《人工智能应用与信息技术》电子教案 -项目四 提示词设计与应用（一）

教案学期2026—2027学年第一学期课程名称人工智能应用与信息技术开课专业、班级计算机应用技术、计算机26101-26103授课教师（职称）审定人编制时间：2026年6月课程基本情况课程名称人工智能应用与信息技术总学时数56理论学时28实践学时28课程学分3.5考核方式考查课授课专业计算机应用技术授课班级计算机26101-26103课程性质公共基础课程总体教学目标、要求本课程以人工智能应用岗位的实际工作需求为导向，立足人工智能行业发展趋势与岗位技能标准，通过理论讲授与实践操作相结合的教学模式，实现知识传授、技能培养与素养塑造的有机融合。通过本课程的系统学习，使学生全面了解人工智能与AIGC的基本概念与发展历程，掌握主流AIGC工具的功能特点与使用方法，具备提示词设计与优化的核心能力，能够运用AIGC工具完成文本创作、智能化办公、图像生成、音频处理、视频剪辑、数据可视化分析等实际任务。在技能培养基础上，着力提升学生的综合职业能力，培养学生具备AI时代所需的判断能力、创新能力、跨界融合能力与终身学习能力。引导学生树立诚信守法、审慎辨伪、向善而行的技术伦理观，养成规范操作、主动思考的职业习惯，能够从容应对人工智能时代的工作挑战。使用教材《人工智能应用与信息技术》参考资料教案4-1本节课标题项目四提示词设计与应用（一）任务1提示词的作用与核心要素任务2提示词设计方法（上）——提示词设计原则、思维链推理 授课学时4学情分析知识上，经过前三个项目的系统学习，学生已经具备了较为扎实的理论基础，这为本项目学习提示词（Prompt）的作用与核心要素提供了良好的认知铺垫。然而，多数学生目前对提示词的理解仍停留在零散、浅层的“日常问答”阶段，缺乏对提示词工程系统逻辑的认知。他们尚不了解结构化提示词框架、CLEAR设计原则以及思维链（CoT）推理等进阶理论知识，对如何通过精准指令引导模型输出高质量内容的理论机制尚处于空白状态。技能上，学生已具备操作主流AIGC工具的基础能力，能够完成简单的文本生成任务。但在实际应用中，普遍存在“指令模糊、缺乏上下文、未设定约束条件”等技能短板，导致生成的输出结果往往泛泛而谈，难以直接满足实际工作需求。此外，学生在面对复杂逻辑推理任务时，缺乏运用“思维链”引导AI分步思考的实操技巧，也未能熟练掌握通过提供示例（Few-Shot）来规范AI输出格式的技能。整体而言，学生亟需从“随意提问”向“结构化指令设计”的技能跨越，并培养根据AI反馈进行提示词动态迭代优化的实操能力。素养上，通过前期的伦理合规与职业生涯教育，学生已建立起对AI技术的敬畏之心，树立了安全、合规使用AI的底线意识，并具备了拥抱新技术的积极态度。但在人机协作素养上，部分学生仍习惯于将AI视为单纯的“答案生成器”而非“逻辑协作者”，缺乏深度探究和精益求精的工匠精神。在面对提示词生成效果不佳时，容易产生挫败感或过度依赖所谓的“万能咒语”，缺乏独立思考、逻辑拆解和持续优化的数字创新素养。本项目需进一步强化学生在人机交互中的主导意识，培养其严谨的逻辑思维和解决复杂问题的时代使命感。综上，学生在本项目中呈现出“有工具操作基础，缺系统工程设计能力”的典型特征。他们具备学习提示词工程的强烈内在需求和一定的理论认知，但基础差异较大，实操技能与高阶素养仍有待提升。因此，在教学过程中，教师需避免枯燥的纯理论灌输，应紧密结合学生前序掌握的AIGC工具，采用“案例对比+实操演练”的模式。通过引入真实的痛点场景（如模糊指令与结构化指令的生成效果对比），由浅入深地拆解提示词核心要素，重点突破思维链推理等难点，引导学生在不断的“测试-反馈-优化”循环中，真正掌握人机高效协作的核心技能。