城建学院 AIGC 课程讲义中心

AIGC 应用与实践 课程标准 ​

文档信息 ​

广州城建职业学院 · 课程标准

项目内容
课程名称AIGC应用与实践
教研室人工智能技术应用
教学单位未来技术应用学院
执笔人才洋
审核人
制订时间2026.04

教务处制 · 2026年4月

一、课程基本信息 ​

项目内容
课程代码Z219020046
课程名称AIGC应用与实践
课程学分4
课程学时64
课程类别理论+实践
考核方式考查
开设学期第五学期
适用专业人工智能类、机器人类及其他智能类专业
先修课程《计算机应用基础》
后续课程《项目实训》《毕业设计》

二、课程定位 ​

（一）课程性质 ​

本课程是面向人工智能类、机器人类及其他智能类专业开设的综合性、实践性课程。AIGC（Artificial Intelligence Generated Content，人工智能生成内容）是以生成式人工智能模型为核心，通过自然语言、代码、图像、音频、视频及结构化数据等形式生成、转换和组织内容的一类技术与应用方法。本课程以真实专业任务为主线，重点学习提示词设计、WorkBuddy智能体、Skill、MCP和IMA知识库的组合使用，形成可运行、可检查、可复用的应用流程。本课程不以单纯生图、生文或视频剪辑为主要成果，而是聚焦提示词设计、WorkBuddy智能体、Skill生成与调用、MCP工具调用、WorkBuddy连接IMA知识库完成RAG检索，以及测试、合规和项目交付。生图、生文只作为资料处理中的辅助能力。课程采用低代码或可视化平台为主、教师预配置资源为保障、基础任务与拓展任务分层的实施方式，不要求所有学生独立编写复杂程序或部署完整系统。通过项目化、任务驱动和理实一体化教学，使学生能够把AIGC能力迁移到人工智能、机器人、智能控制、智能产品等专业任务中，形成从需求分析、方案设计、原型实现到测试优化和成果交付的完整应用能力。

（二）课程功能定位 ​

表1 课程功能定位分析表

类别对接的工作岗位/内容对接培养的职业岗位能力
岗位智能办公、文档处理与数据处理1. 用AIGC完成文档、表格、演示文稿等办公任务；2. 完成资料整理、数据汇总和结果核验；3. 形成规范交付。
能够使用WorkBuddy等工具完成文档生成、批量处理和文件管理，并对结果进行人工复核。
具备运用AI辅助数据处理、可视化和会议记录整理的能力。
岗位内容运营、职业发展与个人成长1. 完成图文、短视频等内容创作；2. 开展行业与岗位调研；3. 形成职业规划和求职材料。
能够使用AI辅助开展自媒体内容创作、职业规划、简历优化和模拟面试。
具备围绕目标岗位梳理任务、表达成果和持续学习的能力。
岗位AIGC工具应用与智能工作流1. 识别AIGC应用边界；2. 使用WorkBuddy智能体、Skill、专家团、知识库和连接器；3. 设计并测试工作流。
能够完成智能体任务、Skill调用、知识库问答和连接器的受控使用。
具备工具选择、权限安全、结果核验、流程优化和综合项目交付能力。
X证书AIGC相关职业技能等级、人工智能应用相关证书（根据学校现行证书目录选取）理解AIGC原理、工具应用、提示设计、知识管理、评测和安全规范。
竞赛人工智能应用、机器人应用及职业院校技能大赛相关赛项具备需求分析、方案设计、工具应用、测试评估、团队协作和成果汇报能力。

三、课程目标 ​

（一）课程总目标 ​

通过本课程学习，学生能够理解生成式人工智能在专业任务中的作用边界，掌握提示词设计、WorkBuddy智能体配置、Skill生成与调用、MCP工具调用、IMA知识库和RAG检索的基本方法，并能完成测试、核验和合规交付。在教师提供样例数据、操作模板和备用环境的条件下，学生能够完成规定的基础任务，形成一个可运行、可说明、可评价的AIGC应用原型或解决方案；基础较好的学生可进一步完成工具调用、流程优化或多模态扩展。

（二）课程具体目标 ​

课程目标递进关系

1. 知识目标 ​

  • 理解AIGC的概念、类型、应用边界及其与传统人工智能、机器学习、自然语言处理、计算机视觉的关系，了解基础模型与多模态模型的基本能力。
  • 了解模型调用方式、上下文窗口、知识截止与幻觉等常见局限，掌握模型选择和人机协同的基本原则。
  • 掌握提示词的对象、任务、材料、约束和输出五要素，能够用模板完成多轮迭代和结构化交付。
  • 理解WorkBuddy智能体、Skill、专家与专家团、MCP和连接器的作用，能够在教师提供的安全模板上完成配置、调用、测试和问题记录；了解版权、隐私、权限和安全边界。
  • 理解IMA知识库和RAG的基本流程，能够完成资料整理、知识库检索、引用依据标注、资料不足时的拒答和知识库维护。

