AIGC项目实践：从入门到行业应用课件 项目1 初识AIGC

项目1

初识AIGC目录01项目情境&学习目标02工具清单03知识准备04项目实施05项目拓展&项目小结01项目情境&学习目标项目情境伴随AIGC技术由探索阶段迈入规模化应用，读者需在夯实单一工具操作基础的同时，构建科学的选型与评估能力。本项目设计“构建AIGC工具分类认知框架—文本类AIGC工具生成差异初体验—图像类AIGC工具生成差异初体验”三阶递进任务，引导读者初步建立对AIGC工具的基本认知与差异感知。通过“谷雨”节气主题的轻量体验，帮助读者形成对AIGC技术“工具有类别、输出有差异”的初步认知，为后续学习奠定坚实基础。学习目标知识目标能够准确描述AIGC的概念与内涵，理解AIGC作为智能化内容生产工具的技术本质。熟悉AIGC的4个发展阶段，明确各阶段的标志性技术特征与应用局限。了解AIGC应用的挑战与实践准则，掌握主流工具的分类维度。能够根据简单的任务场景，初步判断并选择合适的AIGC工具类型。能够独立完成代表性AIGC工具的基础注册与操作，了解其核心交互逻辑。能够规范完成文本与图像生成的基础操作，客观描述生成内容在呈现形式上的直观差异。树立严格的版权保护观念，在实践中规避数据泄露、算法偏见及虚假信息生成风险。培养人机协同的职业思维，认识到AIGC是提升工作效率的辅助工具，而非替代人类创造力的主体，建立理性的技术应用观。在工具使用中体会自主技术在解决实际问题中的应用价值，增强利用AIGC工具服务行业发展的责任感。能力目标素养目标02工具清单AIGC工具导航平台概述：AIGC工具导航平台是一个集成化的网页门户，可实现工具的一站式访问、分类认知与对比操作。工具清单注册AIGC工具：为确保后续所有项目的流畅进行，需要至少完成文心一言、通义千问、通义万相和即梦AI4个AIGC工具的账号注册与登录。工具清单03知识准备1.1AI和AIGC概述AIGC并非孤立的技术突现，而是AI发展到特定阶段的产物。要理解AIGC，必须先建立对AI的系统认知。1．AI的定义与范畴AI是由科学家约翰·麦卡锡于1956年在达特茅斯会议上正式提出的术语。AI是研究和开发用于模拟、延伸和扩展人类的智能的理论、方法、技术及应用系统的一门新技术科学。AI并非简单的程序自动化，而是试图从根本上模拟人类认知活动的规律，构建具有一定智能的人工系统。AI目前已经发展成为计算机科学的一个关键且高度综合的分支学科。在当代数据驱动的AI技术体系中，依据模型的核心功能目标与数学建模逻辑，可将主流方法归纳为3类功能导向范式：判别式（聚焦分类与识别）、决策式（聚焦序贯行动优化）和生成式（聚焦内容创造）。理论基础层理论基础层奠定了整个AI技术体系的基石，涵盖机器学习与深度学习1.1AI和AIGC概述030102核心能力层核心能力层将算法转化为处理多模态信息的感知与认知能力，主要通过计算机视觉、自然语言处理和知识图谱3个方向实现。决策与行动层决策与行动层将感知与认知结果转化为具体的物理动作或复杂决策策略，标志着AI从信息处理迈向实际执行的关键步骤。决策与行动层涵盖决策智能和机器人学两大领域。2．AI的核心技术体系AI的核心技术体系是多学科交叉融合的成果，呈现出清晰的三层递进架构。3．AI发展的三大基础要素AI技术的持续演进与规模化落地，依赖数据、算力与算法三大基础要素的协同演进。1.1AI和AIGC概述作为模型训练与迭代优化的根基，数据的质量、规模与多样性直接决定了模型的表征能力与泛化性能。(1)数据

