PART 3 人工智能基础算法

3.1 Python编程基础
3.1.1 Python基础数据类型与表达式  

1.常用AI辅助高效办公工具

（1）办公辅助：比如WPS AI、Microsoft Copilot，支持智能排版、语法校对、内容摘要生成、函数编写，提升文档撰写和数据处理效率。

（2）自动编程：比如Cursor、Trea，根据用户提示词自动生成各类程序代码。

（3）智能工作流：比Coze、dify，自动化实现日常业务处理工作。

2.分析式小模型和生成式大模型的适用场景

（1）分析式（也称为决策式）小模型（如GBDT、SVM）：适用于结构化数据预测和聚类任务（金融风控、精准营销、客户分群），依赖清晰规则和标注数据，计算资源需求低。

（2）生成式大模型（如GPT-4、通义千问）：擅长开放创作类任务（文案生成、代码编写）、多轮对话（智能客服），需海量无标注数据训练，注重语义理解与涌现能力。

典型场景对比：

3.企业落地AI的五个技术要点

（1）提示词工程（PE）：是指设计和优化提示的过程，以使人工智能模型能够更好地理解用户的意图和要求，并生成更准确、有用的响应。

（2）检索增强生成（RAG）：从外部知识库检索相关信息来辅助大型语⾔模型回答问题，已经被证明能显著提高回答的准确性，减少模型产生的幻觉，尤其是在知识密集型任务中

（3）智能体（Agent）：指能够感知环境、自主决策并执行行动以实现特定目标的实体。Agent的特点包括自主性、环境感知能力、决策能力和执行能力。

（4）大模型微调（FT）：旨在通过特定领域数据优化预训练模型参数，提升其在专有任务上的性能和适应性。

（5）知识图谱（KG）：种结构化的语义知识库，用于描述物理世界中的概念及其相互关系。其核心是通过“实体-关系-实体”的三元组形式，将复杂的数据转化为清晰的知识网络。

2.1.2大模型应用场景分类和提示词使用原理

1.基础大模型应用场景分类

（1）工作报告类：编写商业分析报告、数据分析报告的场景，需明确框架（引言-分析-结论）。

（2）软件工程类：开发办公软件或科学软件的场景。需要结合软件工程方法论，采用链式CoT、自洽、思维树ToT等方法生成提示词，进而生成代码。

（3）文案创作类：编写企业宣传材料或文学作品的场景。需要设定背景、角色、故事线、场景等内容并生成提示词。

2.提示词的工作原理

（1）提供上下文：告诉模型需要完成什么任务、提供相关的背景知识。

（2）激活关联知识：关键词（如“SWOT分析”）触发模型调用预训练商业领域知识。

（3）注意力引导：确定提示词中最重要的部分（如提示词中含有，重点，关注，分析等关键词，模型会重点关注关键词后面的内容），减少无关内容。

3.提示词常用模板

（1）四大类框架：指令、上下文、输入数据、输出指令

（2）常见提示词模板，比如 ROSE模板（Role-Objective-Scenario-Expectation）：

-角色：数据分析师  

-目标：撰写新能源汽车行业报告  

-场景：需包含市场趋势、竞争格局  

-预期输出要求：分点论述，500字以内  

4.提示词设计策略

（1）四象限法：

-用户与AI均擅长 → 直接提问（“翻译以下段落”）

-用户不擅长但AI擅长 → 迭代追问（小说创作分轮优化）

-双方均不擅长 → 长文记忆、提供示例、给予评价、循序渐进，需要知识库增强（医疗诊断结合PubMed文献）

-用户擅长但AI不擅长 → 形成完备的框架投喂知识（比如按照CO-STAR模板提供完备的提示词）

5.大语言模型的缺陷与问题防范方法

（1）事实性幻觉：指模型生成的内容与可验证的现 实世界事实不一致。

（2）忠实性幻觉：指模型生成的内容与用户的指令 或上下文不一致。

（3）普通用户解决幻觉问题的常用方法：联网搜索、提示词优化、自我检验、交叉验证

（4）技术人员解决幻觉问题的常用方法：修改推理参数、RAG增强框架、精细化训练与评估

【例题解析】

问题内容	选项A	选项B	选项C	选项D	答案
以下关于提示词工作原理的描述中，哪一项最能体现其核心机制？	提示词通过增加模型参数规模提升性能	提示词通过提供任务背景、目标及领域知识激活模型关联记忆	提示词通过强制模型重复训练数据来优化输出	提示词通过随机生成文本提高创造性	B

解析：

1. 选项A错误：混淆提示词作用与模型训练机制。提示词仅引导模型调用已有知识（如激活预训练的商业领域知识），而非改变模型参数规模。模型参数在训练完成后即固定，提示词无法动态调整参数。

2. 选项B正确。

3. 选项C错误：误解模型工作逻辑。提示词不强制模型重复训练数据，而是引导模型基于已有知识生成新内容（如结合预训练知识生成原创分析报告）。模型训练数据在推理阶段不可修改。

4. 选项D错误：混淆创造性与随机性。提示词通过结构化约束（如角色设定、输出格式）激发创造性（如“以诗人风格写文案”），而非依赖随机生成。随机性会导致输出不可控，违背提示词设计目标。

