高中人工智能第12课AI大模型与智能体技术教学设计

高中人工智能第12课AI大模型与智能体技术教学设计一、教学背景与设计缘起本课是高中信息技术人工智能模块第二阶段的核心课，承接前序课程中机器学习、神经网络等基础概念，指向当前人工智能领域最具活力的两大方向——大语言模型与自主智能体。新课标在“人工智能初步”模块中明确提出，学生应“了解人工智能技术发展的前沿动态，感受人工智能对社会发展的影响”，并“能够描述人工智能系统的基本工作过程”。本课正是对这一要求的深度回应。设计本课时，我首先厘清一个关键认知：AI大模型与智能体不是两个割裂的知识点，而是同一技术脉络的递进关系。大模型是“大脑”，提供推理与生成的基座能力；智能体是“身体”，将大模型的认知能力转化为可执行的任务闭环。基于此，本课以“认知—解构—实践—反思”为主线，通过三层递进的学习任务，引导学生从“听说过大模型”走向“理解其机制，能描述其局限，会设计简单智能体”。学情方面，授课对象为高二年级选学人工智能模块的学生。经过前序学习，学生已掌握监督学习的基本流程，能使用图形化工具搭建简单的分类模型。但对大模型的认知多停留在“能聊天、会画画”的体验层面，对Transformer架构、Token化、上下文窗口、提示词工程等机制缺乏系统认识，对智能体的规划—工具调用—反思循环更是一无所知。这种“体验丰富而认知单薄”的落差，正是本课教学的着力点。二、教学目标与素养指向依据高中信息技术学科核心素养，本课设定如下教学目标。信息意识维度：学生能主动关注大模型技术在教育、医疗、创作等领域的应用现状，认识到数据规模与算法演进对智能水平的推动作用，形成对技术发展节奏的敏感度。计算思维维度：学生能解析大模型“预训练—微调—推理”的基本流程，能描述智能体“感知—规划—行动—反思”的工作循环，能画出简单智能体的系统结构图。数字化学习与创新维度：学生能使用在线大模型平台完成提示词设计、结果对比与参数调整，能借助可视化工具搭建一个具有单轮任务执行能力的简易智能体原型。信息社会责任维度：学生能辩证分析大模型存在的幻觉、偏见、隐私泄露等风险，能评估智能体自主决策的边界，树立审慎的技术应用观。教学重点有两个：一是大模型的核心机制——Token与注意力机制、预训练与微调的分工逻辑；二是智能体的工作循环——从用户意图到工具调用再到结果反馈的完整链路。教学难点同样有二：其一是注意力机制中Query、Key、Value的直觉化理解，需借助生活类比与可视化动画突破；其二是智能体多步规划中的错误累积问题，需通过案例剖析让学生体会“反思”环节的必要性。三、教学准备与课时安排本课安排1课时，45分钟。教学环境为计算机教室，学生两人一组共用一台终端。硬件上需保证每台终端可访问互联网，并提前确认在线大模型平台（如文心一言、通义千问网页版）的可用性。软件方面，教师需准备三个教学资源包：一是包含GPT系列、Claude、文心一言等模型参数对比表的电子文档；二是自制的“大模型推理机制”二维动画演示课件；三是基于Coze或Dify平台预搭建的“校园助手”智能体模板，该模板已包含三个预设的工具接口——课程表查询、图书馆开放时间查询、天气查询。课前预习任务单上，要求学生完成两个小任务：其一，与任意一个大模型对话，向它提问“请用三句话解释什么是机器学习”，并截屏保存回答；其二，阅读教师推送的短文《从聊天机器人到数字员工：智能体正在改变工作方式》，圈出三个最感兴趣的词语。这些前置任务旨在为课堂讨论积累共同经验。四、教学过程第一环节情境导入与概念唤醒（约5分钟）上课伊始，我播放一段约40秒的无声视频：画面左侧是ChatGPT的对话界面，右侧是AutoGPT自动完成“调研新能源汽车市场并生成报告”的全程录屏。视频结束后，我抛出两个问题：“这两个界面有什么本质不同？”“如果让你给它们分别起个技术名字，你会用什么词？”学生通常能敏锐地指出左侧是“聊天机器人”，右侧是“自己在干活的东西”。我顺势在黑板上写下两个词：AI大模型、AI智能体。接着我展示学生课前预习任务的截屏，请三位同学分享他们与大模型的对话。