《人工智能通识》教案 平震宇

江苏信息职业技术学院课程教案课程名称《人工智能通识》课程代码111222教学学期任课教师任课班级所在二级学院（部）教研室 一、课程目标知识目标学生能够阐述人工智能的发展脉络、体系结构及核心原理（如机器学习三大范式、深度学习、Transformer架构与大规模预训练模型），准确识别智能体、多模态大模型等关键技术在智能制造、辅助驾驶、数字文创等领域的应用场景，并掌握人工智能治理与数据安全等伦理法律常识。能力目标学生能够熟练运用DeepSeek、豆包、通义千问、GitHubCopilot、Cursor、通义灵码、Coze、即梦AI、Mureka等主流人工智能平台与工具，独立完成提示词设计、AI辅助编程、智能体开发及AIGC创作等实战任务，具备高阶提示词（Prompt）设计能力，以辅助内容创作、代码优化及艺术设计，实现技术工具与实际任务的深度融合。素质目标学生能够运用“需求分析—工具操作—迭代优化”的思维模式，将计算机、数学、艺术等跨学科知识应用于实际行业场景，提出具有创造性与可行性的人工智能解决方案，具备持续跟踪前沿科技动态并将其转化为职业竞争力的能力。学生能够理性评估AI技术的社会影响，自觉遵守法律法规与行业标准，分析并规避算法歧视、数据泄露等伦理风险。在项目协作中展现出良好的团队沟通能力、严谨的工匠精神以及“科技向善”的社会责任感，树立正确的科技价值观。。二、学情分析本课程授课对象为人工智能技术应用专业一年级学生，生源类型分为普招、对口单招。知识和技能分析：同学已经在高中阶段的《信息技术基础》课程中积累了初步的计算思维和操作能力，能够熟练使用学习通平台完成在线学习任务，也具备了基本的信息检索与办公软件应用能力。部分同学对使用Excel等工具进行数据存储、统计和报表生成已有初步接触和理解。认知和实践能力分析：高职学生喜欢动手探究，实践能力较强，能够接受有一定挑战度的团队项目任务。但没有明确的学习目标，学习自觉性偏弱，遇到困难容易产生畏难情绪，需要老师适时正向激励和正确引导，同时采用有效的考核体系。学习特点分析：(1)乐于观察与思考，求知欲较高，适合在老师引导下开展探究式、体验式教学方法，提高学生分析能力；(2)知识迁移能力偏弱，学习编码时，需要老师细致、准确讲解语法要点，并予以示范演示，促成学生在循序渐进中做到举一反三，达到对知识的应用；(3)学习抽象的概念、原理时比较吃力，老师可以在讲解抽象理论时，引入贴近学生生活、形象生动的案例，有助于学生消化吸收。三、重点难点教学重点：1.理清AI起源、发展历程与三层产业链，掌握各行业典型应用。2.吃透机器学习、深度学习、Transformer、大模型核心原理与评价指标。3.熟练掌握通用/代码提示词，会使用豆包、Cursor、Coze等各类AI工具。4.掌握智能体、RAG知识库、工作流搭建，了解多模态与自动驾驶技术方案。5.识别数据安全、算法歧视、知识产权等AI伦理风险，明晰合规要求。6.具备AI项目拆解、开发、落地的综合实操能力。教学难点：1.底层原理抽象（反向传播、自注意力、向量嵌入等），理解难度大。2.跨计算机、数学、工科、法学多学科，融会贯通不易。3.AI技术、工具更新快，需长期自主学习。4.提示词、智能逻辑无固定标准答案，考验实操迭代能力。5.各类技术路线、国内外治理方案需辩证对比分析。6.难以把握AI辅助与人类决策、安全、诚信的边界。7.综合项目需系统化工程思维，流程设计难度高。四、课程设计总体思路课程总学时为24学时，面向全校一年级学生开设本课程立足职业教育新质复合型技术技能人才培养定位，紧扣国发〔2025〕11号《“人工智能+”行动意见》、《职业院校人工智能应用指引（2026版）》政策要求，依托企业一线跟岗调研成果，以分层AI职业能力图谱为顶层设计依据，搭建「底层素养夯实—核心能力进阶—行业场景赋能」三段递进式完整教学逻辑，彻底摆脱传统AI课程偏重底层算法、脱离岗位的学科化设计弊端，形成“通识底座统一、专业模块可拆、产教场景落地”的通专融合课程架构。课程以“AI赋能本专业岗位实操”为主线，弱化复杂数学推导、底层模型开发等高门槛内容，把抽象人工智能理论转化为零基础学生可上手、岗位可复用的数字化工具操作能力。通用通识层设置六大标准化递进项目：人工智能概述、生成式AI全场景应用、AI辅助编程、轻量化本地智能体开发、多模态辅助驾驶实战、AIGC数字创意实践，搭建覆盖全校所有专业统一AI基础能力底座，系统普及国产大模型、提示词工程、WSL+Ollama本地部署、智能体RAG知识库等2026前沿轻量化技术。在通用底座之上，依托校企跟岗采集真实产业工单，分专业配置差异化拓展项目案例：面向电子类专业设置集成电路封装缺陷检测智能系统开发、车规级电源管理芯片测试智能体任务；面向交通类专业配套百度Apollo多模态自动驾驶全流程仿真实训；面向文创、商贸专业设计读书节宣传视频、品牌营销文案矩阵等AIGC综合创作项目，把AI工具训练嵌入智能制造、智能汽车、数字文创、现代服务业真实工作流程，实现AI通识素养与专业岗位能力深度耦合，解决通识与专业“两张皮”的教学痛点。教学实施全程遵循工作过程导向、任务驱动的职教核心范式，以企业完整工作链条复刻课堂教学流程，构建「岗位需求拆解→AI工具选型→实操落地→效果校验→迭代优化」闭环实训模式。将大模型、本地智能体、多模态生成等前沿技术拆解为阶梯式操作任务，依托课程配套轻量化本地实训环境，学生在普通机房、个人电脑即可完成全流程实战，不用依赖高端算力设备。课堂不局限工具操作训练，同步引导学生反复调试、比对方案、复盘缺陷，在实操迭代中培育数据批判思维、人机协同思维，塑造精益求精的数字工匠精神与工程实践素养。课程坚持育才与育人双向同步，践行数字人文主义育人理念，摒弃AI伦理独立章节“贴标签”式设计，将数据隐私、算法公平、生成内容版权、行业数据安全、国产AI创新自信等思政与合规要素嵌入每一项实训任务。在智能体开发、AIGC创作、工业检测等实操环节同步设置伦理辨析、风险研判任务，引导学生辩证看待AI技术边界，树立科技向善、合规从业的职业底线。整体课程既聚焦学生AI工具实操、人机协同核心硬技能，又同步塑造价值观、职业操守等高阶素养，兼顾短期岗位就业能力与长期职业可持续发展潜力，为产业输送适配数智化转型的复合型高职技术技能人才。

课号1授课班级授课时间授课时数2授课单元名称单元一从冯·诺依曼结构到人工智能的诞生一、教学目标素质目标（1）培养学生求真务实的钻研精神，理解现代计算机与人工智能技术发展背后的科学逻辑（2）通过梳理人工智能“三起两落”的发展历程，培养学生正视挫折、坚持创新的科学精神（3）引导学生辩证看待人工智能能力边界，树立理性、客观的技术认知观知识目标（1）了解冯·诺依曼体系结构的三大基本原则与五大核心部件（2）掌握图灵测试的定义、判定标准及其六大核心能力要求（3）了解人工智能发展五阶段的代表性事件与内在逻辑能力目标（1）能描述冯·诺依曼体系结构与二进制逻辑的基本原理（2）能运用图灵测试标准判断智能行为特征（3）能归纳人工智能“瓶颈—突破—繁荣—新瓶颈”的技术周期发展规律二、教学内容（1）现代计算机的基础——冯·诺依曼体系结构（2）让机器富有智能——图灵测试与人工智能（3）人工智能的发展历程（推理期至生成式AI爆发期）三、重点难点教学重点（1）冯·诺依曼体系结构的三大基本原则（2）图灵测试的判定标准与六大核心能力（3）人工智能发展五阶段的关键突破节点教学难点（1）理解冯·诺依曼体系结构“程序存储执行”思想的工作原理（2）理解每次技术“寒冬”背后的深层技术瓶颈成因四、思政元素（1）达特茅斯会议与人工智能学科奠基者的科学探索精神（2）DeepSeek等国产大模型以“低成本高效能”实现技术突围的自主创新历程，激发科技报国情怀五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“冯·诺依曼”“图灵测试”相关资料，思考“计算机为什么能自动运算”。