AI Prompting for Everyone 课程笔记 - P20 实验与期末项目 Lab and Final Project

1. The AI Novice and the AI Power User：如何成为 AI 高阶用户
2. Pretrained Knowledge：AI 已经掌握哪些知识
3. Web Search：如何获取外部信息
4. Web Search Sources：如何选择和验证信息来源
5. Using Deep Research：如何开展复杂研究
6. Lab Overview：如何通过实验比较不同 AI 使用方式
7. Brainstorming with AI：使用 AI 进行头脑风暴
8. Context：上下文
9. AI Desktop Apps：AI 桌面应用
10. Reasoning with AI：AI 推理
11. Sycophancy：谄媚
12. Writing with AI：用 AI 写作
13. AI Critique：AI 评价与批判性反馈
14. Lab Overview: Brainstorming and Critique：实验介绍：AI 头脑风暴与批判性评价
15. Working with Multimedia Data：处理多媒体数据
16. Imaging Understanding：图像理解
17. Imaging Generation：图像生成
18. Building Apps：使用 AI 构建应用程序
19. Data Analysis：数据分析

一、课程核心思想

前面三节介绍了 Module 3 的主要能力：

• P17 — Image Generation（图像生成）：通过自然语言生成和修改图片。
• P18 — Building Apps（构建应用程序）：通过描述 Goal、Input 和 Output 创建简单应用。
• P19 — Data Analysis（数据分析）：利用 AI 编写和执行代码，分析数据并生成图表。

这些能力看起来属于不同领域，但可以组合起来解决实际问题。

例如，假设你希望创建一个学习管理工具：

1. 利用 Building Apps 创建可交互的网页。
2. 利用 Image Generation 设计应用的视觉素材。
3. 利用 Data Analysis 分析学习记录并生成图表。
4. 通过多轮 Prompt 修改应用功能和界面。

这就不再是单纯向 AI 提问，而是利用 AI 创建一个可以使用的成果。因此，P20 的重点是将所学知识应用于实践。

核心结论：学习 AI Prompting 的最终目标，不是记住大量提示词技巧，而是能够根据真实任务选择合适的 AI 能力，并通过持续交互、测试和修改完成实际项目。

二、重点知识点

2.1 什么是 Lab Overview？

Lab Overview（实验概览） 是对课程实践活动的介绍。它通常帮助学习者了解：

• 实验要完成什么任务。
• 可以使用哪些 AI 工具。
• 如何开始操作。
• 应该观察哪些结果。
• 如何判断任务是否完成。

P20 的标题还包含：Final Project（最终项目）。这意味着本节不仅与单个功能的练习有关，还与整门课程的综合实践相联系。

Lecture vs. Lab vs. Final Project

知识点：Lab 的价值在于把理论知识转化为实际操作经验，而 Final Project 则进一步检验能否综合运用这些能力。

2.2 从 Prompt 到实际成果

前面课程已经介绍了多种 Prompting 方法。

例如：

• 提供 Context。
• 明确任务目标。
• 使用 Web Search。
• 使用 Reasoning。
• 通过 Iteration 改进结果。
• 使用 Rubric 评价输出。

在实际项目中，这些方法可以组合使用。

示例：创建一个学习数据分析应用

Define Project Goal （明确项目目标） ↓ Provide Context （提供背景资料） ↓ Generate Initial App （生成初始应用） ↓ Upload Learning Data （导入学习数据） ↓ Analyze Data （分析学习记录） ↓ Generate Charts （生成图表） ↓ Test Functionality （测试功能） ↓ Critique and Iterate （评价并迭代） ↓ Final Project （完成最终项目）

这是我的教学补充流程，不是已经核实的官方实验步骤。

为什么综合应用很重要？因为真实任务通常不会只使用一种 AI 能力。

例如，创建应用时可能同时需要：

1. Brainstorming：探索产品功能。
2. Context：说明用户需求。
3. Reasoning：分析功能之间的关系。
4. Building Apps：生成应用。
5. Critique：检查问题。
6. Iteration：修改并完善。

