使用大型语言模型学习

使用大型语言模型学习

IT Standard 14 8 hrs AI

本课程涵盖如何透过 Google Gemini 将大型语言模型作为学习与教学工具。课程首先介绍良好提示词的五个要素：角色、目标、受众、背景和界限，并结合主提示词（Master Prompt）策略以及用作填补特定知识差距的跟进提示词。接著涵盖 LLM 的限制，包括幻觉（hallucination）、训练数据截止时间和记忆上限，并培养针对可靠来源验证关键主张的习惯。第二部分从单一提示词转向可重复使用的工具：Gemini Gem 包含以 Markdown 编写的固定系统指令，使分阶段的学习活动在每次对话中都能保持相同的表现；而 Canvas 工具和结合 Apps Script 的 Google Sheets 则可将对话转化为可部署及分享、运作正常的网络应用程式（web app）。课程最后针对自选的 HKDSE 主题进行完整的建构循环，参加者需向 Gemini 要求一份纯计划提案，删减无助于学习的功能，然后生成、完善并提交该工具。

课程查询

学习目标

  • 使用角色、目标、受众、背景和界限编写结构化的提示词，并透过跟进提示词完善输出结果。
  • 识别 LLM 的不足之处，包括幻觉、知识截止时间和记忆上限，并针对可靠来源验证关键主张。
  • 以 Gemini Gem、Canvas 网络应用程式或 Google Sheets Apps Script 网络应用程式的形式，建立并分享学习工具。

课程大纲

提示工程简介 | 描述良好提示词的五个要素：角色、目标、受众、背景和界限 | 解释主提示词策略、何时重设对话，以及 LLM 的限制（包括幻觉、训练数据截止时间和记忆上限） | 实践活动：i) 在 Gemini Thinking 模式下编写主提示词，为中五学生就选定主题生成 3 至 5 个要点 ii) 使用差距分析的跟进提示词来完善答案，说明已理解的内容及差距所在 iii) 使用角色（Role）、目标（Objective）和要求（Requirements）标题，以 Markdown 重新编写提示词
Gemini Gems 简介 | 比较 Gem 与一般对话在一致性、设定和持久知识方面的差异 | 在 Markdown 中使用角色（Role）、目标（Objective）、要求（Requirements）和输入（Input）部分来组织 Gem 指令 | 实践活动：i) 建立一个能为给定科目和主题生成要点的 Gem，并在 Fast 模式下进行测试 ii) 建立一个分阶段的学习 Gem，展示要点，透过事实、理解和应用问题进行测试，诊断知识差距，并编写四格漫画对白 iii) 将生成的图像提示词复制到新的对话中，并使用 Create Image 工具执行
使用 Gemini 建立学习工具 | 介绍 Gemini 模式：Create Image、Canvas、Deep Research 和 Guided Learning | 比较 Canvas 应用程式与 Google Sheets Apps Script 应用程式，包括静态数据快照和图像支援 | 实践活动：i) 将 Canvas 工具加入至现有对话中，从该对话生成可运作的应用程式并分享连结 ii) 复制范例 Google Sheet，并从 Extensions 选单开启 Apps Script iii) 贴上提供的 Code.gs 和 Index.html，部署为网络应用程式并将存取权限设定为 Anyone，授权存取并开启已部署的连结
建立专属的学习工具 | 应用提示工程，为学生认为困难的自选 HKDSE 主题计划、评估并建立一个工具 | 实践活动：i) 要求 Gemini 提供一份纯计划提案，列明受众、背景、目标和界限 ii) 根据相关性和清晰度检查清单过滤提案，说明移除某项功能的原因，并要求提供更简单的替代方案 iii) 以 Canvas 网络应用程式或 Google Sheets Apps Script 应用程式的形式生成并完善代码 iv) 提交萤幕截图和代码，或可分享的连结

先修课程

  • 不需要具备编程经验
  • 用于登入 Google Gemini 和 Google Drive 的 Google 帐户

软体需求

  • Google Gemini（Fast / Thinking / Pro 模式、Gems、Canvas、Create Image）
  • 结合 Apps Script 的 Google Sheets

其他要求