智能基础及搭建应用 24

AI智能体搭建与应用授课教师专业（学科）新媒体教学课题智能体的核心模块——大模型学时安排2学时（90分钟）教学年级所选教材《AI智能体搭建与应用（基于Coze）（慕课版）》，乔海晔、杨忠明主编，人民邮电出版社，2026年5月一、学习目标描述1.知识目标1）了解大模型的概念与核心特征（参数规模、涌现能力、预训练-微调范式）。2）掌握大模型的七种主要类型（大语言模型、视觉大模型、图像生成大模型、音频大模型、视频生成大模型、代码类大模型、多模态大模型）及其特点与应用场景。3）理解大模型与智能体的共生关系，掌握大模型在智能体中扮演的四大角色：理解与感知中心、知识与记忆中枢、规划与推理引擎、决策与生成单元。4）掌握大模型的关键参数（Token、温度、上下文长度、流式输出、深度思考）的含义与设置方法。2.能力目标1）能够根据任务需求选择合适类型的大模型（文本任务选大语言模型、图像任务选视觉模型/图像生成模型等）。2）能够通过调整温度、上下文长度等关键参数优化模型输出效果。3）能够理解并描述大模型如何在智能体中充当“大脑”的角色。3.素养目标1）通过了解国产大模型（DeepSeek、通义千问、豆包等）的发展现状，增强学生对我国AI技术的认同感与自豪感，激发科技报国意识。2）培养学生的技术判断力，能够理性评估不同大模型的适用场景与局限性。二、学习重点及难点学习重点：大模型的七种类型及其应用场景；大模型与智能体的关系（四大角色）；关键参数（温度、上下文长度）的作用与调优方法。学习难点：理解大模型“涌现能力”的内涵；区分不同大模型类型之间的边界与重叠；理解Token计数对模型性能的影响。教学问题预测1.学生可能对大模型的“涌现能力”理解困难——为什么模型变大后会突然表现出类似人类的推理能力？2.学生容易混淆“视觉大模型”和“图像生成大模型”——认为两者是一回事。3.学生对“温度”参数的作用难以直观理解——不清楚何时该调高、何时该调低。4.学生可能对大模型与智能体的关系理解不够深入——可能认为“大模型就是智能体”。四、教学问题解决方案1.涌现能力形象化讲解：采用“水滴与洪流”的比喻——单个水分子没有洪流的力量，但当数十亿水分子汇聚时，就形成了巨大的洪流。同样，当参数规模达到千亿级别时，模型就“涌现”出了小模型不具备的推理和理解能力。2.对比表格厘清概念：在讲解视觉大模型与图像生成大模型时，使用对比表格（视觉大模型=“读懂”图像，图像生成大模型=“创造”图像），帮助学生区分。3.温度参数生活化比喻：将温度比作“答题的随机性”——温度低时像学霸答题，每次答案都精准稳定；温度高时像灵感迸发的创作者，每次都有不同创意。结合教材中“创意写作调高、事实回答调低”的建议进行讲解。4.“大脑与身体”的类比贯穿教学：反复运用教材中的核心类比——大模型是智能体的“大脑”，提供智慧；智能体是大模型的“承载者”，提供身体和手脚。强调“大模型≠智能体，大模型只是智能体的核心引擎”。五、学习者特征分析（教师填写）学习特点：学习习惯：交往特点：六、教学资源教材和参考书籍：1.《AI智能体搭建与应用（基于Coze）（慕课版）》，乔海晔、杨忠明主编，人民邮电出版社，2026年5月，项目二“任务一认识智能体中的大模型”。2.各模型官方文档：DeepSeek、通义千问、豆包、SunoAI等。在线课程和平台：1.扣子开发平台模型配置界面（用于演示关键参数设置）。2.各大模型官网（用于展示不同类型模型的典型应用）。七、预习成果展示八、教学项目（任务）设计项目名称：“大模型选型与参数配置实战”项目目标1.学生能够准确理解大模型的概念、类型及其与智能体的关系。2.学生能够根据具体的任务需求，选择合适类型的大模型。3.学生能够理解关键参数的含义，并能够进行基本的参数调整。项目任务及要求任务一：大模型类型与应用场景匹配1.任务内容学生以小组为单位，完成以下任务：（1）根据教材内容，列出七种大模型类型及其典型应用场景，形成对比表格。（2）分析以下三个任务场景，分别应选择哪种类型的大模型：①为一家奶茶店设计一张新品宣传海报；②开发一个能帮助程序员自动生成代码的助手；③制作一段包含背景音乐的产品介绍视频。2.要求（1）对比表格需涵盖“模型类型”“核心功能”“典型代表”“适用场景”四个维度。（2）每个任务场景需给出明确的选型理由。任务二：关键参数模拟配置任务内容请学生独立思考以下两个场景，并给出参数配置建议：场景一：需要智能体为一款新上市的智能手表撰写三句不同风格的广告语（用于A/B测试）。