企业官网建设流程全解析

ps网站CAD做PS地砖贴图,南宁网站建设网站,电商网站开发面临的技术问题,网站建设 教学大纲探索生成式 AI#xff08;Exploring Generative AI#xff09;—— 从整合到创新的进阶实践经过基础概念巩固、RAG 系统搭建后#xff0c;本次作业的核心不再是 “复刻已有流程”#xff0c;而是 “探索未知边界”—— 通过整合之前学到的上下文工程、RAG、模型架构等知识Exploring Generative AI—— 从整合到创新的进阶实践经过基础概念巩固、RAG 系统搭建后本次作业的核心不再是 “复刻已有流程”而是 “探索未知边界”—— 通过整合之前学到的上下文工程、RAG、模型架构等知识跳出单一任务框架去尝试生成式 AI 的多样化应用场景、进阶优化方法甚至完成小型创新实践。它更像一次 “开放式探索”没有固定的 “标准答案”重点是培养 “发现问题→探索方法→验证效果” 的思维让你从 “会用工具” 升级为 “活用技术”。一、作业核心定位不止是 “完成任务”更是 “主动探索”如果说前两次作业是 “跟着教程走”这次作业就是 “自己找路走”。核心目标有三个贯穿 “整合、探索、创新” 三个层次知识整合把上下文工程、RAG、提示工程、模型架构的知识串联起来解决复杂任务比如 “让 AI Agent 同时具备检索专业知识 多轮对话 工具调用能力”场景探索跳出 “文本生成” 的单一场景尝试跨模态文本→图像、语音→文本、行业落地教育、生活工具、兴趣创作等多样化应用创新实践不局限于已有方法尝试优化现有技术比如 “改进 RAG 的检索策略”或设计小型创新工具比如 “针对高中生的 AI 学习助手”培养技术敏感度。简单说这次作业的重点不是 “做对”而是 “多想一步、多试一次”—— 比如同样是生成文本你可以探索 “不同提示词模板对结果的影响”同样是用 RAG你可以尝试 “结合上下文压缩提升检索速度”。二、题型拆解4 类探索性任务从 “整合” 到 “创新”本次作业的题型以 “开放性任务” 为主每个任务都预留了 “自主发挥空间”以下是核心题型的拆解和切入思路1. 题型一跨模态生成探索 —— 跳出 “纯文本”玩转多模态融合生成式 AI 不只是 “写文字”还能实现 “文本→图像”“语音→文本”“文本→语音” 的跨模态转换。这类任务的核心是 “理解不同模态的关联逻辑”并探索 “提示词如何影响多模态输出效果”。典型任务设计提示词让模型根据文本描述生成符合要求的图像比如 “生成一张‘高中生物实验室’的插画风格简约、色彩明亮突出显微镜和实验台”并对比不同提示词是否加 “风格限定”“细节描述”的生成效果把一段语音比如 “讲解数学函数的定义域”转成文本后再让模型把文本转成 “结构化笔记”分点 公式验证跨模态转换的准确性。解题关键思路提示词设计跨模态提示词需要 “明确模态特征”—— 比如图像生成要加 “风格、色彩、构图、核心元素”语音转文本后要加 “输出格式要求”如 “按‘定义 示例 注意事项’分点整理”工具选择文本→图像可用 Stable Diffusion开源适合本地实操、DALL-E在线操作简单语音→文本可用 Whisper开源支持多语言效果验证用 “定性 定量” 结合 —— 图像生成看 “是否符合文本描述”定性、用图像相似度工具如 CLIP对比定量语音转文本看 “准确率”比如对比原始语音和转换后的文本统计错误率。探索延伸尝试 “文本→图像→文本” 闭环生成图像后再让模型描述图像对比原始文本和生成描述的一致性理解多模态的 “双向关联”。2. 题型二AI Agent 进阶设计 —— 从 “单任务” 到 “多任务协作”之前的 Bonus HW 尝试了基础 AI Agent这次任务要求升级为 “能处理多步骤、多关联任务” 的进阶 Agent核心是 “整合上下文动态管理 RAG 工具调用”。