教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示ENIAC计算机与现代计算机的对比图片，提问“为什么早期计算机运算慢、还容易出错？”引出冯·诺依曼体系结构的优化价值。（2）导入案例2：播放“模仿游戏”电影片段或图灵测试情境动画，引导学生思考“如何判断一台机器是否具有智能？”教学方法：讲授法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）冯·诺依曼体系结构核心讲解：二进制逻辑、程序存储执行思想、五大核心部件（运算器、控制器、存储器、输入设备、输出设备）。对比分析：ENIAC的缺陷与冯·诺依曼的优化方案。（2）图灵测试与人工智能起源讲解图灵测试的“模仿游戏”流程与判定标准。归纳通过完全图灵测试所需的六大能力：自然语言处理、知识表示、自动推理、机器学习、计算机视觉、机器人技术。课堂互动：分组讨论“图灵测试是否是判断智能的唯一标准”，每组选派代表分享观点。（3）人工智能发展历程时间轴讲解五个发展阶段：第一次浪潮与低谷、专家系统繁荣与第二次寒冬、算力跃升与统计学派崛起、深度学习爆发、生成式AI爆发。归纳逻辑：引导学生总结“瓶颈—突破—繁荣—新瓶颈”的循环规律。任务点评、要点归纳：冯·诺依曼体系结构核心原则、图灵测试判定标准、人工智能发展五阶段脉络。教学方法：讲授法任务驱动法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.任选人工智能发展史上的一个关键事件（如达特茅斯会议、深蓝战胜卡斯帕罗夫、AlphaGo等），查找资料，分析其对人工智能发展的推动作用，形成学习笔记上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生初步建立起对计算机工作原理与人工智能起源的系统认知，能够运用图灵测试标准辨析智能行为，理解人工智能发展并非一帆风顺，而是历经技术瓶颈与突破的螺旋式演进。教学中需关注学生对“程序存储执行”抽象概念的理解程度，后续可通过更多可视化动画辅助讲解。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号2授课班级授课时间授课时数2授课单元名称单元二人工智能的产业图景与伦理边界一、教学目标素质目标（1）培养学生关注国家人工智能产业发展战略的国家意识，增强科技自信（2）引导学生正视人工智能应用中的数据安全、算法歧视、知识产权等伦理挑战，树立负责任的技术应用观（3）培养学生的社会责任感，能够在未来职业实践中自觉遵守AI伦理规范知识目标（1）了解人工智能产业链基础层、技术层、应用层的三层结构（2）了解人工智能在生产制造、公共治理、民生服务等领域的典型应用（3）了解数据安全、算法歧视、知识产权保护三大伦理挑战及我国相关治理规范能力目标（1）能描述人工智能产业链三层结构及各层级的核心内容（2）能列举人工智能在不同行业的典型应用场景（3）能识别人脸信息违规收集、算法歧视等常见AI伦理风险场景二、教学内容（1）人工智能技术的现状与未来（2）人工智能典型应用（生产制造类、公共治理类、民生服务类、数字文创类）（3）人工智能产业发展（产业规模、产业链结构、发展趋势）（4）人工智能面临的伦理挑战（数据安全与隐私、算法歧视、知识产权保护）三、重点难点教学重点（1）人工智能产业链三层结构（2）人工智能典型应用场景（3）数据安全、算法歧视、知识产权三大伦理风险的识别方法教学难点（1）理解基础层、技术层、应用层之间的联动关系（2）辨析中外数据安全治理路径的差异（事后追责vs事前准入审查）四、思政元素（1）“神威·太湖之光”超算等国之重器彰显的科技自立自强精神（2）我国“备案前置、动态监管”的AI治理路径，体现负责任大国的科技伦理担当五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：收集身边人工智能产业应用的案例（如智能制造、智慧医疗、智能家居等），思考“这些应用背后依赖哪些技术支撑？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示央视3·15晚会曝光的人脸识别滥用案例视频片段，引导学生讨论“便利与隐私如何平衡？”（2）导入案例2：展示AI视觉检测在工业质检中的应用视频，让学生感受人工智能对产业效率的提升。教学方法：讲授法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）人工智能产业发展讲解产业规模数据、基础层—技术层—应用层三层产业链结构。案例分析：“神威·太湖之光”超算等国产算力设施对AI产业发展的支撑作用。（2）人工智能典型应用分类讲解生产制造类、公共治理类、民生服务类、数字文创类四大应用板块。课堂互动：分组讨论“你所学专业未来可能与哪类AI应用结合”，每组分享讨论结果。（3）人工智能伦理挑战案例分析1（数据安全）：对比国内人脸识别滥用治理案例与ClearviewAI跨境侵权案例，理解中外治理路径差异。案例分析2（算法歧视）：结合Meta住房广告算法歧视案，分析算法歧视四大成因。案例分析3（知识产权）：结合Copilot开源代码侵权诉讼案例，理解AI生成内容的版权争议。任务点评、要点归纳：产业链结构、典型应用场景、三大伦理挑战及应对规范。教学方法：讲授法案例分析法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.选择一个自己感兴趣的人工智能伦理案例（数据安全/算法歧视/知识产权任选其一），查找资料，撰写一篇小论文，分析该案例暴露的问题及可行的治理对策。评价：自我评价、同学互评、老师评价完成专业能力评价、非专业能力教学评价与反馈教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生较为全面地了解了人工智能产业链结构与典型应用场景，能够识别数据安全、算法歧视、知识产权等常见伦理风险，并初步树立起负责任的技术应用观。教学中学生对中外治理路径对比的理解较为深入，但对产业链各层级联动关系的把握仍需加强，后续可结合更多产业实景图辅助讲解。更多教学反馈将通过课程网站设置学习评价收集，并作为下一次课教学设计参考。

课号3授课班级授课时间授课时数2授课单元名称单元三机器学习基础认知——三大范式与评价指标一、教学目标素质目标（1）培养学生从生活现象抽象出科学规律的探究精神（2）通过“西瓜挑选”等生活化案例，培养学生化繁为简、举一反三的思维方式（3）引导学生理解“没有放之四海而皆准的评价标准”，树立辩证、全面的评价思维知识目标（1）理解机器学习的基本定义与核心思想（2）掌握监督学习、无监督学习、强化学习三大范式的区别与代表应用（3）掌握准确率、精确率、召回率、F1值四大模型评价指标的含义能力目标（1）能运用三大学习范式区分实际任务场景（2）能计算并解读准确率、精确率、召回率等指标（3）能结合混淆矩阵分析模型的欠拟合与过拟合状态二、教学内容（1）机器学习的基本定义与编程范式转变（2）机器学习的三大范式：监督学习、无监督学习、强化学习（3）关键概念：训练集/测试集、特征与标签、拟合状态（4）模型评价指标体系：混淆矩阵、准确率、精确率、召回率、F1值三、重点难点教学重点（1）机器学习三大范式的区别与代表应用（2）准确率、精确率、召回率的计算方法与实际意义教学难点（1）理解“经典编程”与“机器学习”两种范式的本质区别（2）精确率与召回率之间的权衡关系四、思政元素（1）以“西瓜挑选”等生活化类比，体现劳动人民生产生活智慧对科学方法的启发（2）通过医疗诊断类评价指标案例，引导学生理解技术决策背后的社会责任五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：思考“你手机里的哪个App最“懂”你？它是如何做到的？”，收集1个身边的机器学习应用案例。