基于大模型的AI竞赛助手

算力领取

第一次使用阿里云百炼平台，基于与贵校的合作，同学们免费领取300元算力券，方便后期实验运行。

云工开物实验资源方式简介

进入实操前，请确保阿里云账号满足以下条件。

• 个人账号资源

  • 使用您个人的云资源进行操作，资源归属于个人。

  • 平台仅提供手册参考，不会对资源做任何操作。

  • 确保已完成云工开物300元高校学生代金券领取。

  • 已通过实名认证且账户余额≥0元。

云工开物高校专属权益领取

在开始实验之前，请先点击右侧屏幕的进入实操再进行后续操作。

• PC端领取入口：点击跳转领取300元高校专属权益优惠券。

  

• 移动端领取入口：支付宝扫描下图中的二维码进行领取。

  

实验目标

1. 需求分析：理解AI竞赛助手的需求，包括功能模块和用户交互。

2. 工作流设计：设计一个高效的工作流程，涵盖从数据输入到结果输出的全过程。

3. 功能实现与优化：使用阿里云百炼平台的大模型进行功能开发，并通过多次迭代优化助手性能。

4. 多Agent协作：探索如何利用多个大模型协同工作，提高助手的智能化水平。

实验流程设计（课堂45分钟）

极速上手 (10分钟)

• 平台登录（3min）

  1. 点击进入实操。

     

  2. 点击大模型服务平台百炼。

     

• 工作流设计 (10分钟)。

  1. 点击应用。

     

  2. 选择左侧边栏的应用管理。

     

  3. 点击右上的新增应用。

     

     

• 快速认知

  1. 点击上方菜单模型。

     

  2. 选择左侧菜单文本模型。

     

  3. 选择一个合适的模型，然后在下侧对话框中，输入问题。

     

  4. 选择基础模型 (7分钟)。

     • 在大语言模型中选择通义千问-Max。

     • 输入测试指令：生成一段关于‘AI竞赛助手’的简要介绍。

       

       

       "AI竞赛助手"是一款专为参与人工智能相关竞赛的选手设计的辅助工具。它集成了多种功能，旨在帮助用户更高效地准备比赛、优化算法模型以及提升最终的比赛成绩。这款助手能够提供最新的竞赛信息汇总，包括但不限于数据科学、机器学习、深度学习等领域内的国际和国内重要赛事；同时，它还支持对特定问题进行分析，给出解决方案建议，并且可以模拟真实竞赛环境，让用户在实战中不断磨练技能。此外，“AI竞赛助手”还设有社区交流平台，方便参赛者之间分享经验、讨论难题，共同进步。总之，无论是对于初学者还是有一定基础的研究人员来说，这都是一款非常实用的学习与成长伙伴。

核心训练 (25分钟)

1. 需求分析 (10分钟)。

   1. 输入核心指令：

      • 指令：作为AI竞赛助手的设计者，请为‘AI竞赛助手’主题生成一份需求分析报告。

      • 观察输出效果，理解基础交互逻辑。

        

        AI竞赛助手需求分析报告
        
        引言
        随着人工智能技术的发展及其在各个行业中的广泛应用，越来越多的人开始关注并参与到各类AI相关的竞赛活动中来。为了帮助参赛者更好地准备比赛、提高技术水平，“AI竞赛助手”应运而生。本报告旨在详细描述“AI竞赛助手”的功能需求及用户需求，为后续的设计开发工作提供参考依据。
        
        目标用户群体
        1.学生：对AI领域感兴趣的学生，希望通过参加比赛提升自己的实践能力。
        2.科研人员：希望利用比赛机会测试自己研究成果的科研工作者。
        3.企业员工：来自科技公司或相关行业的专业人士，希望通过参与竞赛促进个人职业发展。
        4.爱好者：对AI充满热情但缺乏系统学习渠道的普通大众。
        
