《大模型部署与调优》教案

《大模型部署与调优》教案课程名称：大模型部署与调优授课对象：授课课时：72课时任课教师：学年学期：教案基本信息一、选用教材授课教材《大模型部署与调优》,机械工业出版社，2026年，第1版参考教材二、续接课程前置课程大数据技术应用基础后置课程流程自动化机器人三、课程概述课程思维导图核心素养理论上：要求学生掌握大模型本地部署、RAG、Agent、微调、安全治理等核心概念与流程。技能上：要求学生能够独立完成Ollama与Dify平台部署、工作流编排、提示词设计、模型微调与安全调优，并能完成企业级AI应用开发。思政上：引导学生树立科技报国使命感、数据安全意识、AI伦理观，培养学生精益求精的工匠精神和团队协作精神。四、学情分析知识和技能基础学生已修完《人工智能通识》《Python程序设计》等前置课程，具备基础Python编程能力和数据处理思维，对大模型有初步认知，但缺乏工程化部署与调优的系统经验。认知和实践能力学生能够理解抽象技术概念，对新技术有较强好奇心，但在复杂部署和代码调试时有畏难情绪；动手能力差异较大，部分学生需要反复指导；具备初步团队协作能力，乐于小组讨论解决实际问题。学习特点学生喜欢理实一体、项目驱动的学习方式，对贴近校园生活和产业实际案例兴趣浓厚；对可视化、可交互性强的内容接受度高，如Dify拖拉拽操作；学习积极性易受成功体验影响，需要及时正向反馈和阶段性成就感。五、考核评价考核方式考试说明：专业课的学情分析为知识和技能基础、认知和实践能力、学习特点三个部分。公共课的学情分析构成为：知识基础、认知能力、学习特点、专业特性四个部分。请对应替换。1-1大模型基础环境部署与平台认知（一）一、教学目标素质目标1.激发科技报国使命感，通过中国大模型自主创新历程，增强民族自豪感。2.培养学生严谨细致的工程习惯，在环境搭建中注重细节与规范。3.引导学生认识AI技术普惠价值，增强用技术服务社会的责任感。知识目标1.理解大模型及开源模型的基本概念。2.了解Ollama工具的功能与优势。3.掌握Ollama安装、模型下载与基本命令。能力目标1.能独立完成Ollama软件的安装。2.能下载并部署通义千问或DeepSeekCoder等开源模型。3.能通过命令行与本地模型进行基本对话，并比较不同模型回答差异。二、教学重难点教学重点与解决措施教学重点：Ollama安装与模型下载。解决措施：课前发布安装指南预习；课中分步演示，提供常见错误排查手册；课后设置安装验证作业。教学难点与解决措施教学难点：理解开源模型的意义及本地部署的价值。解决措施：结合“科技自主可控”案例讲解，对比在线API与本地部署的隐私、成本差异，组织小组讨论“为何要本地部署”。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入播放某国产大模型在智慧城市、工业检测中应用的短视频，提问：“如果让你在个人电脑上运行一个完全离线的AI助手，你觉得需要几步？”引出本地部署主题。思政融入：强调中国大模型从跟跑到领跑的自强之路。明确本节课目标：学什么，为什么学。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）播放某国产大模型在智慧城市、工业检测中应用的短视频，提问：“如果让你在个人电脑上运行一个完全离线的AI助手，你觉得需要几步？”引出本地部署主题。思政融入：强调中国大模型从跟跑到领跑的自强之路。明确本节课目标：学什么，为什么学。2.课中教学（70分钟）（1）学什么，为什么学（10分钟）简要介绍课程整体框架与目标，展示学生后续将完成的项目，如校园百事通、智能客服等。介绍本地部署大模型在数据隐私、离线可用、低成本等方面的优势。思政融入：结合《数据安全法》，强调数据本地化处理的重要性。（2）Ollama安装与环境配置（25分钟）讲解Ollama是什么及工作原理。分步骤演示Ollama在不同操作系统下的安装过程，以Windows为例。带领学生同步操作，检查版本输出。讲解环境变量，如OLLAMA_MODELS的作用，演示修改模型存储路径。（3）模型下载与命令行交互（25分钟）演示使用ollamarunqwen:3b下载并启动模型。讲解ollamalist、ollamapull等管理命令。学生实战：下载至少一个模型，进行简单对话，如问好、常识问答。记录不同模型对同一问题的回答差异，初步感知模型能力。（4）专用模型安装（10分钟）简要介绍向量模型bge-m3、重排模型、多模态模型的作用。演示ollamapullbge-m3命令，为后续RAG项目作铺垫。3.课堂总结与思政升华（10分钟）回顾本节课关键步骤，强调“环境搭建是AI应用的第一关，细节决定成败”。思政升华：中国大模型开源生态的繁荣离不开每一位技术人员的踏实贡献，鼓励学生夯实基础。四、板书设计主区副区Ollama安装步骤ollamarun<model>模型管理命令思政：科技自主可控注意：网络、磁盘空间常见错误：端口占用、环境变量五、作业与反思课后作业完成另一款模型的下载与对话，截图保存在学习通完成大模型基础概念习题。预习Docker基本概念。存在不足部分学生可能因网络问题下载模型缓慢，影响课堂进度；首次接触命令行，部分学生操作不熟练。改进设想提供离线模型包备用；录制安装视频供课后回看；安排小组互助，课堂及时巡检。1-2模型部署与命令行交互；专用模型安装一、教学目标素质目标1.培养精益求精的工匠精神，在容器化部署中追求配置的准确与稳定。2.体会开源工具对降低技术门槛的价值，树立技术共享与协作意识。3.通过参数调优，引导学生认识到“技术细节决定用户体验”，强化质量意识。知识目标1.理解Docker容器的基本概念与优势。2.掌握OpenWebUI的功能与安装方法。3.了解LLM关键参数Temperature、Top-p、MaxTokens的含义。能力目标1.能独立安装DockerDesktop并运行OpenWebUI容器。2.能配置OpenWebUI连接Ollama，切换本地模型。3.能在Web界面中流畅对话并调整参数，观察输出效果变化。二、教学重难点教学重点与解决措施Docker部署OpenWebUI并连接Ollama。解决措施：提供完整的dockerrun命令，详解每个参数含义；分步演示WSL2、Hyper-V开启，确保基础环境正确。教学难点与解决措施理解Docker网络与宿主机交互。解决措施：以图示讲解容器与宿主机端口映射，使用--add-host参数实例说明；组织学生测试连接，失败时排查网络设置。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上节课的命令行交互，提问：“纯黑白的命令行好用吗？如果想让你的AI助手拥有ChatGPT一样的漂亮界面，该怎么做？”展示OpenWebUI截图，引出“为本地AI穿上漂亮外衣”主题。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上节课的命令行交互，提问：“纯黑白的命令行好用吗？如果想让你的AI助手拥有ChatGPT一样的漂亮界面，该怎么做？”展示OpenWebUI截图，引出“为本地AI穿上漂亮外衣”主题。2.课中教学（70分钟）（1）Docker快速入门与OpenWebUI安装（30分钟）容器概念比喻：集装箱与软件打包。检查Docker环境，开启WSL2/Hyper-V（Windows）。带领学生执行dockerrun命令部署OpenWebUI，详细解释-d、-p、-v、--add-host等参数。验证安装，浏览器访问localhost:8080，注册账号。（2）连接模型与对话体验（20分钟）在OpenWebUI设置中，URL填入ernal:11434。讲解“模型提供者”概念。学生实操：连接Ollama，查看已下载模型列表。进行多轮对话，对比命令行与Web界面体验。