教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示垃圾邮件过滤、人脸识别解锁等生活场景，提问“计算机是如何“学会”识别的？”（2）导入案例2：以“挑西瓜”为例，引导学生思考“如果没有妈妈教你判断标准，你能自己总结出规律吗？”引出监督学习与无监督学习的区别。教学方法：启发教学法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）机器学习的基本定义核心讲解：经典编程“规则+数据→答案”与机器学习“数据+答案→规则”的范式转变。（2）机器学习三大范式监督学习：以“挑西瓜”为例讲解分类与回归任务。无监督学习：以“西瓜自动分堆”为例讲解聚类的思想。强化学习：以“亲自挑瓜吃到甜瓜获得奖励”为例讲解试错学习机制。课堂互动：分组讨论“图像识别、用户分群、AlphaGo分别属于哪种学习范式”，每组选派代表分享。（3）关键概念解析讲解训练集/验证集/测试集的作用与拟合状态（欠拟合、过拟合、适度拟合）。（4）模型评价指标体系场景设定：“从1000个人中识别10个感染者”，讲解混淆矩阵（TP/TN/FP/FN）。讲解准确率、精确率、召回率、F1值的计算公式与适用场景差异。任务点评、要点归纳：机器学习核心思想、三大范式、关键概念与评价指标体系。教学方法：讲授法任务驱动法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.列举生活中3个监督学习应用场景和1个无监督学习应用场景，并说明各自应重点关注哪个评价指标，整理笔记上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够理解机器学习区别于传统编程的核心思想，掌握三大学习范式的判别方法，并能运用评价指标分析模型性能的合理性。教学中学生对精确率与召回率的权衡关系理解仍需加强，后续可结合更多真实业务场景（如医疗诊断、垃圾邮件过滤）强化训练。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号4授课班级授课时间授课时数2授课单元名称单元四深度学习与神经网络原理一、教学目标素质目标（1）培养学生对前沿科技发展脉络的探究精神，理解技术突破背后的持续积累（2）通过神经网络训练过程的讲解，培养学生严谨求实、精益求精的科学态度知识目标（1）了解深度学习发展的四个历史阶段（2）理解人工智能、机器学习、深度学习之间的层级关系（3）掌握人工神经网络的核心组件与训练原理能力目标（1）能归纳深度学习四阶段发展的关键突破节点（2）能描述神经元、权重、激活函数与网络层的组成关系（3）能阐述前向传播与反向传播的训练循环逻辑二、教学内容（1）深度学习发展历史（连接主义起源至大模型时代）（2）深度学习是什么：与机器学习、人工智能的层级关系（3）人工神经网络核心组件：MP模型、感知机、多层前馈网络（4）神经网络训练过程：前向传播、损失计算、反向传播、梯度下降三、重点难点教学重点（1）深度学习发展四阶段的关键突破（2）神经网络的核心组件与训练循环逻辑教学难点（1）理解激活函数为神经网络引入非线性的作用（2）理解反向传播如何将误差信号逐层回传调整权重四、思政元素（1）以ChatGPT、文心一言、通义千问等中外大模型集中涌现的历程，引导学生认识科技创新需要几代人的持续积累（2）辛顿等学者数十年坚持神经网络研究、历经两次寒冬而不放弃的科学精神五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“神经网络”“深度学习”相关资料，思考“人脑神经元与人工神经网络有何相似之处？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：播放ChatGPT横空出世、席卷全球的新闻片段，提问“这背后依赖什么核心技术？”（2）导入案例2：展示一张猫的图片经过深度神经网络逐层识别的动画（边缘→部件→整体），直观呈现深度学习的分层特征提取过程。教学方法：讲授法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）深度学习发展历史时间轴讲解四阶段：萌芽与第一次兴盛期、复兴与第二次寒冬、深度学习爆发与工业化革命、迈向通用人工智能。（2）深度学习是什么讲解人工智能、机器学习、深度学习三者的层级包含关系。讲解“深度”的含义：浅层网络与深层网络在特征提取上的差异。（3）人工神经网络核心组件讲解MP模型的信号整合与阈值判断机制。讲解感知机的局限（无法处理异或问题）与多层前馈网络（MLP）的突破。课堂互动：分组讨论“为什么单层感知机无法解决异或问题，而多层网络可以？”（4）神经网络训练过程讲解训练五步骤：初始化权重→前向传播→计算损失→反向传播→梯度下降更新权重。任务点评、要点归纳：深度学习发展脉络、核心组件、训练循环逻辑。教学方法：讲授法任务驱动法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.用自己的语言画出一张“神经网络训练五步骤”流程图，并简要说明每一步的作用，上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够梳理深度学习的发展脉络，理解人工智能、机器学习、深度学习的层级关系，并掌握神经网络训练的基本循环逻辑。教学中学生对反向传播的数学直观理解仍存在一定难度，后续可借助更多可视化动画降低理解门槛。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号5授课班级授课时间授课时数2授课单元名称单元五Transformer架构与大规模预训练模型一、教学目标素质目标（1）培养学生透过技术现象把握核心原理的抽象思维能力（2）通过国内外主流大模型的对比，引导学生树立客观理性的技术评价观，激发科技自信知识目标（1）理解Transformer自注意力机制的核心原理（2）理解编码器—解码器架构及BERT、GPT两大技术路线的区别（3）了解“预训练+微调”两阶段范式及国内外主流大模型现状能力目标（1）能解释Q、K、V自注意力机制的计算逻辑（2）能区分编码器架构与解码器架构的适用场景（3）能比较国内外主流大模型的能力特征与适用场景二、教学内容（1）Transformer模型结构：自注意力机制、编码器—解码器架构（2）大规模预训练模型：发展历程、BERT与GPT两大技术路线（3）预训练大模型过程：预训练阶段、微调阶段（SFT、RLHF）（4）国内外主流大模型：GPT系列、Gemini、Claude、DeepSeek、通义千问、豆包、GLM等三、重点难点教学重点（1）自注意力机制Q、K、V的计算逻辑（2）BERT与GPT两大技术路线的区别（3）预训练+微调两阶段范式教学难点（1）理解自注意力机制如何模拟人类“自主提示”的注意力分配方式（2）理解编码器（双向理解）与解码器（单向生成）架构差异背后的任务适配逻辑四、思政元素（1）以DeepSeek-R1“低成本高效能”技术突破为例，体现我国科研工作者自主创新、攻坚克难的精神（2）国产大模型集中涌现的“百模大战”局面，展现我国在人工智能领域的产业活力与竞争实力五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“Transformer”“注意力机制”相关资料，思考“人在阅读时是如何分配注意力的？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示“桌面上的红色咖啡杯”图片，引导学生体会“非自主提示”（被颜色吸引）与“自主提示”（主动寻找书本）两种注意力机制。（2）导入案例2：展示GPT-4、DeepSeek、通义千问等大模型对话界面截图，提问“这些模型的“大脑”里到底发生了什么？”