经验。②转行需要大量时间可能会影响当前的工作和收入。③存在一定的职业风险。机会（Opportunities）①行业需求增长，金融科技等领域对数据科学家需求旺盛。②大数据与AI技术发展，数据科学在金融行业应用前景广阔。③丰富的在线课程和认证项目为转行提供了便捷的学习途径。威胁（Threats）①技术更新换代快，需持续学习以保持竞争力。②行业竞争激烈，岗位争夺激烈。③经济不确定性可能影响科技行业的就业市场。SWOT基于SWOT分析的结果，李华做出了以下决策。（1）报名在线课程，提升编程和机器学习技能。（2）参与兼职项目，积累实战经验。（3）拓展行业人脉，参加行业会议和研讨会。（4）做好财务规划，应对收入可能下降的情况。（5）制订长期的学习计划，紧跟技术发展。PEST分析是一种宏观环境分析工具。通过评估政治（Political）、经济（Economic）、社会（Social）和技术（Technological）四个维度的影响因素，帮助组织和企业理解外部环境对其运营和战略的潜在影响。使企业/组织能够识别和把握宏观层面的机会与威胁，从而制定战略决策，确保长期可持续发展和竞争优势。PEST政治因素（Political)政府政策、法律法规、税收政策、贸易限制、政治稳定性、环保法规、产业政策等，直接或间接影响到企业的运营和发展。经济因素（Economi