典型任务设计一个 “高中 AI 学习助手 Agent”要求具备 3 个核心能力① 接收学生的数学题提问通过 RAG 检索教材知识点② 若题目需要计算调用计算器工具如 Python 的 math 库③ 生成 “知识点讲解 解题步骤 同类练习”并根据学生反馈如 “没听懂”调整输出。解题关键思路任务拆解把 “多任务” 拆成 “子任务链”—— 接收问题→判断是否需要检索知识点RAG→判断是否需要工具计算→生成基础回答→接收反馈→调整回答技术整合用上下文动态管理 “记忆” 学生的反馈如 “没听懂定义域”下次重点讲解用 RAG 检索教材知识点避免幻觉用工具调用模块LangChain 的 ToolCall对接计算器逻辑验证用具体案例测试 —— 比如学生问 “求函数 y√(2x-1) 的定义域”Agent 需先检索 “根号下表达式≥0” 的知识点再调用计算器求解 2x-1≥0最后生成步骤和同类练习。探索延伸给 Agent 加 “长期记忆”比如记录学生常错的知识点下次遇到同类问题时优先重点讲解实现 “个性化适配”。3. 题型三模型优化创新 —— 基于已有框架尝试 1 个优化点这类任务要求你 “不满足于基础效果”针对前两次作业的不足比如 RAG 检索不准、生成内容冗余设计 1 个优化方案并验证效果核心是 “发现问题→设计方案→验证改进”。典型任务针对作业二搭建的 RAG 系统选择 1 个优化点进行改进比如① 优化分块策略比如按 “标题层级分块” 替代固定长度分块② 加入上下文压缩把检索到的长文本压缩成摘要③ 结合提示工程设计 “让模型优先引用检索到的关键数据” 的提示模板并对比优化前后的效果。解题关键思路问题定位先明确基础 RAG 的不足 —— 比如 “检索到的内容包含大量冗余信息导致生成回答啰嗦”方案设计针对性选择优化方法 —— 比如用 “结构化提取” 压缩检索内容把长文本转成 “知识点 示例” 的表格效果评估用 JudgeBoi 评估 2 个核心指标 —— 检索准确率优化后是否能找到更精准的知识点、生成简洁性回答字数是否减少关键信息是否保留记录对比用表格记录优化前后的得分、响应速度、生成质量形成 “问题→方案→效果” 的闭环。探索延伸尝试 “组合优化”比如同时优化分块和提示词观察是否有 “112” 的效果理解不同技术的协同作用。4. 题型四行业场景落地探索 —— 设计小型生成式 AI 工具这类任务鼓励你结合自己熟悉的场景教育、生活、兴趣设计一个 “能解决实际问题” 的小型工具核心是 “场景需求→技术适配→落地验证”。典型任务选择一个场景设计并实现小型工具比如① 教育场景“AI 编程错题批改工具”输入学生的错误代码生成错误分析 修改建议 同类练习② 生活场景“AI 旅行规划工具”输入目的地、时间、预算生成行程 景点介绍 交通建议③ 兴趣场景“AI 小说续写助手”输入小说开头生成符合风格的后续情节支持调整 “悬疑 / 搞笑” 风格。解题关键思路需求分析明确工具的 “核心用户” 和 “解决的痛点”—— 比如编程错题工具的用户是高中生痛点是 “错题后不知道错在哪、怎么改”技术选型优先用已有知识栈LangChainRAG 开源模型避免复杂技术 —— 比如编程错题工具可用 RAG 检索 “编程语法知识点”用提示工程设计 “错误分析模板”落地验证找 3-5 个目标用户测试比如让同学用编程错题工具收集反馈比如 “错误分析是否准确”“建议是否易懂”并迭代优化。探索延伸给工具加 “轻量化创新点”—— 比如旅行规划工具加入 “天气联动”检索目的地天气调整行程小说助手加入 “风格切换”通过温度参数控制情节风格。