2. 能力目标 ​

  • 能够根据专业任务拆解需求，选择合适的模型、工具、知识来源和交付形式，形成任务方案。
  • 能够围绕真实专业任务设计并迭代提示词，形成可复用提示词资产和结构化结果。
  • 能够使用WorkBuddy配置智能体，生成和调用Skill，组织一次专家团协作，并在教师提供的范围内调用MCP工具，完成一个可运行的小型工作流。
  • 能够整理专业资料，在IMA中完成知识库构建，并通过WorkBuddy完成RAG检索问答、引用核验和资料不足处理。
  • 能够在基础工作流可运行的前提下，以拓展方式完成一次受控工具调用或简单智能体配置，并保留执行记录、人工确认和异常处理证据。
  • 能够在多模态处理、AI辅助编程与数据分析中选择一条基础路径完成专业任务，并建立评价指标、测试样例、事实核验和合规检查记录。

3. 素质目标（含课程思政目标） ​

  • 形成面向真实任务学习和持续更新工具能力的意识，具备主动学习、问题分析和技术迁移能力。
  • 树立“人机协同、责任到人”的职业观，能够区分AI辅助、AI生成和人工确认的责任边界。
  • 遵守数据安全、个人信息保护、知识产权、学术诚信和平台使用规范，具备风险识别与合规意识。
  • 培养严谨求实的质量意识，重视事实核验、过程留痕、版本管理和结果复盘。
  • 培养团队协作、沟通表达、项目管理和成果交付能力，能够以规范文档和演示完成项目汇报。
  • 坚持创新、开放、审慎的技术态度，理解人工智能服务职业发展和社会责任的关系。

四、课程内容与教学设计 ​

（一）课程能力图谱（岗课赛证融通及思政元素融入） ​

课程能力图谱

（二）具体内容模块 ​

表2 课程内容模块及学时分配

序号项目（模块）教学内容理论学时实践学时小计
1AIGC理论基础AI发展史、学习方式与三要素；大模型输入输出、神经网络与Transformer；预训练、后训练、RLHF与DeepSeek R1；Stable Diffusion绘图原理。12012
2WorkBuddy智能体实战WorkBuddy入门、Skill、专家与专家团；Word、Excel、PPT、文件管理；RAG与IMA知识库、LLM Wiki；MCP连接器、多Agent、自媒体运营与办公自动化综合项目。62632
3AI赋能职场与生活＋前沿AI工具岗位调研、职业规划、简历优化、模拟面试；Codex、Hermes Agent、DeepSeek Harness；AI学习助手、AI求职包与课程答辩。81220
合计263864

课程模块与64学时分布

（三）课程教学设计 ​

表3 课程教学设计

序号项目（模块）教学内容任务名称思政元素教学方法与手段学时安排考核方式
1AIGC理论基础AI发展、学习方式和AIGC全景；大模型工作原理；神经网络、Transformer；预训练、后训练、RLHF、DeepSeek R1；Stable Diffusion。任务1：完成AI原理学习记录、模型体验、提示词改写和绘图参数实验。科技报国、科学精神、工程伦理、人工复核意识。讲授启发、案例演示、对比实验、随堂跟练12模块一作业＋学习记录
2WorkBuddy智能体实战WorkBuddy三种模式；Skill、专家与专家团；办公文档、数据、演示与文件管理；RAG、IMA、LLM Wiki；MCP、连接器、多Agent、自媒体和自动化方案。任务2：完成WorkBuddy工具应用与办公自动化综合项目，形成项目文档、成果文件和演示。工匠精神、诚信守则、数据安全、版权意识、团队协作。教师演示、分步跟练、任务驱动、项目实作、同伴互评32模块二综合项目＋过程记录
3AI赋能职场与生活＋前沿AI工具职业规划、岗位调研、简历优化、模拟面试；Codex、Hermes Agent、DeepSeek Harness；AI学习助手、AI求职包与答辩。任务3：完成AI求职包，含职业规划、岗位调研、简历、面试题库、能力提升计划和成果展示。职业理想、诚信求职、终身学习、创新担当、责任意识。案例分析、情境模拟、工具体验、项目答辩、反思总结20模块三综合项目＋期末答辩

（四）实践项目（任务）设计 ​

表4 课程实践项目（任务）设计

序号项目（任务）名称学生实践结果（可展示）学时安排
1AIGC理论基础形成AI原理学习记录、模型回答对比、5个高质量提示词、DeepSeek R1体验记录和绘图参数实验报告。12
2WorkBuddy智能体实战形成WorkBuddy任务记录、Skill与专家团协作记录、办公处理成果、IMA知识库测试报告、连接器或自动化方案及模块二综合项目。34
3AI赋能职场与生活＋前沿AI工具形成职业规划、岗位调研、优化简历、模拟面试记录、AI学习计划和完整AI求职包，完成成果答辩。18