作为连接数据与算力的方法论核心，定义了特征提取、模式识别与决策生成的逻辑框架。支撑模型训练、推理与部署的计算资源体系。(2)算力(3)算法4.AIGC的概念与核心内涵AIGC指基于AI技术，通过对海量数据的学习与建模，依据用户输入的提示或条件，使机器能够自动生成或辅助生成文本、图像、音频、视频、代码等多模态数字内容的技术过程。其本质在于通过算法模拟内容创作逻辑，在保证内容质量与实用性的基础上，实现高效、可控的内容产出。作为AI技术的重要应用方向，AIGC标志着内容生产范式的演进。目前，内容生态已从专业生成内容（ProfessionalGeneratedContent，PGC）、用户生成内容（UserGeneratedContent，UGC）阶段，发展至AI深度参与的协同创作新阶段。AIGC的核心内涵可从以下3个维度理解。（1）创作主体的协同化：内容生产由人类独立主导转向人机协同模式。AI从辅助工具演进为具备生成能力的协同参与者，人类则聚焦于创意引导、质量把控与价值判断。（2）生产流程的工业化：内容创作摆脱对个体经验与手工操作的依赖，转向以数据驱动、算法支撑、算力保障为基础的标准化、自动化流程，实现规模化高效生产与精细化个性定制的统一。（3）技术体系的融合化：AIGC并非单一技术实现，而是自然语言处理、计算机视觉、多模态理解与生成等技术的系统性集成，其能力根基依托于大规模预训练模型及持续优化的生成算法框架。1.1AI和AIGC概述5．AIGC的关键技术1.1AI和AIGC概述Transformer架构是大多数现代AIGC模型的基础型训练提供了坚实基础。（1）核心架构①

大语言模型②

扩散模型③

语音合成模型（2）专项生成模型提示词是用户向AIGC模型输入的指令文本（3）提示词需要采用特定的优化策略调整模型输出，使其更精准地契合人类偏好。其关键方法包括强化学习人类反馈与提示调优（PromptTuning）（4）优化对齐策略多模态融合技术是AIGC从单一内容生成向跨媒体内容创作扩展的关键。（5）多模态融合技术6．AIGC在AI概念体系中的位置要准确理解AIGC，需将其置于AI的整体技术谱系与演进脉络中进行系统定位。AI作为跨学科技术领域，涵盖从基础理论、算法研发到工程应用的完整技术链条，是智能技术体系的总称。在当前技术实现层面，狭义人工智能（ArtificialNarrowIntelligence，ANI）是唯一已全面落地的技术形态。其核心特征为任务专用性，即系统仅在预设领域内具备智能行为能力，无法泛化至未经训练的其他任务。当前所有实际部署的AI系统（如人脸识别、自动驾驶、智能推荐等）均属于ANI范畴。AIGC是ANI框架下演化出的前沿应用范式。区别于以判别式模型为核心的识别类任务（聚焦“是什么”的分类与判断），AIGC基于生成式模型，专注于“创造什么”的内容生成，代表了ANI在内容生产领域的高阶应用形态。其典型系统如ChatGPT、DeepSeek、豆包等，虽在文本、图像等生成任务上表现卓越，但其能力边界仍严格限定于训练领域，未突破ANI的专用性本质。面向未来，AI研究的核心目标是实现通用人工智能（ArtificialGeneralIntelligence，AGI）。AGI旨在构建具备人类水平通用认知能力的智能体，能够自主进行跨领域学习、推理与问题解决。目前AGI仍处于理论探索与关键技术攻关阶段，尚未实现。在AGI基础上，学术界进一步探讨了超级人工智能（ArtificialSuperintelligence，ASI）的理论构想。ASI是指在科学创新、逻辑推理、社会认知等关键认知维度上显著超越人类顶尖水平的智能形态。该概念属于前瞻性理论探讨，其实现以AGI为前提，其潜在影响与伦理边界仍是全球学界审慎研讨的议题。1.1AI和AIGC概述纵观AIGC的发展脉络，其经历了从早期学术探索到当前产业爆发的4个关键阶段。1.2AIGC的发展历程早期探索阶段萌芽发展阶段快速成长阶段20世纪50年代—90年代20世纪90年代—21世纪第二个10年的中期2014—2022年初爆发融合阶段2022年至今1．AIGC应用的挑战1.3AIGC应用的挑战与实践准则01内容真实性与社会信任生成技术门槛降低使“深度伪造”内容易于制作与传播。02知识产权界定困境训练数据版权合规性存疑，生成内容著作权归属在各国司法实践中标准不一。03算法偏见与公平风险模型易复现并放大训练数据中隐含的性别、种族等社会偏见。04隐私保护与数据安全训练数据可能隐含个人敏感信息；生成技术也可被滥用于生物特征仿冒05就业结构与技能适配在催生新职业的同时，也对劳动力技能转型速度与社会支持体系提出更高要求。2．AIGC应用的实践准则1.3AIGC应用的挑战与实践准则04项目实施

