人工基础通识4

人工智能通识教程·教学配套资料—PAGE1—人工智能通识教程

常用AI提示词手册使用说明说明：本手册以教材中的AI应用场景为基础，平台界面和模型能力会变化，因此模板尽量描述任务目标、输入材料和质量标准，不依赖固定产品按钮。基本原则：先明确任务，再提供必要材料和约束；要求模型区分已知、未知与推断；重要结果必须回到原始材料、权威来源或实际运行结果核验。高质量提示词的六个组成部分1.角色与受众：模型以什么身份协助，输出给谁使用。2.任务与目标：要完成什么，以及完成后的实际用途。3.背景与材料：提供可信输入、数据字典、样例或原文。4.约束与边界：字数、格式、禁止事项、隐私和事实边界。5.输出结构：规定标题、字段、步骤、表格或代码模块。6.核验标准：要求说明不确定性、来源需求和人工复核点。通用母模板可复制模板：你是[角色]，请协助我完成[任务]。使用场景和受众为[背景/受众]。请仅依据[材料或数据]，并遵守[约束、禁止事项、时间/字数]。输出按[结构/格式]组织。对材料中没有的信息写“未知”或“待核实”，不要虚构数据、来源、引文或功能。完成后列出：①关键假设；②需要人工确认的内容；③结果核验步骤。三轮迭代法1.第一轮—搭框架：先让模型复述任务、列提纲和缺失信息，不急于生成终稿。2.第二轮—补证据：提供材料、样例、数据和评价标准，要求逐项对应。3.第三轮—做审查：换成“审稿人/测试者”角色寻找错误、遗漏、冲突与风险，再由人修改定稿。重要提醒安全事项：不要输入无授权的个人信息、商业秘密、未公开研究数据或受版权保护的完整材料；不要要求模型冒用身份、伪造来源、规避审核或替代医疗、法律、金融等专业决策。

一、办公与信息处理1.长文摘要与分层提炼适用场景：阅读通知、报告、会议材料或较长网页后，快速提取决策所需信息。提示词模板：你是[角色]。请仅依据我提供的[材料]完成摘要。先用不超过[字数]字概括核心结论，再列出：①关键事实；②重要数据；③待办事项（负责人、截止时间、交付物）；④材料中未明确的信息。不得补写材料中没有的事实；对不确定内容标注“待核实”。材料如下：

[粘贴材料]变量与用法：[角色]、[材料]、[字数]可替换；若材料很长，可分段输入并要求先编号归档，最后综合。示例：把学院会议纪要压缩为300字摘要，并提取涉及任课教师的任务、时间节点和所需材料。核验要点：逐项回看原文；核对人名、日期、数字和否定词；确认“待办”没有把建议误写成决定。2.公文、通知和邮件起草适用场景：根据明确事实起草结构规范、语气合适的工作文本。提示词模板：请为[对象]起草一份[文种]。目的：[目的]；必须包含：[事实/事项]；语气：[正式/友好/简洁]；篇幅：[长度]；行动要求：[行动及截止时间]。不得虚构政策依据、联系人或日期。输出顺序：标题—正文—落款占位符，并另列“需要我补充确认的信息”。变量与用法：[文种]可为通知、邀请函、邮件、会议提醒等；敏感信息用占位符，不直接输入真实个人数据。示例：起草课程作业延期提交通知，说明新截止时间、提交方式和逾期处理原则。核验要点：确认身份称谓、时间、地点、附件和行动指令；正式发布前按单位模板调整格式并由责任人审核。3.会议议程与纪要整理适用场景：把会议主题、记录或转写文本转成可执行议程和纪要。提示词模板：依据以下[会议材料]整理会议纪要。按“议题—讨论要点—已形成决定—待办事项—争议/未决问题”输出。不得把讨论意见写成最终决定；每项待办用“责任人｜截止时间｜交付物”表示，缺失项标记“未明确”。最后生成下次会议建议议程。材料：