（3）参数调优入门（20分钟）讲解Temperature对输出随机性的影响，Top-p的作用。演示将Temperature从默认值调低或调高，对比回答确定性。学生动手：提问同一个事实性问题，观察不同参数下回复变化。小结：参数调优是控制AI行为的第一把钥匙。3.课堂总结与思政升华（10分钟）总结Docker+OpenWebUI架构，强调“精益求精的工匠精神”体现在对每一个配置项的推敲上。思政升华：开源生态的繁荣需要每个人都贡献与维护，引导学生尊重开源协议，积极回馈社区。四、板书设计主区副区Docker命令：dockerrun-d-p8080:8080...OpenWebUI连接URL关键参数：Temperature,Top-p思政：工匠精神、开源共享WSL2/Hyper-V检查项常见错误：端口占用、镜像拉取失败五、作业与反思课后作业在OpenWebUI中创建一个对话记录并分享截图。调整Temperature和Top-p，记录至少3组不同参数下的模型回答变化。预习RAG基本概念。存在不足Docker概念较抽象，部分学生可能仅会机械运行命令而不知其所以然；参数调优的直观感受还需更多案例强化。改进设想补充“Dockervs虚拟机”趣味动画；下次课引入知识库RAG，将参数调优与幻觉治理结合，加深理解。

1-3Docker环境准备与OpenWebUI安装、连接Ollama与模型管理一、教学目标素质目标1.培养精益求精的工匠精神，在容器化部署中追求配置的准确与稳定。2.体会开源工具对降低技术门槛的价值，树立技术共享与协作意识。3.通过参数调优，引导学生认识到“技术细节决定用户体验”，强化质量意识。知识目标1.理解Docker容器的基本概念与优势。2.掌握OpenWebUI的功能与安装方法。3.了解LLM关键参数（Temperature、Top-p、MaxTokens）的含义。能力目标1.能独立安装DockerDesktop并运行OpenWebUI容器。2.能配置OpenWebUI连接Ollama，切换本地模型。3.能在Web界面中流畅对话并调整参数，观察输出效果变化。二、教学重难点教学重点与解决措施Docker部署OpenWebUI并连接Ollama。解决措施：提供完整的dockerrun命令，详解每个参数含义；分步演示WSL2、Hyper-V开启（Windows），确保基础环境正确。教学难点与解决措施理解Docker网络与宿主机交互。解决措施：以图示讲解容器与宿主机端口映射，使用--add-host参数实例说明；组织学生测试连接，失败时排查网络设置。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上节课的命令行交互，提问：“纯黑白的命令行好用吗？如果你想让你的AI助手拥有ChatGPT一样的漂亮界面，该怎么做？”展示OpenWebUI截图，引出“为本地AI穿上漂亮外衣”主题。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上节课的命令行交互，提问：“纯黑白的命令行好用吗？如果你想让你的AI助手拥有ChatGPT一样的漂亮界面，该怎么做？”展示OpenWebUI截图，引出“为本地AI穿上漂亮外衣”主题。2.课中教学（70分钟）（1）Docker快速入门与OpenWebUI安装（30分钟）容器概念比喻：集装箱与软件打包。检查Docker环境，开启WSL2/Hyper-V（Windows）。带领学生执行dockerrun命令部署OpenWebUI，详细解释-d、-p、-v、--add-host等参数。验证安装，浏览器访问localhost:8080，注册账号。（2）连接模型与对话体验（20分钟）在OpenWebUI设置中，URL填入ernal:11434。讲解“模型提供者”概念。学生实操：连接Ollama，查看已下载模型列表。进行多轮对话，对比命令行与Web界面体验。（3）参数调优入门（20分钟）讲解Temperature对输出随机性的影响，Top-p的作用。演示将Temperature从默认0.7调至0.1与1.2，对比回答确定性。学生动手：提问同一个事实性问题，观察不同参数下回复变化。小结：参数调优是控制AI行为的第一把钥匙。3.课堂总结与思政升华（10分钟）总结Docker+OpenWebUI架构，强调“精益求精的工匠精神”体现在对每一个配置项的推敲上。思政升华：开源生态的繁荣需要每个人都贡献与维护，引导学生尊重开源协议，积极回馈社区。四、板书设计主区副区Docker命令：dockerrun-d-p8080:8080...OpenWebUI连接URL关键参数：Temperature,Top-p思政：工匠精神、开源共享WSL2/Hyper-V检查项常见错误：端口占用、镜像拉取失败五、作业与反思课后作业在OpenWebUI中创建一个对话记录并分享截图。调整Temperature和Top-p，记录至少3组不同参数下的模型回答变化。预习RAG基本概念。存在不足Docker概念较抽象，部分学生可能仅会机械运行命令而不知其所以然；参数调优的直观感受还需更多案例强化。改进设想补充“Dockervs虚拟机”趣味动画；下次课引入知识库RAG，将参数调优与幻觉治理结合，加深理解。1-4流畅对话与参数调优一、教学目标素质目标1.培养精益求精的工匠精神，通过参数微调深刻体会细节对AI输出的影响。2.激发学生主动探究技术背后的原理，培养科学探索精神。3.引导学生树立“技术服务于真实需求”的责任意识。知识目标1.理解Temperature、Top-p、Top-k等参数对模型生成概率的影响机制。2.掌握OpenWebUI中参数调整的方法与位置。3.了解不同场景下参数推荐值。能力目标1.能根据任务需求（创意/严谨）合理设置模型参数。2.能通过A/B测试方法比较不同参数组合的效果。3.能观察并记录模型输出变化，分析参数与幻觉、多样性之间的关系。二、教学重难点教学重点与解决措施Temperature和Top-p参数对输出的影响。解决措施：设计对比实验，用同一提示词在三个参数水平下生成回复，组织小组讨论观察结果。教学难点与解决措施理解概率采样机制与幻觉关联。解决措施：用通俗比喻（抽奖箱中增加小球种类）解释Top-p，结合具体案例展示低概率词被选中导致的幻觉现象。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上次课部署的OpenWebUI，提问：“为什么有时候AI回答很保守，有时候又很发散？我们能控制吗？”引出参数调优话题。展示一个创意故事生成和一个事实回答的例子，引导学生思考两场景需要不同参数。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上次课部署的OpenWebUI，提问：“为什么有时候AI回答很保守，有时候又很发散？我们能控制吗？”引出参数调优话题。展示一个创意故事生成和一个事实回答的例子，引导学生思考两场景需要不同参数。2.课中教学（70分钟）（1）参数原理讲解（25分钟）讲解大模型“下一个词生成”的概率本质。Temperature：控制概率分布的平滑程度，低温度趋向高概率词，高温度让低概率词有机会。Top-p（核采样）：只从累计概率达到p的词汇中采样，能自适应地控制多样性。Top-k：只保留概率最高的k个词，对比Top-p的缺陷。结合可视化图表帮助理解。（2）分组实验（30分钟）设计实验任务：A组（严谨事实）：询问“物理中光速是多少？”，分别设置Temp=0.1,0.7,1.5。B组（创意写作）：写一首关于夏天的诗，同样三个温度档。C组（逻辑推理）：解一道数学题，观察参数对步骤正确率的影响。学生分组记录回答内容，标记幻觉或错误。（3）结果分享与讨论（15分钟）各组展示实验结果，讨论参数对回答确定性、创造性、正确性的影响。