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
1	AIGC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；Ollama本地模型部署。	10	2	12
2	WorkBuddy智能体实战	WorkBuddy入门、Skill、专家与专家团；Word方案写作、数据分析与可视化；MCP与外部工具接入；RAG与IMA知识库、连接器与AI写作、个人第二大脑、学习资料整理；小程序开发、汇报PPT、海报、自媒体图文、视频三连。	0	32	32
3	AI赋能职场与前沿工具	用 AI 装出求职作战包、一页简历与岗位适配、模拟面试与表达训练；重复任务自动化；Codex、Hermes Agent、DeepSeek Harness；期末大作业与展示答辩。	0	20	20
合计			10	54	64

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
1	AIGC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；Ollama本地部署。	任务1：完成AI原理学习记录、模型体验、提示词改写、绘图参数实验和本地模型部署记录。	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
2	WorkBuddy智能体实战	WorkBuddy三种模式；Skill、专家与专家团；Word方案、数据分析与可视化；MCP与外部工具接入；RAG、IMA、连接器与AI写作、个人第二大脑；学习资料整理、小程序开发、汇报PPT、海报、自媒体图文、视频三连。	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
3	AI赋能职场与前沿工具	用 AI 装出求职作战包、一页简历与岗位适配、模拟面试与表达训练；重复任务自动化；Codex、Hermes Agent、DeepSeek Harness；期末大作业与展示答辩。	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；期末工作流项目答辩。	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
1	AIGC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、绘图参数实验报告和本地模型部署记录。	12
2	WorkBuddy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、MCP服务器添加与自建服务连通记录、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。	32
3	AI赋能职场与前沿工具	形成职业规划、岗位调研、优化简历、模拟面试记录、AI求职包和期末工作流项目，完成成果答辩。	20

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
1	AIGC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
2	AIGC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发展史与运行原理初探	2	0	2	AI发展七阶段、学习方式与三要素、AIGC形态、文字接龙与Token、温度与上下文采样；完成学习方式分类和同题多次生成对比。
1	第2次课：神经网络与Transformer——AI的大脑结构	2	0	2	人工神经元、网络分层、RNN的局限、Transformer与注意力机制、一词多义；完成神经元绘图与生活类比练习。
2	第3次课：预训练与后训练——大模型的教育	2	0	2	预训练、自监督学习、涌现能力、知识截止与幻觉、SFT与数据质量；完成知识边界判断与核验来源记录。
2	第4次课：RLHF与强化学习——DeepSeek R1深度解析	2	0	2	强化学习、RLHF、思维链、R1-Zero与R1训练路线、效率技术与蒸馏；完成回答排序和推理结果人工验算。
3	第5次课：AI绘图原理——Stable Diffusion深度解析	2	0	2	扩散与去噪、VAE、CLIP、U-Net、CFG与负面提示词、LoRA与ControlNet；完成提示词与参数控制变量对比实验。
3	第6次课：本地模型部署——Ollama与WorkBuddy实操	0	2	2	本地部署的用途与边界、Ollama组成、GGUF与量化、Modelfile导入、接口验证；完成本地模型接入WorkBuddy对话与排错记录。
4	第7次课：WorkBuddy安装、设置与第一个任务	0	2	2	安装登录、界面与工作目录、Ask/Plan/Craft三种模式、模型与个性化设置；把实习日志变成可提交的周报。
4	第8次课：Agent技能安装、创建与修改	0	2	2	Skill的组成与调用、技能安装与质量判断；安装2—3个现成技能，创建“简洁大气叙事PPT”技能并完成4—5页试用PPT。
5	第9次课：专家与专家团协作	0	2	2	专家/专家团/Skill的区别、用现成专家干活并识别越界编造、创建自己的专家、判断何时上专家团；完成试用记录卡、自建专家与专家团纠正对照。
5	第10次课：Word文档与方案写作	0	2	2	先定用途、需求整理、Word结构（标题层级/流程表/分工表）与迭代修改；把领导零散需求变成新人培训方案Word与修改说明。