教学目标知识目标能力目标素质目标掌握“提示词”与“提示词工程”的定义，理解其在AIGC技术体系中的作用，即通过规范输入引导模型响应并生成内容；识记提示词的四大核心要素（指令、上下文、输入数据、输出指示），并能解释各要素对模型输出质量的影响；了解思维链推理（CoT）的基本流程，以及少样本学习、多轮对话管理等进阶概念。能够根据不同的任务需求，灵活组合提示词的核心要素，避免生成无效或偏离预期的内容；能够熟练运用RTF框架法（角色-任务-格式）构建结构化的提示词；能够基于AI的初始输出结果，诊断问题所在（如缺乏针对性、格式混乱），并通过补充上下文、调整指令或限制条件进行多轮优化，直至获得理想结果。通过设计结构化提示词，养成条理清晰、逻辑严密的思维方式，避免模糊和歧义表达；认识到AI是辅助工具而非万能答案机，培养主动引导、精准提问的交互习惯，提升与AI协作的效率；鼓励学生在面对实际工作问题时，主动运用提示词技术寻找解决方案，并敢于尝试不同的指令组合进行创新；在与AI交互及应用提示词技术时，具备基本的伦理判断力，确保内容生成的合规性与安全性。教学案例案例：某互联网公司运营专员小李，初次使用AI工具生成产品推文时，仅输入“写一篇手机推文”，结果AI输出的内容泛泛而谈、缺乏针对性，完全无法满足推广需求。后来，他学习了提示词设计技巧，采用RTF框架法明确角色为“资深手机行业小红书博主”，任务为“突出手机拍照防抖+超长续航卖点”，输出格式为“吸睛开场+卖点拆解+互动引导”，并融入思维链推理逻辑优化提示词。最终AI生成的推文精准契合平台风格，转发量较之前有所提升。教学重点及解决方法重点：提示词的构成要素与设计原则解决方法：1.明确四大要素：指令：以动词开头（如总结、翻译），明确任务；上下文：提供背景与角色设定，需精炼；输入数据：提供待处理的原始内容；输出指示：限定格式、长度、风格；组合策略：依据任务动态调整要素组合，避免缺失或冲突。2.明确性原则：避免开放性提问，通过限定主题、篇幅、文体等具体要求提升精准度；上下文关联原则：将隐性信息显性化，嵌入角色、场景等约束；渐进式引导原则：分层次、分步骤传递信息，避免信息过载。教学难点及解决方法难点：思维链推理的构建方法1.核心逻辑：引导模型逐步梳理、关联信息，适用于多步逻辑推导、因果解释等复杂问题。2.两种设计思路单轮对话设计：在一轮对话中写明完整思维链，使用逻辑词（如首先、其次）或符号明确步骤。多轮对话设计：在多轮交互中逐步引导，需明确核心问题，避免偏离主题。参考资料序号教学步骤教学内容教师活动学生活动教学环境1课前准备预习项目4中提示词与提示词工程的基本概念；提示词的四大核心要素（指令、上下文、输入数据、输出指示）；提示词设计的基本原则（明确性、上下文关联、渐进式引导）；思维链推理的理论知识。根据教材内容设定课前考核题目；通过学习通发布项目4-1的课前预习资料及思考题（“回顾日常使用AI时，哪些提问方式得到的回答最满意，哪些最差？”）；收集学生反馈，分析学生在提示词设计上的初始认知水平。阅读教材及教师提供的课前资料，完成课前思考题；在学习通提交自己日常使用AI时遇到的“提示词痛点”或失败案例；完成课前习题考核。学习通2任务引入（15min）以“小李写推文”案例导入，引出核心问题：（1）为什么初始提示词无法获得理想结果？（2）提示词的核心要素如何影响AI输出质量？（3）掌握提示词设计与优化方法，对提升AI工具使用效率、解决实际工作问题有哪些重要意义？讲述案例故事；抛出引导性问题；引导学生思考；顺势引入本节课的核心任务——掌握提示词核心要素与结构化设计。聆听案例；思考并回答引导性问题；分享自己日常使用AI时遇到的“提示词痛点”或失败案例。