AIGC+电子商务基础与实务 课件 05 认知生成式人工智能

AIGC+电子商务基础与实务

任务五

认知生成式人工智能目录01什么是人工智能大模型02了解生成式人工智能及行业应用03生成式人工智能在电商领域催生新职业04提示语工程的基础技巧及在电商场景的应用视觉智能

——机器如何“闻声识人”01大语言模型的定义大语言模型（LargeLanguageModel，LLM）是一种人工智能模型，通常基于深度学习架构，旨在理解和生成人类语言。大语言模型在大量文本数据上进行训练，可执行广泛的任务，包括文本总结、翻译、情感分析等。其特点是规模庞大，包含数十亿的参数，能帮助机器学习文本数据中的复杂模式，有助于在各种自然语言处理任务上取得优异的表现。Deepseek的爆红出圈吸引了更多人对于大语言模型的发展趋势和现实应用的关注。大模型在自然语言处理、计算机视觉和语音识别等多个领域展现出了强大的性能，能够处理和理解复杂的语言、图像和语音信息，为各种人工智能应用提供了强大的基础支持。通用大模型和推理大模型的差异通用大模型和推理大模型是人工智能领域中两种重要的模型类型，它们在设计目标、应用场景上均存在显著差异。学习掌握两种模型的特点、应用差异以及人机互动的关键环节和能力，在生成式人工智能时代的职场工作和生活应用中至关重要。1.什么是通用大模型通用大模型——擅长文本生成与内容创造为广泛任务设计的模型，能够处理多种类型的自然语言处理任务，例如文本生成、问答、翻译和内容创作等。通过海量文本数据的训练，对生成多样化文本内容具备强大的能力。擅长在方案撰写、故事创作，广告语、社交媒体内容创作、剧本、对话的设计，以及长文本摘要、文本简化等方面处理任务，但缺乏像推理模型那样复杂的推理和决策能力。

通用大模型和推理大模型的差异近年来国内在大模型领域崭露头角，涌现出一批具有国际竞争力的通用大模型。这些模型不仅在中文自然语言处理方面展现出色，也在多模态理解、图像处理、对话系统等多个领域表现优异。以下为几个代表性的通用大模型：

腾讯混元大模型：腾讯公司推出的一款先进的通用大模型平台，提供强大的自然语言处理和人工智能能力。擅长中文处理，支持多模态数据的处理，包括处理文本、图像、音频等多种数据类型。

文心一言：百度推出的中文自然语言处理大模型，具有强大的文本生成、理解和推理能力。

通义千问：阿里云推出的一个先进的通用大模型平台，提供强大的自然语言处理和多模态AI能力。

智谱清言：一个基于自然语言处理技术的开源对话模型平台，由清华大学和智谱AI联合开发，专注于提供智能化、个性化的中文对话生成服务。

讯飞星火：一个基于人工智能和自然语言处理技术的认知大模型平台，提供智能对话、内容生成、知识问答等多种AI服务和应用。什么是推理大模型推理大模型——擅长逻辑与代码推理大模型更专注于逻辑推理、数学计算、代码生成等需要深度思考和分析的任务。以DeepSeek-R1为例，这是一个典型的推理大模型，采用纯强化学习（RL,ReinforcementLearning）的训练范式，开辟了一条独特的训练路径。它通过大规模强化学习技术，在极少人工标注数据的情况下显著提升了推理能力，尤其在数学、代码生成和自然语言推理等任务上表现卓越。DeepSeek-R1在训练中展现出自我反思、评估先前步骤、自发寻找替代方案等复杂行为，具备强大的深度推理能力，适用于以下需要深度思考和分析的场景：