请问温度参数应调高还是调低？为什么？场景二：需要智能体回答一个科学事实类问题（如“水的沸点是多少摄氏度”）。请问温度参数应调高还是调低？为什么？请将分析思路与结论记录下来。九、教学结构流程的设计教学环节学习目标参考导语教学内容项目任务教法学法设计意图教学资源时间导入【参考导语】同学们，上节课我们认识了智能体——它能够“感知→决策→行动”，是一个主动的任务执行者。但大家有没有想过一个问题：智能体凭什么能够感知、决策和行动？它的“智慧”从哪里来？如果说智能体是一个有手有脚的“人”，那它的“大脑”是什么？今天我们就来认识这个“大脑”——大模型。【设计意图】通过类比复习上节课内容，自然过渡到新课主题——大模型是智能体的“大脑”。5本课介绍【参考导语】本节课是项目二“智能体的核心模块”的第一部分，我们将围绕智能体的“大脑”——大模型展开学习。内容包括：大模型的概念与核心特征、七种主要类型、大模型与智能体的关系、以及五个关键参数。这是理解后续课程（提示词工程、记忆、技能）的基础。【设计意图】明确本节课的学习目标与内容框架。5输入知识目标1【参考导语】首先，我们来理解什么是大模型。请大家阅读教材“任务一”中“大模型的概念”部分，找出大模型的核心特征。【教法学法】1.阅读指导：引导学生快速定位“大模型概念”中的关键词（参数规模、涌现能力、预训练-微调）。2.提问引导：什么是“涌现”？小模型为什么没有涌现能力？【设计意图】通过自主阅读和问题引导，建立对大模型的基本认知。【教学资源】教材“大模型的概念”部分10【教学内容】大模型本质上是一个通过海量数据训练而成的深度神经网络模型。其核心特征在于“大”——千亿甚至万亿级别的参数规模、庞大的训练数据、复杂的计算结构。这种规模使得模型实现了智能的“涌现”（Emergence），表现出小规模模型所不具备的理解、推理、生成乃至创造能力。大模型通过“预训练-微调”（Pre-trainingandFine-tuning）范式，从海量无标注数据中学习通用知识，再通过少量有标注数据进行特定任务的适配。输出好，现在来检验一下大家的理解：（1）谁能用自己的话概括一下什么是大模型？（2）“涌现”是什么意思？能否用生活中的例子来类比？（学生回答）比如有同学刚才提到——单个水分子没有洪流的力量，但数十亿水分子汇聚就有巨大的洪流。这就是“涌现”！【教法学法】问答互动+学生类比分享。【设计意图】检验阅读效果，通过学生自主类比深化对抽象概念的理解。8反馈刚才同学们的回答很好。需要补充一点：“预训练-微调”范式是大模型最重要的技术突破之一——先让模型在海量数据上“通识教育”，再针对特定任务“专业培训”。这也是大模型能够广泛应用于不同领域的原因。【设计意图】强化“预训练-微调”这一核心范式。3反思大家想一想：如果让你用一个比喻来形容大模型的“预训练-微调”过程，你会用什么比喻？【设计意图】通过类比深化理解。2输入知识目标2【参考导语】了解了概念后，我们来看看大模型有哪些类型。请大家阅读“大模型的类型”部分。【项目任务】小组合作：在笔记本上完成七种大模型类型的对比简表（类型→核心功能→典型代表→适用场景）。【设计意图】通过表格整理，建立对大模型类型的系统认知。12【教学内容】大模型已从单一的文本处理发展为一个覆盖多种信息模态的庞大家族：①大语言模型（DeepSeek）——处理文本；②视觉大模型（豆包视觉理解模型）——理解图像；③图像生成大模型（Seedream）——创造图像；④音频大模型（SunoAI）——处理声音；⑤视频生成大模型（Seedance、Sora）——生成视频；⑥代码类大模型（Qwen-coder）——编写代码；⑦多模态大模型（Qwen-VL）——跨模态理解与生成。【教法学法】1.表格填写：学生在笔记本上完成七种类型的对比简表。2.举例展示：教师结合教材中的典型代表（DeepSeek、豆包、Seedream等）逐一说明。【教学资源】教材“大模型的类型”部分输出好，我来检验一下大家的表格完成情况——（1）大语言模型的核心功能是什么？典型的代表模型有哪些？（2）视觉大模型和图像生成大模型有什么区别？（关键考点）（3）多模态大模型“多”在哪里？【教法学法】快速问答+重点辨析（视觉模型VS图像生成模型）。【设计意图】通过问答检验表格完成质量，辨析易混淆概念。8反馈大家注意一个关键区别——视觉大模型是“读懂”图像，图像生成大模型是“创造”图像。前者做识别和理解，后者做生成。这是两种不同的能力方向。多模态大模型则是“全能选手”，能同时处理多种类型的信息。【设计意图】厘清易混淆概念，强化辨析记忆。3反思如果你要开发一个能帮设计师快速出图的智能体，你应该选择哪种类型的大模型？如果是要开发一个帮盲人“听懂”图片内容的智能体呢？【设计意图】引导学生根据任务需求进行模型选型判断。4输入知识目标3【参考导语】认识了各种类型的大模型之后，我们来看看一个核心问题——大模型和智能体到底是什么关系？

