感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
第一天
生成式AI與提示工程入門
- 什麼是生成式AI及其與傳統自動化的差異
- 提示工程在塑造AI輸出品質中的角色
- 當前景象、圖像、音訊和影片工具的生態概覽
- 提示工程如何為業務創造價值
文字與圖像生成AI模型的基礎
- 用通俗語言解析大型語言模型與擴散模型的運作原理
- 訓練數據、微調和提示之間的區別
- 預訓練模型的優勢與限制
- 為什麼模型架構會影響我們撰寫提示的方式
主流AI助理比較
- Microsoft Copilot:優勢在於微軟365整合、Word、Excel、Outlook和Teams工作流程、企業數據錨定;劣勢在於創意範圍有限及推理深度不及同儕。
- Google Gemini:優勢在於原生多模態能力、Workspace整合、即時搜尋錨定;劣勢在於一致性問題、區域可用性限制,以及在複雜任務上遵循指令的能力較弱。
- ChatGPT:優勢在於生態系統成熟度、自定義GPT、透過DALL-E生成圖像、語音模式;劣勢在於無數據錨定時的事實可靠性不足,以及付費功能的嚴格使用限制。
- Claude:優勢在於長上下文處理、細微推理能力、長篇寫作及清晰的分析;劣勢在於工具生態系統的廣度不足及圖像生成能力有限。
- 如何為特定任務、受眾或合規要求選擇合適的工具
- 同一提示在四款助理中的平行操作示範
高效提示設計原則
- 清晰度、具體性和背景知識是優秀提示的三大支柱
- 結構化指令、語氣、格式和限制條件
- 初學者常見的錯誤及其識別方法
- 從弱提示迭代至高表現提示的過程
第二天
零樣本、一樣本與少樣本提示法
- 三種方法之間的差異及各自適用時機
- 觀察模型行為並據此調整範例
- 僅用少量精選範例教導模型執行新任務
- 在ChatGPT、Copilot、Gemini和Claude上的實務練習
進階提示工程技巧
- 用於細微輸出的條件感知與上下文感知提示
- 風格轉移、人設提示與創意引導
- 思維鏈與逐步推理提示
- 減少回應中的幻覺、模糊性與偏見
無需程式碼的少樣本微調<
- 什麼是少樣本微調,以及它與完整模型訓練的區別
- 透過範例驅動提示適應特定利基任務
- 何時應選擇提示工程,何時微調是更好的投資
- 評估輸出品質並進行迭代優化
超逼真文字生成
- 生成具有受控語氣、聲調和長度的文字
- 產出長篇內容、摘要、報告及結構化文件
- 在多步驟生成過程中維持連貫性
- 結合提示模式以獲得可重複且符合品牌風格的結果
將提示工程應用於業務工作流程<
- 自動化常規草稿撰寫、研究與資訊篩選
- 簡要探討客服與聊天機器人應用場景
- 設計團隊可重複使用且無需重新訓練的提示模板
- 質量控制、上報邏輯及人工審核節點
第三天
圖像生成與處理<
- 比較DALL-E、Stable Diffusion、MidJourney和Leonardo AI
- 撰寫能控制風格、構圖、光影和主題的提示
- 否定提示、權重分配及迭代優化
- 透過提示進行圖像轉圖像轉換與編輯
AI音訊與語音
- 從文字提示生成自然聽感的語音
- 概念層面的聲音克隆與合成
- 在培訓內容、無障礙設計及行銷中的應用場景
使用生成式AI創影片內容
- 當前文字轉影片工具的概覽及其實際交付能力
- 透過提示序列進行腳本撰寫與分鏡規劃
- 將AI生成的文字、圖像、音訊和影片整合為單一資產
- 編輯與優化AI生成的影片輸出
多模態AI與整合工作流程
- 多模態模型如何統一文字、圖像、音訊和影片的推理能力
- 無需編寫程式碼,建立端到端內容管線
- 來自行銷、設計、培訓和廣告的真實世界案例研究
倫理、負責任使用及未來展望
- 偏見、版權、歸屬權及內容審核
- 使用生成式平台時的隱私與資料保護考量
- 對終端客戶的披露、透明度與信任建立
- 未來12個月值得關注的新興工具、模型與趨勢
- 總結與後續步驟
最低要求
目標受眾
探索AI輔助內容生產的行銷、傳播及創意專業人員。尋求透過提示驅動工具自動化重複互動的企業營運與客服團隊。無AI或程式設計基礎,希望以結構化且聚焦工具的方式入門生成式AI的初學者。
21 小時
客戶評論 (2)
互動式風格,練習
Tamas Tutuntzisz
課程 - Introduction to Prompt Engineering
機器翻譯
一個未來使用的優秀資源庫,講師的風格(充滿幽默感,細節豐富)
Adam - GE Aerospace Poland Sp. z o.o.
課程 - Prompt Engineering for ChatGPT
機器翻譯