应用语言大模型教学设计

教学目标

知识与技能

1. 体验本地交互式知识库的搭建与使用。

2. 能够合理使用语言大模型，完成特定任务（如生成菜谱、润色文本等）。

3. 掌握语言大模型的基本应用技巧，如角色定义、上下文输入等。

过程与方法

1. 通过实践活动，学会搭建本地语言大模型并建立知识库。

2. 通过小组合作，完成语言大模型的应用任务。

3. 通过案例分析，理解语言大模型在不同场景中的应用。

情感态度与价值观

1. 培养学生对人工智能技术的兴趣和探索精神。

2. 增强学生对新兴技术的适应能力和创新思维。

3. 引导学生思考人工智能技术对生活和学习的帮助。

教学重点

1. 掌握本地语言大模型的搭建方法。

2. 学会使用语言大模型完成特定任务，如生成菜谱、润色文本等。

教学难点

1. 如何合理定义角色和上下文，以获取高质量的输出。

2. 如何根据需求优化语言大模型的输入，以提高结果的准确性。

教学流程

教师批注

课堂导入

提问：“上节课我们学习了语言大模型的基本原理和交互技巧，谁能说说语言大模型的特点？”

学生回答后，教师总结：语言大模型具有大数据、大参数、大算力的特点，能够生成高质量的文本。

引入本节课内容：“今天我们将学习如何搭建本地语言大模型，并用它完成一些实际任务。”

教学过程

一、搭建本地语言大模型

   语言大模型可以在自己的电脑上运行，不需要依赖网络，更安全且响应更快。本地语言大模型将数据保留到本地，还会上传到云端，保护了使用者的隐私与安全。

   建立本地语言大模型，通常采用“服务工具+开源语言大模型”的模式。为便于操作，还可以安装一个界面工具。

展示搭建步骤：

1. 安装服务工具（如ollama）。

2. 下载开源语言大模型（如qwen2.0）。

3. 安装前端界面工具（如AnythingLLM）。

一步步演示如何通过ollama安装qwen2.0模型，并启动模型。

提示学生参考教材附录三的详细步骤。

   安装大模型注意选择语言大模型的参数，0.5b表示模型参数为5亿个，参数越大，模型的能力就越强，但是对电脑的算力要求也就越高。

二、运行本地大模型

知识库是语言大模型的“学习资料库”，可以上传相关文档，让模型更好地完成任务。

展示如何将文档上传到知识库：

1. 准备与任务相关的文档（如菜谱、文章等）。

2. 通过前端界面工具将文档上传到知识库。

示例：上传“数字菜谱资源库”文档，让模型学习菜谱知识。

   尝试在上传资源库后，向知识库提问，看看它的回答情况，还可以要求知识库创新新的知识。

三、合理使用人工智能工具

语言大模型不是万能的，要学会合理使用大模型 。

1. 不替代个人创造：语言大模型可以帮助我们将创意细化，但不能替代我们提出创意。

2. 不过度依赖：过度依赖语言大模型来解决问题，会减少我们独立思考问题的机会。

3. 不盲目信任：语言大模型提供的答案并不是永远正确的。

4. 维护知识产权：不应该未经他人授权，就使用 他人的智慧成果进行训练或生成内容。

合理定义角色和上下文可以提高语言大模型的输出质量。

展示应用技巧：

§ 角色定义：明确模型和用户的身份，如“你是一名营养师，请为我设计一份健康餐”。

§ 上下文输入：提供相关背景信息，如“根据以下食材生成菜谱：牛肉、土豆、胡萝卜”。

示例：

§ 提示词1：“你是一名厨师，请根据以下食材生成一道适合冬天的热汤菜谱：土豆、胡萝卜、牛肉。”

§ 提示词2：“你是一名营养师，请为我设计一份适合青少年的健康餐。”

四、实践活动

1. 任务1：搭建本地语言大模型

活动内容：

§ 每组根据教材附录三的步骤，尝试搭建本地语言大模型。

§ 选择一个开源模型（如qwen2.0），并安装前端界面工具（如AnythingLLM）。

实践操作：

§ 学生按照步骤安装服务工具、下载模型，并启动模型。

§ 教师巡视学生操作，及时解决学生遇到的问题，如安装错误、模型启动失败等。

2. 任务2：建立本地知识库并应用

活动内容：

§ 每组选择一个主题（如“健康餐设计”或“创意菜谱生成”），准备相关文档并上传到知识库。

§ 使用语言大模型完成以下任务：

§ 生成一道创意菜谱。

§ 润色一段文本（如菜谱介绍）。

实践操作：

§ 学生将文档上传到知识库，并通过提示词与模型交互。

§ 记录模型生成的结果，并优化提示词以提高结果质量。

展示与讨论：

§ 每组展示生成的结果，并讨论优化提示词的方法。

§ 教师引导学生总结语言大模型的应用技巧。

课堂小结

提问：“今天我们学习了哪些内容？”

学生回答后，教师总结：

1.学会了搭建本地语言大模型。

2.掌握了建立本地知识库的方法。

3.学会了使用语言大模型完成特定任务，如生成菜谱、润色文本等。

4.理解了角色定义和上下文输入的重要性。

强调：“合理定义角色和上下文可以显著提高语言大模型的输出质量。本地知识库可以让模型更好地完成特定任务。”

布置作业

每个小组选择一个主题（如“适合老年人的健康餐设计”或“创意甜品菜谱”），准备相关文档并上传到本地知识库。

使用语言大模型完成以下任务：

1.生成一份详细的菜谱。

2.润色一段与菜谱相关的文本。

3.撰写一份简短的报告，总结使用语言大模型的过程和结果。

作业要求：

1.提示词设计合理，输出结果高质量。

2.报告内容完整，条理清晰。

3.的文档格式规范，内容相关。

教学反思

1. 学生对搭建本地语言大模型和应用任务非常感兴趣，积极参与实践操作。但是由于机房电脑普遍没有独立显卡，基本上只能了解搭建流程，学生无法完成搭建任务。

2. 部分学生在搭建本地模型时遇到技术问题（如安装失败、模型启动不成功等）。教师需要提前准备解决方案，并提供详细的安装指南。

3. 通过语言大模型的应用，学生对人工智能技术的兴趣进一步增强，同时也体会到了技术对生活的帮助。

4. 在后续教学中，可以增加更多实际应用场景的案例，帮助学生更好地理解语言大模型的潜力。同时，可以引导学生思考语言大模型的局限性和伦理问题。

5. 建议学校，随着时代的发展，机房设备也需要实时更新。