高中信息技术高三AI大模型与智能体技术教学设计

高中信息技术高三AI大模型与智能体技术教学设计【教材与学情定位】本课面向高中三年级信息技术选考班，承接“人工智能基础”模块中关于机器学习与神经网络的内容。学生已掌握Python基本语法、分类算法原理及模型训练流程，具备初步的模型评估能力。本课聚焦生成式大语言模型与智能体（Agent）的工程化实现，属于《普通高中信息技术课程标准（2017年版2020年修订）》中“人工智能应用”与“开源硬件项目设计”的融合拓展模块。教学环境为配备GPU工作站及云端算力账号的专用机房，每两位学生共享一台终端。【核心素养目标】1.信息意识：能从技术伦理视角审视大模型生成内容的可信度边界，识别提示词注入攻击等安全风险场景。2.计算思维：理解Transformer自注意力机制的核心思想，能画出大模型文本生成的数据流示意；掌握“感知决策执行”智能体循环的建模方法。3.数字化学习与创新：利用已有大模型API（如文心一言、通义千问）搭建具备记忆与工具调用能力的个人学习助手智能体。4.信息社会责任：辨析生成式AI的版权归属与学术诚信问题，明确对AI生成内容的标注义务。【教学重难点】○重点：大模型文本生成的两阶段范式（预训练+微调）；智能体思维链（CoT）工作原理；检索增强生成（RAG）的组件构成。○难点：自注意力机制中Q/K/V矩阵的直观理解；多智能体协作时的消息传递协议设计。【课时安排】2课时连堂（90分钟），含15分钟阶段性展示与互评。【教学准备】○教师端：预训练好的分布式微调环境快照、已配置API密钥的JupyterNotebook模板、智能体可视化调试面板。○学生端：学习任务单、大模型交互记录表、智能体提示词设计检查清单。【教学过程】第一环节情境导入与问题链驱动（8分钟）教师活动：展示一张学生用AI生成的高考作文截图，其中包含三处具体事实错误但行文流畅。提出三个递进问题：问题1：这篇作文的“流畅感”从何而来？背后模型的数学基础是什么？问题2：AI为何会犯看似聪明实则离谱的错误？这类错误属于“编造”还是“记忆偏差”？问题3：如果我们想让AI在回答问题时主动查证资料并拒绝作答，需要给它增加什么“器官”？学生小组用2分钟进行头脑风暴，将猜测写在白板上。设计意图：用反常识案例打破“AI全知”的错觉，直接指向预训练与对齐的本质矛盾，为后续技术拆解埋下悬念。第二环节大模型技术原理拆解（25分钟）（一）从词向量到自注意力（12分钟）教师以“我爱杭州”为例，演示传统词嵌入（Word2Vec）如何将“杭州”映射为300维向量，但无法表征“爱”在不同语境下的动态含义。随即引入自注意力机制的核心公式：Attention(Q,K,V)=softmax(QK^T/√d_k)V教师明确解释：Q代表当前词“我”的查询向量，K是全句每个词的键向量，V是内容向量。通过点积计算“我”应当向“爱”分配多少关注权重，而√d_k是缩放因子。随堂活动：使用在线可视化工具（如TensorFlowPlayground定制版），让学生拖动矩阵数值观察“爱”对“杭州”与“我”的注意力权重变化。学生任务单上需要手写完成一个4×4注意力矩阵的软最大归一化计算。（二）预训练与微调的分工逻辑（8分钟）教师用“图书馆海量阅读+导师圈定书单精读”作类比：预训练阶段模型阅读万亿级文本，学到通用语法与知识；微调阶段使用高质量指令数据对模型进行行为塑造。展示一张训练损失曲线图，标注预训练阶段（困惑度持续下降）与指令微调阶段（奖励分数上升）的转折点。（三）矛盾认知的关键澄清（5分钟）回到导入中的作文事实错误。教师展示模型在解码时的概率分布图：P(正确地名)=0.32，P(错误地名)=0.28，差距极小。说明大模型的“幻觉”源于概率采样而非知识缺失。引出对齐技术（RLHF）的基本思想：让模型对不确定答案主动说“我不知道”。第三环节智能体技术系统建构（30分钟）（一）智能体核心循环演示（12分钟）教师打开预先准备的可视化面板，展示一个天气查询智能体的运行日志：感知阶段：用户输入“杭州明天适合爬山吗？”→解析出关键实体“杭州”“明天”“爬山”推理阶段：内部思维链输出“需要天气数据·降雨概率·气温→需调用天气API”决策阶段：生成工具调用参数{"city":"杭州","date":"20270421"}，API返回数据后停止推理执行反馈阶段：将气象数据填充至模板，输出建议结论学生填写对比表：传统正则匹配机器人与上述智能体在处理同一句子的差异，重点分析模糊表达处理能力的不同。