教师总结：降低温度可减少幻觉但可能降低创造力，高温度适合创意但需警惕幻觉。3.课堂总结与思政升华（10分钟）总结参数调优是AI应用开发的必备技能，细节决定成败。思政升华：在严肃场景（如医疗、法律）中，必须严谨调参以减少风险，强化职业道德意识。四、板书设计主区副区Temperature：平滑概率分布（低→高峰，高→平坦）Top-p：核采样，累计概率阈值参数推荐：事实回答低Temp(0.1-0.3)；创意写作中高Temp(0.7-1.0)实验记录表格分组任务与观察点常见错误：参数设为0五、作业与反思课后作业完成实验报告，总结不同参数对输出风格的影响。自行选择一个场景，设计并测试最佳参数组合。预习Dify平台基本概念。存在不足部分学生对概率概念理解较浅，影响对Top-p机制的深入把握。改进设想下次课引入RAG，将参数调优与知识库结合，进一步展示如何降低幻觉。2-1校园百事通项目（一）：RAG基础一、教学目标素质目标1.培养学生运用AI技术解决校园实际问题的意识，提升学以致用的成就感。2.弘扬服务精神，鼓励学生用技术为同学提供便利。3.在数据处理中强调数据安全与隐私保护意识。知识目标1.理解检索增强生成（RAG）的基本原理和工作流程。2.掌握Dify平台的基本功能和操作界面。3.了解知识库（KnowledgeBase）的概念及在AI问答中的作用。能力目标1.能独立完成Dify（社区版）的本地部署。2.能在Dify中创建知识库，并上传PDF等文档。3.能构建一个简单的RAG对话应用并测试其回答准确度。二、教学重难点教学重点与解决措施Dify平台部署与知识库构建。解决措施：提供DockerCompose一键启动命令，分步演示；录制部署视频供对照操作。教学难点与解决措施理解RAG检索与生成两部分如何协同工作。解决措施：用问答流程图辅助讲解，模拟“检索→获取上下文→生成答案”过程；设置知识库外问题观察对比。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境：小明是新生，对学校规章制度有诸多疑问，但手册太厚查找不便。提问：“如果有一个AI能立刻回答所有校规问题，该多好！”引出校园百事通项目目标。思政融入：用技术赋能校园服务，体现科技向善。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）情境：小明是新生，对学校规章制度有诸多疑问，但手册太厚查找不便。提问：“如果有一个AI能立刻回答所有校规问题，该多好！”引出校园百事通项目目标。思政融入：用技术赋能校园服务，体现科技向善。2.课中教学（70分钟）（1）RAG原理简介（15分钟）讲解传统LLM因知识截止和幻觉导致回答问题不可靠。引出RAG：检索外部知识库→将相关内容作为上下文→LLM基于上下文生成答案。图示RAG流程，强调检索环节的重要性。（2）Dify部署与界面认知（20分钟）演示DockerCompose部署Dify社区版，讲解核心容器（api、web、db、weaviate等）。登录Dify，带领学生熟悉概览、工作室、知识库等菜单。（3）知识库构建与文档上传（20分钟）演示创建“校纪校规知识库”。上传《学生手册》PDF，讲解分段（Chunk）设置对检索效果的影响。学生亲自操作，观察分段预览。（4）创建对话应用与基础测试（15分钟）创建对话应用，关联知识库。提问测试：“奖学金申请条件是什么？”“宿舍熄灯时间？”观察是否基于知识库回答。若提问知识库外问题，观察幻觉情况。3.课堂总结与思政升华（10分钟）总结RAG是解决AI幻觉的技术手段，知识库如同AI的外脑。思政升华：打造校园百事通不仅提升信息获取效率，更体现为同学服务的责任感。四、板书设计主区副区RAG=检索+增强生成Dify部署命令：dockercomposeup-d知识库创建：上传PDF→分段(Chunk)→索引思政：科技赋能校园测试记录区：知识库内提问vs知识库外提问对比五、作业与反思课后作业完善校园百事通知识库，补充至少两个校园文档。设计5个覆盖不同难度的问题测试助手，记录回答质量。预习工作流基础概念。存在不足Dify部署对机器配置要求较高，部分学生可能遇到资源不足启动失败。改进设想提供云端演示环境作为备份；分组共用一台机器完成任务。2-2校园百事通项目（二）：智能问答应用创建、测试与调优一、教学目标素质目标1.培养学生追求卓越、不断优化的精神，通过调优提升问答质量。2.引导学生关注用户体验，从提问者角度思考优化方向。3.在团队协作中强化沟通与分享意识。知识目标1.理解知识库分段策略（Chunksize、Overlap）对检索效果的影响。2.掌握Top-K检索设置与元数据过滤的作用。3.了解评估RAG系统性能的指标（召回率、准确率等）。能力目标1.能通过调整分段大小和检索Top-K值优化问答效果。2.能编写清晰的系统提示词约束AI行为。3.能设计测试问题集并评估RAG应用性能。二、教学重难点教学重点与解决措施分段策略与检索参数调优。解决措施：设计对比实验，固定问题集，仅改变分段大小，观察回答准确率变化。教学难点与解决措施理解向量检索与关键词检索的区别及混合检索。解决措施：演示关键词“奖学金”与语义“奖助学金”在两种模式下召回结果的差异，使用混合检索改善。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上节课的校园百事通，提问：“它有时回答不完整或者答非所问，问题出在哪里？”引导学生思考优化方向。引出“调优”主题。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上节课的校园百事通，提问：“它有时回答不完整或者答非所问，问题出在哪里？”引导学生思考优化方向。引出“调优”主题。2.课中教学（70分钟）（1）分段策略调优（25分钟）讲解分段大小的影响：太小丢失上下文，太大引入噪声。演示将分段大小从默认200调整为500、1000，用同一问题集测试。观察回答的完整性和相关性变化，找出最优分段大小。讲解重叠（Overlap）设置的作用，避免句子被截断。（2）检索参数与提示词优化（25分钟）讲解Top-K（检索召回片段数）的影响：K值过小信息不足，过大引入噪声。调整Top-K值，观察回答变化。编写系统提示词，加入“如果知识库中没有相关信息，请回答不知道”等约束，减少幻觉。（3）综合测试与评估（20分钟）提供标准化测试问题集（约10题），分组测试应用。小组计算回答准确率、召回率、幻觉率。分享优化前后对比，讨论最有效的调优手段。3.课堂总结与思政升华（10分钟）总结RAG调优的关键环节，强调优化无止境。思政升华：打造真正好用的校园服务工具，需要不断倾听用户声音，像工匠一样打磨产品。四、板书设计主区副区分段大小调优：Chunksize、OverlapTop-K影响：召回数量系统提示词：约束行为优化前后指标对比表学生测试结果记录五、作业与反思课后作业提交调优后的校园百事通应用截图及测试报告。阅读一篇关于RAG优化的文章，总结核心优化方法。预习宿舍报修小管家项目需求。存在不足时间有限，部分小组未能完成全面指标计算。改进设想提供自动评估脚本简化计算；下节课留出更多调优实战时间。2-3宿舍报修小管家项目（一）：工作流基础流程设计与LLM指令编写一、教学目标素质目标1.培养学生运用AI解决日常生活问题的能力，提升动手实践兴趣。2.引导学生在项目中体验“服务生活”的价值感。3.通过工作流设计，强化逻辑思维与流程规划能力。知识目标1.理解Dify工作流（Workflow）的基本概念和节点类型。2.掌握开始节点、LLM节点、代码节点、结束节点的使用。3.了解意图识别与分类在自动化流程中的作用。能力目标1.能创建Dify工作流应用并设计多节点流程。2.能为LLM节点编写故障分类指令，实现意图识别。3.能使用代码节点生成模拟工单号。