实训室3知识讲授（80min）提示词四大核心要素的定义及组合策略；提示词设计三大原则的内涵与落地；思维链推理（CoT）的概念及单轮/多轮对话设计思路。结合案例“小李写手机推文”、“职业顾问”，逐一拆解核心要素的作用；在PPT上演示RTF框架的“填空式”组合过程；讲解思维链推理时，演示如何在提示词中加入“请一步步思考”等逻辑连接词，以及单轮与多轮对话的切换策略。听讲并记录核心概念；跟随教师的演示，尝试套用RTF框架写出一个基础的提示词；理解思维链推理的逻辑步骤；参与问答互动；完成随堂判断练习。实训室4小组协作完成任务（60min）项目实训：本专业的AI职业顾问提示词设计实训方案：借助AI工具搭建专属职业顾问，明确AI的角色为“深耕AI领域的资深职业规划师”；实训任务：结合个人情况、行业趋势、能力提升输出职业规划方案；每一轮对话的提示词文本及优化思路。实训步骤：角色设定与背景输入→结果评估与差距分析→迭代追问与约束细化→格式化输出。下发实训任务；巡视课堂，观察各小组的提示词设计，针对“上下文溢出”或“逻辑跳跃”等问题进行一对一指导；引导学生根据AI的初步输出结果，通过补充信息或调整指令进行多轮对话管理与迭代优化。以小组为单位，根据任务要求，运用RTF框架（角色—任务—输出格式）撰写初版提示词；与AI进行交互，测试生成结果；若结果不佳，小组讨论并进行提示词迭代优化；记录优化前后的对比效果。实训室5小组汇报与评分（30min）小组汇报任务成果；对成果进行审查与互评。点评学生作品；组织互评；引导总结。展示成果；参与互评；记录反馈意见实训室6归纳提升和拓展（15min）梳理项目四核心知识点：1.提示词的作用与核心要素；提示词设计原则；思维链推理。延伸：提示词设计的伦理与安全边界。选取1-2个小组的优化成果进行全班展示与点评，重点点评RTF框架的完整性和思维链的合理性；强调在提示词设计与优化过程中，必须坚守伦理边界，主动规避AI可能产生的幻觉或偏见；总结本课核心知识点（核心要素、设计原则、思维链推理）。观摩优秀案例，反思本组提示词设计的不足；聆听教师关于伦理边界的强调，将安全意识内化；回顾并梳理本节课的知识脉络。实训室7课后任务1.完成学习通平台项目四（一）课后习题。2.提交《本专业的AI职业顾问提示词设计》至学习通平台。3.预习项目四（二）“提示词设计方法（下）——少样本学习、RTF框架法、多模态提示”、“提示词优化技巧”内容。学习通课后反思

教学内容备注一、任务引入案例引入：某互联网公司运营专员小李，初次使用AI工具生成产品推文时，仅输入“写一篇手机推文”结果AI输出的内容泛泛而谈、缺乏针对性，完全无法满足推广需求。后来，他学习了提示词设计技巧，采用RTF框架法明确角色为“资深手机行业小红书博主”，任务为“突出手机拍照防抖+超长续航卖点”，输出格式为“吸睛开场+卖点拆解+互动引导”，并融入思维链推理逻辑优化提示词。最终AI生成的推文精准契合平台风格，转发量较之前有所提升。引导性问题： （1）为什么初始提示词无法获得理想结果？（2）提示词的核心要素如何影响AI输出质量？（3）掌握提示词设计与优化方法，对提升AI工具使用效率、解决实际工作问题有哪些重要意义？案例任务：本专业的AI职业顾问提示词设计案例方案：借助AI工具搭建专属职业顾问，明确AI的角色为“深耕AI领域的资深职业规划师”；案例步骤：角色设定与背景输入→结果评估与差距分析→迭代追问与约束细化→格式化输出。二、知识讲授1．提示词提示词（Prompt）是AIGC技术体系内，用于引导生成式AI模型响应输入需求、完成内容生成的关键词汇。通过设置规范的提示词，用户能够更精准地表达自身需求，进而获得更符合期待的生成结果。