（二）检索增强生成RAG的实操（12分钟）教师提出新任务：为高三学生制作“高考政策问答智能体”。由于模型训练数据截止于2026年，无法回答2027年最新强基计划变化。此时引入RAG三组件：文档加载与切分模块：将《2027年浙江省普通高校招生工作实施意见》PDF按章节切分为512字符的块向量化存储模块：利用BGEM3模型将文本块转为768维向量存入向量数据库检索与融合模块：用户提问时先检索最相关的3个文本块，连同问题一起拼入提示词学生用教师已联网的Notebook执行代码，实测三种策略的答案质量对比：直答、带检索答案、不展示检索过程。任务单要求记录每次回答后自己对的信心评分，感受引用来源对判断可接受性的影响。（三）提示词工程与防御（6分钟）教师展示一组恶意提示词注入成功案例（用户尝试让AI忽略系统指令），并演示防御策略：为智能体增加“系统级指令优先级”标记。学生分组讨论：在校园场景下，哪些人可能用哪些诱导方式攻击班级AI学习助手，设计两条防御规则写入提示词模板。第四环节项目实践：搭建学科专属智能体（35分钟）（一）任务发布与框架选择（5分钟）学生以两人小组为单位，从以下范围中择一开发：选项A：物理错题诊断智能体（数据库提供50道力学题及解析）选项B：英语读后续写灵感生成器（知识库包含100篇佳作段落）选项C：校园植物识别与养护助手（调用现成图像分类模型）每组领取一个“功能清单”卡片，上面标明必须实现的核心组件（意图识别、知识库检索、格式化输出）与进阶组件（多轮记忆、主动追问）。（二）开发实施与中途微调（20分钟）学生按照教师提供的“搭建步骤骨架”操作：第一步，在千问API中定义系统提示词，限定角色与输出规范；第二步，用Python调用LangChain框架的检索模块，连接已处理的向量数据库；第三步，设计一条“兜底回复”，当检索相关度低于阈值时回答“该问题超出我的资料范围”。教师巡回观察，重点记录以下两类问题的解决过程：检索结果明显不相关时如何调整分块大小；多轮对话中模型遗忘之前轮次的关键信息（如学生姓名、题目编号）时的记忆存储策略。每完成一个里程碑，小组在调试面板处截图保存。（三）压力测试与安全审计（10分钟）交换测试环节：每组将本组智能体暴露给另一组，对方需尝试三种对抗输入（歧义提问、恶意指令注入、超长上下文）。测试组填写“暴力测试反馈单”，记录模型在何种输入下出现偏离预设角色或泄露知识库原始数据的行为。教师汇总各类异常案例，提取两个共性弱点进入总结阶段。第五环节成果互评与反思提升（12分钟）各组通过投屏展示30秒演示短视频（课前剪辑完成），重点呈现本组智能体在面对困难任务时的思维链可视化日志。使用在线评分量表进行双盲互评，四个维度各占25分：维度1：功能完成度（是否能稳定解决范围题）维度2：边界处理能力（能否优雅拒绝超纲问题）维度3：记忆与衔接（多轮对话不丢失关键约束）维度4：界面友好度（输出格式是否适合目标用户）教师选择两个得分差距最大的小组，请高分组成员复盘“设计决策树上的关键分叉点”，低分组组员自我诊断“最值得重写的单个代码模块”。课后延伸：5.基础作业：阅读纽交所上市AI企业年报中“技术风险”章节，用思维导图整理大模型应用的三类失效模式。6.进阶任务：在本地部署一个参数量小于7B的开源模型（如Qwen2.57B），使用LoRA方法用50条高二化学题目进行微调，对比微调前后的回答准确率，提交实验报告。7.伦理研讨会：辩论题为“应否在高考试卷中禁止使用AI辅助作答”，要求引用本课教学过程1中的事实错误案例作为论据。【教学评价设计】○过程性评价（占比40%）：小组开发日志的版本迭代次数、暴力测试中发现的有效漏洞数量、课堂提问的深度等级。○终结性评价（占比60%）：智能体终稿运行测试得分（自动评分脚本检测输出格式正确率、检索相关性、拒绝率合理性）、个人反思短文（字数不限，聚焦“最触动我认知的一个技术细节”）。○差异化支持：对编程能力薄弱的小组提供“积木式”函数库文件，只需填写关键参数即可完成任务闭环；对学有余力的学生提供“智能体间通讯协议”挑战题，要求通过HTTP请求实现两个智能体协作解一个数学题。【教学反思预设】本课最大挑战在于平衡技术原理深度与高中生认知负荷。根据过往开课经验，当教师直接讲授Q/K/V矩阵时，约有三分之一学生出现畏难情绪