01
课程简介
About人工智能正从"技术话题"变成"经营话题"。本课程不要求学员会写代码，而是帮助每一位管理者与业务骨干建立对 AI 的系统认知——大模型能做什么、不能做什么，知识库如何沉淀组织智慧，智能体如何替代重复劳动，以及这些技术如何转化为真实业务价值。
课程共 12 章，分为"认知筑基、方法体系、动手实践、落地行动"四个模块。前三个模块为管理层与业务骨干提供统一认知框架；后三个模块以实操演练为主，每章配套讲义（PDF）、视频（融合吴恩达系列课程）与代码资源，边学边做。
课程强调"学以致用"：8 次作业由认知思考题与动手操作题组成，最终以一份企业数字化转型方案路演作为结业考核，确保每位学员结课时都能带走可直接使用的成果。
课程信息
- 课程名称AI 通识（DX-T101）
- 课程性质通识必修 + 实践
- 课时安排12 章 × 3 课时
- 学习周期8 周（每周 1.5 章）
- 考核方式作业 40% + 答辩 40% + 出勤 20%
- 先修要求无（零基础可学）
- 授课语言中文
学习收获
01
统一认知
讲清大模型原理、能力与边界，避免被概念炒作误导。
02
掌握方法
学会知识库建设与智能体搭建的完整方法论与工具链。
03
动手实践
完成提示词、智能体、知识库三大实操实验，亲自跑通。
04
落地行动
输出企业 AI 应用机会清单与一份可执行的转型方案。
02
教师信息
Instructor师
姓名待填写：授课教师姓名
数字化转型培训师 · 头衔待填写
研究方向待填写：AI 落地 / 知识管理 / 数字化战略
职业经历待填写：曾任职务、代表项目、培训经验
联系方式待填写：邮箱 / 电话 / 办公地点
答疑时间待填写：每周 X 下午 X:00–X:00
注：教师信息支持自助维护——点击页脚"管理员入口"进入编辑模式，或由管理员更新后重新发布。
03
学习路线图
RoadmapⅠ
认知筑基
第 1–3 章
AI 发展史大模型原理AI 战略
Ⅱ
方法体系
第 4–6 章
知识库入门知识管理智能体概念
Ⅲ
动手实践
第 7–9 章
提示词工程智能体搭建知识库落地
Ⅳ
落地行动
第 10–12 章
合规伦理组织变革转型路线图
学习建议：第 1–6 章每周完成 2 章（认知+方法），第 7–9 章每周 1 章（需动手实验），第 10–12 章进入结业项目冲刺。作业 1–4 随前六章完成，作业 5–8 对应实践与结业模块。建议管理层学员侧重作业 1–3 与 8，业务骨干侧重作业 4–7。配合课程：每章"视频"资源即吴恩达对应公开课（详见参考资料页），建议先看讲义再看视频、最后动手练习。
Ⅰ
第 1–3 章
▾
认知筑基
建立对 AI 与大模型的统一认知框架
Ⅱ
第 4–6 章
▾
方法体系
掌握知识库与智能体的方法论
Ⅲ
第 7–9 章
▾
动手实践
三分理论、七分实操，动手是唯一标准
Ⅳ
第 10–12 章
▾
落地行动
合规边界、组织变革与结业答辩
代码资源示例
第 8 章配套 · Python 调用通义千问 API（OpenAI 兼容模式）
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"), # 在阿里云百炼控制台获取
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
resp = client.chat.completions.create(
model="qwen-plus",
messages=[
{"role": "system", "content": "你是一名企业知识库问答助手，回答须基于给定资料，不得编造。"},
{"role": "user", "content": "请用一句话解释什么是 RAG（检索增强生成）。"},
],
)
print(resp.choices[0].message.content)作业 1认知思考
行业 AI 应用扫描
选取本行业 3 个真实 AI 应用案例（国内外均可），分析其解决的问题、技术路径与效果，并指出 1 个可借鉴到本企业的机会点。
作业 2认知思考
大模型能力边界测试
围绕"事实准确性、逻辑推理、时效性、专业领域"四类场景各设计 3 个问题，测试主流大模型，总结其能力边界与幻觉表现，输出测试记录表。
作业 3认知思考
AI 应用机会清单（战略画布）
使用课程提供的战略画布（场景 × 价值 × 可行性 × 优先级），梳理本部门 5–8 个 AI 应用机会，输出排序后的机会清单与理由。
作业 4动手操作
提示词工程实战
任选 3 个业务场景（报告撰写、客户回复、数据解读等），运用结构化提示词模板编写提示词，记录"初始版 vs 优化版"的效果对比与迭代过程。
作业 5动手操作
搭建第一个智能体
使用课程提供的低代码平台，搭建一个业务智能体（如：报价助手、制度问答、巡检提醒），配置角色与工具，录制 3–5 分钟演示视频。
作业 6动手操作
知识库实验
收集 50 份以上真实业务文档，完成上传、解析、分块与问答测试，输出"文档准备 → 平台配置 → 问答效果 → 优化措施"完整实验报告。
作业 7综合
场景落地方案设计
从知识库、智能体、流程自动化三类选题中任选其一，输出落地方案：业务痛点、方案设计、技术选型、实施计划、投入产出与风险预案。
作业 8综合 · 结业
结业项目路演答辩
基于作业 3 与作业 7 的成果，形成本企业"12 个月 AI 转型路线图"，进行 5 分钟路演 + 3 分钟问答，由评审组按评分标准打分。
提交与评分要求
命名规范
学号_姓名_作业N_主题（如：DX001_张三_作业4_提示词实战）
文件格式
作业 1–3 用 PDF；作业 4–6 用 Markdown/Word + 视频链接；作业 7–8 用 PPT
提交渠道
待填写：课程平台 / 企业微信群 / 指定邮箱
截止时间
每周日 23:59（作业 7 例外），以提交记录时间为准
迟交政策
迟交 1 天内扣 20%，超 3 天不予评分，须说明原因
评分构成
作业 40% + 结业答辩 40% + 出勤与课堂互动 20%
评分维度
内容完整性 40% / 逻辑与深度 30% / 可落地性 30%
成绩查询
作业提交后 1 周内在课程平台公布，支持申诉复核
主教材（3 本）
吴恩达系列课程（每章视频即来源于此）
吴恩达 · 生成式AI
《Generative AI for Everyone》
生成式 AI 通识：大模型原理的通俗解释、能做什么不能做什么、RAG 与常见应用，对应第 2/4/9 章。
进入课程 →
推荐阅读
在线资源