|
中国经济管理大学 美华管理传播网 工商管理实战班：接轨数字时代全新职场课程：企业员工晋级管理者实操课 AI与企业数智化工商管理研修班（学习资料包）
美华管理传播网 《AI应用基础》教学大纲
《AI应用基础》教学大纲 第1部分 课程性质与目标 一、配套教材 教材名称：《人工智能通识基础与应用》 ISBN: 978-7-300-34917-6 作者：吴武清 毛佳昕 郑 宇 编著 定价：45元 出版时间：2026年3月 二、课程目标与基本要求 1．了解和掌握AI与大模型基础知识，系统建立对人工智能、生成式AI模型及提示词工程的基础认知。 2．了解和掌握AI在信息处理、写作、通用技能、多媒体创作、AI智能体与AI编程、职业发展、伦理治理与未来发展等方面的核心应用方法。 3．运用所学理论、方法与工具，完成文本、图像、视频、音频、智能体和AI辅助编程等典型任务。 4．形成正确的AI使用观念，理解AI能力边界，重视人工审阅、验证、合规与伦理要求，提高数字素养与问题解决能力。 三、先修课程 本课程要求学习者具有初步的信息技术基础和数字化工具使用能力，先修课程为：计算机基础、办公软件应用基础等。 第2部分 教学内容与考核目标 第1章 AI与大模型基础 一、学习目的与要求 （一）了解AI概述 1．掌握AI的定义与特征，明确人工智能作为现代前沿技术的基本内涵。 2．掌握AI、机器学习与深度学习的包含关系，理解三者之间的层级逻辑与技术关联。 3．了解AI发展简史，理解萌芽期、低谷期、发展期、复兴期、爆发期五个关键阶段的基本特征。 4．掌握新一代AI三要素，即数据、算法和算力。 （二）掌握AI的核心能力 1．掌握感知能力的基本内涵，理解计算机视觉与语音识别的核心作用。 2．掌握认知能力的基本内涵，理解自然语言理解、知识表示与推理、学习能力的基本内容。 3．掌握决策能力的基本内涵，理解确定性决策、预测性决策能力和适应性决策能力。 4．掌握创造能力的基本内涵，理解其在文本创作、视觉艺术、视频生成、音频创作中的表现。 （三）了解生成式AI模型 1．明确生成式AI模型的基本概念，理解其与判别式模型的区别。 2．掌握生成式AI模型训练阶段与生成阶段的基本工作原理。 3．掌握大语言模型、扩散模型、多模态模型的基本特点与适用场景。 4．了解生成式AI模型的潜力与局限，理解“幻觉”问题、偏见与伦理风险、资源消耗巨大等现实问题。 5．理解生成式AI模型与AI工具的区别与联系。 （四）掌握提示词工程 1．掌握提示词的构成要素，包括任务指令、背景信息、输出格式、风格要求和约束条件。 2．掌握提示词的构建方法，包括明确任务边界法、示例引导法、角色代入法、逻辑链拆解法和参数量化法。 3．掌握交互式提问的基本方法，理解多轮追问、反馈修正、上下文关联和创意迭代的作用。 4．熟悉APE框架、BROKE框架、CHAT框架、SCOPE框架等常用提示词框架。 二、考核知识点与考核目标 1．AI的定义与特征。 2．AI、机器学习与深度学习的关系。 3．AI发展简史与新一代AI三要素。 4．AI的核心能力。 5．生成式AI模型的基本概念、主流模型、潜力与局限。 6．提示词工程的构成要素、构建方法、交互式提问与常用框架。 第2章 AI与信息处理 一、学习目的与要求 （一）了解AI与信息处理的基本内容 1．理解AI技术在信息爆炸时代对信息处理方式带来的变革价值。 2．明确AI与信息处理主要包含对话式交互、AI搜索、智能阅读、AI翻译四部分内容。 （二）掌握对话式交互 1．掌握连续追问的方法，能够通过多轮对话逐步逼近问题答案。 2．掌握文档问答与总结的方法，能够围绕文档进行问答、归纳和提炼。 3．了解多文件分析和多模态交互的基本思路，理解其在综合信息处理中的优势。 （三）掌握AI搜索 1．理解AI搜索与传统搜索的差异，掌握精准引用与追问的基本思路。 