使用大型語言模型學習

使用大型語言模型學習

IT Standard 14 8 hrs AI

本課程涵蓋如何透過 Google Gemini 將大型語言模型作為學習與教學工具。課程首先介紹良好提示詞的五個要素：角色、目標、受眾、背景和界限，並結合主提示詞（Master Prompt）策略以及用作填補特定知識差距的跟進提示詞。接著涵蓋 LLM 的限制，包括幻覺（hallucination）、訓練數據截止時間和記憶上限，並培養針對可靠來源驗證關鍵主張的習慣。第二部分從單一提示詞轉向可重複使用的工具：Gemini Gem 包含以 Markdown 編寫的固定系統指令，使分階段的學習活動在每次對話中都能保持相同的表現；而 Canvas 工具和結合 Apps Script 的 Google Sheets 則可將對話轉化為可部署及分享、運作正常的網絡應用程式（web app）。課程最後針對自選的 HKDSE 主題進行完整的建構循環，參加者需向 Gemini 要求一份純計劃提案，刪減無助於學習的功能，然後生成、完善並提交該工具。

課程查詢

學習目標

  • 使用角色、目標、受眾、背景和界限編寫結構化的提示詞，並透過跟進提示詞完善輸出結果。
  • 識別 LLM 的不足之處，包括幻覺、知識截止時間和記憶上限，並針對可靠來源驗證關鍵主張。
  • 以 Gemini Gem、Canvas 網絡應用程式或 Google Sheets Apps Script 網絡應用程式的形式，建立並分享學習工具。

課程大綱

提示工程簡介 | 描述良好提示詞的五個要素：角色、目標、受眾、背景和界限 | 解釋主提示詞策略、何時重設對話，以及 LLM 的限制（包括幻覺、訓練數據截止時間和記憶上限） | 實踐活動：i) 在 Gemini Thinking 模式下編寫主提示詞，為中五學生就選定主題生成 3 至 5 個要點 ii) 使用差距分析的跟進提示詞來完善答案，說明已理解的內容及差距所在 iii) 使用角色（Role）、目標（Objective）和要求（Requirements）標題，以 Markdown 重新編寫提示詞
Gemini Gems 簡介 | 比較 Gem 與一般對話在一致性、設定和持久知識方面的差異 | 在 Markdown 中使用角色（Role）、目標（Objective）、要求（Requirements）和輸入（Input）部分來組織 Gem 指令 | 實踐活動：i) 建立一個能為給定科目和主題生成要點的 Gem，並在 Fast 模式下進行測試 ii) 建立一個分階段的學習 Gem，展示要點，透過事實、理解和應用問題進行測試，診斷知識差距，並編寫四格漫畫對白 iii) 將生成的圖像提示詞複製到新的對話中，並使用 Create Image 工具執行
使用 Gemini 建立學習工具 | 介紹 Gemini 模式：Create Image、Canvas、Deep Research 和 Guided Learning | 比較 Canvas 應用程式與 Google Sheets Apps Script 應用程式，包括靜態數據快照和圖像支援 | 實踐活動：i) 將 Canvas 工具加入至現有對話中，從該對話生成可運作的應用程式並分享連結 ii) 複製範例 Google Sheet，並從 Extensions 選單開啟 Apps Script iii) 貼上提供的 Code.gs 和 Index.html，部署為網絡應用程式並將存取權限設定為 Anyone，授權存取並開啟已部署的連結
建立專屬的學習工具 | 應用提示工程，為學生認為困難的自選 HKDSE 主題計劃、評估並建立一個工具 | 實踐活動：i) 要求 Gemini 提供一份純計劃提案，列明受眾、背景、目標和界限 ii) 根據相關性和清晰度檢查清單過濾提案，說明移除某項功能的原因，並要求提供更簡單的替代方案 iii) 以 Canvas 網絡應用程式或 Google Sheets Apps Script 應用程式的形式生成並完善代碼 iv) 提交螢幕截圖和代碼，或可分享的連結

先修課程

  • 不需要具備編程經驗
  • 用於登入 Google Gemini 和 Google Drive 的 Google 帳戶

軟體需求

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

其他要求