提示词源于研究者们为了完成下游任务设计出来的一种输入形式，它的核心作用就是帮助大模型“回忆”之前训练时学到的知识。在大语言模型的交互逻辑中，提示词就是用户发出的输入信息，其形式可根据用户的实际需求灵活变化，既可以是一个简洁的问题、一段篇幅稍长的文本，也可以是一组具体的指令。提示词一般由多个单词、词组或短句组成，各部分之间通常以逗号作为分隔符。大语言模型开展内容生成工作时，会先对提示词进行解析与处理，再依据自身对这一输入的理解进行针对性输出。用户输入的提示词的差异，会直接影响最终的输出结果。即便只是几个字的细微差别，最终生成的内容也可能出现较为明显的不同。类似ChatGPT这样的大语言模型，其主要工作是完成复杂的计算与逻辑推理工作，而非机械执行指令，也不是从数据库中直接提取现成资料。提示词是影响大语言模型生成答案的关键因素，提示词的简洁度、清晰度，以及上下文的关联紧密程度，都会直接影响模型生成答案的质量。而合适的提示词能够帮助模型更精准地理解用户的真实意图与核心需求，进而让模型生成的文本内容更自然、更流畅。2．提示词工程提示词工程（PromptEngineering）是大语言模型开发、训练与应用过程中的基础要素，围绕输入提示的精细化设计展开，以提升模型的运行性能与输出准确性。提示词工程是一项极具技巧性与创造性的实践工作，这就要求相关从业者不仅要深入理解AI模型的底层工作原理，还需具备目标领域的扎实专业知识，同时拥有出色的语言表达能力与逻辑思维能力，能够通过专业的提示词设计引导模型输出达成甚至超出预期的结果。提示词工程的应用价值也不局限于单一的大语言模型，它还能推动文生图模型等不同类型的AI模型之间的交互与融合，其设计出的高效提示词策略可在多个模型中复用。3.提示词的四大构成要素（核心知识点）为了构建高效的提示词，我们需要掌握四个关键要素，它们分别是：指令(Instruction)：这是提示词的“大脑”。它明确告诉模型“需要做什么”，通常以动词开头，如“总结”、“翻译”、“改写”或“分类”。指令必须清晰，避免歧义。上下文(Context)：这是提示词的“土壤”。它为模型提供了任务背景、角色设定或领域知识。例如，在撰写面试自我介绍时，提供“面试岗位是产品经理”、“面试官是技术总监”等背景，能让AI的回答更具针对性。输入数据(InputData)：这是提示词的“原材料”。即模型需要处理的具体内容，如待分类的文章、需要润色的文案或特定的限制条件（如预算、人数）。输出指示(OutputIndicator)：这是提示词的“质检标准”。它限定了生成结果的格式、长度、风格或结构。例如，“用3个要点列出”、“不超过200字”或“采用小红书风格”。【练一练】提示词核心要素识别提示词核心要素不一定同时出现，不同的核心要素组合具有不同的效果。常见的提示词核心要素组合如表4-1所示。表4-1 常见的提示词核心要素组合核心要素组合示例说明指令＋上下文＋输出指示请以新媒体运营岗位的专业视角撰写产品推文，要求文案为短句式、年轻化风格，控制在80字以内这个提示词明确了模型的执行指令，同时提供了新媒体运营岗位的视角背景，还限定了文案的句式、风格与篇幅，通过3个核心要素结合引导模型按场景和要求生成内容指令＋输入数据＋输出指示请对以下文章进行分类，并给出每个类别的概率。限制条件：只使用机器学习算法进行分类。目标是提供准确的分类结果。【此处粘贴待分类文章】这个提示词告诉模型需要对给定的文章进行分类，并提供了处理的原始内容、限制条件、输出目标，引导模型按照指定要求完成分类任务并生成期望的输出指令＋上下文+输入数据＋输出指示请以初中数学老师的身份，对以下这道几何题进行解题步骤拆解，要求步骤清晰易懂，分点表述且每步不超过2句话。