2．掌握结构化结果生成的方法，能够围绕特定主题进行条理化输出。 3．掌握学术文献检索和移动端扫描搜索等应用方式。 （四）掌握智能阅读 1．掌握文本智能摘要的基本方法，能够快速提炼长文本核心信息。 2．掌握文本对话式解读、图像与图表解析、音视频纪要等应用方式。 3．了解多模态转换与个性化推荐的基本逻辑。 （五）掌握AI翻译 1．掌握文档翻译、自定义术语库、沉浸式网页翻译、视频字幕翻译等基本应用。 2．理解专业场景下AI翻译的术语一致性要求与人工复核必要性。 二、考核知识点与考核目标 1．对话式交互的基本方法。 2．文档问答与总结。 3．AI搜索的结构化输出。 4．智能阅读的主要应用。 5．AI翻译的主要应用场景与注意事项。 6．多模态信息处理的基本思路。 第3章 AI与写作 一、学习目的与要求 （一）了解AI与写作的基本内容 1．理解生成式AI在写作领域的发展现状与多场景应用潜力。 2．明确AI与写作主要包括短文案写作和长文档写作两部分内容。 （二）掌握短文案写作 1．掌握新媒体文案写作的基本流程，包括主题生成、大纲设计、资料补充、生成初稿与结果优化。 2．掌握电子邮件文案写作的基本方法，理解正式表达、对象意识与结构清晰的重要性。 3．掌握社团招新文案写作的基本方法，理解场景适配、传播导向与吸引力表达。 （三）掌握长文档写作 1．掌握课程结业报告、实习实践报告、商业报告书等长文档写作的基本思路。 2．掌握长文档写作中选题拆解、框架搭建、资料整合、内容填充与优化润色的方法。 3．理解长文档写作中的真实性、逻辑性、结构性与格式规范要求。 （四）掌握AI写作中的通用方法 1．掌握提示词工程在写作中的应用，理解角色设定、任务限定、风格要求和格式要求的作用。 2．掌握结果审核、多版本比较、人机协同修改等基本方法。 3．明确AI生成内容不能直接替代人工定稿，必须进行事实核验、表达修正和合规审查。 二、考核知识点与考核目标 1．短文案写作的主要类型。 2．新媒体文案写作的基本流程。 3．电子邮件文案与社团招新文案的写法。 4．长文档写作的基本方法。 5．AI写作中的提示词设计、结果审核与人机协同。 第4章 AI与通用技能 一、学习目的与要求 （一）掌握AI与文字处理 1．理解文字处理在办公场景中的基础性作用，明确传统文字处理存在的效率低、容易疏漏等问题。 2．掌握文档总结与问答的基本方法，能够围绕报告、合同、电子邮件等文档进行总结提炼与信息查询。 3．掌握文本续写与润色的基本方法，理解语言优化、风格调整和语病修正的应用价值。 4．明确文字处理结果仍需人工审读和调整。 （二）掌握AI与演示文稿 1．掌握根据主题生成演示文稿的方法，理解主题清晰、提示词详细、模板匹配的重要性。 2．掌握根据文档生成演示文稿的方法，能够基于参考文档自动生成结构化PPT。 3．掌握根据大纲生成演示文稿的方法，理解大纲作为演示文稿骨架的作用。 4．掌握模板与美化的基本方法，理解模板推荐、配色优化、图表样式优化等应用。 （三）掌握AI与表格分析 1．掌握对话式数据处理的基本方法，能够通过自然语言完成筛选、排序、计算、合并与拆分等操作。 2．掌握自然语言分析的基本方法，能够围绕表格数据提出分析问题并获得结论。 3．掌握生成图表的基本方法，理解折线图等图表在数据呈现中的作用。 4．了解数据洞察与预测的基本思路，掌握回归分析方法、时间序列分析方法和机器学习模型的基本适用场景。 5．理解数据洞察与预测结果会受到数据质量、特征处理、模型匹配与业务场景等多因素影响。 （四）理解AI在办公场景中的应用边界 1．理解AI能够通过自然语言交互、自动化内容生成与设计、智能化数据分析提升办公效率。 2．明确人工审阅、验证和最终决策的重要作用，培养批判性思维与规范使用意识。 二、考核知识点与考核目标 1．