任务1：构建AIGC工具分类认知框架任务1：构建AIGC工具分类认知框架任务目标(1)梳理具有代表性的AIGC工具及其技术底座,建立理论与实践的结构化映射。(2)构建层次清晰的AIGC工具分类可视化图谱,直观呈现模态分布与技术关联脉络。(3)形成标准化、可检索的工具索引体系,为后续选型与应用提供多维度决策依据。核心技能(1)熟练使用AIGC工具导航平台,准确提取工具的技术参数与归属类别。(2)能够从输出形式、交互方式和使用领域3个维度对工具进行系统性拆解。(3)掌握利用思维导图或结构化表格呈现复杂分类逻辑的方法。步骤1：打开AIGC工具导航平台并进行工具信息采集参考前言中提供的方式下载资源，双击“aigctools.html”，打开AIGC工具导航平台。浏览AIGC工具导航平台上方的分类导航栏，思考其分类逻辑。分别选择“文本生成”、“图像生成”、“视频生成”，观察工具列表变化。步骤1：打开AIGC工具导航平台并进行工具信息采集单击“图像生成”下的“通义万相”，打开其官网。单击页面中的“了解更多”或“产品特性”超链接，进入详情页，单击页面中的的“产品定价”、“平台能力概览”等超链接，了解通义万相的特性。步骤1：打开AIGC工具导航平台并进行工具信息采集选取5款不同模态的工具，至少包含文本、图像、视频各一款，填写表1-3。步骤2：构建层级分类表基于步骤1采集的数据，即填写完成的表1-3，用统一的标准对工具进行分类。当前，可根据表1-4，从3个维度对其进行分类。步骤2：构建层级分类表根据表1-4，分析在步骤1中采集的工具属于哪一类，填写表1-5。步骤3：AI辅助生成分类思维导图将表1-5的分类逻辑转化为自然语言指令。提示词示例：“请帮我生成一个关于‘AIGC工具分类’的思维导图。中心主题是‘AIGC工具’，一级分支分为‘文本生成’‘图像生成’‘视频生成’‘多模态生成’。在‘文本生成’下二级分支为‘文心一言’，在‘图像生成’下二级分支为‘通义万相’和‘即梦’，在‘视频生成’下二级分支为‘海螺AI’，在‘多模态生成’二级分支下为‘豆包’。请用Markdown列表格式输出，以便我导入思维导图软件。表格信息如下：复制表1-5中的内容。”打开文心一言平台，选择“文心5.0”模型，输入这段提示词，输出结果如下步骤3：AI辅助生成分类思维导图打开GitMind并登录，如图1-6所示。选择“我的思想”，单击GitMindAI下的“AI思维导图”按钮。弹出“AI思维导图”对话框，选择“长文本”，复制刚才文心一言生成的Markdown文本单击“生成脑图”按钮，即可看到GitMindAI生成的思维导图生成结果步骤3：AI辅助生成分类思维导图在AI思维导图中，选择AI识图，可以使用图片生成思维导图。可以将图1-5的截图进行保存，使用图片生成思维导图。单击“生成脑图”按钮，即可看到GitMindAI生成的思维导图单击生成的思维导图节点，可进一步进行编辑美化04项目实施