二、教学重难点教学重点与解决措施工作流节点连接与LLM指令编写。解决措施：演示宿舍报修完整流程搭建，逐步讲解每个节点的配置；提供指令模板，学生模仿修改。教学难点与解决措施理解工作流中数据流转和变量传递。解决措施：用图示标注变量在各节点间的传递路径；设置变量输出，让学生观察每个节点输出结果。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境描述：传统宿舍报修流程繁琐，学生需填写复杂表单。提问：“如果只需说一句‘水龙头漏水’，就能自动生成工单并派给维修师傅，好不好？”引出宿舍报修小管家项目。思政融入：用AI简化生活，体现技术服务生活、知行合一。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）情境描述：传统宿舍报修流程繁琐，学生需填写复杂表单。提问：“如果只需说一句‘水龙头漏水’，就能自动生成工单并派给维修师傅，好不好？”引出宿舍报修小管家项目。思政融入：用AI简化生活，体现技术服务生活、知行合一。2.课中教学（70分钟）（1）工作流概念与节点介绍（15分钟）讲解工作流是任务的自动化串联。介绍开始节点（接收输入）、LLM节点（调用大模型）、代码节点（执行Python）、结束节点（输出结果）。通过宿舍报修案例说明节点协作关系。（2）工作流搭建（25分钟）创建Workflow应用，命名为“宿舍报修小管家”。添加开始节点，设置输入变量question。拖入LLM节点，编写故障分类指令：识别“水电”“网络”“家具”“其他”四类。添加代码节点，编写生成工单号的Python代码。连接结束节点，输出工单号和分类结果。（3）测试与调试（20分钟）运行工作流，输入不同报修描述，如“厕所堵了”“网络连不上”。检查分类准确性和工单号生成是否正确。若分类错误，优化LLM指令；若代码报错，排查变量传递问题。（4）流程优化讨论（10分钟）引导学生思考如何添加详细工单内容或派送维修人员模拟步骤。简述下一步将如何扩展工作流。3.课堂总结与思政升华（10分钟）总结工作流如同数字流水线，LLM是大脑，代码节点是手脚。思政升华：技术应用于生活服务，正是“知行合一”的体现，鼓励学生发现更多可自动化的生活场景。四、板书设计主区副区工作流节点：开始→LLM(故障分类)→代码(工单号)→结束LLM指令模板：“你是宿舍报修分类助手...”代码节点：生成唯一工单号思政：知行合一测试记录：输入与输出常见错误：变量名未匹配五、作业与反思课后作业完善宿舍报修工作流，添加详细工单内容生成节点。测试至少5种报修场景，记录分类准确度。预习商业数据脑项目。存在不足部分学生对工作流节点连接逻辑理解不足，导致流程断裂。改进设想增加节点连接练习任务；提供流程错误图解，帮助学生排查。2-4宿舍报修小管家项目（二）：流程调试、优化与功能拓展一、教学目标素质目标1.培养学生精益求精的优化意识，通过调试完善工作流。2.在拓展功能中激发创新思维。3.通过模拟派修等环节，增强服务意识与责任感。知识目标1.掌握工作流的调试与日志查看方法。2.了解如何添加更多LLM节点实现详细工单生成。3.了解条件分支节点与变量聚合器的使用。能力目标1.能根据测试结果优化工作流节点指令和参数。2.能为工作流增加详细工单与模拟派修功能。3.能独立完成宿舍报修工作流的全部功能设计与测试。二、教学重难点教学重点与解决措施工作流优化与功能拓展。解决措施：展示优化前后的效果对比，提供详细的拓展步骤指南；学生分组协作完成任务。教学难点与解决措施处理多个LLM节点的数据传递与格式统一。解决措施：使用变量聚合器收集多个分支输出；在指令中严格规定JSON格式，便于下游节点解析。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上节课基础工作流，展示当前工单输出。提问：“只有一张工单号，维修师傅能知道具体要修什么吗？”引出需要生成更详细的工单内容，提升服务质量。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上节课基础工作流，展示当前工单输出。提问：“只有一张工单号，维修师傅能知道具体要修什么吗？”引出需要生成更详细的工单内容，提升服务质量。2.课中教学（70分钟）（1）调试复盘与常见问题（15分钟）展示上节课学生典型错误：分类不准、变量未传递。讲解调试方法：查看每个节点的运行日志；使用“查看运行记录”追踪变量值。引导学生修改LLM指令，增加更多分类示例。（2）添加详细工单生成节点（25分钟）新增一个LLM节点，接收故障描述question和分类fault_type。编写指令：“请根据故障描述和故障类型，生成工单说明，包含建议维修内容和所需工具。”连接变量聚合器，收集基础工单号和详细描述。输出完整工单内容。（3）模拟派送维修人员（20分钟）使用代码节点或LLM节点，根据故障类型模拟分派维修人员。例如：代码节点中根据fault_type映射维修师傅名字。最后输出完整工单：“工单号+故障描述+维修建议+派修人员”。学生分组完成拓展并测试。（4）功能测试与展示（10分钟）各小组展示最终工作流运行结果。互评功能完整性和实用性。3.课堂总结与思政升华（10分钟）总结工作流从基础到拓展的演进过程，强调“解决问题永远有多一步”的优化思维。思政升华：通过小管家项目让学生体会技术让生活更便捷，服务同学、服务社会是技术人的价值所在。四、板书设计主区副区优化流程：开始→分类→工单号→详细描述→派修→输出新增节点：LLM（工单详情）、代码（派修模拟）变量聚合器使用各组测试记录优化前后对比五、作业与反思课后作业完成带派修功能的工作流并提交测试报告。思考哪些其他校园服务场景可用工作流实现，简要描述。预习Pandas数据读取知识（为商业数据脑准备）。存在不足部分学生在模拟派修时仅用LLM生成随机名字，缺乏真实感。改进设想后续可引入HTTP请求节点对接真实数据库或飞书表格，增加实战性。2-5商业数据脑，洞察销售（一）：数据准备与知识库构建一、教学目标素质目标1.培养学生诚实守信的职业素养，在数据处理中坚守数据真实底线。2.引导学生认识数据驱动决策在商业中的价值，建立数据思维。3.通过模拟销售数据分析，增强学生对商业智能的兴趣。知识目标1.理解半结构化数据（CSV/Excel）的特点及处理方式。2.掌握Dify知识库对半结构化数据的导入与索引方法。3.了解数据分析的基本概念和在商业决策中的作用。能力目标1.能独立准备并转换销售数据为知识库可用的文本格式。2.能在Dify中创建销售数据知识库并完成分段索引。3.能创建对话应用连接知识库，进行基础的数据查询分析。二、教学重难点教学重点与解决措施CSV/Excel数据转文本并导入Dify知识库。解决措施：课前提供模拟销售数据模板；课中分步演示数据格式转换与上传；提供分段策略参考值。教学难点与解决措施理解知识库如何处理半结构化数据并支持分析型提问。解决措施：讲解RAG机制下表格数据被转换为可检索片段的过程；演示分段策略对数据分析效果的影响。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境描述：作为市场分析师，面对堆积如山的销售报表，如何快速发现趋势？提问：“如果你可以直接用自然语言问AI‘上季度最畅销的产品是什么’，它就能自动分析数据告诉你答案，会多高效？”思政融入：真实数据是商业决策的基础，强调诚信与数据真实的重要性。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）情境描述：作为市场分析师，面对堆积如山的销售报表，如何快速发现趋势？提问：“如果你可以直接用自然语言问AI‘上季度最畅销的产品是什么’，它就能自动分析数据告诉你答案，会多高效？”思政融入：真实数据是商业决策的基础，强调诚信与数据真实的重要性。