文档总结与问答。 2．文本续写与润色。 3．根据主题生成演示文稿。 4．根据文档生成演示文稿。 5．根据大纲生成演示文稿。 6．模板与美化。 7．对话式数据处理。 8．自然语言分析。 9．生成图表。 10．数据洞察与预测。 第5章 AI与多媒体创作 一、学习目的与要求 （一）掌握AI图像生成 1．理解AI图像生成的基本原理与应用价值，明确自然语言文本描述和参考图像两种提示方式。 2．掌握艺术风格图像生成的方法，了解古典主义风格、印象派风格、文艺复兴风格、波普风格、赛博朋克风格、立体主义风格、水墨风格等常见艺术风格。 3．掌握通过文字提示词生成艺术风格图像和通过图像生成艺术风格图像两种路径。 4．了解开源模型应用，掌握Stable Diffusion、Qwen-Image、Kandinsky等开源模型的基本特点与主流使用方式。 5．掌握精细化图像控制的实现方法，理解文本提示词精细化设计与图像编辑控制技术的作用。 6．掌握局部重绘、图像扩展、局部擦除、抠出主体、模糊图像变清晰等典型功能。 （二）掌握AI视频生成 1．理解AI视频生成主要分为文生视频、图生视频、数字人视频三类。 2．掌握文生视频在教育领域、电商领域、影视领域中的基本应用方式。 3．掌握图生视频的基本模式，包括单图扩展动态模式、首帧加尾帧补中间模式、多图序列生成模式。 4．掌握文生视频和图生视频的区别，重点理解核心输入信息、视觉还原精度、内容可控性、修改成本、帧间画面一致性和对用户专业度要求等维度。 5．了解数字人视频的生成模式，包括文本驱动模式、图像加文本驱动模式、动作数据加文本驱动模式。 6．理解数字人视频在教育、客服服务等场景中的实用价值。 （三）掌握AI音频生成 1．理解AI音频生成覆盖歌词创作、音乐生成、文本转语音、语音参数调整、音色设计、人声提取等应用方向。 2．掌握歌词创作与文生音乐的基本方法，了解旋律、和声、乐器、人声、音色等音乐相关概念，以及流行、古典、摇滚、爵士、民谣、电子、国风等常见音乐风格。 3．掌握文本转语音的基本原理、核心价值与常见应用场景。 4．掌握语音参数调整的基本内容，包括语速、语调、音量、音色、停顿间隔等常见参数。 5．掌握音色设计与人声提取的基本作用和操作思路。 6．理解AI音频生成中的版权与知识产权注意事项，重点把握版权归属问题、工具版权协议、训练数据版权问题、商用使用注意和避免侵权风险。 二、考核知识点与考核目标 1．AI图像生成的两种提示方式。 2．艺术风格图像生成。 3．开源模型应用。 4．精细化图像控制。 5．文生视频。 6．图生视频。 7．数字人视频。 8．歌词创作与文生音乐。 9．文本转语音。 10．语音参数调整。 11．音色设计。 12．人声提取。 13．版权与知识产权注意事项。 第6章 AI智能体与AI编程 一、学习目的与要求 （一）掌握AI智能体 1．理解AI智能体的定义，明确其与传统AI工具“被动执行指令”模式的区别。 2．掌握AI智能体的核心构成，理解大语言模型（LLM）、规划能力（planning）、记忆机制（memory）和工具调用（tool）四大关键模块。 3．掌握“大学生就业政策查询助手”的创建逻辑，理解从目标设定到功能实现的完整流程。 4．掌握为智能体设计“人设与回复逻辑”的基本方法，理解“你是谁”“你要做什么”“你应该怎么做”“你应该以什么形式交付成果”的组织逻辑。 5．掌握万能四要素等基础框架及其在智能体提示词撰写中的作用。 6．了解智能体创建、插件配置、预览调试、发布记录、持续优化与再次发布的迭代闭环。 （二）掌握AI编程 1．理解AI编程的定义与模式，掌握其从“人→精确代码→机器”到“人→自然语言／想法→AI编程工具→精确代码→机器”的范式转变。 2．理解从“指令”到“需求”的Vibe编程模式升级，掌握沟通“需求”而非下达“指令”的基本思路。 