这个环节的关键在于引发认知冲突：学生熟悉大模型，但几乎没人想过“它为什么能回答得这么流畅”“它会不会自己‘想’出新问题去问别人”。我用一句话点题：“今天这节课，我们要拆开两样东西——大模型的‘脑’，智能体的‘手’。”第二环节解构大模型：从参数到机制（约12分钟）本环节分成三个递进的知识块。第一个知识块是“大模型为什么大”。我展示一张直观对比图：左侧是2018年BERTbase的1.1亿参数示意图，中间是GPT3的1750亿参数示意（用一页纸上密密麻麻的圆点阵模拟），右侧是当前最新模型参数的动态柱状图。引导学生观察“参数规模指数级增长”的趋势，提问：“参数变多，到底带来了什么能力跃迁？”学生回答后，我总结三点：更强的语言流畅度、更好的知识覆盖、涌现出的推理能力——并强调“涌现”这一概念，即在参数量突破某个阈值后，模型突然展现出小模型不具备的能力，如思维链推理、上下文学习。第二个知识块是“大模型如何理解语言”。我通过动画演示一段文字被切分为Token的过程，例如“我爱北京天安门”被切分为“我/爱/北京/天安门”。我必须向学生讲透：Token不是字，也不完全是词，而是模型自己学出来的切分单位。接着引入注意力机制——我以一个经典例句“那只没打疫苗的小狗，它的主人昨天带它去了医院”为例，展示模型在处理“它”时，将注意力权重分配给“小狗”而非“疫苗”的动画效果。为了加深直觉，我使用一个生活类比：注意力机制就像阅读时你的目光在不同词语上停留不同时间，停留越久的词对你理解整句话越重要。这个类比虽然简化，但足以支撑学生对核心机制的理解。第三个知识块是“大模型是怎么炼成的”。我用三栏对比表呈现预训练、监督微调、人类反馈强化学习三阶段的核心任务、数据来源和效果差异。表格设计如下。我在此处嵌入课标理念：人工智能教学不应停留在“知道是什么”，而要理解“为什么这样做”。预训练负责语言能力与知识广度，微调负责行为对齐，强化学习负责价值观对齐，三个阶段的递进关系是理解“大模型既有超强能力又要遵守规则”之悖论的钥匙。第三环节解构智能体：从对话到行动（约12分钟）本环节首先播放一段约90秒的动画视频，展示一个“旅行规划智能体”的完整工作流程。用户输入“帮我规划三天杭州行程，预算2000元”，智能体的处理过程被可视化呈现为五个步骤：任务解析—拆解子任务—调用API查高铁票价—调用API查酒店—汇总生成行程表并附注意事项。我暂停视频在每个关键节点，板书对应的功能模块名称。随后我系统讲解智能体的“感知—规划—行动—反思”四阶段循环。这里我采用板书与即时提问结合的方式。板书左侧列出阶段名称，右侧给出该阶段对应的核心技术问题。例如“感知”对应“如何理解用户意图”，“规划”对应“如何拆分复杂任务为可执行步骤”，“行动”对应“如何调用外部工具并解析结果”，“反思”对应“如何判断结果是否满足要求，若不满足如何修正”。每写一个阶段，我请一位学生用自己的话解释该阶段的含义，并联系生活中人类解决问题的类似过程。为帮助学生将抽象结构具象化，我展示一张层级图：最底层是基础大模型，中间层是工具调用接口（包括搜索引擎、代码解释器、数据库查询器），最上层是任务规划器。这个架构图也是后面学生动手搭建智能体的蓝图。接下来是一个小组讨论环节，耗时约3分钟。我给出一个争议性案例：“如果让一个智能体自主管理班级的多媒体设备，包括定时开关机、故障报修、使用记录统计，你认为它最大的优势是什么？最大的隐患是什么？如果它连续三天误判设备故障，应该由谁承担追责？”学生讨论后，我引导归纳出三个关键思考点：效率与失控的风险、责任归属的模糊性、人类监督的必要性。这一段讨论直接指向信息社会责任素养。第四环节动手实践：搭建“校园助手”智能体（约12分钟）本环节是本课的高潮。学生两人一组，使用Coze平台，在教师预置的“校园助手”模板基础上进行配置。该模板已接入三个公开数据源——学校行事历、图书馆开放时间表、本地天气预报接口。学生的任务有三个：第一，在智能体的人设指令中输入一段“角色提示词”，要求体现校园助手友善、准确、简洁的服务风格；第二，测试智能体对三个不同问题的回答，记录满意与不满意之处；第三，调整提示词或添加一条新的知识库问答条目，然后重新测试，对比改进前后效果。