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
生成式AI與提示工程簡介
- 生成式AI的定義及其與傳統自動化的差異
- 提示工程在提升AI輸出品質中的角色
- 現行文字、圖像、音訊及影片工具生態概覽
- 提示工程如何為企業創造價值
文字與圖像生成的AI模型基礎
- 以淺顯語言解析大型語言模型與擴散模型的運作機制
- 訓練資料、微調與提示之間的區別
- 預訓練模型的優勢與限制
- 模型架構如何影響提示撰寫方式
主流AI助理比較
- Microsoft Copilot:優勢在於Microsoft 365整合、Word、Excel、Outlook及Teams工作流程、企業數據接地,但在創意廣度與推理深度上遜於同類產品
- Google Gemini:優勢在於原生多模態、Workspace整合、即時搜尋接地,但在一致性、區域可用性與複雜任務指令遵循上存在弱點
- ChatGPT:優勢在於生態成熟、自訂GPT、透過DALL-E生成圖像及語音模式,但在無接地時事實可靠性較低,且高級功能使用限制較嚴
- Claude:優勢在於長上下處理、細膩推理、長篇寫作與清晰分析,但在工具生態廣度與圖像生成上較弱
- 依據特定任務、受眾或合規要求選擇合適工具
- 跨四種助理執行相同提示的並列實作演練
有效提示設計原則
- 清晰度、具體性與脈絡是優秀提示的三大支柱
- 結構化指令、語氣、格式與約束條件
- 初學者常見錯誤及其辨識方法
- 從低效提示迭代至高效提示的過程
零樣本、單樣本與少樣本提示
- 三種方法的差異及適用場景
- 解讀模型行為並相應調整範例
- 僅使用少數精選樣本教導模型新任務
- 跨ChatGPT、Copilot、Gemini及Claude的實作演練
進階提示工程技術
- 用於細緻輸出的條件式與脈絡感知提示
- 風格遷移、角色提示與創意導向
- 思維鏈與逐步推理提示
- 減少回應中的幻覺、歧義與偏見
無程式碼少樣本微調
- 少樣本微調的定義及其與完整模型訓練的差異
- 使用範例驅動提示將模型適配至利基任務
- 判斷何時應進行提示工程,何時微調更具投資價值
- 評估輸出品質並進行迭代優化
高度寫真文字生成
- 生成具有控制語氣、聲調及長度的文字
- 製作長篇內容、摘要、報告及結構化文件
- 在多步驟生成中保持連貫性
- 結合提示模式以達成可重複、符合品牌調性的結果
提示工程在業務工作流程中的应用
- 自動化例行起草、研究及資訊分揀
- 簡要介紹客戶支援與聊天機器人的應用案例
- 設計團隊可重複使用且無需重新訓練的提示模板
- 品質控制、升級邏輯及人類在迴路檢查點
圖像生成與操作
- DALL-E、Stable Diffusion、MidJourney及Leonardo AI比較
- 撰寫控制風格、構圖、光線及主體提示
- 負面提示、權重設定及迭代優化
- 透過提示進行圖像到圖像轉換與編輯
AI音訊與語音
- 從文字提示生成自然聽感語音
- 概念層面的語音克隆與合成
- 在培訓內容、無障礙服務及行銷中的應用案例
使用生成式AI創作影片內容
- 現行文字轉影片工具概覽及其實際能力
- 透過提示序列進行腳本撰寫與分鏡設計
- 將AI生成的文字、圖像、音訊及影片整合為單一素材
- 編輯與優化AI創作的影片輸出
多模態AI與整合工作流程
- 多模態模型如何統一文字、圖像、音訊及影片推理
- 無需編碼構建端到端內容管線
- 來自行銷、設計、培訓及廣告的實際案例研究
倫理、負責任使用及未來展望
- 偏見、版權、署名及內容審查
- 使用生成式平台時的隱私與數據保護考量
- 對終端客戶的揭露、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
最低要求
目標受眾
探索AI輔助內容創作的行銷、通訊及創意專業人員。希望透過提示驅動工具自動化重複互動的業務運營及客戶服務團隊。希望以結構化、工具導向方式進入生成式AI領域的零基礎初學者。
21 小時
客戶評論 (2)
使用正确且有效的提示词
Marses Pacaldo
課程 - Generative AI and Prompt Engineering for Corporate Professionals
機器翻譯
互動式風格,練習
Tamas Tutuntzisz
課程 - Introduction to Prompt Engineering
機器翻譯