数学问题求解：在数学难题、物理建模计算等场景中提供逻辑求解。

代码生成：为程序员提供高效的代码辅助支持，提升编程效率和代码质量。

逻辑推理：在学术研究、问题解决应用程序和决策支持系统中发挥作用。

教育工具：帮助学生进行逻辑思维训练，培养解决复杂问题的能力。了解生成式人工智能及行业应用02什么是生成式人工智能生成式人工智能（GenerativeAI）是一种以“创造新内容”为核心目标的人工智能技术，其通过数据驱动的训练过程，学习输入数据的潜在分布规律，并基于此生成符合人类语义需求的文本、图像、音频、视频等多模态内容。生成式人工智能系统不仅可以模仿已有数据的特征，还能在此基础上创造出全新的内容，从而在多个领域发挥重要作用。与传统的判别式人工智能不同，生成式人工智能的核心目标不仅仅是对数据进行分类或预测，更在于通过数据的潜在模式进行创造。生成式人工智能具有以下显著特征：

创造性输出：突破传统判别式模型的分类与预测功能，生成具有原创性、多样性的内容；

跨模态能力：支持文本、视觉、听觉等不同模态间的相互转化与联合生成（如文生图、图生视频等）；

交互式生成：通过自然语言指令（提示词Prompt）实现动态内容控制，降低技术使用门槛。生成式人工智能的应用领域随着海量数据的积累和计算能力的提升，生成式人工智能的能力正在不断拓展，推动着生产内容的自动化与智能化，深刻改变着多个行业的运作模式。通过学习大量的训练数据，捕捉数据中的模式和特征，从而生成与训练数据相似但又具有创新性的新内容。（一）行业应用领域举例在行业应用上，涵盖：

内容创作：在媒体和娱乐行业，生成式人工智能可以自动生成新闻报道、故事创作、音乐生成等，提高内容创作的效率和多样性。

广告与营销：生成式人工智能能够为广告文案、宣传海报、视频广告等创作提供创意和素材，快速生成符合品牌风格和营销目标的内容。

教育领域：辅助教学资料生成、自动出题、智能辅导等，为教育工作者和学生提供更加个性化和高效的学习支持。

医疗健康：生成医学影像报告、辅助诊断建议、药物研发中的分子结构设计等，提高医疗工作的效率和准确性。生成式人工智能的应用领域（二）典型应用场景1.图像生成与处理GAN和VAE等模型可以生成从零开始的高质量图像，广泛应用于艺术创作、广告设计、时尚、娱乐等行业。例如，著名的艺术作品生成平台DeepArt使用神经网络生成具有艺术风格的图像，用户可以将自己的照片上传并应用各种艺术风格进行创作。此外，生成式模型还在图像修复、图像超分辨率（将低分辨率图像转换为高分辨率）等领域得到应用。使用生成式人工智能技术，可以让图像细节更加丰富、真实。2.自然语言处理与生成生成式人工智能在自然语言处理（NLP）领域的应用尤为广泛，尤其是在文本生成和语言模型的开发方面。DeepSeek、GPT系列模型、BERT、T5等深度学习模型使得机器能够理解和生成自然语言，实现从自动摘要、机器翻译到自动创作等多种功能。大语言模型可以根据用户输入的提示生成文章、故事、对话等。由于其巨大的语言能力，它被广泛应用于内容创作、客服系统、在线教育等领域。生成式人工智能的应用领域（二）典型应用场景3.音频与语音合成通过训练深度学习模型，机器能够生成逼真的语音和音效。当前，语音合成技术已经能够通过人工智能生成各种语言的语音，并且语音的自然度和情感表达上都达到了较高水平。现在很多语音生成系统都可以生成高质量的语音，广泛应用于虚拟助手、语音翻译、语音合成等领域。4.视频生成与编辑通过利用生成对抗网络和其他深度学习技术，生成式人工智能可以生成合成视频、增强现实（AR）体验以及虚拟现实（VR）内容。AI在视频剪辑、自动配乐、特效生成等方面也展现出了强大的潜力。例如，DeepFake技术就使用生成对抗网络（GAN）生成真实感十足的虚拟视频，这一技术被用于电影特效制作，也在社交平台中引发了广泛关注。生成式人工智能的应用领域（二）典型应用场景5.游戏开发与虚拟世界从游戏世界的生成到非玩家角色行为的自动生成，生成式人工智能为游戏开发带来了新的变革。AI可以根据玩家的行为和游戏情节生成新的关卡、任务或场景，从而提高游戏的互动性和可玩性。虚拟世界和元宇宙的发展，也离不开生成式人工智能的支持。通过AI生成虚拟角色、环境、场景等，用户可以在一个完全由人工智能创造的虚拟空间中自由互动和探索。生成式人工智能的应用领域虽然生成式人工智能在多个领域取得了巨大进展，但仍面临着很多挑战：