[会议材料]变量与用法：若是会前使用，将“纪要”改为“议程”，补充每个议题的目标、主讲人和预计时间。示例：根据教研室会议速记，区分已通过的大纲修改和仍需讨论的实验安排。核验要点：由参会者确认决定和分工；录音转写涉及个人信息时先取得授权并控制访问范围。二、学术研究与文献工作4.研究问题细化适用场景：把宽泛兴趣转化为可研究、可验证且范围合适的问题。提示词模板：我的研究主题是[主题]，对象是[研究对象]，可获得的数据/条件为[条件]，周期为[周期]。请提出3个由宽到窄的研究问题。每个问题说明：核心变量或对象、可检验关系、所需数据、适用方法、潜在贡献、主要风险。不要假设我拥有未说明的数据或设备。最后比较三者的可行性。变量与用法：可加入学科、样本规模、伦理限制和预期成果，以防题目过大。示例：围绕‘生成式AI辅助大学生编程学习’，在一学期、两个班级的条件下形成准实验研究问题。核验要点：检查问题是否能用现有条件回答；避免把相关关系直接写成因果；请导师或领域专家判断学术价值。5.检索式设计与文献筛选适用场景：为数据库检索构造中英文关键词、同义词和组合逻辑。提示词模板：围绕研究问题“[问题]”，生成文献检索方案。列出：核心概念、中英文同义词、缩写、上位/下位词、排除词；分别给出适用于[数据库]的宽检索式和精检索式；说明每组布尔逻辑。不得编造论文。另给出题名/摘要初筛标准和全文纳排标准。变量与用法：[数据库]可填知网、WebofScience、Scopus等；语法应根据数据库帮助页调整。示例：为‘大语言模型对本科生批判性思维的影响’构造中英文检索词和纳排标准。核验要点：在数据库实际试检，观察召回与噪声；保存检索日期、数据库、完整检索式和结果数，确保可复现。6.单篇论文结构化阅读适用场景：在已提供论文全文或摘要的前提下提取研究设计和证据。提示词模板：请仅依据我提供的论文内容制作结构化阅读卡：研究问题、理论基础、数据/样本、方法、主要结果、作者承认的局限、可复现信息、与我的课题[课题]的关联。每项标注对应页码或原文位置；找不到就写“文中未说明”。最后提出3个需要进一步核查的问题。论文内容：

[内容]变量与用法：若模型无法直接读取附件，应粘贴关键章节；页码以PDF页码或印刷页码明确区分。示例：阅读一篇学习分析论文，重点提取样本划分、评价指标和是否存在数据泄漏。核验要点：回到原论文核对方法与数字；DOI、作者、年份须在出版社或数据库页面确认；AI摘要不能替代精读。7.文献综述框架与证据矩阵适用场景：把多篇已核实文献按主题、方法和结论进行综合，而不是逐篇罗列。提示词模板：我将提供若干已核实文献卡片。请建立证据矩阵，字段包括：研究对象、数据、方法、主要结论、证据强度、局限、与其他研究的一致/冲突。随后按[组织逻辑]提出综述提纲，每一节说明要回答的问题和拟使用文献。禁止添加未提供的文献或引文。材料：

[文献卡片]变量与用法：[组织逻辑]可为主题演进、方法比较、理论流派或问题链；文献多时分批输入并固定编号。示例：综合12篇AI辅助教学研究，比较实验研究、调查研究和质性研究的结论边界。核验要点：核对每个综合判断是否有多项证据支持；区分作者结论与自己的推断；引用须回原文确认。8.学术文本修改与降噪适用场景：改善逻辑、术语一致性和可读性，同时保留作者观点。提示词模板：请以学术编辑身份审阅下段文字。保持原有观点和事实，不新增文献或数据。依次输出：①主要问题（逻辑、概念、证据、语言）；②最小改动版；③修改说明。将空泛、绝对化和无法验证的表述改为审慎表达；保留专业术语。原文：