        主要功能需求
        1.竞赛信息管理
          a.收集并展示国内外主要AI竞赛的信息（如报名时间、比赛规则等）。
          b.根据用户的兴趣偏好推送相关竞赛通知。
        2.学习资源库
          a.提供丰富的在线教程、视频讲座等学习材料。
          b.按照难易程度分类整理资料，方便不同水平的学习者查找使用。
        3.项目实战模拟
          a.设计虚拟竞赛场景，让用户能够在接近真实环境的情况下练习。
          b.分析用户提交的作品，并给出改进建议。
        4.社区交流平台
          a.建立一个开放式的讨论区，鼓励用户分享经验心得。
          b.定期邀请专家进行在线答疑解惑。
        5.个性化推荐服务
          a.根据用户的浏览记录和参与情况，智能推荐适合其水平的比赛项目。
          b.提供定制化的学习计划建议。
        
        非功能性需求
        1.性能要求：系统需具备良好的响应速度与稳定性，确保高峰期也能流畅运行。
        2.安全性要求：保护好用户的个人信息不被泄露；对于敏感操作（如支付）采用加密处理。
        3.兼容性要求：支持多种操作系统（Windows, MacOS, Linux等），以及主流浏览器访问。
        4.可扩展性要求：架构设计上考虑未来可能新增的功能模块，保证系统的灵活性。
          
        用户体验设计
        1.界面简洁明了，易于导航。
        2.提供清晰的操作指引，减少新用户的学习成本。
        3.重视反馈机制建设，及时收集用户意见用于产品迭代优化。
        
        结论
        通过上述分析可以看出，“AI竞赛助手”不仅需要满足基本的信息查询、资源共享等功能，更重要的是能够根据不同用户的需求提供个性化的服务和支持。只有这样，才能真正成为广大AI爱好者和从业者值得信赖的好帮手。接下来的工作将围绕如何实现这些需求展开，期待能够打造出一款既实用又受欢迎的产品。

   2. 优化指令(添加限制条件)。

      调整要求：
      1.增加“用户界面设计”板块。
      2.解说部分加入具体应用场景。
      3.实例限定在最近一年内发生的竞赛案例。

      

      AI竞赛助手需求分析报告。
      
      引言
      随着人工智能技术的发展及其在各个行业中的广泛应用，越来越多的人开始关注并参与到各类AI相关的竞赛活动中来。为了帮助参赛者更好地准备比赛、提高技术水平，“AI竞赛助手”应运而生。本报告旨在详细描述“AI竞赛助手”的功能需求及用户需求，为后续的设计开发工作提供参考依据。
      
      目标用户群体
      1.学生：对AI领域感兴趣的学生，希望通过参加比赛提升自己的实践能力。
      2.科研人员：希望利用比赛机会测试自己研究成果的科研工作者。
      3.企业员工：来自科技公司或相关行业的专业人士，希望通过参与竞赛促进个人职业发展。
      4.爱好者：对AI充满热情但缺乏系统学习渠道的普通大众。
      
      主要功能需求
      1.竞赛信息管理
        a.功能描述：收集并展示国内外主要AI竞赛的信息（如报名时间、比赛规则等）；根据用户的兴趣偏好推送相关竞赛通知。
        b.具体应用场景：例如，用户可以查看最近一年内的Kaggle竞赛信息，包括图像识别、自然语言处理等领域的比赛，并收到符合其兴趣的比赛提醒。
      2.学习资源库
        a.功能描述：提供丰富的在线教程、视频讲座等学习材料；按照难易程度分类整理资料，方便不同水平的学习者查找使用。
        b.具体应用场景：用户可以在平台上找到关于TensorFlow和PyTorch的入门教程，以及针对特定竞赛（如2023年ImageNet挑战赛）的实战指南。
      3.项目实战模拟
        a.功能描述：设计虚拟竞赛场景，让用户能够在接近真实环境的情况下练习；分析用户提交的作品，并给出改进建议。
        b.具体应用场景：用户可以参与一个模拟的NLP竞赛，使用提供的数据集进行文本分类任务，并获得即时反馈和改进建议。
      4.社区交流平台
        功能描述：建立一个开放式的讨论区，鼓励用户分享经验心得；定期邀请专家进行在线答疑解惑。
        具体应用场景：用户可以在社区中讨论2023年NeurIPS会议上的最新研究成果，并与同行交流心得。
      5.个性化推荐服务
        a.功能描述：根据用户的浏览记录和参与情况，智能推荐适合其水平的比赛项目；提供定制化的学习计划建议。
        b.具体应用场景：如果用户经常浏览图像处理相关的资料，系统会推荐类似2023年CVPR的图像分割竞赛，并提供相应的学习路径。
      
