学习札记 ERICLAB

COURSEWARE / 网页课件

AI 基础原理

从 ChatGPT 到豆包，理解今天的人工智能

用结构化网页课件解释大语言模型、RAG、工具增强和教育场景中的核查边界。

AI基础与原理 已发布 16 分钟阅读

SCENE

适用场景

这是一节帮助教师从“会用 AI 工具”走向“理解 AI 原理、判断 AI 结果、设计 AI 教学活动”的基础课。

45 分钟

教师校本研修

从一次 AI 回答开始，讲清数据、模型、训练、对齐、幻觉和工具增强。

90 分钟

信息技术教研活动

加入 RAG 微实验、幻觉识别和提示词改造，让教师把判断框架带回课堂。

第一课

AI 校本课程导入

帮助学生先建立“AI 不是魔法、不是答案本身”的基本认知。

FRAMEWORK

核心判断框架

现代 AI 不是一个单独模型，而是一套由数据、算力、模型训练、人类反馈、工具增强和安全治理共同构成的技术系统。

01

模型不是数据库

大语言模型根据上下文预测接下来可能出现的 token 序列，语言上像真的不等于事实上是真的。

02

模型不是人

AI 可以生成教案、代码和解释，但它没有教师的经验、责任、情感和价值判断。

03

产品不是单一模型

ChatGPT、豆包、DeepSeek、通义、Kimi、Claude、Gemini 等产品都还包含界面、系统提示词、安全策略、知识库和工具调用。

STRUCTURE

课程结构

课堂主线从教师熟悉的 AI 产品切入，再逐步解释生成、对齐、工具增强和教育治理。

从一个回答看懂生成过程

模型先接收前文

用户问题、系统要求、历史对话和检索材料会一起进入上下文，影响模型接下来生成什么。

INTERACTION

闭卷 AI 与开卷 AI / RAG

很多教育问题不是通用知识题，而是“基于指定材料的问题”。这正是 RAG 思想适合进入课堂的原因。

同一个问题，两种回答方式

只靠模型已有记忆和上下文生成

适合生成初稿、改写表达和提出思路，但容易把不确定内容说得很确定。

  • 回答流畅
  • 来源不一定明确
  • 需要更强人工核查

SYSTEM

AI 产品不是单一模型

课堂上讨论 AI 时，建议把它拆成模型层、产品层和教育层，避免把“工具表现”误解成“模型本身能力”。

模型层基础模型 / 多模态模型 / 代码模型

负责生成、理解、推理和转换，但不天然保证事实正确。

产品层界面 / 工具调用 / 知识库 / 安全规则

决定用户能做什么、能接触哪些资料、哪些内容会被限制。

教育层任务设计 / 核查机制 / 责任边界

由教师把 AI 放进真实学习活动，而不是让工具替代学习过程。

RISKS

常见误区与风险提醒

AI 素养不只是会操作几个软件，更包括理解原理、判断结果、保护隐私、遵守规则和反思影响。

  • 不要把 AI 当作搜索引擎；检索资料和生成回答是不同机制。
  • 不要把“模型越大”理解成“答案一定越真实”。
  • 不要让学生把 AI 当代写者；更好的用法是让 AI 追问、反馈和启发。
  • 不要提交学生个人信息、课堂照片或其他敏感资料。

TEMPLATE

可复制核查清单

这份清单用于备课、课堂示范和学生任务说明，帮助把“会用 AI”落到可验证的学习过程。

AI 生成内容核查清单 
这段 AI 输出来自哪里？
它引用或依据了哪些材料？
哪些结论需要二次核查？
是否包含学生、教师或学校的敏感信息？
我是否已经用教材、权威资料或实际运行结果核查？

SOURCE

资料来源与延伸阅读

本页基于阶段 004 原始材料 Meterials/phase004-courseware/ai-foundations.md 转译为公开展示版，不直接全量复制原始长稿。

  • Vaswani et al.：Attention Is All You Need。
  • OpenAI：ChatGPT 与大型语言模型相关公开材料。
  • Retrieval-Augmented Generation 相关公开论文与资料。
  • 豆包、DeepSeek、通义、Kimi、Claude、Gemini 等公开产品资料。