[文字]变量与用法：可指定目标期刊、读者和字数；若涉及引用，要求保留原编号，不自动生成参考文献。示例：修改论文研究方法段，统一‘准确率’与‘精确率’，并指出缺少的实验设置。核验要点：使用修订前后对照；作者本人对事实和论证负责；遵守学校或期刊关于AI辅助写作的披露要求。三、教学设计与学习支持9.学习目标与教学活动设计适用场景：根据课程内容和学情设计可评价的学习目标与课堂活动。提示词模板：为[课程/主题]设计[学时]教学方案。学生基础：[学情]。请给出3—5个可观察、可评价的学习目标，并建立“目标—教学活动—学习证据—评价方式”对应关系。标明重点、难点、易错点和时间分配；避免只使用‘了解、熟悉’等不可测动词。变量与用法：可加入班级规模、设备条件、是否允许联网和课程思政切入点。示例：为90分钟‘生成式AI与提示词’课设计讲授、演示、练习和反思活动。核验要点：检查总时长、活动可实施性和目标—评价一致性；教师根据真实学情调整，不直接照搬。10.分层练习与答案解析适用场景：围绕同一知识点生成由浅入深的练习和评分依据。提示词模板：围绕[知识点]，面向[学习者]设计基础、应用、综合三个层级的练习，各[数量]题。每题给出考查目标、参考答案、解析、常见错误和评分要点。题目不得依赖未提供的临时平台界面；如存在多种合理答案，明确评分边界。变量与用法：可指定题型、总分、难度比例和是否允许使用AI工具。示例：围绕监督学习、无监督学习和强化学习设计概念辨析、案例判断与方案选择题。核验要点：教师独立作答一遍；检查唯一答案、题干信息和分值；避免题目与答案相互泄露。11.个性化讲解与苏格拉底式引导适用场景：不直接给结论，而是根据学习者当前理解逐步提示。提示词模板：你是耐心的学习辅导者。主题：[主题]；我的现有理解：[理解]。先用一个问题诊断我的误区，再一次只提出一个递进问题；除非我连续两次无法回答，否则不要直接给完整答案。每轮反馈包含‘正确之处—需要修正—下一步提示’，最后用一个新情境检验迁移。变量与用法：学习者应主动回答；可指定不使用超出课程范围的公式或术语。示例：通过提问帮助学生理解为什么训练集表现好并不意味着模型泛化好。核验要点：核对讲解是否符合教材定义；AI不能替代教师对学习困难、评价公平和学生状态的判断。12.形成性评价量规适用场景：为报告、展示、项目或AI辅助作品建立透明的评价标准。提示词模板：为[任务]设计总分[分值]的分析型量规。评价维度应覆盖[要求]，每个维度给出权重和4个表现等级的可观察描述。单列‘事实核验、过程记录、AI使用披露’要求。避免使用‘很好、一般’等模糊词。最后检查各权重之和。变量与用法：可补充课程层次、个人/小组任务和最低达标要求。示例：为‘使用AI完成主题调研并课堂汇报’设计内容、证据、表达、反思和规范五维量规。核验要点：用2—3份样例试评分，检查区分度与评分者一致性；提前向学生公开量规。四、数据处理与分析13.数据理解与质量检查适用场景：在分析前识别字段含义、缺失、重复、异常和编码问题。提示词模板：我将提供数据字典和少量脱敏样例。请先复述每个字段的含义与类型，再提出数据质量检查清单，包括缺失、重复、范围、单位、类别一致性、时间逻辑和潜在隐私风险。不要直接删除数据；对每类问题给出检测方法、处理选项及可能影响。材料：

