培训首先对人工智能的定义、发展历程、基本概念及分类进行了深入讲解，让同学们对AI有了初步的认识。接着，主讲人详细介绍了机器学习、深度学习和大语言模型（LLM）等AI技术，使同学们对AI的技术基础有了更深入的理解。

针对不同专业对AI的需求，主讲人分别介绍了各类专业如何利用AI工具进行数据整理、文本生成和艺术创作，并分享了不同的通用大模型独特的优势。例如，豆包在语言翻译方面已形成较为成熟的体系；文心一言在文字生成与创作方面能力突出；kimi综合能力较强，可以应对各方面的指令需求，搜索功能强大等等。

在探讨AI工具使用技巧时，主讲人特别强调了AI工具生成内容的“幻觉”问题，并提供了减少这种现象的方法。通过实际案例分析，主讲人展示了如何通过优化提示词（Prompt Engineering）和多轮次提问来修正AI的幻觉输出，并强调了在获取AI输出后，应通过人工核实来确保信息的准确性。

01

明确目标

在设计提示词时，首先需要明确使用者希望AI完成的具体任务。如果指令不明确，他们可能无法正确执行。因此，清晰的问题陈述对于获得准确的AI输出至关重要。例如，相比于模糊的问题“关于量子力学，请告诉我一些信息”，更明确的问题如“请解释量子力学的基本原理是什么？”能引导AI提供更精确的信息。

02

增加细节和背景

在提示词中提供更多的上下文信息和特定要求，可以帮助AI更好地理解任务的背景和需求。比如，在询问电脑蓝屏错误的原因时，提供“我在使用Windows操作系统时遇到了一个蓝屏错误”作为上下文，可以帮助AI更准确地定位问题。

03

迭代和优化

根据AI的输出结果，不断改进提示词，直到获得满意的结果。包括调整问题陈述、引导语和提示的方式，以更准确和有效地引导模型生成期望的回答。

04

使用分隔符

使用特定的标记，如三引号、XML标记、章节标题等作为分隔符，可以有效消除歧义，让大模型更准确地理解意图。例如，在总结文本时，使用分隔符可以让AI更清晰地区分不同部分的内容。