2.2 智能工作流工具使用

2.2.1智能工作流工具简介

1.工作流基本概念和三种控制流结构

（1）顺序结构：线性执行节点（文档解析 → 摘要生成 → 邮件发送）。

（2）分支结构：基于条件跳转（用户意图为“投诉”则转人工客服）。

（3）循环结构：迭代优化输出（AI生成文案 → 人工审核 → 循环修正）。

2.常见智能工作流工具的适用场景

（1）轻量级应用（Coze）：适合个人、小微企业，大型企业中不涉及客户隐私和商业机密的场景。

（2）深度开发场景（Dify）：适合大型企业，或者涉及客户隐私和商业机密的场景。

2.2.2 智能工作流常见AI应用架构

1.工作流Workflow：可以根据预设的规则完成任务，可靠性、准确性较高。适合处理需稳定输出的场景，例如数据分析、数据清洗等场景。

2.AI智能体（Agent）：自主根据上下文内容判断选择何种工具完成任务，具备较高的灵活性，但缺乏稳定性。适合聊天、写文章、绘图等场景。

3.知识库（RAG）：基于知识库检索结果回答用户的问题，有较高的稳定性，适合处理需结合私域知识才能正确回答问题的场景，例如企业具体产品、规章制度相关的咨询客服。

2.2.3 智能工作流核心功能模块

1.可视化工作流构建模块

Dify和Coze均提供低代码、零代码开发工作流的可视化开发工具，通过拖拽式界面，快速添加节点，并串联各个节点，构建起复杂的工作流。Dify与Coze在开发工作流时可以便捷的使用许多节点，实现数据获取、大模型调用、http协议使用、逻辑判断、循环迭代等功能。这对于快速构建高质量的工作流至关重要

2.模型集成与管理模块

（1）多模型支持：Dify和Coze支持常见模型（如GPT-4、通义千问，deepseek）的调用，dify还可以使用用户本地部署的私有大模型。

（2）统一管理：提供模型版本控制、性能监控及密钥加密功能，确保数据安全。

3.外部工具插件模块

Coze与Dify都提供了大量的第三方工具，可以让AI应用与外界有更丰富的交互手段。例如：提供了许多数据处理的插件能实现OCR、语音转文本，还有许多接口能实现爬虫抓取、天气、搜索、地图服务等一系列功能。此外还支持基于MCP实现插件拓展。

2.2.4智能工作流典型应用场景

1.信息采集：Dify构建企业工商信息查询工作流，通过Python节点调用API，实时验证企业信用风险；  

2.智能问答：Coze或Dify集成RAG知识库，分析识别用户意图，结合企业私有数据给出专业、精准的回答；  

3.方案设计：Dify的Agent调用DuckDuckGo工具搜索景点信息，结合用户预算生成行程方案；

4.内容生产：Dify的文案改写工作流自动抓取网页内容，通过LLM节点缩写成小红书风格文案。

5.非结构化数据处理：Coze的工作流利用多模态大模型识别图片文本，并将其转换为结构化的表存储到数据库中

【例题解析】

问题内容	选项A	选项B	选项C	选项D	答案
在Dify工作流设计中，结束节点（End Node）的核心作用是什么？	存储并输出最终结果数据	控制工作流的分支跳转逻辑	标记工作流终止，不执行数据处理	自动合并所有上游节点的输出结果	C

解析：

1. 选项A错误：输出结果由**输出节点（Output Node）**负责（如返回API响应），结束节点仅标识流程终止点，不存储或处理数据。

2. 选项B错误：分支跳转由**条件节点（Condition Node）**控制（如根据输入值选择路径），结束节点仅表示流程终点。条件节点含逻辑判断（如IF/ELSE），结束节点无任何逻辑操作。

3. 选项C正确：通知引擎当前工作流执行完毕，停止后续计算。

4. 选项D错误：结束节点不聚合数据，需通过**变量聚合器（Variable Aggregator）**合并多分支结果（如汇总并行节点输出）。

CAIE人工智能工程师认证官网： https://www.caieglobal.com/

领取更多AI学习资料，获取岗位信息
添加微信：FYLlaoshi  备注：社群 邀请您加入CAIE人工智能交流社群

CAIE，全称Certificated Artificial Intelligence Engineer（注册人工智能工程师)，是人工智能领域的技能等级认证。旨在评估和培养具备人工智能理论基础与实战能力的职业人士。CAIE 认证体系主要针对从事或希望从事人工智能技术研发、应用及项目管理等相关工作的专业人员，考核范围包括但不限于人工智能的基础理论、主流算法、开发工具、编程实践、以及在不同行业、不同领域、不同岗位场景下的应用能力，包括CAIE+营销\人力\财务\学术\医疗\视频等不同场景下的应用。

CAIE 认证的价值不仅反映了持证人在人工智能领域的专业技术水平，提升了持证人在职场上的竞争力，满足了市场对具备高级技能的人工智能人才的增长需求；而且获得 CAIE 认证的持证人可以证明自己在应对复杂 AI 工程任务时具有较高的专业胜任力，有助于个人职业发展和企业的人才选拔。

CAIE 认证体系密切关注人工智能领域的最新科研成果和技术动态，并及时将其纳入考核标准和课程体系之中，确保持证者始终站在行业发展的最前沿，包括对新兴技术如强化学习、生成对抗网络、边缘计算等的理解，以及对AI技术在自动驾驶、医疗健康、金融科技、工业制造等领域具体应用的掌握。

欲从事人工智能相关岗位或用人工智能技术赋能原有岗位的人员，可以报考 CAIE 人工智能认证考试，通过考试者可获得中英文认证的 CAIE 证书。