[数据字典与样例]变量与用法：不要上传身份证号、联系方式、医疗记录等原始敏感数据；优先使用脱敏或合成样例。示例：检查学生成绩表中的空值、重复学号、超范围分数和课程名称不一致。核验要点：在原始数据副本上运行检查；保留清洗日志；任何删除、填补和异常判定均需业务人员确认。14.生成可运行的数据分析代码适用场景：根据清晰的数据结构生成Python分析代码和验证步骤。提示词模板：请使用Python[版本]及[库]分析[任务]。数据字段：[字段说明]。要求：①给出完整可运行代码；②固定随机种子；③分成读取、检查、清洗、分析、可视化、导出模块；④每一步打印关键维度和统计量；⑤处理文件不存在、类型错误和缺失值；⑥不得假设未说明的列。最后列出依赖、运行命令和预期输出。变量与用法：明确文件格式、编码、列名、单位和期望图表；大数据需说明内存或分块限制。示例：使用Pandas读取CSV，统计各专业平均分并绘制带样本量说明的柱状图。核验要点：在副本上运行；检查报错、行数变化和单位；抽样人工复算；不要把能运行等同于分析正确。15.图表选择与解读适用场景：根据变量类型和分析目的选择恰当图表，避免误导。提示词模板：分析目标：[目标]；变量及类型：[变量]；样本量：[样本量]。请比较3种候选图表，说明各自适用性、可能误导和最终推荐。给出标题、坐标轴、单位、图例、注释及无障碍配色建议，并列出不能从图中推出的结论。变量与用法：若存在时间、分组、误差或类别不平衡，必须说明；必要时要求显示置信区间或样本量。示例：比较两个班级四次测验成绩的变化，选择折线图、箱线图或分组柱状图。核验要点：核对坐标轴是否截断、比例是否一致、图例是否准确；图表结论必须与统计结果一致。16.统计结果的审慎解释适用场景：将统计输出转化为可理解但不过度推断的文字。提示词模板：依据以下统计结果写一段面向[读者]的解释。严格区分描述、相关和因果；同时报告方向、大小、不确定性、样本范围和限制。不得只凭p值判断实际意义，也不得推断未观测群体。先列‘可支持的结论’，再列‘不能支持的结论’。结果：