学习启示：AI 高阶用户的重要能力，是知道什么时候组合使用不同工具和方法，而不是孤立地记住每一个功能。

三、老师的实际演示案例

这次找到了 P20 对应的公开英文转写内容，可以确认老师演示了 Fireworks Simulator（烟花模拟器）、Color Palette Picker（配色选择器）、French Flashcard App（法语单词卡应用），以及一个完整的 Final Project。

以下案例均有公开转写稿支持，具体 Prompt 是我根据演示内容重新组织的教学版本，而非逐字原文。

3.1 案例一：Fireworks Simulator（烟花模拟器）

这是老师在 Building with AI 实验中首先演示的应用。

Step 1：选择烟花模拟器 Prompt
老师在实验界面中选择了预设的烟花 Prompt，然后点击 Run（运行）。AI 根据 Prompt 创建了一个网页应用。老师指出，即使 Prompt 没有规定所有实现细节，AI 也能够自行做出一些合理的设计选择。

Step 2：运行并测试应用
生成的烟花模拟器包含几个交互功能：

• Mouse Click（鼠标点击）：点击屏幕发射烟花。
• Auto Show（自动表演）：自动播放烟花效果。
• Grand Finale（盛大终场）：播放更丰富的烟花效果。

Step 3：分享应用
老师点击 Share（分享），复制应用链接，并在新的浏览器标签页中打开。通过这个链接，其他人也可以访问生成的应用。

示例 Prompt

Build an interactive fireworks simulator. Goal: Create a colorful fireworks show. Input: Users click anywhere on the screen. Output: Display animated fireworks at the clicked location. Features: 1. Manual fireworks 2. Automatic fireworks show 3. Grand finale mode Make the experience fun and visually engaging.

核心知识点：这个案例把 P18 的三个要素结合起来：

学习启示：用户可以通过自然语言创建可交互应用，并通过实际运行和分享来验证成果。

3.2 案例二：Color Palette Picker（配色选择器）

老师接下来演示了一个实用工具：Color Palette Picker（配色选择器）。这个应用可以帮助用户为网站或其他设计项目选择协调的颜色。

用户可以：

1. 选择一种基础颜色。
2. 查看对应的 RGB 颜色值。
3. 生成与基础颜色相配的其他颜色。
4. 比较不同配色方案。

老师演示了以自己衣服颜色附近的 RGB 数值作为基础颜色，生成不同配色组合。

重要英文术语

• RGB（Red, Green, Blue）：红、绿、蓝三种颜色通道。
• Complementary Colors（互补色）：色相环上大致相对的颜色。
• Analogous Colors（邻近色）：色相环上相邻的颜色。
• Color Palette（配色方案）：一组协调使用的颜色。

示例 Prompt

Build an interactive color palette picker. Goal: Help users choose harmonious color combinations. Input: Users select a base color using an RGB color picker. Output: Generate several color palettes. Include: 1. Complementary colors 2. Analogous colors 3. RGB values 4. Color previews 5. Copy color value buttons

为什么这个案例重要？因为它说明 AI 不仅能够创建娱乐性应用，还能生成具有实际工作价值的小工具。

知识点：当一个任务的输入、输出和交互方式明确时，可以尝试让 AI 将其转化为简单的应用程序。

3.3 案例三：French Flashcard App（法语单词卡应用）

老师还演示了如何使用自己的 Prompt 创建应用，而不是只使用实验提供的预设模板。他选择创建一个用于学习基础法语词汇的单词卡应用。

应用目标：帮助用户通过交互练习法语单词。
例如：

French Word: Oui Question: What does "Oui" mean? A. No B. Yes C. Thank you D. Goodbye

正确答案是 B：Yes。

老师发现的问题
AI 生成的应用基本可以运行，但界面右侧直接显示了所有正确答案。这降低了测验的练习价值。老师指出，可以返回 Prompt，要求 AI 重新设计单词卡应用。

改进后的 Prompt

Build a French vocabulary flashcard app. Goal: Help beginners practice French words. Input: Users select an answer for each vocabulary question. Output: Show whether the answer is correct. Requirements: 1. Do not reveal answers in advance. 2. Show feedback after submission. 3. Track the user's score. 4. Include a next-question button. 5. Use a clean and simple interface.