【此处粘贴几何题题干】这个提示词提供了初中数学老师的角色上下文，给出了待处理的几何题输入数据，还限定了输出的表述形式与篇幅，让模型能精准贴合场景和要求处理具体内容提示词核心要素的组合不唯一，亦无固定模板，应依据具体任务目标、模型能力边界及用户认知习惯动态调整。实践中，核心要素组合若使用不当，可能导致输出偏离预期或无法输出，例如指令缺失易致模型自由发挥，上下文模糊则会削弱场景适配性，输入数据未明确可能引发幻觉输出，输出指示缺位常可导致格式杂乱、信息冗余。常见的无效提示词如表4-2所示。表4-2 常见的无效提示词提示词提示词说明你能帮我生成一个旅游规划吗问题开放，无准确指令、上下文等核心要素内容，未明确出行地、天数、预算、人群等关键信息，AI无法输出有针对性的有用内容请推荐适合亲子游的景点，要求距离近输入数据不明确（未说明出发地、出行时间、预算范围等关键信息），上下文缺失，推荐结果缺乏针对性，无法匹配实际需求请简洁总结热门旅游城市的必去景点，同时详细介绍每个景点的历史背景，控制在100字内指令冲突（“简洁总结”与“详细介绍”相互矛盾），输出指示限制与指令要求相悖，AI生成内容会有偏差我下周要去成都，想玩得有特色缺失明确指令（未说明是规划行程、推荐特色美食、筛选小众景点还是预订住宿），仅提供基础上下文，AI易自由发挥，输出内容可能偏离核心需求请告诉我有关苹果的信息所提问题存在歧义，应避免使AI模型仅依据问题的字面意思响应，进而忽略用户的潜在诉求。若问题本身存在多种解读可能，需补充充足的上下文，规避理解偏差。在规避问题二义性的过程中，应提供足够的场景背景或具体细节，助力AI模型精准把握用户的真实意图。通过精准界定对象、时间、地点等核心信息，能够有效减少不必要的误解与混淆。同时，应尽可能清晰地向AI模型传递问题的背景信息与前置条件，使其输出更精准、更具针对性【练一练】为无效提示词添加核心要素4.提示词设计原则提示词设计是针对大语言模型的指令编写与优化需求，即根据具体需求，通过结构化的语言描述、逻辑引导、规则约束，让模型精准理解用户意图，输出符合预期的内容或解决方案的过程。简单来说，提示词设计不是随意提问，而是给模型下达清晰、可执行的任务指令。其核心是缩小模型的输出范围、引导模型的推理路径、规范模型的输出格式等，解决大语言模型答非所问、输出混乱等问题。提示词设计的核心原则通常包含以下3个方面。（1）明确性原则明确性原则要求提示词无模糊表述、无歧义信息。例如在文本生成任务中，“写一篇关于AI的文章”与“写一篇关于AI发展趋势的800字左右的论文”的提示效果截然不同。前者缺乏主题聚焦、字数约束与文体要求，可能导致AI生成泛泛而谈的内容；后者则通过限定主题方向（发展趋势）、篇幅（800字左右）与文体（论文），提升输出的准确性与质量。（2）上下文关联原则上下文关联原则强调提示词需与任务场景、用户身份及历史交互保持逻辑连贯。例如面向中学生设计科普问答提示时，应嵌入“用生活化比喻解释”“避免专业术语”等上下文约束；而面向工程师的同类任务，则需补充“引用最新论文数据”“标注技术参数”等专业语境。该原则要求将用角色、使用环境、知识背景等隐性信息显性化为提示要素，使模型的输出既符合任务目标，又契合实际应用场景。（3）渐进式引导原则渐进式引导原则适用于复杂任务、多步骤任务或高难度需求，其核心逻辑是遵循模型“逐字预测、上下文依赖”的工作原理，分层次、分步骤传递信息，先让模型建立基础认识，再逐步补充细节要求。5.深入理解思维链推理(ChainofThought,CoT)概念解析：思维链是渐进式引导原则的高级应用。