教学方法：启发教学法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）自注意力机制讲解Query（查询）、Key（键）、Value（值）的含义与计算逻辑。类比讲解：Query对应“我想找什么”，Key对应“每个词的特征标签”，Value对应“实际语义内容”。（2）编码器—解码器架构讲解Transformer整体结构：多头自注意力、前馈网络、残差连接与层规范化。讲解BERT（编码器架构，双向理解）与GPT（解码器架构，单向生成）的技术路线差异。课堂互动：分组讨论“文本分类任务应选用BERT还是GPT？为什么？”（3）预训练与微调两阶段范式讲解预训练阶段的自监督学习任务（MLM、CLM）。讲解微调阶段的有监督微调（SFT）与人类反馈强化学习（RLHF）。（4）国内外主流大模型现状简要介绍GPT系列、Gemini、Claude及DeepSeek、通义千问、豆包、GLM等国产大模型的技术特点。任务点评、要点归纳：自注意力机制原理、编码器解码器架构区别、预训练微调范式、主流大模型现状。教学方法：讲授法任务驱动法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.任选两款国内外大模型（如DeepSeek与GPT-4），从上下文长度、推理能力、适用场景等维度进行对比，形成简要对比表上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够理解自注意力机制的核心原理，掌握BERT与GPT两大技术路线的区别，并对国内外主流大模型现状形成基本认知。教学中学生对自注意力机制的数学计算过程理解存在一定难度，后续可结合更多图示化讲解降低抽象门槛。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号6授课班级授课时间授课时数2授课单元名称单元六提示词工程与大模型场景化应用实践一、教学目标素质目标（1）培养学生精准表达需求、结构化沟通的职业素养（2）引导学生在AI辅助学习与写作中坚守学术诚信底线，树立负责任的AI使用意识知识目标（1）理解提示词的四个核心构成要素（2）掌握提示词设计的七大原则（3）了解DeepSeek、豆包、通义千问等主流大模型的核心功能能力目标（1）能运用“指令+上下文+输入+输出”框架设计提示词（2）能灵活运用角色设定、结构化分解、小样本示例等进阶技巧（3）能借助大模型完成智能问答、代码调试、学术写作辅助等实际任务二、教学内容（1）提示词的四个核心要素：指令、上下文、输入数据、输出要求（2）提示词设计七大原则：明确具体、角色设定、结构化分解、小样本学习、指定输出格式、增加约束、迭代优化（3）DeepSeek、豆包、通义千问核心功能实操（4）大模型在专业学习、学术研究、职场办公中的应用场景三、重点难点教学重点（1）提示词四要素的应用方法（2）角色设定、结构化分解、小样本示例三大进阶技巧教学难点（1）针对复杂任务设计多步骤、可迭代的提示词（2）把握AI辅助学术写作与学术诚信之间的边界四、思政元素（1）研究生使用AI写作导致学术相似度问题的案例，引导学生树立“AI辅助而非替代思考”的诚信底线（2）合理规范使用AI工具，体现新时代职业人才的诚信品格与责任担当五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：在DeepSeek或豆包中尝试输入一条简单指令（如“介绍人工智能”），截图保存生成结果，思考“结果是否符合预期？为什么？”教学方法：任务驱动法教学手段：课程网站、DeepSeek/豆包平台环节2：新课导入（1）导入案例1：对比展示“帮我写个介绍人工智能的文章”与“请用通俗易懂的语言，为高职一年级新生撰写一篇600字的人工智能科普文章”两条提示词的生成效果差异。（2）导入案例2：展示研究生使用AI辅助论文写作引发学术诚信争议的新闻案例，引发学生思考。教学方法：对比展示法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）提示词四要素讲解指令、上下文、输入数据、输出要求的构成逻辑与公式：“根据[指令]+完成[上下文]+达成[输入数据]+满足[输出要求]”。（2）提示词设计七大原则逐条讲解并结合示例演示：明确具体、角色设定、结构化分解、小样本学习、指定输出格式、增加约束、迭代优化。课堂互动：学生分组，任选一条原则，现场编写提示词并在DeepSeek/豆包中测试效果，对比优化前后差异。（3）大模型场景化应用实操分场景演示：专业学习（定制复习计划）、学术研究（生成论文大纲、文献综述框架）、职场办公（会议纪要整理、工作汇报撰写）。强调AI辅助学术写作的诚信边界：AI生成内容需经核实、改写、标注，不可直接作为原创成果提交。任务点评、要点归纳：提示词设计方法、七大原则应用要点、AI辅助应用中的诚信规范。教学方法：讲授法任务驱动法小组讨论教学法上机实操演练教学手段：课程网站、PPT、DeepSeek/豆包/通义千问平台环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.运用本节课所学的提示词设计原则，为自己所学专业设计一条包含角色设定、结构化分解的提示词，在大模型中测试并记录生成效果，形成实践报告上传至课程网站。评价：自我评价、同学互评、老师评价完成专业能力评价、非专业能力教学评价与反馈教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够掌握提示词设计的核心要素与七大原则，并能运用主流大模型完成实际学习与办公任务，初步具备高效驾驭AI工具的能力。教学中学生对提示词迭代优化的耐心与技巧仍需进一步培养，同时需持续强化AI使用中的学术诚信教育。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号7授课班级授课时间授课时数2授课单元名称单元七AI辅助编程认知与工具选型一、教学目标素质目标（1）培养学生理性看待AI辅助工具的态度，认识到AI是能力增强器而非替代者（2）引导学生树立持续学习新技术的内驱力，主动适应人机协同的编程新范式知识目标（1）了解AI辅助编程发展的四个历史阶段（2）理解生成式AI对软件开发带来的五大变革（3）了解IDE集成工具、AI原生编辑器、通用大模型三类工具的特点能力目标（1）能归纳AI辅助编程四阶段技术演进脉络（2）能分析代码生成、注释、调试、优化四大变革场景（3）能完成VSCode、Cursor等工具的安装与基础环境配置二、教学内容（1）AI辅助编程发展历程（萌芽期至智能体协同期）（2）生成式AI如何变革软件开发（自动化代码生成、注释、调试、优化）（3）主流AI辅助编程工具：GitHubCopilot、Cursor、DeepSeek-Coder、通义灵码（4）环境搭建与工具配置：VSCode、Cursor安装配置流程三、重点难点教学重点（1）AI辅助编程四阶段发展脉络（2）三类AI编程工具（IDE集成/AI原生编辑器/通用大模型）的适用场景教学难点（1）理解从“补全”到“生成”再到“智能体协同”的范式跃迁逻辑（2）VSCode与AI插件的安装配置操作四、思政元素（1）以GitHubCopilot、DeepSeek-Coder等中外编程工具协同发展的态势，引导学生树立开放合作、自主创新并重的科技观（2）通过“代码的阅读时间远超编写时间”这一软件工程规律，培养学生严谨细致的职业素养五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“GitHubCopilot”“Cursor”相关资料，思考“AI能帮程序员做什么、不能做什么？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示程序员输入自然语言注释后AI自动生成完整函数的操作演示视频，提问“这与传统编程有何不同？”