《人工智能导论》教学设计 第2章 生成式大模型-教案

人工智能通识课教学设计课程名称：人工智能通识课授课年级：大二各年级授课学期：2026-2027学年第1学期教师姓名：任课教师专业类别：理工科（非计算机类）上课地点：多媒体教室总学时：48学时（理论16+实验32）使用教材：人工智能导论日期：2026年09月教案正文课题名称第2章生成式大模型计划学时3学时内容分析本章系统讲解生成式大模型的定义、技术原理与应用实践。

内容涵盖大模型的三阶段训练（预训练→指令微调→RLHF）、

文本型与多模态大模型的分类体系、提示词工程四要素与六大模板（四基础+两进阶）、

大模型在Word/PPT/Excel办公场景的应用、风险识别与验证机制，

以及学术诚信、隐私保护和责任归属三大使用准则。

通过本章学习，学生将建立"人机协同、以人为主"的正确使用观。思政融入通过介绍提示词工程的方法论，培养学生"清晰表达需求、精准获取结果"的结构化思维；

通过"大模型的能耗账本"扩展阅读，引导学生思考AI技术的资源代价，

培养可持续使用意识；通过学术诚信与隐私保护的讨论，

强化学生的责任意识与伦理判断力。一、教学目标及基本要求【知识目标】·理解生成式大模型的基本定义、技术原理与三阶段演进逻辑（预训练→指令微调→RLHF）；·掌握文本型与多模态大模型的分类体系，了解开源/闭源模型的差异与典型代表；·掌握提示词工程的核心四要素（背景、任务、约束、格式），熟悉基础与进阶提示词模板的适用场景。【能力目标】·能够针对学习与工作中的常见场景（论文写作、PPT制作、Excel数据处理），独立设计有效的提示词；·能够运用角色扮演、迭代优化等进阶模板，实现与大模型的多轮协作，持续改进输出质量；·能够识别大模型输出的潜在错误（事实错误/逻辑谬误/偏见），运用交叉验证、反向提问等方法进行核实。【素养目标】·树立"人机协同、以人为主"的技术使用观，强化学术诚信意识与责任担当；·培养数据隐私保护意识，不向模型上传敏感个人信息与未公开成果；·理解技术局限与伦理边界，在享受技术便利的同时保持批判性思维，做到善用技术而不盲从技术。二、教学重点、难点与教学方式教学重点1.生成式大模型的三阶段训练（预训练→指令微调→RLHF）及其技术原理；