3．掌握AI编程的核心概念与基础知识，理解Web开发作为AI编程核心实践领域的基本意义。 4．了解主流AI编程工具的分类解析与适用场景。 5．掌握从0到1构建个性化复习网站的基本流程，理解需求描述、代码生成、审查测试、修改优化与部署发布之间的关系。 二、考核知识点与考核目标 1．AI智能体的定义。 2．AI智能体的核心构成。 3．人设与回复逻辑。 4．智能体插件配置、调试与发布。 5．AI编程的定义与模式。 6．Vibe编程。 7．AI编程的核心概念与基础知识。 8．个性化复习网站的开发流程。 第7章 AI与职业发展 一、学习目的与要求 （一）掌握AI与考研 1．理解AI在明确考研方向中的应用价值，掌握利用AI辅助判断学术型／专业型、本校／外校等报考方向的方法。 2．掌握利用AI初选目标院校的方法，理解院校层次、专业实力、报录比、分数线和个人实力评估的综合判断逻辑。 3．掌握利用AI核验核心信息、搜集资料并制订计划的基本思路。 （二）掌握AI与考公 1．理解AI在考公中的作用，掌握利用AI进行职位分析、专业选岗和岗位适配判断的方法。 2．掌握利用AI巩固各类型考题的方法，理解行测与申论备考中时政热点整理、常识库构建、高频词语整理、申论模拟批改、公文格式总结等应用。 3．掌握AI在考公模拟面试中的应用，理解“练习—反馈—优化”循环在面试准备中的价值。 （三）掌握AI与求职 1．理解AI在职业探索中的作用，掌握利用AI梳理职业方向、分析岗位核心能力、匹配行业与企业的基本方法。 2．掌握筛选目标企业与岗位的方法，理解行业头部企业、高成长性企业、知名外企等分类筛选逻辑。 3．掌握利用AI评估企业行业地位、公司实力、发展前景以及对应届生吸引力与潜在风险的方法。 4．掌握简历优化的核心原则，理解STAR／TAR原则在经历表达中的作用。 5．掌握AI模拟面试与复盘的基本方法，能够围绕岗位描述进行问题准备、逐题点评、综合评估和迭代优化。 二、考核知识点与考核目标 1．AI明确考研方向的方法。 2．AI初选目标院校的方法。 3．AI辅助职位分析与专业选岗。 4．AI巩固各类型考题。 5．AI在考公模拟面试中的作用。 6．AI梳理职业方向与筛选目标企业岗位。 7．AI助力简历优化的核心原则。 8．STAR／TAR原则。 9．AI模拟面试与复盘。 第8章 AI的伦理治理与未来发展 一、学习目的与要求 （一）了解AI的伦理议题与治理 1．理解AI技术在广泛应用过程中引发的伦理治理问题，明确为AI建立伦理框架和治理机制的必要性。 2．掌握隐私与安全问题的基本内涵，理解AI依赖海量数据所带来的隐私风险与安全挑战。 3．掌握偏见与公平问题的基本内涵，理解训练数据与设计过程中的偏见如何导致算法决策歧视并放大社会不公。 4．理解AI偏见的主要来源、偏见带来的问题以及“算法歧视—机会减少”的恶性循环。 （二）了解AI未来发展的关键议题 1．理解AI技术快速进展对现有伦理框架与社会治理能力提出的新要求。 2．了解AI长期发展过程中在责任划分、版权认定、信息茧房、治理规则完善等方面的关键问题。 3．形成对AI技术机遇与挑战的客观认知，能够以理性、规范的视角看待AI未来发展。 二、考核知识点与考核目标 1．AI伦理治理的必要性。 2．隐私与安全。 3．偏见与公平。 4．AI偏见的主要来源。 5．AI偏见在现实领域中的影响。
6．AI未来发展的关键议题。
创办于1995年，是国内最早的专业管理类传播网站，面向全国首创了全国MINI-MBA职业经理系列版权课程，旗下工商管理MBA专业教学资源库，拥有海量MBA工商管理课件、教材免费开放。
| 
IP卡
狗仔卡
发表于 
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