任务2：文本类AIGC工具生成差异初体验任务2：文本类AIGC工具生成差异初体验任务目标(1)规范操作文本类AIGC工具,直观感知传统文化主题生成过程中的输出差异现象。(2)客观分析生成内容在文化元素呈现、语言风格等关键维度的差异特征。(3)熟练执行标注与记录流程,培养严谨规范的观察记录习惯。核心技能(1)能准确输入同一提示词,完成文本生成操作。(2)能清晰记录具体差异点。(3)能将生成内容与观察记录进行匹配归档,形成条理清晰、便于查阅的个人观察素材集。步骤1：固化提示词严格固化提示词以控制变量，确保观察到的生成差异真实源于工具特性。在文心一言和通义千问平台，每次均输入以下提示词：“请以‘谷雨’节气为主题，撰写一段200字左右的散文式短文。要求：语言典雅含蓄，适当运用‘雨生百谷’‘埯瓜点豆’等传统农谚，避免网络用语与现代科技词汇，体现春末夏初的物候特征与人文意境。”步骤2：使用文心一言平台生成文本在文心一言中，选择“文心5.0”模型，输入提示词后，观察第1次生成结果。单击已输入提示词下方的“复制到输入框”按钮，可以把提示词复制到文心一言的提示词输入框，单击“提交”按钮后，可得到第2次生成结果。步骤2：使用文心一言平台生成文本观察两次生成的结果，如果生成结果一模一样，由于提示词给出的是一个相对开放的问题，因此并非是由提示词指向一个狭窄、确定的答案空间造成的输出结果一致。这样的结果可能是因为使用同一提示词连续快速地请求，由同一服务器实例、同一模型版本、在极短时间内处理，所以结果高度一致。步骤2：使用文心一言平台生成文本单击左侧新建对话，打开新的对话框，重新输入提示词，观察生成结果。由于新建对话后，上下文被完全清空，模型像面对一张白纸，失去了所有先前的约束，重新开始计算。此时，随机采样的效应会被放大，因此很容易产生与上一次对话不同的输出。步骤3：使用通义千问平台生成文本在通义千问中，选择“Qwen3-Max-Thinking”模型，输入提示词后，生成结果步骤3：使用通义千问平台生成文本在通义千问中，选择“Qwen3-Max-Thinking”模型，输入提示词后，生成结果是：观察上图，会发现通义千问和文心一言生成的结果是不同的。在上图中单击“复制”按钮，将提示词复制到输入框，再次提交提示词。步骤3：使用通义千问平台生成文本观察上图，会发现通义千问两次生成的结果是不同的。单击上图中的“展开”按钮，查看通义千问的思考过程，可发现通义千问在同一对话中对同一提示词生成回答时，会主动避免重复使用之前的回答。步骤4：填写文本生成差异观察记录完成记录后，结合“文化内容优选”场景需求（传统文化元素准确、语言风格雅致、无现代网络用语），从4次结果中选定最契合版本，并在“选择理由”栏以事实为依据进行简要说明。04项目实施

任务3：图像类AIGC工具生成差异初体验任务3：图像类AIGC工具生成差异初体验任务目标(1)规范操作图像类AIGC工具,直观感知传统文化主题生成过程中的输出差异现象。(2)客观分析生成内容在元素规范性、风格契合度等关键维度的差异特征。(3)深入理解AIGC技术“输出存在自然差异”这一基本特性及其内在逻辑。核心技能(1)能准确输入同一提示词,完成图像生成操作。(2)能清晰记录具体差异点。(3)能将生成内容与观察记录进行匹配归档,形成条理清晰、便于查阅的个人观察素材集。步骤1：固化提示词严格固化提示词以控制变量,确保观察到的生成差异真实源于工具特性。在通义万相和即梦AI平台,每次均输入以下提示词:“生成一幅谷雨节气主题插画:描绘‘雨生百谷’的江南意境。远处山峦如黛,云雾缭绕;中景可见连片水田倒映天光,绿意盎然,田间有戴笠农人牵牛慢行。近景特写:一株嫩柳低垂,竹编箢篼置于青石旁,蓑衣轻挂于木篱之上,柳叶上凝有雨珠。画面需融入‘牡丹初绽’或‘竹笋新破土’的细节,右下角盖篆书‘谷雨’印章。风格为水墨淡彩,色调需清雅且富有诗意,构图留白得当,比例16:9。”步骤2：使用通义万相平台生成图像在通义万相中，生成类型选择“图片”，创作模型选择“万相2.6”，比例选择“16:9”，关闭“提示词优化”开关。输入提示词后，通义万相第1次生成结果是：可以看到每次生成完毕后，提示词并不消失。单击底部的“生成”按钮或右上角的“再次生成”按钮，观察通义万向第2次生成结果步骤2：使用通义万相平台生成图像通义万相第2次生成结果是：单击生成的任意一张图片，可放大查看图片细节。步骤3：使用即梦AI平台生成图像在即梦AI中，创作类型选择“图片生成”，创作模型选择“图片5.0Preview”，比例设置为“16:9”。输入提示词后，即梦AI第1次生成结果是：步骤3：使用即梦AI平台生成图像可以看到