6	第11次课：数据分析与可视化	0	2	2	数据口径（销售额/成本/毛利）、数据质量清洗、比较方式与图表选择、可核对性；从活动成绩截图提取表格数据作为图表数据源之一；完成毛利对比图、销售趋势图与带数字依据的建议。
6	第12次课：MCP外部工具接入	0	2	2	MCP（模型上下文协议）：AI与外部工具的统一连接标准；解决什么问题、什么时候该接MCP；连接文件管家、AI记事本、余票查询等现成MCP服务器；用FastMCP搭建自己的学习打卡MCP服务接入WorkBuddy；完成现成MCP添加与自建服务连通记录。
7	第13次课：连接知识库与AI写作	0	2	2	知识库核心概念：AI的外置硬盘（增删查改）；飞书/ima授权后把论文解析笔记、网页摘录、学习日报写入云文档；再从知识库提取素材写技术介绍短文，完成写入→读取闭环；扩展邮箱提取待办。
7	第14次课：搭建个人第二大脑	0	2	2	WorkBuddy+Obsidian+LLM Wiki搭建本地知识库：raw待整理/wiki知识/存档目录结构与AGENTS.md架构约定；论文翻译整理入raw再蒸馏成wiki笔记；通过Obsidian MCP让AI使用知识库；新资料丢入raw完成更新；扩展知识图谱预览与Vitepress站点。
7	第15次课：整理你的学习资料	0	2	2	分类像抽屉、命名像标签；四步流程：查看资料→分类命名→整理副本→按要求取出文件；保留原件在副本上整理；找到指定笔记导出PDF形成提交目录；换一组新资料独立重复全流程。
8	第16次课：用WorkBuddy做出你的微信小程序	0	2	2	微信小程序：微信里打开即用；需求四句话（页面、谁能用、存什么数据、跑通什么流程）；带练真实项目「手机袋管理员」：导入花名册生成60格手机袋图，点卡片切换已交/未交/请假，提交后按日留档、课后真实使用；说需求→生成→关联云服务→分享上线；独立做出自己的小程序。
8	第17次课：材料做成汇报	0	2	2	结论先行、一页一个重点；同一材料两种做法：WorkBuddy生成6-8页PPTX、guizang-ppt-skill生成HTML翻页演示；人工删堆字页、补证据页；用《高职教育思考》文章独立做成约12页演讲PPT。
9	第18次课：校园活动海报	0	2	2	海报需求五要素与信息层级；AI生成候选图、挑选改稿定版；中文文字与日期逐项核对；主海报改朋友圈方图版本；为自己的活动独立再做一张并附检查记录。
9	第19次课：学习经验做成图文	0	2	2	选题从自己真实学会的事里找；标题给具体价值不夸大；图文卡片3-5页有阅读顺序；隐私检查与平台尺寸适配；完成一套经验图文并互评，主题为视频三连做铺垫。
10	第20次课：从零做出一条科普视频	0	2	2	视频三连第1课：不拍摄从零生成；三行脚本（问题、原理、结论）定内容；Manim Skill生成科普动画、HyperFrames图文转视频；拼接30-60秒初稿，留给下一课剪辑成片。
10	第21次课：把素材剪成完整短片	0	2	2	视频三连第2课：导入上一课初稿与自录口播；Video-Use按口播内容剪辑主体，OpenMontage加字幕、配乐、片头尾；导出1-2分钟成片，按时长、字幕、黑帧逐项验收。
11	第22次课：拆解爆款视频并做自己的版本	0	2	2	视频三连第3课：WorkBuddy视频专家团从结构、钩子、文案、节奏拆解对标爆款；拆解结论变成自己的脚本并做出版本；Hypit克隆工具扩展演示；交付拆解笔记与自制视频。
11	第23次课：用 AI 装出求职作战包	0	2	2	JD三板块拆读（职责/任职要求/福利待遇），硬门槛按学历、经验、技能分查，识别大小周、薪资未标注等隐形信号；用智联招聘专家按自身情况定制标尺JD并按行情校准，作业提交学习通；岗位池查过期、绩效拆包、津贴计入、隐形要求四类雷，还原口径生成四岗对比表并按还原薪资排序标风险；作品资产匹配生成三格差距清单，产出单文件求职决策看板与四周行动卡。
12	第24次课：一页简历与岗位适配	0	2	2	一页原则与内容排序取舍；STAR经历表达；量化有记录才写数据；按JD关键词适配、保留通用底稿；完成一页简历PDF，沿用上一课岗位形成求职闭环。
12	第25次课：模拟面试与表达训练	0	2	2	60-90秒自我介绍；经历、情境、专业三类题型答法；AI模拟面试官一次一题追问点评；真人互面与复盘；完成高频题清单、定稿答案卡与模拟面试复盘。
13	第26次课：把重复任务做成自动化	0	2	2	流程五要素：输入、处理、输出、触发、检查；先手动跑通再固化成自动化，换新数据复跑且不重复产出、缺输入有提示；独立固化自己的重复任务；学期回扣自动化意识。
13	第27次课：Codex开发实用小工具	0	2	2	Codex工作方式（读项目/改代码/跑验证）、可测试需求拆解、本地单用户工具边界、迭代与错误反馈；完成求职投递看板与测试记录。
14	第28次课：Hermes Agent记忆与技能复用	0	2	2	上下文/历史/记忆的区别、记忆与Skill分工、长期任务更新与纠正；完成跨会话求职陪练与技能复用记录。
15	第29次课：DeepSeek Harness任务执行与权限	0	2	2	Harness运行框架、启动与工作区、三级权限验证、过程记录与复跑；完成批量个性化培训邀请函、异常清单与执行记录。
15	第30次课：期末大作业自主制作（一）	0	2	2	自主完成同一个期末大作业：用AI或WorkBuddy设计工作流完成一个具体任务，含实训报告与作业内容；不安排新课。
16	第31次课：期末大作业自主制作（二）	0	2	2	继续自主完成同一个期末大作业，完善实训报告与作业内容；不安排新课。
16	第32次课：期末作品展示与演示	0	2	2	学生上台展示、演示同一个期末项目的作品并完成答辩；不安排新课。
合计		10	54	64