人工智能应用培训讲演稿：各位同事，大家下午好！
今天按照学校领导安排，由我在这里给大家做一个人工智能的模型教学应用实践的分享，目的是抛砖引玉，旨在推动和引导更多的老师在教学中学习AI，应用AI开展教学并能进行分享心得，促进人工智能大模型在学校教学、管理中的发展。首先，分享前有两点说明。一、部门任务是协调学校信息化建设实施，学校信息化建设和推动主要是各学科组老师的努力。另外本人担任学校三年级信息科技教学工作，所以一大部分工作是和信息课组教师一起推动学校学生信息科技活动。二、上次全体教师大会上，历史老师吴尊淳分享了她在教学中的AI的应用，比我们信息科技老师用的更好，历史学科与AI跨学科融合引人入胜，特别让我佩服。我了解到，很多年轻老师学习AI的能力都非常强，也在学习工作中创新使用，像王明波主任、吴雅芳老师等等。教科院郑耿标主任是区历史教研员、区云端学校中心副主任，他的许多AI方面的实践比我们信息科技的专家都要超前很多。
我今天的分享题目是：如果AI是答案，那什么是问题？就我的思考，一、AI大模型无所不能，那我们应该怎么问问题？有什么方法吗？二、作为一名信息科技的老师，我应该问哪些有用问题？三、我在教学生使用AI寻求问题的答案，主要任务是培养学生应该怎么问问题吧。这与我平时教学只问学生问题，而很少有学生能积极问有质量的问题似乎是一个难点。学生出问题，AI来回答！你问的越好，答案越符合你的要求！有个台湾的AI专家说，如何用DeepSeek、豆包解决这个问题？我们可以问人工智能三个问题。
第一个问题：我怎么才能问你（豆包）最好的问题？问豆包。
第二个问题：根据你刚刚的回答，我对你的建议是什么？问豆包。
第三个问题：我怎样给你更多的资讯，你才可以给我更好的答案？问豆包。
豆包上下文是20万字，同时不同话题最好分开问，避免不够高效。什么叫上下文？就像一只鱼只有3秒记忆，你在它有记忆的时间和它沟通是比较连贯和聪明的。
一、下面我分享一些人工智能达模型工具，上学期很多老师选的继续教育课，都讲到的常见的大模型、智能体、数字人等技术的应用方法。
下面我以豆包和DeepSeek为例分享我学习提问的方法。其实，大部分大模型都告诉了你如何提问的技巧。豆包有专门的提示词专家，只要把你的想法输进去，就能生成专业的提示词，你再把提示词输入到对话就可以得到接近需要的答案。
DeepSeep的提示词是在官网，而不是在对话窗口，https://www.deepseek.com，点击公告，提示库。如角色扮演：请你扮演一个刚从美国留学回国的人，说话时候会故意中文夹杂部分英文单词，显得非常fancy，对话中总是带有很强的优越感。
二、几个实际提问例子。
1、使用豆包学习英语。
a、使用deepseek学习英语：单词表拍照上传或下载五年级下单词表；用每一个单词分别造句；任意选30个单词生成一篇适合五年级小学生阅读的英文文章，字数在300字左右；给我生成一个课后习题要用这些单词检验孩子记得牢不牢。
b、Kimi中使用此时此专家生成提示词，再拷贝到Kimi生成需要的内容。
c、使用 mermaid 语法为高中地理课《大气环流》生成一个简单的知识结构关系图，内容包括三圈环流的形成过程、主要气压带和风带的分布。图形要简洁明了，便于学生理解。
2、小红书文章。
准确描述任务：清晰地告知豆包你的需求，例如 “作为一个美妆博主，帮我写一篇小红书文章来推荐一款新的口红，要突出它的显白和持久不沾杯的特点，包含 3 个日常使用场景，如通勤、约会、补妆，用 emoji 符号分隔段落”。在文章结尾处添加相关的话题标签，如 #美妆推荐# 口红分享 #显白口红等，以便提高文章在小红书上的搜索曝光率。对文章的排版进行优化，合理分段，使用表情符号、数字序号等让文章看起来更清晰、美观。
3、模仿白居易的忆江南江南好写一首关于科源学校的赋。
《忆科源·科源好》
科源好，风景旧曾谙。
晨曦映照书声朗，晚霞轻抚学子颜。
能不忆科源？
科源忆，最忆是师恩。
三尺讲台传道业，一支粉笔写乾坤。
何日更重温？
科源忆，其次忆同窗。
共度寒窗追梦远，齐攀书山志气扬。
此情永难忘。
4、用郑渊洁的手法写一篇以皮皮鲁为主角的作品
5、帮我设计一个俄罗斯方块的游戏程序
6、使用豆包设计的网站
三、特点：
人工智能的多模态（Multimodal AI）指的是一种能够处理和理解多种不同类型的数据和信息的人工智能技术。这些数据和信息可以包括但不限于文本、图像、视频、音频和传感器数据。多模态人工智能系统能够整合这些不同类型的数据，以提供更全面和深入的分析、理解和决策能力。
以下是多模态人工智能的一些关键特点：
数据融合：多模态AI能够将不同来源和类型的数据结合起来，以获得更丰富的信息。
上下文理解：通过分析不同类型的数据，系统能够更好地理解上下文，从而做出更准确的预测和决策。
交互式学习：多模态系统可以通过多种方式与用户交互，提供更自然和直观的用户体验。
增强的决策支持：多模态数据可以帮助系统做出更全面和准确的决策，尤其是在复杂的环境中。
提高鲁棒性：通过结合多种类型的数据，多模态系统可以提高其鲁棒性，减少单一数据源可能带来的偏差和错误。
应用广泛：多模态AI可以应用于多个领域，如自动驾驶汽车、智能家居、健康监测、安全监控等。
多模态人工智能是当前人工智能领域的一个研究热点，它的发展有望推动人工智能技术在各个领域的应用和进步。