[统计输出]变量与用法：提供研究设计、变量定义、样本来源和效应量；只有摘要统计时不要要求复杂因果判断。示例：解释两个班级平均分差异及置信区间，说明非随机分班对因果推断的限制。核验要点：由统计学或领域人员复核；检查样本选择、缺失处理、多重比较和模型假设。五、跨学科分析与知识组织17.多视角问题分析适用场景：从技术、社会、伦理、经济等角度理解复杂问题。提示词模板：请分析[问题]，分别采用技术、经济、社会、法律伦理四个视角。每个视角列出关键利益相关者、主要机制、证据需求、潜在收益、风险与冲突。最后指出各视角之间的张力以及需要进一步调查的问题，不强行给出单一结论。变量与用法：可按专业需要替换视角；法律内容只作一般信息，具体适用须核查最新法规和专业意见。示例：分析高校使用人脸识别进行考勤的效率、隐私、公平和治理问题。核验要点：检查是否遗漏受影响群体；重要事实和法规以权威、最新来源为准；明确价值判断与事实判断。18.概念图或知识图谱设计适用场景：把复杂主题整理为概念、属性和关系，便于教学或研究。提示词模板：围绕[主题]建立概念关系清单。先列核心概念及一句话定义，再用“主体—关系—客体”三元组表示关系，并给出每条关系的依据或待核实标记。随后输出Mermaid[mindmap/flowchart]代码。节点不超过[数量]，层级不超过[层数]，避免把时间先后误写成因果。变量与用法：Mermaid语法需在实际编辑器中验证；知识图谱三元组应保留来源字段。示例：将图卷积神经网络的定义、图结构、消息传递、应用和挑战整理成思维导图。核验要点：运行代码检查语法和布局；逐条核对概念关系；复杂图应减少交叉连线并统一术语。19.案例比较与方案权衡适用场景：对多个技术或实施方案进行基于标准的比较。提示词模板：比较方案A：[A]、方案B：[B]、方案C：[C]。应用场景：[场景]；约束：[预算/时间/隐私/能力]。先提出不超过6项评价标准并说明权重，再依据已提供证据评分；没有证据的项目写‘未知’，不得猜分。最后进行敏感性分析：权重怎样变化会改变推荐结果？变量与用法：评价标准应来自真实目标；不要把平台宣传语直接当作证据。示例：比较本地模型、云端模型和人工流程在课程资料整理中的成本、效果与风险。核验要点：确认权重经利益相关者认可；核实价格、功能与合规要求的时效性；保留评分依据。六、新媒体与内容创作20.文章或脚本策划适用场景：从受众、目标和事实材料出发生成内容框架与初稿。提示词模板：为[平台/载体]策划主题为[主题]的[文章/脚本]。目标受众：[受众]；传播目标：[目标]；必须依据的事实材料：[材料]；时长/字数：[限制]。先给出结构与每段功能，再写初稿。明确区分事实、观点和示例；不得编造数据、案例或采访。结尾加入合适的行动建议。变量与用法：可指定品牌语气、禁用表达和画面/镜头需求；涉及健康、法律、金融时须提高审核等级。示例：将教材中的深度伪造风险改编为3分钟科普视频脚本，含防范建议。核验要点：核查事实、引语、素材授权与平台规则；检查标题是否夸大；由内容责任人完成终审。21.图像生成提示词适用场景：为插图、海报概念稿或教学视觉素材描述主体、构图和风格。提示词模板：生成一幅用于[用途]的图像：主体[主体]；场景[环境]；构图[景别/视角/位置]；光线与色彩[要求]；视觉风格[风格]；画幅[比例]；必须包含[元素]；避免[元素]。不模仿在世艺术家的独特风格，不使用未经许可的商标、人物肖像或受保护角色；画面中的文字留空，后期人工排版。变量与用法：精确信息图、结构图和数据图不宜依赖图像生成，应使用绘图或图表工具。示例：生成‘人类教师与AI协同备课’的教材插图，横向构图、简洁科技感、保留标题空白。核验要点：检查手部、文字、标识、文化符号和事实细节；确认版权与肖像授权；必要时标注AI生成。22.虚拟主播口播稿与分镜适用场景：为讯飞智作等数字人平台准备适合口播的脚本和画面提示。提示词模板：将以下材料改写为[时长]虚拟主播口播稿。受众：[受众]；语气：[语气]；每句尽量不超过[字数]字；专业词首次出现给出简短解释。按“时间段｜口播｜画面/字幕提示”输出，并标注需要停顿和重读的位置。不得克隆或冒用真实人物身份；不添加材料外的事实。材料：

[材料]变量与用法：平台名称和界面可能更新，提示词应描述成果要求，不依赖固定按钮位置。示例：把课程导学改写成90秒数字人口播稿，并提示封面、章节图和要点字幕出现时间。核验要点：真人朗读计时；核对发音、字幕和事实；取得声音、形象和素材授权；按要求标注合成内容。23.多平台内容改写适用场景：把同一可信内容适配不同平台，而不改变核心事实。提示词模板：基于以下已核实内容，分别改写为：[载体1]、[载体2]、[载体3]。保持核心事实、数字和结论一致；分别调整标题、长度、语气、段落与行动建议。输出后附‘跨版本事实一致性表’，列出每个关键事实在三个版本中的表达。原内容：