2.课中教学（70分钟）（1）数据分析基础与商业价值（10分钟）简要讲解数据分析在商业决策中的价值：发现趋势、优化产品、辅助决策。介绍CRISP-DM数据分析流程：业务理解→数据理解→数据准备→建模→评估→部署。强调LLM在数据分析中的定位为增强工具。（2）数据准备与格式转换（20分钟）展示模拟销售数据CSV文件，包含订单ID、日期、产品名称、类别、数量、单价、销售额、地区、客户ID等字段。讲解半结构化数据的特点。演示将CSV内容转换为纯文本格式的过程，确保每行是一条记录，字段用逗号分隔。学生亲自操作，将提供的数据文件转换为TXT格式。（3）Dify知识库构建（25分钟）在Dify中创建“销售数据知识库”。上传转换后的纯文本文件。配置分段策略：建议按记录分段，每5-10条记录一个Chunk，或按维度（如地区、产品类别）聚合分段。讲解分段重叠长度的设置，确保跨Chunk信息不丢失。学生亲自操作，等待Dify完成向量化处理。（4）创建对话应用与基础测试（15分钟）创建对话应用，命名为“销售数据分析助手”。关联销售数据知识库，选择合适的LLM模型。提问测试基础问题：“上季度最畅销的产品是什么？”“哪个地区销售额最高？”观察AI是否能从数据中提取正确答案。3.课堂总结与思政升华（10分钟）总结AI在商业数据分析中的应用价值，知识库是AI回答基于真实数据的基础。思政升华：数据是新时代的石油，但只有真实的数据才是有价值的，造假数据会误导决策，造成损失。四、板书设计主区副区数据分析流程：业务理解→数据理解→准备→建模→评估→部署CSV转文本：每行一条记录，字段逗号分隔知识库分段：按记录/按维度聚合思政：数据真实是底线分段大小参考值：通用500字，销售数据建议按记录分段常见问题：分隔符不统一导致解析错误五、作业与反思课后作业完成销售数据知识库构建并截图提交。设计5个针对销售数据的分析问题，测试助手回答准确性并记录。预习提示词工程中关于引导AI深度分析的内容。存在不足部分学生可能不熟悉CSV格式，导入时出现分隔符错误导致知识库解析异常。改进设想提供数据格式校验工具；下次课增加数据清洗环节，提升数据质量意识。2-6商业数据脑，洞察销售（二）：对话应用创建与深度分析调优一、教学目标素质目标1.培养追求深度的数据分析思维，不只停留于表面结论。2.引导学生对分析结果负责，杜绝为迎合预设结论而篡改数据。3.通过团队讨论激发批判性思维。知识目标1.掌握引导AI进行多维度交叉分析的提示词编写技巧。2.了解调整分段策略和检索参数优化分析深度的方法。3.理解AI输出文字、表格、Echarts图表的组合呈现方式。能力目标1.能编写引导AI深度分析的提示词，如要求解释原因、预测趋势。2.能通过调整分段大小和Top-K值优化分析效果。3.能评估AI分析结果的准确性与洞察深度。二、教学重难点教学重点与解决措施多维分析提示词编写与分段调优。解决措施：提供提示词模板，包含角色设定、任务目标、输出格式；演示改变分段大小对分析深度的影响。教学难点与解决措施引导AI输出有洞察力的分析而非简单数据罗列。解决措施：使用“请分析原因”“请给出趋势预测”“请发现被忽视的产品”等引导性提问；对比分析型与罗列型回答差异。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上节课基础提问如“最畅销的产品”，展示AI可能仅给出简单数据回答。提问：“知道了哪个产品最畅销，但你知道它为什么畅销吗？哪些产品有潜力但被忽视？”引出深度分析的价值。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上节课基础提问如“最畅销的产品”，展示AI可能仅给出简单数据回答。提问：“知道了哪个产品最畅销，但你知道它为什么畅销吗？哪些产品有潜力但被忽视？”引出深度分析的价值。2.课中教学（70分钟）（1）深度分析提示词编写（25分钟）讲解高效分析提示词的核心要素：角色设定（数据分析专家）、多维度分析指令（时间+地区+产品）、要求深层洞察（原因分析、趋势预测）、指定输出格式（文字+表格+Echarts图表）。提供模板：“你是零售行业数据分析师，请基于销售数据回答：①2024年Q1销售额最高的三个产品及原因分析；②华东与华南销售对比；③哪个品类最有增长潜力。”学生模仿编写2-3个深度分析提示词。（2）分段策略与检索参数调优（20分钟）回顾知识库分段设置，讲解不同分段大小对分析效果的影响。演示调整分段大小（如从200字调整为500字），重新提问同一分析问题。观察AI回答的完整性变化：小分段可能回答碎片化，大分段可能引入噪声。调整Top-K值，观察过多或过少召回片段对分析质量的影响。（3）综合实践：客户反馈分析（15分钟）提供模拟客户反馈文本数据。创建新知识库或添加到现有知识库。提问：“请分析客户对智能音箱A的主要抱怨点和积极评价。”“哪些产品收到了最多的负面反馈？”观察AI能否从非结构化文本中提取情绪和痛点。（4）小组讨论与分享（10分钟）小组讨论：AI的分析是否准确？有哪些洞察是数据中明显但AI未发现的？分享各组最佳提示词和分析结果。3.课堂总结与思政升华（10分钟）总结深度分析不是简单的数据查询，而是需要精心设计的提示词和参数调优。思政升华：商业分析中绝不能为了迎合领导意图而“调整”数据，实事求是是数据分析师的基本素养。四、板书设计主区副区深度提示词模板：角色+任务+维度+格式分段调优：Chunksize对分析完整性的影响输出组合：文字+表格+Echarts思政：数据真实，不可造假客户反馈分析示例各组提示词亮点五、作业与反思课后作业完成销售分析综合报告，包含至少3个维度的洞察。提交最佳提示词及对应AI回答截图。预习表格智眼项目中Chatflow文件处理相关内容。存在不足学生对深层洞察的理解仍停留在数值比较层面，缺乏商业背景支持。改进设想引入真实企业案例分析视频；下节课增加更多商业场景背景知识讲解。3-1格智眼项目（一）：Chatflow构建与文件处理一、教学目标素质目标1.培养严谨细致的工程习惯，在文件处理节点配置中注重每个细节。2.引导学生认识到数据处理的准确性直接影响分析结果。3.通过条件分支设计，强化逻辑规划能力。知识目标1.掌握DifyChatflow应用创建与配置的基本流程。2.理解“开始”节点的文件输入变量配置方法。3.了解条件分支节点与文档提取器节点的功能。能力目标1.能创建Chatflow应用并配置文件上传功能。2.能使用条件分支节点筛选Excel/CSV文件类型。3.能使用文档提取器节点读取文件内容。二、教学重难点教学重点与解决措施Chatflow文件输入配置与条件分支筛选。解决措施：分步演示开始节点添加文件变量，选择文档类型；演示条件分支表达式contains".xlsx"的编写。教学难点与解决措施理解条件分支的逻辑表达式语法。解决措施：提供表达式语法速查表；通过多个实例（单类型筛选、多类型OR筛选）帮助学生掌握。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境描述：面对38张Excel报表，领导下午就要总结，手动分析耗时耗力。提问：“如果有一个AI助手，你只需上传Excel并提问，它就能自动分析并给出图表，会是怎样的体验？”引出表格智眼项目。思政融入：数据处理中一个字符的错误可能导致结论完全相反，强调严谨细致。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）情境描述：面对38张Excel报表，领导下午就要总结，手动分析耗时耗力。提问：“如果有一个AI助手，你只需上传Excel并提问，它就能自动分析并给出图表，会是怎样的体验？”引出表格智眼项目。思政融入：数据处理中一个字符的错误可能导致结论完全相反，强调严谨细致。2.