联系我们

课程大纲

第1天

生成式AI与提示工程简介

  • 生成式AI是什么,它与传统自动化的区别
  • 提示工程在塑造AI输出质量中的作用
  • 当前文本、图像、音频和视频工具生态系统概述
  • 提示工程在何处增加业务价值

文本与图像生成的AI模型基础

  • 通俗易懂地解释大语言模型和扩散模型的工作原理
  • 训练数据、微调和提示之间的区别
  • 预训练模型的优势与局限性
  • 为什么模型架构会影响我们编写提示的方式

主流AI助手对比

  • Microsoft Copilot,优势在于与Microsoft 365集成、Word、Excel、Outlook和Teams工作流程、企业数据基础,但在创意范围和推理深度上不如同行
  • Google Gemini,优势在于原生多模态、Workspace集成、实时搜索基础,但在一致性、区域可用性和复杂任务指令遵循上存在弱点
  • ChatGPT,优势在于生态系统成熟度、自定义GPT、通过DALL-E生成图像、语音模式,但在无基础的事实可靠性和高级功能的严格使用限制上存在弱点
  • Claude,优势在于长上下文处理、细致推理、长篇写作和清晰分析,但在工具生态系统广度和图像生成上存在弱点
  • 为特定任务、受众或合规约束选择合适工具
  • 对四个助手进行相同提示的并排演练

有效提示设计原则

  • 清晰性、具体性和上下文是良好提示的三大支柱
  • 结构化指令、语气、格式和约束
  • 初学者常见错误及其识别方法
  • 从弱提示迭代到高性能提示

第2天

零样本、单样本和少样本提示

  • 三种方法的区别及各自适用场景
  • 读取模型行为并相应调整示例
  • 仅使用少量精选样本教会模型新任务
  • 在ChatGPT、Copilot、Gemini和Claude上的实践练习

高级提示工程技术

  • 条件提示和上下文感知提示,用于细致输出
  • 风格转换、角色提示和创意指导
  • 思维链和逐步推理提示
  • 减少幻觉、模糊性和偏见

无代码少样本微调

  • 少样本微调是什么,它与完整模型训练的区别
  • 使用示例驱动提示适应模型的细分任务
  • 何时使用提示工程,何时微调是更好的投资
  • 评估输出质量并迭代优化

超现实文本生成

  • 生成具有控制语气、声音和长度的文本
  • 生成长篇内容、摘要、报告和结构化文档
  • 在多步生成中保持连贯性
  • 结合提示模式,生成可重复、符合品牌的结果

将提示工程应用于业务工作流程

  • 自动化常规起草、研究和信息分类
  • 简要介绍客户支持和聊天机器人用例
  • 设计团队可重复使用的提示模板,无需重新训练
  • 质量控制、升级逻辑和人工检查点

第3天

图像生成与处理

  • 对比DALL-E、Stable Diffusion、MidJourney和Leonardo AI
  • 编写控制风格、构图、光线和主题的提示
  • 否定提示、权重和迭代优化
  • 通过提示进行图像到图像转换和编辑

音频与语音生成

  • 从文本提示生成自然语音
  • 语音克隆和合成的概念性介绍
  • 在培训内容、无障碍和营销中的用例

生成式AI视频内容创作

  • 当前文本到视频工具概述及其实际能力
  • 通过提示序列进行脚本编写和故事板设计
  • 将AI生成的文本、图像、音频和视频组合为单一资产
  • 编辑和优化AI生成的视频输出

多模态AI与集成工作流程

  • 多模态模型如何统一文本、图像、音频和视频推理
  • 构建端到端内容管道,无需编写代码
  • 来自营销、设计、培训和广告的真实案例研究

伦理、负责任的使用与未来展望

  • 偏见、版权、署名和内容审核
  • 使用生成平台时的隐私和数据保护考量
  • 对最终客户的披露、透明度和信任
  • 未来12个月内值得关注的新兴工具、模型和趋势
  • 总结与下一步

要求

目标受众

探索AI辅助内容创作的营销、沟通和创意专业人士。希望通过提示驱动工具自动化重复交互的业务运营和客户服务团队。没有AI或编程经验的初学者,希望以结构化的工具导向方式入门生成式AI。

 21 小时

客户评论 (2)

即将举行的公开课程

课程分类