[内容]变量与用法：可指定公众号、短视频口播、海报文案、课程公告等；不要要求模型自动发布。示例：把AI伦理讲座通知改为官网新闻、公众号预告和30秒视频口播。核验要点：逐项核对事实一致性；检查平台规范、敏感表述和标题党；保留最终人工审批。七、商业分析与决策支持24.用户需求与访谈提纲适用场景：围绕产品或服务问题设计中立、可追问的访谈问题。提示词模板：为[目标用户]设计关于[主题]的半结构化访谈提纲，目标是[研究目标]。按热身—现状—具体经历—痛点—替代方案—总结组织，共[时长]分钟。问题应开放、中立，一次只问一件事；为关键问题设计追问。不要诱导用户赞同方案，也不要索取无关敏感信息。变量与用法：说明招募标准、访谈方式和是否录音；涉及个人信息需设计知情同意。示例：访谈教师如何使用AI备课，重点了解真实流程、失败经历和评价标准。核验要点：小范围预测试；检查问题是否暗含假设；访谈结论不能由AI凭空生成，必须来自真实资料。25.SWOT与风险分析适用场景：基于已有证据梳理内外部因素，并转化为行动。提示词模板：基于我提供的事实，对[项目]进行SWOT分析。每个判断必须标注事实依据；依据不足的放入‘待验证假设’，不要填满四个象限。随后生成风险登记表：风险、触发条件、可能性、影响、负责人、预防措施、应急措施。最后提出3项近期可执行行动。材料：

[材料]变量与用法：可替换为PEST、五力模型等，但必须明确资料时间范围和来源。示例：分析学院建设AI通识课程的师资、资源、需求、同类课程和合规风险。核验要点：由团队确认内外部因素归类；评分应有标准；外部市场数据需使用最新可靠来源。26.决策备忘录适用场景：将复杂方案压缩为决策者可快速审阅的建议。提示词模板：请依据以下材料起草一页决策备忘录。决策问题：[问题]；选项：[选项]；约束：[约束]。结构：建议结论—关键理由—选项比较—主要风险—缓解措施—仍需决定事项。把事实、假设和推断分别标注；如果证据不足，给出最小验证方案，不得装作确定。材料：

[材料]变量与用法：可加入预算、期限、不可接受风险和决策人关注点。示例：决定课程案例演示采用云端AI平台还是本地开源工具。核验要点：检查选项是否完整、公平；重新核算成本；由真正的责任主体作出决定并记录理由。八、伦理治理与安全使用27.AI输出事实核查适用场景：系统识别回答中的可核查主张，并形成查证计划。提示词模板：请审查以下AI生成内容。逐句提取可核查主张，按‘事实/数据/引文/因果判断/预测’分类；为每项给出所需证据类型和优先核查来源。不得把你自己的记忆当作已验证来源，不得生成看似真实的链接。最后将内容改写为：已核实、待核实、观点三部分。内容：

[文本]变量与用法：实际检索时优先官方文件、原始论文、权威数据库；时效性信息必须注明检索日期。示例：核查一段关于AI产业规模、模型能力和政策要求的教材草稿。核验要点：亲自打开来源；核对发布日期与适用范围；引用回到原文上下文；不同来源交叉验证。28.隐私与数据最小化检查适用场景：在把材料交给AI工具前判断哪些内容不应上传或应先脱敏。提示词模板：针对任务[任务]，请建立数据最小化清单。识别拟输入材料中的个人信息、敏感个人信息、商业秘密、未公开研究数据和第三方版权内容；说明是否为完成任务所必需，并提出删除、替换、聚合、脱敏或本地处理方案。若规则或授权不明确，标记‘停止并咨询责任部门’。变量与用法：只描述字段类型，不要把真实敏感数据粘贴给模型；具体法律适用需由专业人员确认。示例：判断是否可将带姓名、学号和评语的学生作业上传到公共AI平台批改。核验要点：遵守学校制度、知情同意和平台数据条款；确认删除机制与访问权限；优先最少数据方案。29.公平性与偏见审查适用场景：检查数据、模型输出或决策流程是否对特定群体造成系统性不利。提示词模板：审查[系统/方案]的公平性风险。列出受影响群体、决策结果、可能的历史偏差、代理变量、样本代表性和反馈循环。提出分组评价指标、人工复核节点、申诉渠道与监测方案。不要仅凭总体准确率宣称公平；证据不足时说明需要哪些数据。变量与用法：群体划分本身也可能敏感，应有合法目的并防止标签固化。示例：审查用学习行为数据预测‘高风险学生’并推送干预的潜在偏见。核验要点：由领域专家和受影响群