（2）导入案例2：展示IntelliSense简单补全与CopilotChat智能对话生成代码的效果对比，引发学生对技术演进的思考。教学方法：对比展示法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）AI辅助编程发展历程时间轴讲解四阶段：基于规则与本地补全的萌芽期、统计学习与云端智能兴起期、大语言模型与生成式AI变革期、AI原生开发环境与智能体协同探索期。（2）生成式AI如何变革软件开发讲解自动化代码生成（意图驱动）、软件维护（逆向分析与知识传承）、测试与调试（智能诊断）、代码优化与重构四大变革场景。课堂互动：分组讨论“AI辅助编程给程序员岗位带来了哪些新要求”，每组分享观点。（3）主流AI辅助编程工具对比分类讲解IDE集成工具（GitHubCopilot、AmazonQDeveloper）、AI原生编辑器（Cursor、Windsurf）、大模型代码能力（DeepSeek-Coder、通义灵码、ChatGPT）三类工具特点。（4）环境搭建实操演示演示VSCode下载安装、GitHubCopilot插件安装配置流程；简要介绍Cursor官网下载安装流程。任务点评、要点归纳：AI辅助编程发展脉络、五大变革场景、三类工具选型依据。教学方法：讲授法任务驱动法小组讨论教学法上机实操演示教学手段：课程网站、PPT、VSCode环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.在自己的电脑上完成VSCode安装及一款AI编程插件（GitHubCopilot或通义灵码）的配置，截图记录安装过程并上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够梳理AI辅助编程的发展脉络，理解生成式AI对软件开发带来的深刻变革，并完成基础开发环境的搭建。教学中部分学生在插件安装环节遇到账号注册等操作障碍，后续需提前准备好教育优惠账号申请指引。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号8授课班级授课时间授课时数2授课单元名称单元八代码提示词设计与基础编程任务实践一、教学目标素质目标（1）培养学生精确表达需求、结构化描述问题的职业素养（2）引导学生对AI生成代码保持审慎态度，树立安全合规意识知识目标（1）掌握编写有效代码提示词的四条核心原则（2）了解函数生成、代码补全、注释撰写的AI辅助实现方法（3）了解SQL注入、越权访问等常见安全漏洞与知识产权合规要求能力目标（1）能为AI编程工具编写清晰、具体、有上下文的代码提示词（2）能使用AI工具完成函数生成、代码补全、注释自动撰写（3）能借助AI完成代码解释、调试定位与代码重构优化二、教学内容（1）编写有效代码提示词的四条原则：提供上下文、明确目标约束、分解复杂任务、提供示例（2）基础任务实践：函数生成、代码补全、注释撰写（3）进阶任务实践：代码解释、调试、重构与优化（4）代码安全性与合规性审查：常见安全漏洞、知识产权合规三、重点难点教学重点（1）代码提示词四条核心原则的应用（2）函数生成、代码调试、重构优化的实操方法教学难点（1）针对调试类任务准确描述错误现象与预期行为（2）识别AI生成代码中的潜在安全漏洞四、思政元素（1）通过AI生成代码可能存在的安全弱点案例，培养学生对技术产出“不盲从、勤审查”的严谨态度（2）引导学生认识到“安全性与合规性审查是人类开发者不可替代的核心职责”，树立职业责任感五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：在Cursor或Copilot中尝试输入一条简单编程需求，记录生成结果是否符合预期。教学方法：任务驱动法教学手段：课程网站、Cursor/Copilot平台环节2：新课导入（1）导入案例1：对比展示“写一个排序函数”与“使用Python写一个快速排序函数，接收整数列表，返回排序后的新列表，原列表保持不变”两条提示词的生成效果差异。（2）导入案例2：展示AI生成代码中出现SQL注入隐患的示例片段，引发学生对代码安全性的关注。教学方法：对比展示法案例引入法教学手段：课程网站、PPT环节3：教学过程（1）代码提示词四条原则讲解提供丰富上下文、明确目标和约束条件、分解复杂任务、提供示例消除歧义四条原则，结合示例演示。（2）基础任务实践上机演示：使用AI工具完成函数生成（字符串统计函数）、代码补全（数据分析场景）、注释自动撰写。课堂互动：学生分组在AI工具中完成一个简单函数生成任务，对比不同提示词的生成效果。（3）进阶任务实践上机演示：将一段复杂代码交给AI进行解释；模拟报错场景，展示AI辅助调试定位问题的过程；展示AI对“代码坏味道”的识别与重构建议。（4）代码安全性与合规性审查讲解AI生成代码的潜在风险（SQL注入、越权访问）及审查流程；讲解开源组件许可证合规要求。任务点评、要点归纳：提示词设计原则、基础与进阶编程任务操作方法、安全审查要点。教学方法：讲授法任务驱动法小组讨论教学法上机实操演练教学手段：课程网站、PPT、Cursor/Copilot平台环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.运用AI工具完成一个简单函数（如手机号格式校验），并对生成代码进行安全性审查，记录审查发现的问题及修改建议，上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够运用四条原则编写有效的代码提示词，并借助AI工具完成基础与进阶编程任务，初步建立起代码安全审查意识。教学中学生对调试类提示词的描述精准度仍需加强，后续可增加更多真实报错案例进行专项训练。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号9授课班级授课时间授课时数2授课单元名称单元九AI辅助编程综合项目实践一、教学目标素质目标（1）培养学生面对复杂工程问题时的系统思维与工程化素养（2）引导学生理性认识AI辅助开发的价值与边界，树立人机协同的正确观念知识目标（1）了解集成电路封装缺陷检测系统的需求拆解方法（2）了解YOLO目标检测与迁移学习微调策略（3）掌握模型评估指标与FastAPI部署脚本编写方法能力目标（1）能运用AI辅助完成工业级项目的需求分析与技术选型（2）能在AI工具辅助下完成数据准备、模型设计与实现（3）能撰写AI辅助开发与传统开发的效率对比分析报告二、教学内容（1）项目需求分析与任务拆解：集成电路封装缺陷检测系统（2）AI辅助开发环境搭建与数据准备（3）AI辅助模型设计与实现：YOLO目标检测、迁移学习（4）模型评估、测试与部署脚本编写；AI辅助与传统开发效率对比三、重点难点教学重点（1）工业级项目需求拆解为可执行子任务的方法（2）AI辅助完成数据准备、模型训练脚本编写的操作流程教学难点（1）理解从需求描述到技术选型的完整AI辅助决策链条（2）客观评估AI辅助开发相较传统开发的效率提升与局限四、思政元素（1）以中兴通讯芯片空洞检测系统“效率提升60倍”等真实工业案例，展现AI技术赋能制造业高质量发展的产业价值（2）引导学生树立“AI是协作者而非替代者”的正确认知，坚守工程师的核心决策与质量把关责任五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“集成电路封装缺陷检测”相关资料，思考“人工质检与AI质检各有哪些优劣势？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示电路板缺陷检测案例图片（空洞、划痕、脏污等），提问“如何让计算机自动识别这些缺陷？”（2）导入案例2：展示中兴通讯芯片空洞智能检测系统“检测时间从3分钟缩短至3秒”的案例数据，引发学生对AI赋能产业效率提升的思考。