感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
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)
互动式风格,练习
Tamas Tutuntzisz
课程 - Introduction to Prompt Engineering
机器翻译
一个未来使用的优秀资源库,讲师的风格(充满幽默感,细节丰富)
Adam - GE Aerospace Poland Sp. z o.o.
课程 - Prompt Engineering for ChatGPT
机器翻译