课中教学（70分钟）（1）Chatflow应用创建与基础配置（15分钟）创建空白应用，选择Chatflow模式，命名为“表格智眼”。删除默认LLM节点和直接回复节点。在开始节点添加文件输入变量excel，选择“单文件”类型，文件类型勾选“文档”。（2）条件分支节点配置（20分钟）添加条件分支节点。配置条件：contains".xls"、contains".xlsx"、contains".csv"。将三个条件关系设为OR。讲解MIME类型校验与文件扩展名筛选的区别。添加ELSE分支，直接回复“请上传Excel或CSV格式的文件”。（3）文档提取器节点配置（15分钟）在IF分支后添加“文档提取器”节点。输入变量选择开始节点的excel。讲解文档提取器的工作原理：格式转换→结构识别→文本序列化。学生尝试上传准备好的模拟Excel文件，观察文档提取器输出的文本内容。（4）LLM节点与直接回复节点初步搭建（20分钟）在文档提取器后添加LLM节点，命名为“excel数据解读分析”。暂不编写复杂提示词，先用简单指令测试。在LLM节点后添加直接回复节点，输出LLM的text结果。学生运行测试，确认文件上传到分析输出的完整流程通畅。3.课堂总结与思政升华（10分钟）总结Chatflow文件处理的核心节点：开始→条件分支→文档提取器→LLM→直接回复。思政升华：在文件类型筛选环节，一个条件写错可能导致用户上传错误文件而分析失败，“差之毫厘谬以千里”正是技术工作的真实写照。四、板书设计主区副区Chatflow节点链：开始(文件)→条件分支(筛选格式)→文档提取器→LLM→回复条件表达式：contains".xlsx"（OR连接）文档提取器：格式转换→结构识别→文本序列化思政：严谨细致MIME类型vs文件扩展名常见错误：条件表达式语法错误五、作业与反思课后作业完成表格智眼基础Chatflow搭建并上传文件测试。尝试处理包含多个sheet的Excel文件，观察文档提取器输出。预习数据分析提示词编写与多模态输出。存在不足部分学生对条件表达式书写不熟悉，出现语法错误；文件较大时文档提取器处理时间较长。改进设想提供表达式模板复制使用；增加文件大小限制说明，建议使用小文件测试。3-2表格智眼项目（二）：数据分析提示词编写与多模态输出一、教学目标素质目标1.培养追求专业数据呈现的意识，提升审美与数据表达素养。2.通过多模态输出训练，引导学生关注用户接收信息的体验。3.在提示词调试中强化耐心与细致态度。知识目标1.掌握引导LLM进行数据分析的提示词结构化设计方法。2.了解LLM输出文字、Markdown表格、Echarts图表的组合方式。3.理解LLM节点“记忆”功能与上下文关联的作用。能力目标1.能编写高质量数据分析提示词，实现数据解读与洞察。2.能配置LLM输出Markdown表格和Echarts图表JSON。3.能配置记忆功能实现多轮数据分析对话。二、教学重难点教学重点与解决措施结构化数据分析提示词设计与多模态输出配置。解决措施：提供完整提示词模板，包含角色、任务、输出要求、约束条件；演示Markdown表格和Echarts图表的输出效果。教学难点与解决措施确保LLM生成的EchartsJSON格式正确且可直接渲染。解决措施：在提示词中加入严格的JSON格式要求；演示常见JSON错误（引号、逗号）及排查方法。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上节课的基础流程，展示AI仅返回纯文本回答的局限。提问：“如果AI能同时给出文字总结、对比表格和趋势图，是不是更专业？”引出多模态输出目标。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上节课的基础流程，展示AI仅返回纯文本回答的局限。提问：“如果AI能同时给出文字总结、对比表格和趋势图，是不是更专业？”引出多模态输出目标。2.课中教学（70分钟）（1）结构化提示词设计（20分钟）讲解数据分析提示词的“角色-任务-约束”框架。提供完整模板：“你是拥有5年经验的零售行业数据分析师，擅长从销售数据中挖掘趋势与异常。请基于用户上传的销售数据回答用户提问……输出分为文字、表格、Echarts图表三部分……”强调约束条件：“仅使用上传数据，不编造信息；若数据不足，需明确说明。”学生基于模板编写自己的分析提示词。（2）LLM节点配置与记忆功能（15分钟）在LLM节点SYSTEM栏填入提示词。配置记忆功能，关联用户输入（开始节点sys.query）与传入数据（文档提取器text）。讲解记忆窗口大小的概念，以及如何关联多轮对话。学生配置记忆功能并进行测试。（3）多模态输出实践（25分钟）设计测试问题：“请分析销售额最高的三个产品，用表格对比，并画出销量趋势图。”运行应用，观察LLM输出。检查Markdown表格是否正确渲染。检查EchartsJSON是否符合规范，尝试复制到Echarts在线编辑器验证。对输出格式不符合预期的情况，修改提示词加强约束。（4）综合测试与调优（10分钟）学生用准备好的Excel文件测试多个分析维度。记录输出质量：文字逻辑是否清晰，表格数据是否准确，图表是否正确生成。互评最佳实践。3.课堂总结与思政升华（10分钟）总结高质量数据分析输出需要精心设计的提示词和严格的格式约束。思政升华：一份不清晰的数据报告可能导致决策失误，严谨细致不仅是对自己负责，更是对使用者负责。四、板书设计主区副区提示词框架：角色设定→任务目标→输出要求→约束条件多模态输出：文字(Markdown)+表格(Markdown)+图表(EchartsJSON)记忆功能：关联输入+数据+上下文EchartsJSON常见错误：引号、逗号各组提示词优化对比思政：严谨细致五、作业与反思课后作业完成表格智眼全功能Chatflow，提交包含文字、表格、图表输出的截图。用不同数据集测试应用，提交测试报告。预习票据智核项目OCR相关概念。存在不足EchartsJSON生成偶尔出现语法错误，部分学生不知如何排查。改进设想提供JSON在线校验工具链接；增加一节JSON语法快速回顾。3-3票据智核项目（一）：复杂Chatflow构建与OCR信息抽取一、教学目标素质目标1.培养学生依法合规处理财务数据的意识，强化法律法规观念。2.引导学生认识财务数据准确性的重要性，建立职业责任感。3.在复杂工作流设计中培养系统化思维。知识目标1.掌握Dify复杂Chatflow的构建方法，包括多分支与并行节点。2.理解OCR技术在票据识别中的作用。3.了解LLM结构化信息抽取的原理与方法。能力目标1.能构建包含文件上传、OCR提取、LLM信息抽取的复杂Chatflow。2.能为LLM编写精确的结构化信息提取指令（JSON格式输出）。3.能使用条件分支实现不同票据类型的分流处理。二、教学重难点教学重点与解决措施复杂Chatflow构建与结构化信息抽取。解决措施：分步演示完整流程搭建，逐步讲解每个节点配置；提供JSON输出模板供参考。教学难点与解决措施处理多种票据类型（增值税发票、普通电子发票）的分流逻辑。解决措施：使用条件分支节点根据LLM识别结果分类；为每种票据类型编写专用的信息抽取指令。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境描述：财务人员每天处理大量发票、收据，手工录入效率低且易出错。提问：“如果上传一张发票图片，AI能自动识别出发票号码、金额、销售方信息，并生成Excel表格，效率会提升多少？”引出票据智核项目。思政融入：财务数据必须真实合法，伪造、篡改票据是违法行为，强调遵纪守法。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）情境描述：财务人员每天处理大量发票、收据，手工录入效率低且易出错。提问：“如果上传一张发票图片，AI能自动识别出发票号码、金额、销售方信息，并生成Excel表格，效率会提升多少？”