教学方法：案例引入法数据展示法教学手段：课程网站、PPT环节3：教学过程（1）项目需求分析与任务拆解讲解如何向AI描述项目需求，获取技术栈选型建议（Python、PyTorch、OpenCV、FastAPI）。课堂互动：分组尝试向AI工具提问“帮我梳理集成电路封装缺陷检测系统的功能模块”，对比不同小组获得的拆解结果。（2）AI辅助环境搭建与数据准备演示如何通过AI辅助编写项目初始化脚本、数据下载解析脚本、数据增强pipeline。（3）AI辅助模型设计与实现讲解YOLO目标检测算法选型逻辑；演示AI辅助生成模型训练代码框架；讲解迁移学习微调策略。（4）模型评估与效率对比讲解mAP、精确率、召回率等评估指标；演示FastAPI部署脚本编写；对比AI辅助开发与传统开发在各环节的时间占比差异。任务点评、要点归纳：工业级项目需求拆解方法、AI辅助开发全流程、效率对比分析要点。教学方法：讲授法任务驱动法小组讨论教学法上机实操演示教学手段：课程网站、PPT、AI编程工具环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.任选本项目开发流程中的一个环节（需求分析/数据准备/模型设计/部署脚本），撰写一段AI辅助该环节的实践心得，对比其与传统开发方式的效率差异，上传至课程网站。评价：自我评价、同学互评、老师评价完成专业能力评价、非专业能力教学评价与反馈教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够运用AI辅助完成工业级项目从需求分析到部署的全流程实践，深刻体会到AI辅助开发在效率提升上的显著价值，同时认识到人类开发者在架构设计与质量把控上的不可替代性。教学中受限于课时，部分学生对模型训练环节的理解仍停留在概念层面，后续可考虑增设选修性质的深度实操环节。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号10授课班级授课时间授课时数2授课单元名称单元十制造业AI应用与智能体核心机制认知一、教学目标素质目标（1）培养学生将AI技术与专业领域深度融合的跨学科意识（2）引导学生树立利用AI探索新颖工业场景解决方案的创新意识知识目标（1）了解AI在制造业的八大核心应用领域（2）理解智能体感知—推理—规划—执行—学习的闭环工作机制（3）了解Coze、Dify等主流智能体开发平台的功能特征能力目标（1）能结合案例说明预测性维护、视觉检测、数字孪生等AI技术在制造业的应用价值（2）能描述智能体核心工作机制与三大技术支柱（3）能比较不同智能体开发平台的适用场景二、教学内容（1）人工智能在制造业典型应用场景：预测性维护、AI驱动机器人、AI视觉检测、数字孪生（2）智能体AI的核心工作机制：感知、推理、规划、执行、学习（3）智能体应用开发平台对比：Coze、Dify等（4）智能体系统架构设计四项原则：用户本位、智能内核、柔性架构、效能平衡三、重点难点教学重点（1）AI在制造业八大核心应用领域（2）智能体感知—推理—规划—执行—学习闭环机制教学难点（1）理解智能体与传统“建议型AI”在“执行”环节的本质区别（2）辨析不同智能体开发平台的技术路线差异四、思政元素（1）以美的洗衣机荆州工厂、宁波中亿轴承检测智能体等国产智能制造标杆案例，展现我国智能制造产业的创新活力（2）引导学生认识到智能体技术对新质生产力发展的重要支撑作用，增强科技报国的使命感五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“工业智能体”“AIAgent”相关资料，思考“智能体与普通聊天机器人有什么区别？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：展示美的洗衣机荆州工厂“14类生产协同智能体、秒级全局调度”的案例视频，提问“智能体如何做到自主决策？”（2）导入案例2：对比展示传统AI工具“只给建议”与智能体“直接调动工具执行”的场景差异，引发学生思考。教学方法：案例引入法对比展示法教学手段：课程网站、PPT环节3：教学过程（1）AI在制造业典型应用场景分类讲解工业预测性维护、AI驱动机器人与协作机器人、AI视觉检测、数字孪生系统四大领域及典型案例。（2）智能体AI核心工作机制讲解感知（看得到听得懂）、推理（会思考懂逻辑）、规划（出方案排先后）、执行（能办事真干活）、学习（长记性变聪明）五个闭环环节。课堂互动：分组讨论“智能体与传统AI工具的根本区别体现在哪个环节”，每组分享观点。（3）智能体开发平台对比讲解Coze、Dify、腾讯元器、FastGPT等平台的核心优势、适用场景与局限性对比。（4）智能体系统架构设计原则讲解用户本位、智能内核、柔性架构、效能平衡四项设计原则。任务点评、要点归纳：制造业AI应用场景、智能体核心机制、开发平台选型依据、架构设计原则。教学方法：讲授法任务驱动法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.结合自己所学专业，设想一个可以用智能体解决的工作场景，简述该智能体应具备的感知、推理、规划、执行能力，形成方案笔记上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够了解AI在制造业的典型应用场景，理解智能体感知—推理—规划—执行—学习的核心工作机制，并对主流智能体开发平台形成初步认知。教学中学生对智能体“执行”环节与传统AI工具的区别理解较为深刻，但对不同开发平台技术路线的辨析仍需结合后续实操加以巩固。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号11授课班级授课时间授课时数2授课单元名称单元十一智能体基础创建实践一、教学目标素质目标（1）培养学生规范运用AI工具的职业素养，坚守数据安全与内容合规原则（2）引导学生在小组协作中增强沟通协调与团队合作能力知识目标（1）掌握Coze平台智能体开发的基本流程（2）了解大模型选型与参数配置（温度、输出长度）方法（3）熟悉摘要生成、学生手册问答等智能体开发案例能力目标（1）能在Coze平台完成智能体名称、图标、功能介绍等基础信息配置（2）能根据任务需求选型大模型并绑定文件解析等插件（3）能编写符合业务需求的人设与回复逻辑提示词二、教学内容（1）Coze平台基础信息配置：智能体名称、功能介绍、图标（2）大模型与插件配置：模型选型、温度参数、插件绑定（3）人设与回复逻辑设计：角色设定、输入适配逻辑、输出要求（4）智能体测试与发布：预览调试、发布上架三、重点难点教学重点（1）Coze平台智能体基础信息配置流程（2）人设与回复逻辑提示词的撰写方法教学难点（1）根据业务场景合理选型大模型与配置参数（2）设计逻辑严谨、覆盖多种输入情形的回复逻辑四、思政元素（1）以“大学生学生手册规范问答智能体”案例中“不杜撰、不拓展、严格贴合原文”的设计原则，培养学生严谨求实的工作态度（2）通过智能体开发中的权限与内容边界设置，引导学生树立信息安全与合规意识五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：注册Coze平台账号，浏览平台内已发布的智能体案例，思考“一个好用的智能体需要具备哪些要素？”教学方法：任务驱动法教学手段：课程网站、Coze平台环节2：新课导入（1）导入案例1：现场演示“文章摘要小助手”智能体的实际问答效果，提问“这样一个智能体是如何一步步搭建出来的？”（2）导入案例2：展示“大学生学生手册规范问答智能体”的问答界面，引导学生思考其人设与回复逻辑设计的巧妙之处。教学方法：演示教学法案例引入法教学手段：课程网站、PPT、Coze平台环节3：教学过程（1）基础信息配置上机演示：在Coze平台创建智能体，填写名称、功能介绍、选择图标。