三、完成作业的 3 个关键步骤探索型任务的高效推进方法这类开放性作业容易 “无从下手”按以下步骤推进既能保证方向不跑偏又能保留探索空间1. 先定 “小目标”避免贪多求全不要一开始就设计 “功能齐全的 AI 助手”先明确一个 “最小可行目标”MVP比如做 AI 旅行规划工具先实现 “输入目的地和天数生成基础行程”再逐步加入 “景点介绍”“交通建议” 等功能。小目标落地后再扩展探索避免因目标太大而放弃。2. 记录 “探索过程”比结果更重要作业的核心是 “Exploring”所以要养成 “实验记录” 的习惯比如尝试了哪些方法比如分块策略试了 “固定长度” 和 “标题层级” 两种遇到了什么问题比如标题层级分块时某些章节没有标题导致分块混乱调整了什么参数比如 RAG 的 k 值从 3 调到 5检索准确率是否变化效果如何用数据或具体案例说明比如 “k5 时检索准确率从 70% 提升到 85%”。这些记录不仅能帮你梳理思路还能体现探索的深度 —— 哪怕最终效果不算完美完整的探索过程也是优秀的作业成果。3. 善用 “已有知识”不闭门造车探索不是 “从零开始”而是基于之前的知识延伸跨模态生成可以复用 “提示工程” 的思路明确指令、加入约束条件AI Agent 进阶可以复用 “上下文动态管理” 和 “RAG 检索” 的代码框架场景落地可以复用 “JudgeBoi 评估” 的方法验证工具效果。遇到问题时先回顾之前的知识点比如 RAG 优化可以回看作业二的分块和检索逻辑再尝试查资料扩展避免 “重复造轮子”。四、探索建议让你的作业更有亮点1. 聚焦一个 “细分场景”做深做透与其做一个 “万能的 AI 助手”不如做一个 “专注于高中数学错题的 AI 助手”—— 细分场景能让你更精准地理解需求优化效果也更明显。比如专注于 “Python 语法错题” 的工具能针对性处理 “缩进错误”“变量未定义” 等高频问题比通用工具更实用。2. 尝试 “技术组合”体现整合能力比如 “RAG 提示工程 上下文压缩” 组合用 RAG 检索知识点用上下文压缩减少冗余用提示工程规范输出格式 —— 这种组合能体现你对不同技术的理解和整合能力比单一技术应用更有亮点。3. 加入 “用户视角”关注实际体验设计工具时多站在用户角度思考比如高中生用的编程错题工具回答要 “通俗易懂”避免专业术语太多旅行规划工具的行程要 “合理可行”比如景点之间的距离不能太远。可以找同学、朋友测试收集 “使用体验” 反馈让工具更贴近实际需求。五、知识联动衔接前后内容形成学习闭环本次作业是对之前所有知识点的 “综合应用 延伸”同时为后续进阶内容铺垫跨模态生成衔接了 “模型架构” 中的多模态处理比如 Cross-Attention 的图文关联AI Agent 进阶衔接了 “上下文工程” 的动态管理和 “RAG” 的检索能力模型优化创新衔接了作业二的 RAG 系统和提示工程的优化思路场景落地探索为后续 “行业大模型应用”如医疗、法律打下基础培养 “需求→技术” 的转化思维。完成作业后建议整理 “技术应用清单”—— 比如 “RAG 适合解决什么问题”“提示工程适合优化什么效果”“上下文工程适合管理什么场景”形成自己的知识体系后续遇到新问题时能快速匹配对应的技术。六、注意事项避开 3 个常见误区不要追求 “完美效果”探索型作业的核心是 “过程”不是 “结果”—— 比如跨模态生成的图像可能不够完美但只要你记录了 “不同提示词的效果差异”就是有价值的不要脱离已有知识探索不是 “瞎试”要基于之前学的知识点展开 —— 比如设计 AI Agent 时要用到上下文动态管理而不是凭空设计逻辑不要忽略细节验证比如优化 RAG 后要通过具体案例验证效果比如用 3 道数学题测试检索准确率而不是 “凭感觉说优化有效”—— 数据和案例是探索的核心支撑。