它模拟了人类的思考过程，引导模型将一个复杂问题拆解成多个简单的推理步骤。应用场景：主要用于解决需要多步逻辑推导、因果解释或复杂决策的问题（如数学应用题、深层原因分析）。下面结合一个具体案例，拆解思维链推理的完整流程。假设提问：为什么冬天窗户上会结霜？思维链推理步骤如下。（1）解析问题核心。模型首先明确问题的核心诉求——解释冬季窗户上出现霜层的原因，同时锁定关键词“冬天”“窗户”“结霜”，厘清三者之间的关联，确定思考方向围绕季节特征、窗户属性与结霜现象的内在逻辑展开。（2）调取相关知识。基于对问题的初步解析，模型从内部知识库中检索对应的科学原理，核心是关联水蒸气凝华的概念，同时结合冬季气温特点、窗户内外温差等关键信息，这些都是解释结霜现象的核心因素。（3）搭建解释框架。调取相关知识后，模型开始构建基础回答逻辑：冬季室外气温极低，窗户玻璃温度随之降至0℃以下，室内空气中含有大量水蒸气，当水蒸气接触到冰冷的玻璃表面时，会直接从气态转变为固态的冰晶，这些冰晶聚集在玻璃上，就形成了霜。（4）补充延伸信息。为了让回答更全面，模型还会补充说明影响结霜的相关因素，比如室内湿度越高、窗户玻璃温度越低，结霜现象越明显；而如果窗户密封性较好、室内外温差较小，结霜则可能相对轻微，甚至不出现。（5）优化语言表达。模型将上述推理步骤整合为通俗易懂的文字，剔除专业术语，确保答案准确且易于用户理解。故而AI回答如下。【提示词示例】【输入】为什么冬天窗户上会结霜？【输出】冬天窗户上会结霜，是因为冬季室外气温低，窗户玻璃温度降至冰点以下，室内空气中的水蒸气接触到冰冷的玻璃后，无须经过液态，直接凝华为固态冰晶，这些冰晶附着在玻璃表面，便形成了霜。这一思维链推理过程，清晰展现了大语言模型从输入到输出的完整路径。借助这一路径，可以设计出结构清晰、引导性强的提示词。在设计提示词之前，需要了解适合使用思维链推理的问题——通常为需要多步逻辑推导、因果解释、数学推理或复杂决策的问题。在这类问题中，用户需求是解决“为什么”“怎么做”“背后有哪些步骤／原因”等多层次问题。思维链推理的提示词有以下两种设计思路。（1）单轮对话设计。单轮对话设计是指在一轮对话中写明要求与思维链。假设以电子商务专业毕业生的身份，利用AI完成实习岗位选择规划。使用单轮对话设计的示例如下。在下述示例中，提示词分别使用自然语言逻辑词和特殊符号来明确思维链，引导AI根据思维链进行分步推理，从而输出针对性强的内容。【提示词示例】【示例1】请解答：如何选择适合我的实习岗位，我应该选择电商运营岗还是直播销售岗？先明确核心需求，然后对比岗位能力要求，接着匹配自身优势，最后给出决策建议。【示例2】请解答：如何选择适合我的实习岗位，我应该选择电商运营岗还是直播销售岗？根据以下步骤解答：明确核心需求→对比岗位能力要求→匹配自身优势→给出决策建议。（2）多轮对话设计。多轮对话设计是指在多轮交互中逐步引导模型完成推理。对于多轮对话的提示词设计，最重要的是明确核心问题，避免提示词偏离主题。例如，“提升电商店铺商品转化率”的多轮对话提示词设计示例如下。【提示词示例】核心问题：如何提升学生创业项目“校园水果电商店铺”的商品转化率？第一轮：明确“校园水果电商店铺商品转化率”的核心定义（下单人数/访客人数），并列出影响转化率的关键因素，需结合校园场景的特点（如用户群体、配送方式、消费习惯）。第二轮：针对每个关键因素，分析其对校园水果电商店铺商品转化率的具体影响，比如“商品详情页”如何影响学生下单决策？第三轮：基于对影响因素的分析，搭建“提升转化率”的逻辑框架，以“先优化什么、再优化什么”的方式说明优先级（按影响程度排序）。第四轮：根据优先级针对每个因素，设计具体可落地的优化方案，要求符合高职学生创业的低成本、易操作特点。