智启未来：AI 技能工作坊第七期圆满收官

AI 技能进阶研习营

第七期活动回顾

5 月 20 日至 5 月 24 日，

AI 技能进阶研习营，

第七期课程圆满举行。

本期课程内容广泛、

实践属性突出，

囊括 AI 绘图环境搭建、

语音识别本地化运行等丰富议题。

从零基础工具入门，

至前沿算法深度解析，

兼顾初学者引导与技术纵深拓展，

令学员在思想交流与动手实践中

掌握 AI 核心技艺，

重塑对人工智能技术的理解。

精彩瞬间 · 定格美好

详解 AI 绘图平台 ComfyUI

冯晨曦同学剖析了本地 AI 绘图工具 ComfyUI 的相关机制，阐述其运行逻辑、部署步骤及关键概念，并对比评估了该工具与云端绘图方案的利弊，为学员研习 AI 绘图提供指引。他梳理了 AI 生成图像的全流程，阐释提示词转换、噪点迭代成像的机理，以及种子、CFG 等关键参数的功能。此次分享助学员明晰了本地与云端绘图工具的适用情境，掌握了 AI 绘图的基础理论与操作精髓。

从理解到部署：

依托 AI 快速掌握 Memos

于粤铭同学以开源笔记软件 Memos 为突破口，阐述了利用 AI 迅速上手陌生工具的核心策略，着重介绍了借助 AI 拆解 Memos 关键功能、应用场景及基础部署的技巧，结合真实对话案例，演示了如何通过精准提问令 AI 提炼内容精华、降低学习门槛，助力大家将复杂的工具项目转化为可理解、可操作、可应用的实用技能。学员们跟随分享脉络深入探究，对 AI 辅助陌生工具习得、项目部署的实践逻辑有了更为清晰的把握。

ASR：让语音识别技术在本地电脑运行

针对当前商用语音识别服务成本高企、隐私保障不足等共性问题，朱志轩同学围绕 ASR 语音识别技术展开论述。他系统解构了商业 ASR 的三大核心痛点，完整梳理了从模板匹配、GMM-HMM 统计建模到深度神经网络迭代升级的技术演变路径，并深入剖析 Whisper 模型的输入处理流程与核心架构，客观指出了其现存短板。此外，他推介了可本地部署的开源 ASR 离线方案，为规避商用服务弊端提供了崭新的解决思路。

从单纯聊天到自动整理笔记：大模型如何思考、行动并操作现实世界？

聚焦大模型底层机制与智能体实践应用，洪翌铭同学以通俗的“词语接龙”本质为切入点，讲解了 SFT 监督微调与 RLHF 人类反馈强化学习两大核心训练模式。同时，他介绍了大模型的工具调用机制，重点拆解 ReAct 循环执行框架，阐述 Skill 按需加载与 MCP 协议在优化模型表现上的价值。结合 Cloud Code 实战案例，他展示了智能体自动整理笔记、完成作业等落地场景，令学员们进一步深化了对大模型思维逻辑与 Agent 真实场景应用的理解。

Agent 协同：多智能体通信的“消息路由”底层

刘政润同学围绕 Pydantic AI 框架应用与底层通信原理展开细致阐述，他结合实操案例介绍了框架实例化智能体与调用大模型 API 的基础方法，强调了通过配置文件保护私密密钥的规范工程做法。同时，他讲解了工具调用赋予大模型自主决策的核心逻辑，点明引入确定性工具能够有效弥补大模型概率输出的不确定性。在实操体验环节，学员们亲身实践工具自定义与 ReAct 循环流程，透彻掌握了 Agent 框架的底层原理与实操方法。

当 llm-wiki 邂逅知识图谱：让 AI 将课件、聊天记录和课堂笔记编织成知识网

针对日常学习资料零散、难以形成系统知识体系的普遍难题，倪睿萱同学讲述了依托 AI 工具搭建个人知识体系的高效方法。她重点介绍了 Obsidian 与 NotebookLM 两款实用工具，讲解了 Obsidian 凭借双链笔记的优势。同时介绍了 NotebookLM 依托大模型自动解析文本、提炼核心知识点等实用功能，极大降低了人工整理资料的时间成本。将 AI 智能归纳与知识图谱可视化相结合，能够有效串联零散学习资源，提升学员们的知识沉淀与自主学习效率。

Opencode 等 AI 工具部署 + 个人学习工作提效案例

聚焦于如何借助轻量化代码实现学习、办公高效提效的问题，王浩宸同学围绕低门槛 AI 工具交互与自动化落地展开分享。他讲解了多系统下 CC Switch 等工具的安装配置，示范接入多款国内大模型 API，替代不稳定的海外模型方案。同时演示了 AI 浏览器自动化操作、TABBIT 可视化工具应用，结合 FFmpeg 实现音视频快速处理。通过实用案例与实操教学，帮助学员们掌握零基础 AI 自动化落地方法，轻松实现日常任务减负提效。

小样本学习：

让 AI 摆脱“数据饥渴”

胡恩齐同学围绕小样本学习前沿技术展开分享，他打破了“数据越多，模型效果越好”的固有认知，指出传统 AI 无法高效利用少量样本的核心局限，并结合真实落地场景，阐明小样本学习的应用价值与刚需优势。他通俗拆解了 ProtoNet 原型网络与 MAML 元学习两大主流核心算法，分别对应特征提取分类与自主学习适配新任务的核心能力，帮助学员们轻松理解前沿技术，跳出传统大数据思维，拓宽人工智能技术认知与应用视野。

Agent 上下文管理

聚焦于智能 Agent 底层架构，马然理同学带领大家深度拆解了高阶智能体的完整运行逻辑。他指出，普通对话模型仅能完成被动轻量化任务，而高阶智能体的核心壁垒在于系统化的底层架构。同时，他讲解了智能体筛选有效信息、规避信息冗余、精准调用技能、拆分复杂任务、自主规划执行链路的完整流程，清晰解答了智能体自主决策、闭环推进任务的核心原理，帮助学员们跳出表层交互认知，建立起完整、系统的 Agent 技术认知体系。

以好奇探索新知，

以技术助力成长，

一次次思维碰撞与实操沉淀，

串联起本学期的 AI 探索之旅。

作为本学期最后一期 AI 技能进阶研习营，

第七期系列分享圆满收官，

为本次系列活动画上完美句号。

从初识工具、轻松提效，

到深耕原理、读懂底层，

学员们在持续的学习中

打破认知边界、积累实战能力。

愿大家怀揣本学期的所学与收获，

继续深耕 AI 技术、

活用智能工具，

在未来的学习科研中持续精进、

稳步前行，

奔赴更广阔的智能创新山海！

本次活动得到“南京大学腾亚科创基金”本科生创新创业实践子基金的支持。“南京大学腾亚科创基金”由南京腾亚实业集团有限公司捐资设立，是南京大学教育发展基金会下设的专项基金，其中南京大学本科生创新创业实践子基金用于支持本科生创新创业教育相关支出。

文编 | 宋雨萱

美编 | 郭紫凝

责编 | 新生学院