核心知识点：AI 生成的应用可能基本可用，但仍然存在不符合用户真实需求的设计问题。因此，用户需要：

1. 实际运行应用。
2. 观察交互过程。
3. 识别不合理的设计。
4. 修改 Prompt。
5. 重新生成或调整应用。

学习启示：Prompting 是一个迭代过程。第一次生成的结果只是起点，而不是最终成果。

四、Final Project（最终项目）

这是 P20 最重要的部分。老师介绍了一个可选的最终项目，让学习者将整门课程学到的方法组合起来。

4.1 最终项目的三个阶段

老师明确提出三个步骤：

1. Brainstorm a Research Question（头脑风暴，确定研究问题）
2. Conduct Research（开展研究）
3. Build an App（构建应用）

完整工作流程

Step 1 — Brainstorm （探索并确定研究问题） ↓ Step 2 — Research （搜索资料并生成研究报告） ↓ Step 3 — Build （根据研究结果创建应用） ↓ Test and Share （测试并分享成果）

这三个阶段是本节最值得记住的内容。

4.2 Step 1：Brainstorm a Research Question

老师首先让 AI 帮助用户寻找一个真正感兴趣的研究问题。

可以选择：

• 健康与营养。
• 汽车购买。
• 职业发展。
• 天文学。
• 其他个人兴趣。

老师的案例：Career Exploration（职业探索）
老师选择了职业发展方向。他假设自己是一名正在大学学习 Deep Learning 的学生，希望探索未来适合自己的职业。
示例 Prompt

Act as my brainstorming partner. I am a university student studying deep learning. I want to explore possible careers. Help me generate research questions about career opportunities. Consider: 1. My academic background 2. My interests 3. Different career paths 4. Day-to-day responsibilities 5. Long-term opportunities Generate several options. Do not choose one immediately.

为什么需要 Iteration？老师没有直接选择 AI 生成的第一个问题。而是根据自己的偏好提供反馈。

例如：

• 希望了解日常工作中的合作机会。
• 希望考虑工作与生活的平衡。
• 希望纳入非营利组织的职业机会。

AI 根据这些反馈，进一步调整研究问题。

知识点：通过多轮 Brainstorming，用户可以逐步找到更加符合自己兴趣和需求的研究问题。

4.3 Step 2：Conduct Research

确定研究问题后，进入第二阶段。老师让 AI 开展联网研究，并生成带有引用的研究报告。在职业探索案例中，他还补充了新的 Context：

• 希望了解薪资水平。
• 希望了解典型的薪酬结构。
• 希望参考论坛中的个人经验。

示例 Prompt

Research the career question we selected. Context: I am studying deep learning and exploring possible career paths. Research: 1. Typical job responsibilities 2. Required skills 3. Salary and compensation 4. Career development opportunities 5. Work-life balance 6. Opportunities in nonprofit organizations Source Requirements: - Use reliable sources. - Include official career information. - Use forums for personal experiences. - Distinguish personal opinions from verified facts. Create a structured research report with citations.