数据的多样性与质量问题。如果训练数据存在偏差或不足，生成的内容也可能存在问题。

生成内容的真实性与伦理问题。如何在保证技术发展的同时，避免滥用和不当使用，是一个亟待解决的问题。

可解释性问题。生成式人工智能的一个难题是其“黑箱”特性。虽然这些模型可以生成高质量的内容，但使用者往往难以理解模型是如何做出决策的。提高生成式模型的可解释性，不仅能增加对模型的信任，还能帮助使用者识别和修正潜在的问题。生成式人工智能在电商领域催生新职业03生成式人工智能在电商领域催生新职业在数字化转型浪潮的推动下,生成式人工智能正深刻改变着电商行业的面貌。AIGC技术在电商行业中催生出很多新职业、新岗位，涵盖智能客服、内容生成、用户体验优化等方面，带来了电商行业职业生态的改变。比如跨境电商专家、AIGC产品经理、AI用户体验设计师、AIGC运营专家、AIGC市场营销专员、电商平台数据分析师、AI客服专家等岗位的需求日益增加。跨境电商专家：负责平台的整体运营与管理，推动产品在全球范围内的有效推广，主导线上渠道的策略执行，与国际供应商建立并维护紧密的业务合作关系，寻求新的合作机会以拓展市场份额。AIGC产品经理：负责AIGC相关产品的规划和设计应用，改善运营效率、提升用户体验，基于整体视角梳理业务链路，分析洞察挖掘上下游本质问题和业务诉求，研判核心痛点，结合模型能力，提出建设性的产品解决思路和针对性的设计方案落地。生成式人工智能在电商领域催生新职业AI用户界面/用户体验设计师：结合传统UI/UX设计原理与人工智能技术，创造出既美观又易于使用的人机交互界面。需要具备深厚的艺术素养和用户体验设计能力，还需要对AI技术有一定的理解和应用能力。AIGC运营专家：负责人工智能产品的日常运营和维护，包括用户支持、活动策划、内容审核等工作。需要理解用户需求，从用户和市场的角度提炼产品需求，对产品进行规划，并高效落地执行。AI视频制作师：负责利用AIGC技术制作高质量的视频内容，包括广告视频、产品介绍视频、直播视频等。需要掌握AI视频制作工具和技巧，能够根据品牌风格和营销目标生成吸引人的视频内容。6.AI数字人运营：负责AI数字人的训练、优化和应用，使数字人能够更好地与用户互动，提供个性化服务。需要了解AI数字人技术，具备良好的沟通能力和用户洞察力。AIGC市场营销专员：负责推广AIGC相关产品，提高品牌知名度和市场占有率。需要制定营销策略，利用AIGC技术生成营销内容，分析市场数据，优化营销效果。生成式人工智能在电商领域催生新职业数据分析师：负责分析各种类型的数据，包括结构化和非结构化数据，以支持产品的决策和优化。需要具备数据处理、分析和可视化的能力，能够从数据中提取有价值的洞察。AI客服专家：利用AIGC技术优化客服系统，提高客户互动的效率和满意度。需要具备良好的沟通技巧和问题解决能力，能够快速响应客户需求，提供有效的解决方案。智慧选品专家：利用AIGC技术进行市场分析和产品洞察，为商家提供智能化的选品方案，帮助商家选择具有市场潜力和竞争力的产品。这些新职业反映了AIGC技术在电商领域的广泛应用和深远影响，随着技术的快速迭代，未来还会有更多与AIGC相关的电商新职业不断涌现。提示语工程的基础技巧及在电商场景的应用04提示语的基本元素1.基础提示语通过简单的提示语（Prompts）获得大量结果，但结果的质量与提供的信息数量和完善度有关。提示语的四个基本元素包括：指令、背景信息、输入数据和输出指示。这些元素共同构成了一个完整的提示词框架，确保模型能够准确理解和执行所需的任务。