      非功能性需求
      1.性能要求：系统需具备良好的响应速度与稳定性，确保高峰期也能流畅运行。
      2.安全性要求：保护好用户的个人信息不被泄露；对于敏感操作（如支付）采用加密处理。
      3.兼容性要求：支持多种操作系统（Windows, MacOS, Linux等），以及主流浏览器访问。
      4.可扩展性要求：架构设计上考虑未来可能新增的功能模块，保证系统的灵活性。
      
      用户界面设计
      1.简洁明了：界面设计应简洁明了，易于导航，减少用户的认知负担。
      2.操作指引：提供清晰的操作指引，减少新用户的学习成本。
      3.反馈机制：重视反馈机制建设，及时收集用户意见用于产品迭代优化。
      4.视觉风格：采用现代化的视觉风格，结合AI主题元素，增强用户体验。
      5.响应式设计：确保在不同设备（桌面、平板、手机）上都能良好显示。
      
      结论
      通过上述分析可以看出，“AI竞赛助手”不仅需要满足基本的信息查询、资源共享等功能，更重要的是能够根据不同用户的需求提供个性化的服务和支持。只有这样，才能真正成为广大AI爱好者和从业者值得信赖的好帮手。接下来的工作将围绕如何实现这些需求展开，期待能够打造出一款既实用又受欢迎的产品。

2. 工作流设计 (10分钟)。

   1. 输入核心指令：

      • 指令：请为‘AI竞赛助手’设计一个高效的工作流程，包括数据输入、处理和结果输出。

      • 观察输出效果，理解基础交互逻辑。

        

        

        

   2. 优化指令 (添加限制条件)。

      调整要求：
      a.增加“多Agent协作”模块。
      b.解说部分加入具体应用场景。
      c.实例限定在最近一年内发生的竞赛案例。

      

      

3. 功能实现与优化 (5分钟)。

   1. 输入核心指令：

      • 指令：请为‘AI竞赛助手’实现以下功能：数据输入、处理和结果输出。

      • 观察输出效果，理解基础交互逻辑。

   2. 优化指令 (添加限制条件)。

      调整要求：
      a.增加“多Agent协作”模块。
      b.解说部分加入具体应用场景。
      c.实例限定在最近一年内发生的竞赛案例。

迁移应用 (10分钟)

• 多Agent协作。

  • 选择生成稿件中的核心段落，输入指令：将以下内容转换为适合多Agent协作的方案。

课后训练指南 (1小时)

1. 功能仿写训练 (30分钟)。

   找一篇官方新闻稿，改写为：

   小红书种草文案（带emoji和商品链接位）。
   知乎深度分析（添加数据更新标注）。

• 缺陷修正训练 (30分钟)。

  故意输入有缺陷的指令。

  写一篇关于量子计算的科普文章（不指定长度和受众）。
  分析生成内容的不足。
  通过3次迭代优化解决：
  1.信息过载问题（添加「大学生能理解」限制）
  2.数据陈旧问题（添加「仅用2024年数据」）
  3.枯燥性问题（要求「每段用生活案例引入」

实验成果

• 课堂成果:

  • 1份AI生成的需求分析报告。

  • 1份工作流程设计报告。

  • 1份功能实现与优化报告。

  • 1张多Agent协作方案对照表。

• 课后成果:

  • 2份跨平台改写稿件。

  • 1份缺陷修正分析报告。

关键技巧备忘

1. 课堂记录 (截图/粘贴)。

2. 初始生成结果。

3. 最终优化版本。

4. 课后练习。

   • 改写对比 (原文vs仿写稿)。

   • 最有效的1条优化指令。

5. 我的发现。

   • AI擅长:

   • 需要人工干预:

这个课程设计旨在帮助学生快速掌握大模型的基本操作，并通过实际项目加深对大模型的理解。希望这些内容能够帮助你更好地完成课程设计！