引出票据智核项目。思政融入：财务数据必须真实合法，伪造、篡改票据是违法行为，强调遵纪守法。2.课中教学（70分钟）（1）复杂Chatflow设计思路讲解（15分钟）分析项目需求：接收票据图片→OCR识别→判断票据类型→分别提取字段→生成Excel。设计工作流架构：开始节点→文档提取器→LLM(类型识别)→条件分支→专用LLM提取→代码处理→JSON转Excel→输出。（2）基础工作流搭建（25分钟）创建Chatflow应用，命名为“票据智核”。配置开始节点，添加单文件变量file，支持图片类型。添加文档提取器节点，关联文件变量。添加第一个LLM节点，使用视觉模型（如qwen2.5vl）识别发票类型。编写类型识别指令：“识别发票类型：0-增值税电子发票，1-电子发票（全电发票）。”添加条件分支节点，根据LLM输出分流。（3）专用信息抽取LLM节点配置（20分钟）为增值税专用发票分支配置LLM节点，编写指令提取发票号码、开票日期、购买方名称、销售方名称、金额、税额等字段，要求以JSON格式返回。为普通电子发票分支配置类似LLM节点，字段略有不同。学生查看LLM输出的JSON结构是否正确。（4）初步测试与纠错（10分钟）上传一张增值税发票图片。运行工作流，观察各节点输出。若类型识别错误，优化LLM指令；若JSON格式不规范，加强提示词约束。3.课堂总结与思政升华（10分钟）总结复杂Chatflow的分支设计逻辑，强调结构化输出的重要性。思政升华：在涉及财务票据的AI应用中，必须确保数据提取准确、流程合规，切不可因技术便利而放松合规要求。四、板书设计主区副区工作流架构：图片上传→OCR→类型识别→分支（专用发票/普通发票）→JSON输出类型识别指令：“返回0或1”JSON字段：发票号码、开票日期、金额、销售方名称…思政：遵纪守法，财务合规票据类型对照表常见错误：OCR识别不准、JSON格式错误五、作业与反思课后作业完成票据智核基础工作流，上传一张票据测试并记录输出。准备至少3张不同类型的模拟票据图片用于后续测试。预习数据核对与校验逻辑实现。存在不足OCR识别清晰图片准确率高，但对模糊或倾斜图片识别率下降。改进设想后续引入图像预处理技术；提示词中增加对OCR噪声的容错处理。3-4票据智核项目（二）：数据核对、校验逻辑与模型微调基础一、教学目标素质目标1.强化财务数据核验意识，培养学生对数据准确性的极致追求。2.在模型微调中引导学生理解数据质量决定模型质量。3.培养严谨的工程实践习惯，对每个处理步骤进行验证。知识目标1.掌握Dify代码执行节点实现数据核对与校验的逻辑。2.了解大模型微调（Fine-tuning）的概念与策略。3.理解微调数据集构建的标准与流程。能力目标1.能在代码节点中编写数据校验逻辑（如金额验证、日期格式检查）。2.能利用变量聚合器收集多分支输出并统一处理。3.能初步构建微调数据集（错误案例+正确标注）。二、教学重难点教学重点与解决措施代码节点实现数据校验与整合。解决措施：提供Python校验代码模板，包含金额验证、日期格式检查、必填字段检查；分步演示代码逻辑。教学难点与解决措施理解微调在提升票据识别准确率中的作用。解决措施：展示通用模型识别错误案例，说明微调可针对性提升效果；介绍微调数据集“三元组”结构。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上次课OCR和LLM提取的JSON结果，展示一个错误案例：发票号码漏识别一位，金额格式错误。提问：“如果直接使用这个错误数据，财务会出什么问题？”引出数据校验的必要性。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上次课OCR和LLM提取的JSON结果，展示一个错误案例：发票号码漏识别一位，金额格式错误。提问：“如果直接使用这个错误数据，财务会出什么问题？”引出数据校验的必要性。2.课中教学（70分钟）（1）数据校验代码节点编写（20分钟）讲解校验的目的：格式校验（日期、金额）、完整性校验（必填字段）、一致性校验（总金额与明细之和）。在条件分支后添加变量聚合器，收集两个分支的JSON输出。添加代码执行节点，输入变量聚合器的输出。演示Python校验代码：解析JSON→检查字段完整性→验证金额是否为数字→检查日期格式。输出校验后的规范化JSON或错误提示。（2）JSON转Excel功能实现（20分钟）添加“JSON转Excel”工具节点（需要先在插件市场安装Excel工具箱）。配置输入变量为校验后的JSON。添加直接回复节点，输出生成的Excel文件和原始票据图片。学生测试完整流程：上传图片→识别→校验→导出Excel。（3）模型微调基础讲解（15分钟）讲解微调概念：在预训练大模型基础上用特定任务数据进行再训练。展示票据识别中通用模型的常见错误：如将“发票号码”识别为“票号”。介绍微调数据集构建：收集错误识别案例→人工标注正确结果→形成训练数据。演示Dify中替换微调模型的方法。（4）错误案例收集（15分钟）学生用不同票据测试工作流，记录LLM识别错误的案例。手工标注正确结果，构建小型微调数据集（至少5条）。讨论微调如何能改善这些错误。3.课堂总结与思政升华（10分钟）总结从OCR识别到数据校验的完整流程，以及微调提升识别准确的路径。思政升华：财务数据的每一处错误都可能引发严重法律后果，技术人员的严谨细致是合规的基石。四、板书设计主区副区校验逻辑：格式校验+完整性校验+一致性校验代码节点主要函数：json.loads、日期正则、金额验证微调数据集：原始文本+错误输出+正确标注思政：财务合规，数据准确常见OCR错误类型JSON转Excel工具配置要点五、作业与反思课后作业完善票据智核全流程工作流，提交包含校验与Excel导出的截图。收集至少10个错误识别案例，完成正确标注。预习错题智辅项目中数据处理相关内容。存在不足部分学生编写Python校验代码有困难，逻辑不完整。改进设想提供更详细的代码注释与分步调试指导；安排编程基础较好的学生担任小组助教。3-5错题智辅项目（一）：数据处理与工作流设计一、教学目标素质目标1.培养学生运用AI提升学习效率的意识，激发自主学习动力。2.引导学生通过技术帮助他人改进学习方法，体现互帮互助精神。3.在错题数据处理中强调严谨分类与规范性。知识目标1.理解错题本应用的核心功能：输入→分析→存储→推送。2.掌握Dify工作流中条件分支与文档提取器的综合运用。3.了解JSON数据格式在工作流数据传递中的作用。能力目标1.能设计支持Word文档上传的错题输入工作流。2.能使用文档提取器提取错题内容并传递给LLM分析。3.能设计工作流实现错题的结构化输出（JSON格式）。二、教学重难点教学重点与解决措施错题文档处理与结构化输出设计。解决措施：演示Word文档上传到文档提取器的完整流程；提供JSON输出模板，LLM按模板生成。教学难点与解决措施处理不同学科、不同题型的错题分类与解析。解决措施：在LLM指令中详细定义类型（选择题/填空题/判断题/问答题）和解析格式；提供多学科示例。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境描述：林同学反复在同一知识点犯错，因为错题本记录潦草、缺乏解析，无法有效复习。提问：“如果有一个AI错题本，能自动分析错因、生成举一反三题目，并存入飞书表格，你会用它吗？”引出错题智辅项目。思政融入：勤奋好学是学生本分，用技术工具提升学习效率是智慧的表现。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）情境描述：林同学反复在同一知识点犯错，因为错题本记录潦草、缺乏解析，无法有效复习。提问：“如果有一个AI错题本，能自动分析错因、生成举一反三题目，并存入飞书表格，你会用它吗？”