第五轮：将推理过程和优化方案整合为一个校园水果电商店铺商品转化率提升执行方案，包含具体步骤、责任人、时间节点。【练一练】对核心问题进行思维链推理三、任务实施（一）任务解析职业规划是大学生面临的重大人生课题，但往往因信息不对称、自我认知模糊而陷入迷茫。本实训旨在利用AI技术，构建一个“专属AI职业顾问”，通过科学的提示词设计，解决职业定位、行业分析和能力提升路径规划的实际问题。（二）任务目标掌握RTF框架：熟练运用角色（Role）、任务（Task）、格式（Format）框架设计职业顾问提示词。学会迭代优化：掌握运用思维链（CoT）和少样本学习（Few-shot）方法，对AI输出结果进行批判性评估与迭代优化。产出个性化方案：最终借助AI工具输出一份贴合个人专业背景和兴趣的、可直接用于求职准备的结构化职业规划方案。（三）实操工具：工具推荐：DeepSeek。该模型在代码生成、数学推理及长文本分析方面具有显著优势，特别适合处理职业规划这类需要复杂逻辑推理的任务。材料准备：学生需准备本人最新版简历（务必包含教育背景、核心课程成绩、实习经历、项目成果、技能证书及自我评价），简历信息越详实，AI生成的方案越精准。（四）操作步骤：第一阶段：初始对话（建立基准）操作：打开DeepSeek，开启新对话。点击“上传附件”按钮上传简历。输入提示词：“你是一位深耕AI领域的资深职业规划师，我是一名AI专业的学生，请你给我提供职业规划咨询。请结合我的课程成绩、实习经历与兴趣方向，从行业分析、岗位匹配、能力提升建议3个方面，给出结构化职业规划方案”。目的：获取一个通用的基准回答，作为后续优化的“靶子”。第二阶段：批判性评估（寻找差距）分析重点：行业分析：是否覆盖了AI领域的主流趋势？深度是否足够？岗位匹配：是否结合了简历中的具体项目经验和技术栈？还是泛泛而谈？能力提升：建议是否具体到可执行的学习路径（如具体技术点）、推荐资源（书籍/课程）和时间节点？第三阶段：迭代优化（精准打击）发现问题：假设初次输出的岗位匹配未契合学生感兴趣的“计算机视觉”方向，且能力提升建议过于笼统。优化指令：在对话框中输入：“调整已生成的职业规划方案，调整内容如下：①聚焦‘计算机视觉’与‘自然语言处理’两大细分方向，结合我的项目经验重新匹配岗位；②能力提升建议需明确学习路径、推荐资源、时间节点等，要求6个月内完成”。目的：利用“渐进式引导”原则，通过补充上下文和具体约束，引导AI生成更具实操性的内容。第四阶段：格式化输出（工程化应用）最终指令：当内容基本满意后，输入：“将最终方案按‘行业分析—岗位匹配—能力提升建议’3个部分分点呈现，每部分用中文顿号分隔关键信息，不加序号、不换行、不使用任何标点以外的符号”。目的：确保输出格式统一、精炼，便于直接复制到求职文档或PPT中使用。（五）实训成果与评价（1）实训成果：一份结构清晰、内容详实的个性化职业规划方案；完整的对话记录（包含原始提示词、优化过程中的中间提示词及最终提示词），并附上每一步的优化思路说明。（2）实训评价如表4-5所示。表4-5实训评价评价维度评价指标得分实训准备（1）优秀（17～20分）：资料完整翔实，清晰理解实训目标，精准阐述核心要求。（2）良好（14～16分）：资料基本完整，理解核心目标，能简述核心方向。（3）合格（12～13分）：资料部分缺失，对目标理解模糊，仅能说出部分要求。（4）不合格（0～11分）：资料未准备或严重缺失，不理解目标，无法阐述要求提示词设计（（1）优秀（22～25分）：综合运用多种优化方法，精准定位问题，优化效果显著。（2）良好（18～21分）：运用1种优化方法，能针对明显问题进行优化，有一定效果。（3）合格（15～1