（2）大模型与插件配置讲解模型选型逻辑（精度与效率的平衡）；演示温度、最大输出长度等参数配置；演示文件解析、链接读取等插件的搜索与绑定。（3）人设与回复逻辑设计讲解角色设定、输入适配逻辑、生成逻辑、交互反馈逻辑、输出要求五个维度的撰写方法。课堂互动：学生分组，参照“摘要生成智能体”案例模板，为自己设定的场景（如课程答疑、专业资料整理）编写人设与回复逻辑。（4）测试与发布演示预览与调试功能，测试多种输入方式下的智能体表现；简要介绍发布至扣子商店的流程。任务点评、要点归纳：智能体开发基本流程、大模型选型与参数配置方法、人设逻辑设计要点。教学方法：讲授法任务驱动法小组讨论教学法上机实操演练教学手段：课程网站、PPT、Coze平台环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.在Coze平台独立完成一个贴合自身专业场景的智能体基础搭建（含基础信息、模型配置、人设与回复逻辑），提交智能体链接及测试截图至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够独立完成Coze平台智能体的基础信息配置、大模型选型与人设逻辑设计，初步具备智能体开发的实操能力。教学中学生在回复逻辑的完整性与边界情形考虑上仍有欠缺，后续可结合更多异常输入案例进行专项训练。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号12授课班级授课时间授课时数2授课单元名称单元十二知识库构建与工作流编排一、教学目标素质目标（1）培养学生面向复杂业务流程进行系统化设计的工程思维（2）引导学生在知识库构建中坚守数据来源权威性与内容合规底线知识目标（1）掌握知识库核心功能与RAG技术四步流程（2）理解Embedding技术在语义检索中的作用机制（3）掌握Coze工作流四大核心构成：节点、逻辑控制、数据流、资源集成能力目标（1）能完成文档上传、分段处理、索引构建与知识库绑定（2）能运用开始、LLM、插件、知识库检索等节点搭建智能体工作流（3）能设计选择节点、意图识别节点实现分支判断逻辑二、教学内容（1）知识库核心功能：知识存储、动态检索、知识更新、多模态支持（2）Embedding技术与RAG技术核心流程：数据准备、知识检索、增强提示、大模型生成（3）智能体工作流四大核心构成：节点、逻辑控制、数据流、资源集成（4）车规级PMIC测试知识库与工作流编排案例三、重点难点教学重点（1）知识库创建与文档分段索引构建流程（2）RAG技术四步核心流程（3）工作流节点类型与分支逻辑设计方法教学难点（1）理解Embedding技术如何将语义信息转化为可计算向量（2）设计合理的分支判断逻辑，实现测试问题的精准分流四、思政元素（1）以车规级电源管理芯片测试知识库对AEC-Q100可靠性标准的严格遵循，培养学生严谨规范的工程质量意识（2）引导学生认识到知识库数据来源的权威性直接关系到智能体输出的可信度，树立对信息真实性负责的职业操守五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“RAG技术”“向量数据库”相关资料，思考“为什么大模型需要外挂知识库才能回答专业问题？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：现场提问大模型一个专业性较强的问题（如某芯片型号的具体测试规程），展示模型可能给出的模糊或错误回答，引出知识库的必要性。（2）导入案例2：展示车规级PMIC测试智能体工作流的可视化编排界面截图，提问“一个复杂的测试任务是如何被拆解成多个步骤自动执行的？”教学方法：案例引入法演示教学法教学手段：课程网站、PPT环节3：教学过程（1）知识库核心功能与创建流程讲解知识库的知识存储、动态检索、知识更新、多模态支持四大功能。上机演示：在Coze平台创建知识库，上传文档，设置分段策略，构建索引。（2）Embedding与RAG技术讲解Embedding将文本转化为向量的原理；讲解RAG技术数据准备、知识检索、增强提示、大模型生成四步流程。（3）智能体工作流四大核心构成讲解节点（开始、LLM、插件、代码、知识库检索、结束）、逻辑控制（选择节点、意图识别、循环节点）、数据流（变量引用、强类型约束）、资源集成四大要素。课堂互动：分组讨论“如果要开发一个课程答疑工作流，需要用到哪些节点、如何设计分支逻辑”，每组绘制简易流程草图并分享。（4）案例解析结合车规级PMIC测试智能体工作流案例，讲解知识库检索节点与选择节点如何协同实现测试问题的分类处理。任务点评、要点归纳：知识库创建流程、RAG技术原理、工作流四大核心构成、分支逻辑设计方法。教学方法：讲授法任务驱动法小组讨论教学法上机实操演练教学手段：课程网站、PPT、Coze平台环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.为自己在单元十一搭建的智能体绑定一个知识库（可上传专业课程资料），并尝试设计一个包含至少一个选择节点的简单工作流，提交流程截图与测试记录至课程网站。评价：自我评价、同学互评、老师评价完成专业能力评价、非专业能力教学评价与反馈教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够完成知识库的创建与配置，理解RAG技术的核心流程，并初步具备运用工作流节点搭建自动化处理流程的能力。教学中学生对分支逻辑的设计仍偏简单，多数未能覆盖复杂的异常情形，后续可结合更多真实业务场景强化训练。至此，项目3与项目4的教学内容已全部完成，更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号13授课班级授课时间授课时数2授课单元名称单元十三多模态大模型认知与辅助驾驶方案解析一、教学目标素质目标（1）培养学生“安全第一”的职业精神，深刻认识辅助驾驶中“人机共驾”的责任边界（2）引导学生树立科技创新与前瞻思维，主动探索AI技术在物理世界中的应用边界（3）培养学生理性、辩证看待不同技术路线优劣的批判性思维知识目标（1）理解多模态大模型跨模态对齐与感认知一体化原理（2）理解VLA模型视觉—语言—动作端到端对齐机制（3）了解SAE自动驾驶分级标准及特斯拉FSD、华为ADS、Momenta三种技术路线能力目标（1）能描述多模态大模型与VLA模型的核心技术架构（2）能对比三种主流辅助驾驶方案的技术路线差异（3）能理解规则与VLA混合控制机制的安全仲裁逻辑二、教学内容（1）多模态大模型：跨模态融合原理、VLA模型技术架构、MLLM应用（2）VLA大模型辅助驾驶工作原理与混合控制机制（3）SAE自动驾驶分级标准（L0—L5）（4）主流辅助驾驶方案对比：特斯拉FSD、华为乾崑ADS、Momenta三、重点难点教学重点（1）VLA模型视觉—语言—动作端到端对齐机制（2）三种主流辅助驾驶方案的技术路线差异教学难点（1）理解规则引擎与VLA大模型协同工作的“安全仲裁”逻辑（2）辨析“纯视觉路线”与“多传感器融合路线”的优劣权衡四、思政元素（1）以华为乾崑ADS、Momenta等国产辅助驾驶技术方案的快速迭代，展现我国智能网联汽车产业的自主创新能力（2）通过特斯拉FSD实际事故案例，引导学生树立“生命至上、安全意识优先”的工程伦理观五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“VLA模型”“自动驾驶分级”相关资料，思考“人类驾驶员在遇到突发情况时，大脑是如何做出反应的？”教学方法：任务驱动法教学手段：课程网站环节2：新课导入（1）导入案例1：播放辅助驾驶车辆在复杂路口自主完成微调、等待、通行的实测视频片段，提问“车辆是如何“看懂”并“判断”这一切的？”（2）导入案例2：展示特斯拉FSD事故新闻报道，引发学生对“人机共驾边界”的讨论。教学方法：案例引入法讨论法教学手段：课程网站、PPT环节3：教学过程（1）多模态大模型基础认知讲解多模态大模型如何整合视觉、语言等多元数据，实现“感认知一体化”。