请大家阅读“大模型与智能体的关系”部分。【教法学法】1.阅读指导：引导学生提取大模型的“四大角色”。2.类比教学：反复强化“大脑”与“承载者”的类比。【设计意图】建立“大模型≠智能体，大模型是智能体的大脑”的核心认知。8【教学内容】大模型是智能体的“大脑”，智能体是大模型的“承载者”。大模型在智能体中扮演四大角色：①理解与感知中心——深度语义理解；②知识与记忆中枢——存储世界知识；③规划与推理引擎——制定行动计划；④决策与生成单元——生成行动指令。智能体除了有“大脑”，还有“身体”和“手脚”（规划、记忆、技能等模块）。各要素协同，推动AI从“问答机器”向“问题解决者”跨越。【教学资源】教材“大模型与智能体的关系”部分输出现在我来问一个关键问题——大模型就等于智能体吗？如果不是，它们之间是什么关系？（学生回答）很好！大模型是智能体的“大脑”，但智能体还有规划、记忆、技能等“身体”和“手脚”模块。没有大脑，智能体无法思考；没有身体和手脚，大脑也无法行动。【教法学法】核心问题提问+学生回答+教师总结。【设计意图】强化核心认知：大模型≠智能体，大模型是智能体的核心引擎。5反馈补充一个重要的观点：大模型赋予了智能体“理解世界”和“思考问题”的能力，但智能体的“行动能力”来自于其他模块（规划、记忆、技能）。这就是为什么我们在后续课程中还要学习提示词工程、思维链、知识库、工作流等内容——它们构成了智能体的“身体和手脚”。【设计意图】承上启下——大模型是起点，后续还有规划、记忆、技能需要学习。3反思如果只有一个大模型，没有规划、记忆和技能模块，它能算是一个“智能体”吗？为什么？【设计意图】引导学生理解智能体作为“完整系统”的概念。2输入知识目标4【参考导语】最后，我们来看看在使用大模型时，有哪些关键参数需要我们了解和调整。请大家阅读“大模型中的关键参数”部分。【项目任务】独立思考以下两个场景的参数配置：场景一：需要生成3句不同风格的广告语（A/B测试）→温度调高还是调低？场景二：回答科学事实类问题（水的沸点）→温度调高还是调低？将判断理由记录在笔记本上。【教学资源】教材“大模型中的关键参数”部分12【教学内容】五个关键参数：①Token——模型处理自然语言的最小单位；②温度——控制输出随机性，值高=创造性，值低=确定性；③上下文长度——模型一次能“记住”的文本长度；④流式输出——逐部分返回结果，提升交互体验；⑤深度思考——展示推理过程，提升复杂问题准确率。【教法学法】1.生活化比喻教学：温度=“答题的随机性”；2.场景分析：学生独立思考后分享判断。输出好，我们来分享：（1）场景一（广告语）应该怎么设置温度？为什么？（2）场景二（科学事实）应该怎么设置温度？为什么？（学生回答）（总结）创意任务→高温；事实任务→低温。【教法学法】学生分享+教师总结。【设计意图】检验学生对温度参数的理解，将理论知识转化为实际应用判断。5反馈温度调高时输出更多样，温度调低时输出更稳定。但注意——温度不是越高越好，过高可能导致输出完全不相关；也不是越低越好，过低可能导致输出呆板重复。需要根据任务类型找到平衡点。【设计意图】补充“适度原则”，避免学生走向极端。3反思除了温度，你觉得在实际使用智能体时，哪个参数最影响你的使用体验？为什么？【设计意图】引导学生关注其他参数（如流式输出、深度思考）对用户体验的影响。2课后作业实训任务：1.在扣子平台上创建一个简单的智能体，在模型配置界面找到“温度”参数，尝试将其分别设为0.2和0.8，输入同一个简单问题（如“请介绍一下你自己”），观察并记录两次回答的差异。2.阅读教材“拓展延伸”中“幻觉”的内容，思考：为什么大模型会产生幻觉？大模型的类型选择与关键参数设置是否会对幻觉产生影响？课后思考题：1.简述大模型在智能体中扮演的四大角色。2.如果让你开发一个“智能旅游规划师”智能体，你会选择哪种类型的大模型作为核心引擎？说明理由。3.温度参数分别在高值和低值时，模型的输出各有什么特点？分别适合什么场景？【设计意图】通过课后实践巩固课堂所学，拓展前沿技术视野。5教师小