引出错题智辅项目。思政融入：勤奋好学是学生本分，用技术工具提升学习效率是智慧的表现。2.课中教学（70分钟）（1）项目需求分析与流程设计（15分钟）分析功能需求：接收错题文档→提取题目→分类整理→分析错因→生成解析→存储到飞书表格。设计工作流架构：开始节点（文件上传）→条件分支（筛选Word文档）→文档提取器→LLM（错题整理）→代码执行（JSON转换）→迭代（逐条写入飞书）。（2）文件处理节点配置（15分钟）在开始节点添加单文件变量wrong_question，类型为文档。添加条件分支节点，筛选.docx和.doc文件，使用OR逻辑。ELSE分支直接回复“请上传Word文档”。IF分支添加文档提取器节点。学生准备模拟错题Word文档并上传测试。（3）LLM错题整理指令编写（20分钟）配置LLM节点，编写系统提示词。指令要点：①角色为中小学错题收集整理专家；②任务为提取错误题目并按类型分类；③输出格式为JSON数组，每个元素包含题目内容、学科名称、题目类型、用户答案、正确答案、题目解析。强调仅输出JSON格式，不要多余文字。（4）代码节点与工作流初步测试（20分钟）添加代码执行节点，输入LLM输出的text。编写Python代码解析JSON字符串，将中文键名映射为英文键名。输出标准化JSON数组。添加直接回复节点查看处理结果。运行测试，检查JSON格式是否正确。3.课堂总结与思政升华（10分钟）总结错题智辅工作流基础设计，从文件上传到结构化输出。思政升华：好的学习习惯加上好的工具，能让学习事半功倍，也鼓励学生把自己开发的工具分享给同学，互帮互助。四、板书设计主区副区工作流：开始(Word)→条件分支(.docx/.doc)→文档提取器→LLM错题整理→代码(JSON转换)→输出LLM输出格式：[{“题目内容”:””,“学科名称”:””,“题目类型”:””,…}]代码：解析JSON，键名映射思政：勤奋好学，互帮互助错题分类：选择题/填空题/判断题/问答题常见错误：JSON格式不正确五、作业与反思课后作业准备一份包含多种类型错题的Word文档用于下次课测试。完成基础工作流搭建，确保能正常输出JSON格式错题数据。预习飞书多维表格集成与迭代节点使用。存在不足部分学生JSON格式理解不足，导致代码解析失败。改进设想增加JSON格式讲解微环节；提供JSON校验小工具。3-6错题智辅项目（二）：LLM提示词编写与飞书多维表格集成一、教学目标素质目标1.培养精细化提示词设计能力，提升AI交互质量意识。2.通过数据存储实现知识沉淀，引导学生重视积累的力量。3.在团队协作中实现工具共享，体现服务精神。知识目标1.掌握针对不同学科错题的LLM提示词设计方法。2.理解Dify迭代节点的功能与配置方法。3.了解飞书多维表格API集成的基本流程。能力目标1.能编写学科特定的错题解析提示词。2.能配置迭代节点实现多条记录循环写入飞书表格。3.能完成错题智辅全流程工作流并测试。二、教学重难点教学重点与解决措施迭代节点配置与飞书多维表格API集成。解决措施：分步演示迭代节点添加与参数配置；提供飞书应用创建与权限配置详细步骤。教学难点与解决措施理解迭代节点中数据逐条处理的逻辑。解决措施：用“流水线”比喻讲解迭代：每个循环处理一条错题，依次写入表格；在迭代内部添加代码节点提取当前项字段。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入回顾上次课输出的JSON数据，展示改进空间：“每条错题都分析清楚了，但只看不存等于白做，下次复习又得重新来。”引出数据持久化存储需求——写入飞书多维表格。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）回顾上次课输出的JSON数据，展示改进空间：“每条错题都分析清楚了，但只看不存等于白做，下次复习又得重新来。”引出数据持久化存储需求——写入飞书多维表格。2.课中教学（70分钟）（1）飞书多维表格创建与授权（20分钟）讲解飞书开放平台基本概念。演示创建飞书账号、新建多维表格，创建六列文本字段：题目内容、学科名称、题目类型、用户答案、正确答案、题目解析。演示创建企业自建应用，开通“多维表格”相关权限。获取AppID和AppSecret，在Dify工具页面配置飞书授权。（2）迭代节点配置（20分钟）在代码执行节点后添加迭代节点。输入变量选择代码节点输出的标准化JSON数组。在迭代节点内部添加：代码执行节点：提取当前迭代项item的各个字段，输出为独立变量；新增多条记录节点：配置app_token和记录列表，将字段值映射到飞书表格列。讲解迭代节点的工作原理：每次循环处理数组中的一个元素。（3）参数提取与写入代码编写（20分钟）在迭代节点内添加“参数提取”代码节点。编写Python代码：return{“content”:item[“content”],“name”:item[“name”],…}确保六个输出变量分别对应飞书表格六列。配置“新增多条记录”节点，参数填入各输出变量。连接直接回复节点，输出写入完成状态。（4）全流程测试（10分钟）上传准备好的错题Word文档。输入“请帮我整理错题”作为指令。观察工作流全流程运行：文档提取→LLM整理→JSON转换→迭代写入→飞书表格更新。查看飞书多维表格是否正确写入错题数据。3.课堂总结与思政升华（10分钟）总结从错题输入到结构化存储的完整流程，数据沉淀让学习有迹可循。思政升华：善用工具是智慧的体现，把自己开发的错题本分享给同学，共同进步，正是互帮互助的实践。四、板书设计主区副区迭代节点结构：迭代(输入数组)→参数提取→新增记录(飞书API)飞书集成步骤：创建表格→创建应用→开通权限→获取凭证→配置Dify参数提取代码：return{“content”:…,“name”:…,…}思政：互帮互助飞书API凭证获取流程常见错误：权限未开通、字段映射错误五、作业与反思课后作业完成错题智辅全流程工作流并提交运行截图。提交飞书多维表格中写入的错题数据截图。预习知识速递项目中网页解析相关内容。存在不足飞书集成步骤较多，部分学生可能在权限配置环节卡住。改进设想制作飞书集成可视化操作手册；录制配置视频供对照操作。3-7知识速递项目（一）：Chatflow基础设置与意图识别一、教学目标素质目标1.培养学生尊重知识产权的法律意识，明确合法数据抓取边界。2.引导学生利用AI高效管理网络信息，提升信息素养。3.在网页内容处理中强调信息来源的标注与可追溯。知识目标1.理解Dify中网页爬虫工具（WaterCrawl）的功能。2.掌握问题分类器节点在意图识别中的应用。3.了解知识库API写入的基本原理。能力目标1.能创建Chatflow应用并配置文件上传与意图分类。2.能使用问题分类器实现“知识库对话”与“网页解析入库”两个意图分支。3.能获取Dify知识库API密钥和ID。二、教学重难点教学重点与解决措施意图识别分支设计与知识库API获取。

解决措施：演示问题分类器添加两个分类的具体配置；带领学生获取知识库URL中的ip和ID。教学难点与解决措施理解网页内容自动化录入知识库的整体流程。

解决措施：用流程图展示从Excel链接→爬虫抓取→LLM解析→API写入的完整链路。三、教学过程教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课程导入情境描述：面对海量网页新闻、报告，人工阅读整理耗时且容易丢失。提问：“如果有一个AI能帮你自动‘读’网页，并把关键内容存进你的专属知识库，随时供你提问，该多好？”引出知识速递项目。

思政融入：爬取网络数据必须遵守robots协议和网站条款，尊重知识产权，不盗用他人内容。教学方法讲授法、讨论法、情景教学法教具准备PPT数字资源学习通课时分配2课中教学1.课程导入（10分钟）

情境描述：面对海量网页新闻、报