Instruction指令（必选）：明确告诉模型需要执行的具体任务。这是提示词的核心部分，必须清晰明确地表达。

Context背景信息（选填）：提供任务的上下文信息，帮助模型更好地理解任务背景和需求。

InputData输入数据（选填）：输入数据，告知模型需要处理的数据或信息。

OutputIndicator输出指示（选填）：告知模型输出的类型或格式。提示语的基本元素2.提示语书写框架角色：你希望以什么样的角色提问；上下文：提供的背景信息和上下文；指令：你希望模型做什么；个性：你希望模型以什么风格或方式回答你；尝试：要求模型为你提供多个答案。3.提示语工程的基本原则：

从简单开始：逐步增加复杂性。

指令清晰：明确任务指示。

具体性：任务描述具体详细。

避免不必要的细节：关注相关信息。

做还是不做的原则：明确任务要求，避免否定指令。提示语的应用技巧通用大模型一般侧重于语言生成、上下文理解和自然语言处理，需依赖提示语补偿推理步骤欠缺的能力短板。因此，其提示语需要使用“启发式”提示（如角色扮演等），做结构化、补偿性引导。为了让通用大模型能更好地适应不同的任务和需求，在特定的应用场景中提供更精准、更有针对性的回复，通用大模型提示语设计的重要原则包括：1.角色扮演2.提供上下文信息3.提供例子4.通过指令减少幻觉5.指定输出长度6.控制输出风格7.限定受众对象提示语在电商场景的应用技巧1.明确目标与需求在电商领域，使用生成式人工智能时，要明确具体目标，如生成商品文案、图片或视频，以及目标受众和使用场景。这有助于构建精准的提示语，确保输出符合需求。2.构建结构化提示语构建提示语时，应包含关键信息模块，如任务描述、目标受众、品牌风格、语气语调和格式要求。例如，生成商品文案时，可按以下模板构建提示语：“请为[商品名称]撰写一段吸引人的商品描述，目标受众是[年龄段]的[性别]消费者，要突出商品的[特点1]、[特点2]和[特点3]，文案风格要[风格要求]，字数控制在[具体字数]左右。”提示语在电商场景的应用技巧3.提供参考与示例在提示语中加入成功案例或参考文案，可引导模型产出更符合预期的结果。例如：“请参考以下商品描述的风格和结构：[示例文案]，为我们的新产品撰写一段更具吸引力的商品描述，强调产品的独特卖点和用户利益。”4.控制输出格式明确指定输出格式，如字数、图片尺寸、视频时长等，确保生成内容符合实际需求。例如，要求商品图片生成时，可规定：“图片尺寸应为800x800像素，背景颜色为纯白色，产品居中放置，图片风格要简洁清晰。”5.灵活调整与优化根据初步生成结果，分析问题并调整提示语。若生成的商品文案不符合品牌风格，可增加或细化风格要求；若图片效果不佳，可调整对构图、光影等的描述。通过不断优化提示语，提升生成内容的质量。实训任务：电子商务提示语工程入门实训目标：

掌握生成式AI提示语的核心要素（指令、背景、输入、输出）与设计原则。

理解电商场景中用户画像、营销目标与提示语设计的关联逻辑，学会设计结构化指令引导AI生成精准内容。

能够针对旅游场景景点介绍、行程规划、特产推荐等场景优化AI输出。

培养AI协作思维，理解“人类设