我在巡视中重点观察两组学生的操作情况，并及时进行个别指导。一组学生的提示词写得过于宽泛，导致智能体回答风格不稳定；另一组学生的测试问题超出了模板能力范围，产生了幻觉式回答。这些实践中的“意外”恰恰是宝贵的教学素材。任务完成后，我请两组代表上台演示。第一组演示的是调整提示词前后对比——修改前智能体对“今天图书馆几点关门”回答冗长且带无关建议，修改后简洁明确。第二组演示的是“追问追问”场景——测试者问“那明天呢”，初始模板无法理解时间指代，加入上下文记忆设置后能正确回答。我利用这两组演示总结智能体配置中的两个核心技巧：提示词的约束力度与上下文的窗口管理。第五环节总结升华与认知重构（约4分钟）我请学生闭上眼睛，在脑中各自画一幅图：左边是大模型，右边是智能体，中间用箭头连接，箭头旁标注“能力调用”。睁开眼后，我请三位同学口述他们脑中图画的关键要素，我在黑板上逐步汇总成一张完整的“大模型—智能体”关系图。我随后进行总结性讲解，但全部使用提问引导完成。我连续抛出五个问题：“大模型最强的能力是什么？”“它自己会调用计算器吗？”“智能体帮它做了什么？”“智能体一定可靠吗？”“谁来对最终结果负责？”通过这五个问题，学生自行建构起全课的知识逻辑链：大模型提供知识与推理基座，但缺乏行动接口；智能体弥补了行动接口，但引入新的风险；风险需要人类监督制度来对冲。课堂最后留下一道开放思考题，不要求当堂回答，供学生课后延伸：“如果让你为学校设计一个‘作业辅导智能体’，你希望它具备哪三项能力？你认为它应该被禁止做什么？请写出你的设计构想。”五、教学评价设计本课采用过程性评价与成果性评价相结合的方式。过程性评价聚焦三个观测点：课堂讨论中能否提出有实证支撑的观点、小组搭建智能体时的操作熟练度与问题解决能力、演示汇报时能否清晰描述自己的配置决策依据。成果性评价则基于学生提交的学习任务单——任务单上包含三个部分：大模型机制简图（要求学生画出Token化与注意力机制的示意）、智能体四阶段循环的案例应用（要求学生自选场景并写出各阶段的具体行为）、智能体实践的改进反思（要求学生描述一次失败测试并分析原因）。学习任务单的评分量表从理解准确度、结构完整性、反思深度三个维度赋分。理解准确度评价学生能否正确使用Token、注意力、预训练、智能体循环等术语，并在图示中体现正确关系；结构完整性评价三部分任务是否全部完成且要素齐全；反思深度评价改进分析是否触及机制而非表面现象，例如学生能否指出“幻觉的产生可能源于提示词中缺乏知识锚点”。六、教学反思与设计亮点本课设计有三个核心超越之处。其一是概念间的关系建立：我没有把大模型与智能体当作两个并列的知识点，而是建立“基座能力—行动封装”的依存关系，这是当前AI工程实践的真实逻辑。其二是实践的轻量化设计：Coze平台无需一行代码，学生把注意力完全放在“角色设定—工具配置—测试迭代”的思维过程上，这比编写具体代码更契合本课“理解机制”的目标定位。其三是风险教育的自然而然：不是空洞口号，而是通过案例讨论和失败测试让学生亲身感受到“能力越强，越需谨慎”的工程伦理。在时间分配上，我坚持“体验导入不过度、机制讲解不淹没、实践操作不失控、总结提升不拖沓”的原则。45分钟内的每个环节都服务于核心素养的落地：环节二的表格对比培养信息意识，环节三的循环拆解培养计算思维，环节四的个性化配置培养数字化创新，环节三与环节五的责任讨论培养信息社会责任。七、学习任务单正文任务单一大模型机制探析请根据课堂讲解与动画演示，完成以下两小题。一、用简图画出“我爱北京天安门”这句话被Token化的可能结果，并在每个Token下方用括号标注该Token的类型（字、词、词组）。二、阅读下面这段对话模型的部分处理过程，回答问题。用户输入：“学校今天下午的选修课因为台风取消了吗？”模型在处理“台风”一词时，注意力权重主要分配给了“取消”“选修课”，而非“下午”和“今天”。请解释为什么模型要这样分配注意力，并说明这种分配机制有助于模型做出什么判断。任务单二智能体工作循环应用请选择一个你感兴趣的