讲解VLA模型视觉编码器、语言令牌、动作令牌的端到端对齐机制；简要介绍MLLM在智能座舱中的应用及“幻觉”风险。（2）VLA大模型辅助驾驶工作原理类比人类驾驶员认知过程，讲解VLA模型“跨模态表征—世界模型推理—动作令牌输出”的工作流程。讲解规则与VLA混合控制机制：“天才大脑”与“钢铁脊髓”协作的安全仲裁逻辑。课堂互动：分组讨论“为什么不能完全依赖VLA大模型做出驾驶决策，还需要规则引擎兜底？”（3）主流辅助驾驶方案对比讲解SAE自动驾驶分级标准L0—L5的核心区别。对比讲解特斯拉FSD（纯视觉路线）、华为乾崑ADS（多传感器融合）、Momenta（数据驱动飞轮）三种技术路线的架构特点与优劣。任务点评、要点归纳：多模态大模型与VLA核心原理、混合控制机制、三大辅助驾驶方案对比要点。教学方法：讲授法任务驱动法小组讨论教学法教学手段：课程网站、PPT环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.以表格形式对比特斯拉FSD、华为乾崑ADS、Momenta三种方案在硬件架构、数据积累方式、技术路线上的差异，并谈谈自己更认同哪种路线及理由，上传至课程网站。评价：自我评价、同学互评、老师评价教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够理解多模态大模型与VLA模型的核心技术原理，掌握规则与AI协同工作的安全仲裁逻辑，并能够对比分析三种主流辅助驾驶方案的技术路线差异。教学中学生对“安全至上”的工程伦理观形成了较为深刻的认识，但对不同传感器融合方案的技术细节理解仍需结合下一次课的实操环节加以巩固。更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号14授课班级授课时间授课时数2授课单元名称单元十四百度Apollo平台仿真实战一、教学目标素质目标（1）培养学生严谨规范的实操习惯，在虚拟仿真环境中养成安全操作意识（2）通过仿真调试环节，培养学生反复验证、精益求精的工匠精神知识目标（1）掌握百度Apollo自动驾驶开发流程六阶段（2）了解DreamView可视化监控与cyber_monitor工具的使用方法（3）了解仿真调试相较实车测试的优势能力目标（1）能使用Apollo在线编程环境播放自动驾驶离线数据包并分析传感器数据（2）能完成DreamView模式设置与Channel信息查看操作（3）能完成路线编辑与定速巡航仿真调试全流程二、教学内容（1）百度Apollo自动驾驶开发流程六阶段（2）DreamView快速上手：模式设置、离线数据包播放、Channel信息查看（3）仿真调试的优势：高效性、成本节约、安全性、可重复性（4）定速巡航仿真调试实操：模式设置、路线编辑、启动仿真三、重点难点教学重点（1）DreamView模式设置与离线数据回放操作（2）路线编辑与定速巡航仿真调试全流程教学难点（1）理解Pnc监控模块中规划速度与实际速度差异所反映的算法问题（2）Channel信息列表的查看与含义解读四、思政元素（1）通过仿真测试“安全、可控、可重复”的技术特性，引导学生理解我国在自动驾驶测试验证体系建设上的审慎与负责态度（2）培养学生在虚拟仿真环境中依然一丝不苟、严格按流程操作的职业规范意识五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：注册百度Apollo开发者课程账号，浏览“快速上手，五步入门自动驾驶”课程简介。教学方法：任务驱动法教学手段：课程网站、百度Apollo平台环节2：新课导入（1）导入案例1：对比展示实车测试与仿真测试在成本、周期、安全性上的差异数据，提问“为什么头部企业普遍采用仿真测试作为自动驾驶开发的重要手段？”（2）导入案例2：现场演示DreamView界面，展示车辆在仿真环境中行驶的动态画面，激发学生实操兴趣。教学方法：对比展示法演示教学法教学手段：课程网站、PPT、百度Apollo平台环节3：教学过程（1）Apollo自动驾驶开发流程讲解从系统环境搭建、源码下载编译、模块配置启动、DreamView可视化调试、实车测试到持续迭代优化的六阶段流程。（2）DreamView快速上手实操上机演示：进入在线编程环境，执行指令启动DreamView交互系统；进行语言设置；完成模式设置（PnC模式、Record操作），下载并播放“demo_3.5”离线数据包。演示Pnc监控模块，讲解规划速度与实际速度的对比分析方法；演示cyber_monitor命令查看Channel信息列表。（3）仿真调试优势讲解讲解仿真调试在高效性、成本节约、安全性、数据生成、可重复性五方面相较实车测试的优势。（4）定速巡航仿真调试实操上机演示：启动DreamView，完成模式设置（PnC模式、Sim_Control操作，开启Planning和Prediction模块）；启动路线编辑器，添加途经点并保存；点击开始按钮启动仿真，观察车辆行驶过程中的速度、方向、挡位等信息。学生分组实操：每组独立完成一次完整的定速巡航仿真调试。任务点评、要点归纳：Apollo开发流程六阶段、DreamView核心操作、仿真调试优势、定速巡航仿真全流程。教学方法：讲授法任务驱动法上机实操演练小组协作实践教学手段：课程网站、PPT、百度Apollo在线仿真平台环节4：作业与评价课后学习任务布置：a.完成随堂测、参与线上讨论；b.独立完成一次定速巡航仿真调试，自主设置至少3个途经点，记录仿真过程中规划速度与实际速度的差异情况，形成实操报告并附界面截图上传至课程网站。评价：自我评价、同学互评、老师评价完成专业能力评价、非专业能力教学评价与反馈教学方法：任务驱动法教学手段：课程网站六、教学效果与反思通过本课程的学习，学生能够独立完成百度Apollo平台的DreamView可视化调试与定速巡航仿真操作，直观感受自动驾驶系统“感知—决策—控制”的完整流程，实操能力得到有效锻炼。教学中部分学生在途经点设置与仿真参数配置环节操作不够熟练，后续可增加课后开放实验室时段供学生巩固练习。至此，项目5教学内容已全部完成，更多教学反馈将通过课程网站收集，作为下一次课教学设计参考。

课号15授课班级授课时间授课时数2授课单元名称单元十五AI艺术创新认知与AIGC提示词设计实践一、教学目标素质目标（1）培养学生的审美与人文素养，在AI艺术鉴赏中融入人文内涵（2）引导学生树立尊重原创、坚守AI使用规范的伦理与责任意识（3）激发学生的创新与技术应用素养，推动AI技术与艺术创作的融合探索知识目标（1）了解AI艺术创新的五大核心作用（2）了解绘画、视频生成、音乐生成类主流工具的核心技术差异（3）掌握AIGC绘画提示词标准框架与五大编写要点能力目标（1）能结合案例说明AI艺术创新的五大价值（2）能比较Midjourney、即梦AI、Suno、Mureka等工具的技术原理与适用场景（3）能运用标准框架设计提示词并完成即梦AI基础创作操作二、教学内容（1）人工智能赋能艺术创新的五大核心作用（2）AI绘画、AI音乐、AI视频工具关键技术与应用对比（3）AIGC绘画提示词标准框架与编辑公式（4）提示词五大编写要点与即梦AI基础创作功能实操三、重点难点教学重点（1）AI艺术创新五大核心作用（2）AIGC绘画提示词标准框架的构成要素（3）提示词五大编写要点的实际应用教学难点（1）理解AI在艺术创作中“智能协同者”而非“替代者”的定位（2）将抽象的意境描述转化为具体、可视觉化的提示词表达四、思政元素（1）以“泥人张”彩塑数字化创作、“书生·妙析”美学评价大模型等案例，展现AI技术助力中华优秀传统文化传承与创新（2）通过李娟将AI工具与刺绣非遗技艺融合的案例，引导学生理解AI时代“技术+匠心”的新工匠精神内涵五、教学设计教学过程教学方法与手段环节1：课前准备布置预习任务：查阅“AIGC绘画”“M