五、课程考核 ​

本课程采用形成性考核和终结性考核相结合的方式，重点评价学生完成基础任务、保留过程证据、规范使用工具、进行事实核验和解决真实问题的能力。考核以任务成果、实训记录、阶段展示、合规清单和综合项目答辩为主要依据，不单独设置以记忆性知识为主的理论考试。基础任务完成情况作为达标底线，拓展任务和创新表现作为加分依据。

（一）成绩构成 ​

总计100分，形成性考核占60％，终结性考核占40％。形成性考核包括学习过程、模块任务成果和规范合规表现；终结性考核为综合项目与答辩。

总成绩=形成性考核成绩+终结性考核成绩。

（二）评价指标 ​

表5 课程考核方案

考核类别考核项目考核标准考核方法评分比例%
形成性考核出勤与课堂参与按时参加课堂学习，完成随堂跟练、课堂互动和学习记录。出勤记录、课堂观察、随堂任务。10
形成性考核模块一作业完成AIGC理论基础的学习记录、提示词改写、模型体验或参数实验作业。作业提交、学习记录、结果对比。15
形成性考核模块二综合项目完成包含不少于3个自动化场景的办公自动化方案，形成项目文档、成果文件和演示。项目成果、过程记录、测试说明、展示评价。35
终结性考核模块三综合项目完成职业规划、岗位调研、简历、面试题库和能力提升计划组成的AI求职包。项目材料、成果完整性与真实性评价。30
终结性考核期末答辩围绕AI求职包进行成果展示、问题说明和课程学习反思。现场展示、答辩提问、教师评价。10

课程考核构成

六、教学实施建议 ​

（一）授课教师基本要求 ​

  1. 具备人工智能、软件技术、机器人或相关专业的教学与实践基础，能够理解大模型及AIGC应用的基本原理。
  2. 熟悉至少一种大模型应用平台、知识库/RAG工具、工作流或智能体编排工具，并能够根据平台变化及时更新教学任务。
  3. 能够指导学生完成提示词设计、WorkBuddy智能体、Skill、MCP和IMA知识库RAG项目，并提供可直接跟做的模板、样例资料、测试用例和备用路径。
  4. 具有项目化教学、线上线下混合式教学和过程性评价经验，能够组织小组协作、现场演示、复盘改进和成果答辩。每个任务应准备样例数据、操作视频、分步清单和备用方案。
  5. 重视数据安全、知识产权、学术诚信、人工复核和职业伦理教育，不将未经核验的AI输出直接作为教学结论；按“80％学生完成基础任务”的标准设计教学节奏。

（二）实践教学条件基本要求 ​

表6 《AIGC应用与实践》课程校内外实践教学条件

序号实践教学场地名称校内/校外用途
1人工智能应用实训室（机房）校内AIGC理论体验、WorkBuddy智能体与Skill实训、文档/表格/PPT处理、IMA知识库、连接器、职业发展项目和课程答辩；配置教师样例、操作视频及备用演示环境。

（三）教材选用与编写 ​

表7 《AIGC应用与实践》课程教材选用表

序号教材名称教材类型出版社主编出版日期
1AIGC应用实践参考教材人民邮电出版社吕放2025
2人工智能与大模型应用基础（微课版）参考教材人民邮电出版社冯磊2025

表8 《AIGC应用与实践》课程教学参考书选用表

序号教材名称教材类型出版社主编出版日期
1人工智能与大模型应用基础（微课版）教学参考资料人民邮电出版社冯磊2025
2AIGC应用实践教学参考资料人民邮电出版社吕放2025

（四）课程数字化教学资源 ​

表9 《AIGC应用与实践》课程数字化教学资源表

序号外部教学参考资源名称（发布前核验）资源网址
1生成式人工智能基础（AIGC）https://www.xueyinonline.com/detail/253616783
2学银在线外部教学参考链接https://www.xueyinonline.com/detail/249296127
3学银在线外部教学参考链接https://www.xueyinonline.com/detail/246211442

七、其他说明 ​

  1. 本课程标准为面向人工智能类、机器人类及其他智能类专业的高职可实施优化版，采用“基础任务＋拓展任务”分层设计。基础任务以教师提供的样例数据、操作模板、分步清单和备用环境为支撑，目标是保证大多数学生完成规定成果；拓展任务用于满足不同基础学生的提升需要。
  2. 综合项目实行选题菜单制，学生可从机器人设备故障知识助手、实训室安全问答助手、智能设备操作手册助手、专业课程资料检索助手、智能产品售前问答助手等方向中任选其一。每个项目的最低成果为：需求说明、一个可运行原型、一份测试与合规清单、3—5分钟成果演示；独立部署、复杂编程和多工具协同列为拓展内容。