为什么需要 Source Requirements？这与 P4 — Web Search Sources 直接相关。

例如：

• 官方就业资料适合核实职业要求。
• 招聘网站可以提供职位与薪酬信息。
• 论坛可以提供个人工作体验。
• 但个人经验不能直接代表整个行业。

因此，不同类型的来源应该用于回答不同问题。

知识点：Final Project 不只是让 AI 搜索资料，还要求用户根据研究目标提供 Context，并合理选择信息来源。

4.4 Step 3：Build an App

获得研究报告后，进入最终阶段。老师展示了三种应用形式：

1. Quiz（测验应用）
2. Mini Game（小游戏）
3. Infographic（信息图）

老师在演示中选择了 Quiz。他让 AI 根据研究报告创建一个包含五道选择题的测验应用。研究报告被作为附件提供给应用生成系统。这样，AI 就能够根据已经研究过的内容设计题目，而不是凭空生成。
示例 Prompt

Build an interactive quiz app based on the attached research report. Goal: Help users review the key findings from the research. Input: Users answer multiple-choice questions. Output: Show whether each answer is correct. Requirements: 1. Generate five questions. 2. Each question has four options. 3. Use facts from the research report. 4. Provide feedback after each answer. 5. Show the final score. 6. Include a restart button. Do not invent facts that are not supported by the report.

为什么要上传研究报告？因为研究报告提供了创建测验所需的 Context。如果没有报告，AI 可能只能根据一般知识生成题目。而有了报告，就可以让题目与用户刚刚研究的内容保持一致。

完整关系

Research Question （研究问题） ↓ Research Report （研究报告） ↓ Context for App Building （应用构建的上下文） ↓ Quiz Application （测验应用） ↓ Interactive Learning （交互式学习）

核心知识点：Final Project 展示了如何把 AI 的信息检索、研究、上下文处理和应用生成能力组合起来，形成一个完整的实际成果。

五、如何写出更好的 Final Project Prompt？

以下是根据老师的三个阶段整理的通用模板。

5.1 第一阶段：Brainstorming

Act as my brainstorming partner. I want to explore a topic that is meaningful to me. My background: [Describe your background.] My interests: [Describe your interests.] My constraints: [Describe important limitations.] Generate five possible research questions. Explain why each question may be worth exploring. Wait for my feedback before selecting a final question.

5.2 第二阶段：Research

Conduct research on the selected research question. Requirements: 1. Use reliable sources. 2. Prioritize primary sources when appropriate. 3. Include relevant recent information. 4. Compare different perspectives. 5. Identify uncertainties. 6. Provide citations. Output: 1. Research Question 2. Background 3. Key Findings 4. Supporting Evidence 5. Limitations 6. References

5.3 第三阶段：Build

Build an interactive application based on the research report. Application Type: [Quiz / Mini Game / Infographic] Goal: [Describe the purpose.] Input: [Describe user interactions.] Output: [Describe expected results.] Requirements: 1. Use information from the report. 2. Create a clear interface. 3. Make interactions functional. 4. Avoid unsupported claims. 5. Include a restart or reset option when appropriate. Create a working prototype.

