課題第一節初識語言大模型授課時間教學目標知識與技能了解什么是語言大模型（LLM）及其基本原理。掌握與語言大模型交互的基本技巧。理解語言大模型在日常生活中的應用場景。過程與方法通過實踐活動，學會如何與語言大模型進行交互。通過案例分析，理解語言大模型的工作原理。通過小組討論，探索語言大模型的潛在應用。情感態度與價值觀1. 培養學生對人工智能技術的興趣和探索精神。2. 增強學生對新興技術的適應能力和創新思維。3. 引導學生思考人工智能技術對社會的影響。教學重點了解語言大模型的基本原理和特點。掌握與語言大模型交互的基本技巧。教學難點理解語言大模型的工作原理。如何設計有效的提示詞以獲取高質量的回答。教學流程教師批注課堂導入提問：“你們有沒有使用過智能語音助手（如小愛同學、Siri）？”學生回答后，教師總結：這些智能助手背后的技術就是語言大模型（LLM）。引入本節課內容：“今天我們將初識語言大模型，了解它是什么以及如何使用它。”教學過程一、了解語言大模型 語言大模型是一種基于深度學習的人工智能技術，能夠理解和生成自然語言。以kimi或豆包為例展示語言大模型生成的一段文本，讓學生感受其能力。 展示語言大模型的特點： 1.大數據：通過海量文本數據進行訓練。 2.大參數：模型包含大量的參數，使其能夠處理復雜的語言任務。 3.大算力：需要強大的計算能力來訓練和運行。算力是指訓練模型所需的計算能力和資源。試試填寫一下P73的表格，查看一下你用的電腦的CPU\GPU\內存分別是多少？如果不清楚GPU是什么的可以試試問一下AI，看看它給你怎么解釋的？ 語言大模型通過學習大量的文本數據，預測下一個單詞或句子。 展示一個簡單的預測示例： 輸入：“今天天氣很熱，我需要一杯……” 輸出：“冰鎮飲料”或“冷飲”。 引導學生思考：語言大模型是如何做到這一點的？二、使用語言大模型不同的提示詞會得到不同的結果，一些問題需要特定的知識背景，而這類知識模型可能并沒有在訓練中學習過，那么可以嘗試先將相關信息輸入模型，然后再提出問題，這就是我們經常聽到的先“喂”給AI知識，再去提問。三、與語言大模型交互的基本技巧——角色定義 角色定義包含兩個方面：讓模型扮演某個色色明確提問者的身份角色。角色定義，可以讓大模型的回答更加精準。與語言大模型交互時，需要設計合適的提示詞（prompt）。 展示有效的提示詞設計方法： 1.明確目標：清晰地表達你的需求。 2.提供上下文：提供足夠的背景信息。 3.分步驟提問：將復雜問題分解為多個簡單問題。 示例： 提示詞1：請設計一份健康餐菜單。 提示詞2：你是一名經驗豐富的營養專家，我是一名14歲的中學生，男，身高162cm,體重60kg,我跑1000米需要8分鐘，請為我設計一份健康餐菜單。請大家對比分別用這兩個提示詞提問得到的回答有什么不同？很顯然，采用“身份+場景+要求”的形式，讓語言大模型建立一個自己的身份，同時明確使用者的身份，再提出要求，就能得到有針對性的有效建議。更重要的是，如果你不滿意AI的回答，還可以告訴它，它能根據你的反饋去調整自己的回答。四、實踐活動1. 任務1：與語言大模型交互 活動內容： 每組選擇一個語言大模型（如ChatGPT、文心一言、kimi、豆包等），注冊并登錄。 設計一個與美食相關的提示詞，與語言大模型進行交互。 示例提示詞： 1.請生成一道適合冬天的熱湯食譜。 2.請根據以下食材生成一個創意菜譜：土豆、胡蘿卜、牛肉。實踐操作： 每組將設計的提示詞輸入語言大模型，并記錄生成的回答。 教師巡視學生操作，及時解決學生遇到的問題，如提示詞設計不合理、生成結果不理想等。2. 任務2：優化提示詞 活動內容： 每組根據生成的回答，討論并優化提示詞，以獲得更高質量的結果。 提示學生可以嘗試以下方法： 1.增加背景信息。 2.使用更具體的詞匯。 3.分步驟提問。 實踐操作： 每組重新輸入優化后的提示詞，并記錄生成的回答。 展示與討論： 每組展示優化前后的提示詞及生成結果，討論優化的效果。 教師引導學生總結優化提示詞的方法。課堂小結提問：“今天我們學習了哪些內容？”學生回答后，教師總結：了解了語言大模型的基本原理和特點。掌握了與語言大模型交互的基本技巧布置作業每們同學課后都嘗試去找一個選擇一個語言大模型注冊一個帳號，去試用各種功能，并寫一份你選擇的語言大模型使用指南，分享給同學。教學反思學生對語言大模型表現出濃厚的興趣，尤其是在實踐活動環節，積極參與設計提示詞并與模型交互。他們對生成的結果感到興奮，并主動分享和討論優化方法。教師更多地引導和鼓勵，確保每個學生都能參與其中。對于語言大模型的工作原理，學生理解起來有一定難度。雖然通過預測示例幫助學生初步理解了其功能，但仍有部分學生難以深入理解背后的深度學習機制。本節課涉