2.提示词工程四要素与四大基础模板的实战运用；

3.大模型辅助Word/PPT/Excel等办公场景的实操方法；

4.风险识别三大验证机制（交叉验证/反向提问/常识检验）。教学难点1.理解"生成式大模型是概率预测工具而非真正思考者"这一本质认知；

2.从""能用""到""用好""——如何设计高质量提示词并获得预期输出；

3.如何引导学生在学术场景中合理使用AI而非滥用。教学方式教师课堂讲授为主，结合大模型工具（如DeepSeek/豆包/Kimi）进行"即讲即练"的课堂演示；

安排课堂实践环节，学生现场设计提示词并验证输出效果；

通过"选课决策"等贴近学生生活的案例，引导讨论AI使用中的伦理边界。三、教学过程第一课时（生成式大模型概述）1.创设情境，导入新课(1)教师提问："你们用过哪些AI工具？它们让你印象最深刻的功能是什么？"引出本章主题。(2)播放短视频：展示大模型从写文章、做PPT到生成代码的多样化能力，激发学生好奇心。(3)明确学习目标：理解大模型"是什么""怎么训练出来""怎么用好它"。2.进行重点知识的讲解（1）生成式大模型的定义与内涵教师讲解：生成式大模型≈从海量数据中学习到的规律+深度神经网络+内容生成能力。它不是搜索工具——不是在已有信息中查找答案，而是基于数据学习、创造全新内容。拆解两个关键词："生成式"（Generative）=创造新内容，而非检索已有信息；"大模型"（LargeModel）=参数规模庞大（数十亿至数千亿）、具备理解上下文和跨领域迁移的能力。（2）技术原理：三阶段训练预训练阶段（Pre-training）：在海量公开文本上进行自监督学习，掌握语法、常识和逻辑关联——相当于"阅读图书馆里所有的书"，打下通识能力基础。指令微调阶段（InstructionTuning）：用高质量任务数据（问答对、写作指令、代码片段）进行有监督微调——从"懂知识"变成"会干活"。人类反馈强化学习（RLHF）：模型生成多个答案→人工排序→模型学习排序结果——教会模型说"人话"，避免危险、偏见或不当内容。核心认知：大模型本质上仍是一个基于概率统计的预测模型，没有意识、没有情感、没有真正的理解。（3）生成式大模型的分类分类维度类型核心特征典型代表模态能力文本型大模型专注自然语言理解与生成GPT系列、Qwen、Kimi、DeepSeek模态能力多模态大模型支持图文、音视频跨模态理解与生成Sora（视频）、DALL·E（图像）、通义万相应用领域通用大模型面向广泛场景，全面通识能力Claude3、文心一言、Llama3应用领域行业大模型在通用基座上垂直领域微调医疗/法律/科研大模型开放程度开源大模型权重与代码公开，支持本地部署Llama系列、Qwen开源版、ChatGLM开放程度闭源大模型仅提供API接口，参数不公开GPT-4、文心一言旗舰版3.归纳总结，布置课后作业(1)课堂小结：生成式大模型的定义、三阶段训练逻辑、分类体系。(2)随堂练习：请用自己的话解释"为什么大模型不是真正的思考者"。(3)课后作业：注册DeepSeek或豆包账号，尝试问5个不同领域的问题，记录对比它们的回答质量；预习2.2节提示词工程。第二课时（提示词工程）1.回顾上节课内容，明确本节课学习目标(1)快速回顾：三阶段训练、大模型分类体系。(2)教师引言："大模型就像一位知识渊博但毫无背景信息的超级实习生——你得学会怎么跟它说话。"引出提示词工程。2.进行重点知识的讲解（1）提示词工程核心四要素背景信息（Context）：明确角色——"任务是教学讲师"还是"创意文案撰写者"？具体任务（Task）：清晰描述——是总结、翻译、解决方案还是问题诊断？约束条件（Constraints）：篇幅/风格/结构/规避词汇等执行标准。输出格式（Format）：表格/列表/JSON/Markdown等最终交付形式。（2）四大基础模板（课堂即讲即练）基础查询模板（"问什么+啥基础+怎么讲"）：快速理解陌生概念。公式：【查询主题】+【用户背景】+【信息要求】。例："我是文科生无编程基础，请用生活比喻解释算法概念，不超过3个核心特点+1个例子。"任务执行模板（"给材料+说要求+定格式"）：处理总结/翻译/整理数据等具体任务。现场演示：学生口述一段课程论文初稿内容，教师输入大模型，当场展示润色效果。创意生成模板（"做啥的+啥条件+啥风格+给几个"）：头脑风暴、写文案。例：为新生团建活动设计破冰方案。分析决策模板（"遇难题+定维度+设标准+求建议"）：辅助理性判断。例：从4门通识选修课中选出2门，多维度对比评分。（3）两大进阶模板角色扮演模板（"当什么专家+做什么事+什么标准+变成啥样"）：赋予AI专家身份，获取专业级输出。例：以"资深计算机考研辅导老师"身份梳理二叉树考点。迭代优化模板（"针对什么+往哪改+有何限制+变成啥样"）：精准打磨已有成果。例：优化"互联网+"大赛项目简介，突出差异化优势。3.归纳总结，布置课后作业(1)课堂小结：四要素→四基础模板→两进阶模板，形成"基础+进阶"的提示词体系。(2)随堂练习：用"任务执行模板"设计一段提示词，让大模型帮你总结本学期任意一门课的学习笔记。(3)课后作业：尝试用大模型辅助完成一份课程PPT大纲（用创意生成模板），记录提示词设计过程和输出效果；预习2.3节应用实践。第三课时（应用实践、风险识别与使用准则）1.回顾上节课内容，明确本节课学习目标(1)教师答疑并点评课后作业中的优秀提示词案例。(2)明确目标：掌握大模型在Word/PPT/Excel中的实践应用，学会识别风险并遵守使用准则。2.进行重点知识的讲解（1）大模型办公应用实战Word应用：课程论文框架生成（任务执行模板）、文档润色与风格转换（迭代优化模板）、长文档快速阅读（基础查询模板）。现场演示：输入一段学生会申请书，用大模型润色优化。PPT应用：一句话生成完整PPT（创意生成模板）。讲解AIPPT操作流程：输入提示词→选模板→选图片源→选AI图像模型→选图片数量→生成→下载调整。Excel/综合应用：成绩单数据分析、社团活动记录+获奖证书→词云图（多文档综合处理）。以kimiAgent为例演示全流程。（2）风险识别与验证机制三种错误类型：事实性错误（编造文献/混淆时间线）、逻辑谬误（因果倒置/论据不足）、偏见放大（职业性别刻板印象）。三种验证方法：交叉验证法（至少两个权威来源核对）、反向提问法（追问依据和反面证据）、常识检验法（用基本判断力审视输出）。（3）使用大模型的基本准则学术诚信：论文核心必须自己完成，整段复制AI生成内容即构成学术不端。主动与老师确认AI使用边界。隐私保护：不将身份证号、未发表论文、保密研究数据上传至大模型。责任归属：使用者始终是最终责任人——模型算错绩点，承担后果的是学生。课堂讨论："你愿意主动减少一些不必要的AI使用吗？为什么？"（结合扩展阅读"大模型的能耗账本"展开讨论）。3.归纳总结，布置课后作业(1)课堂小结：大模型是概率预测工具→提示词是沟通桥梁→验证机制是安全网→伦理准则是底线。(2)课后作业（个人