三个阶段的核心要素

学习启示：高质量的 Final Project 不一定需要非常复杂的技术，而是需要让不同阶段的输出能够自然衔接。

六、Final Project 的局限性

6.1 Research Quality（研究质量）

如果研究报告包含错误，基于报告生成的应用也可能传播这些错误。

例如：研究报告中某个职业的薪资数据不准确。测验应用可能将这个错误数据作为标准答案。

因此：Incorrect Research → Incorrect App Content
即：错误的研究资料可能导致错误的应用内容。

6.2 App Functionality（应用功能）

即使应用成功生成，也需要检查：

• 按钮是否正常工作。
• 测验是否正确计分。
• 答案是否提前泄露。
• 重置功能是否有效。
• 内容是否来自研究报告。

6.3 Sharing（分享）

老师鼓励学习者分享自己创建的应用。但在分享之前，应该确认：

• 应用是否包含个人隐私。
• 是否暴露敏感研究资料。
• 分享链接的访问范围。
• 应用是否包含明显错误。

学习启示：分享应用可以帮助获得反馈，但公开分享前需要检查内容和访问权限。

七、重要英文术语

八、实践练习

Exercise 1：创建一个简单应用
选择以下一个应用：

• 烟花模拟器。
• 配色选择器。
• 法语单词卡应用。

按照 Goal + Input + Output 框架编写 Prompt。

练习目标：复习 P18 的应用构建方法，并观察 AI 如何处理没有完全规定的实现细节。

Exercise 2：改进已有应用
先让 AI 创建一个简单测验应用。

然后检查：

1. 是否提前显示正确答案？
2. 是否正确计算分数？
3. 是否能够切换题目？
4. 是否支持重新开始？
5. 是否存在不合理的交互？

根据发现的问题提出修改要求。

练习目标：通过实际测试和反馈，理解 Iterative App Development。

Exercise 3：完成自己的 Final Project
建议选择一个与你的学习目标有关的主题，例如：如何高效学习机器学习？

第一阶段：Brainstorm
让 AI 帮助你确定一个具体研究问题。

例如：

What are effective ways for beginners to learn machine learning efficiently?

第二阶段：Research
让 AI 研究：

• 机器学习的基础知识依赖。
• 常见学习困难。
• 不同学习方法。
• 实践项目的作用。
• 相关教育研究。

第三阶段：Build
根据研究报告创建一个机器学习知识测验应用。

要求：

• 五道选择题。
• 自动评分。
• 错题解释。
• 重新开始。
• 清晰的界面。

练习目标：完整体验 Brainstorm → Research → Build 的三个阶段。

以上练习根据课程实验内容设计，具体研究主题与 Prompt 为我的教学补充。

九、复习问题

Q1：P20 介绍了哪两个主要实践活动？
答：Building with AI 实验和 Final Project 最终项目。

Q2：老师在 Building with AI 中演示了哪些应用？
答：烟花模拟器、配色选择器和法语单词卡应用等。

Q3：为什么老师鼓励学习者修改预设 Prompt？
答：因为通过修改 Prompt，可以观察不同要求如何影响应用结果，并逐步得到更符合自己需求的程序。

Q4：Final Project 的三个阶段是什么？
答：Brainstorm a Research Question、Conduct Research、Build an App。

Q5：为什么 Final Project 需要把研究报告提供给应用生成系统？
答：因为研究报告可以作为 Context，使生成的应用内容基于已有研究结果。

Q6：为什么老师鼓励分享生成的应用？
答：因为分享可以让其他人体验应用，并帮助用户获得反馈、发现问题和改进成果。

十、一页速记版（Quick Review）

核心思想：P20 通过 Building with AI 实验和 Final Project，让学习者综合运用整门课程的方法，将自然语言 Prompt 转化为真实的交互式应用。

三个重要能力：

1. Building with AI：通过自然语言创建可运行的应用。
2. Iterative Brainstorming：通过反馈逐步明确研究问题。
3. Research-to-App Workflow：将研究报告转化为交互式应用。

三个核心原则：

1. Build simple apps and experiment with prompts.
   从简单应用开始，通过修改 Prompt 探索不同结果。
2. Brainstorm, research, and then build.
   先明确研究问题，再开展研究，最后构建应用。
3. Test and share what you create.
   测试生成的应用，并在适当情况下分享成果。

P18 → P20 的知识逻辑

P18 — Building Apps ↓ 学习 Goal + Input + Output ↓ P19 — Data Analysis ↓ 利用 AI 分析数据并生成图表 ↓ P20 — Building with AI ↓ 通过实验创建交互式应用 ↓ Final Project ↓ Brainstorm → Research → Build ↓ 将课程知识应用于真实项目

最终总结：P20 最值得记住的不是某一个具体应用，而是老师提出的 Brainstorm → Research → Build 三阶段流程。它展示了如何把 AI 从简单问答工具，逐步转变为能够协助探索问题、研究信息并创建实际成果的工作伙伴。

参考资源

1. 吴恩达《给所有人的人工智能提示词课程|AI Prompting for Everyone》DeepSeek-v4-pro翻译
2. DeepLearning.AI — AI Prompting for Everyone 官方课程
3. Full AI Prompting Course with Andrew Ng — 公开英文转写稿

课程 Slides