附件：授课计划表 ​

周次教学内容（本周讲什么、做什么）理论实操小计备注
1第1次课：AI发展史全景与AIGC初体验202AI发展7阶段、三种学习方式、AI三要素与AIGC全景；完成首次大模型对话和文生图体验。
1第2次课：AI是怎么“想”的——从输入到输出202理解文字接龙、Token、温度、上下文窗口和概率采样；完成同题多次提问对比。
2第3次课：神经网络与Transformer——AI的大脑结构202理解人工神经元、网络层次、RNN与Transformer、注意力机制；完成生活化类比练习。
2第4次课：预训练与后训练——大模型的“教育”202学习预训练、自监督、涌现、知识截止和SFT；完成知识边界与多轮对话测试。
3第5次课：RLHF与强化学习——DeepSeek R1深度解析202学习强化学习、RLHF、思维链、DeepSeek R1、GRPO和蒸馏；完成推理与安全拒答体验。
3第6次课：AI绘图原理——Stable Diffusion深度解析202学习扩散模型、VAE、CLIP、U-Net、CFG、LoRA和ControlNet；完成参数对比实验。
4第7次课：WorkBuddy入门与第一个任务202认识桌面智能体、界面和Ask/Plan/Craft模式；完成第一个文件整理或文档生成任务。
4第8次课：Skill——给AI装操作手册022浏览、安装、调用Skill并完成一个小任务；形成个人工具箱。
5第9次课：专家与专家团022体验专家、专家团和自定义专家；完成一次多角色调研与人工审校。
5第10次课：办公实战——Word文档生成与批量处理022完成通知或实习总结大纲与正文生成、润色审校和模板批量处理。
6第11次课：办公实战——Excel数据处理（上）022完成发票或成绩数据提取、清洗、汇总和公式核验。
6第12次课：办公实战——Excel数据处理（下）022完成分类汇总、数据透视、图表和简要分析报告。
7第13次课：办公实战——PPT自动生成022完成竞品调研、对比表与PPT生成、排版优化。
7第14次课：文件管理与会议记录022完成文件分类、批量重命名、会议纪要与待办提取。
8第15次课：RAG原理与IMA知识库入门202理解知识截止、幻觉、RAG流程、向量化、引用和拒答；创建并上传知识库资料。
8第16次课：WorkBuddy连接IMA知识库实战022连接IMA知识库，完成带引用问答、原文核验和库外问题拒答测试。
9第17次课：LLM Wiki实战——创建自己的AI知识库022创建个人LLM Wiki，组织目录、录入资料并进行问答测试。
9第18次课：MCP连接器与自动化任务202认识MCP、连接器、最小权限和定时自动化；进行安全边界分析。
10第19次课：多Agent协作——组建你的AI团队022设计客服、运营、数据等AI角色的知识库、Skill和协作流程。
10第20次课：自媒体运营实战022完成公众号或小红书内容创作、配图排版、GEO优化和场景速查表。
11第21次课：模块二综合项目——办公自动化方案设计022完成至少3个自动化场景的方案设计、核心实现、测试与展示准备。
11第22次课：AI视频制作与资讯整合实战022完成行业资讯简报、短视频脚本、画面/字幕与30秒作品体验。
12第23次课：岗位与行业实战——把你的岗位做成AI工作流202梳理目标岗位高频任务，设计岗位AI工作流并沉淀为Skill或自动化方案。
12第24次课：AI辅助职业规划与岗位调研022完成SWOT、行业调研、JD拆解、能力地图和SMART行动计划。
13第25次课：AI简历优化022运用STAR法则和JD关键词完成简历诊断、优化与同伴互评。
13第26次课：AI模拟面试022完成自我介绍、行为题、压力面试和完整模拟面试记录。
14第27次课：Codex入门——你的AI编程搭档202认识Codex的工作流，体验项目理解、简单网页或脚本编写和结果审查。
14第28次课：Hermes-Agent——会成长的开源个人AI助手202认识持久记忆、技能创建、多平台接入、定时任务和本地部署等特点。
15第29次课：DeepSeek-Harness——一切皆插件的Agent框架202认识插件化Agent框架、权限模式、运行事件流和轨迹回放。
15第30次课：AI学习助手与知识管理022运用费曼学习法、难点拆解、AI出题、摘要和思维导图设计学习计划。
16第31次课：综合项目——AI求职包制作022整合职业规划、岗位调研、简历、面试题库和能力提升计划，制作展示材料。
16第32次课：课程总结与项目答辩022完成AI求职包答辩、同伴互评、课程知识回顾和未来一年AI应用目标。
合计263864