# 40 页 PPT 逐页大纲

> 题目：从大模型到智能体：AI4Science 与 AI4Education 的范式转变与实践探索  
> 听众：江汉大学青年教师｜时长：60 分钟｜内容依据：`ai4science-deep-research.md`、`ai4education-policy-deep-research.md` 与 `source-ledger.csv`。  
> 叙事主线：**More than a ChatBot——当大模型获得知识、工具、环境反馈与任务规划，它才成为能协作完成任务的智能体。**

## 模块一：开场——从聊天到任务伙伴（第 1–3 页，5 分钟）

## 第 1 页｜封面：从大模型到智能体

- **时长：** 1 分钟
- **目的：** 建立题目、听众关联和报告人可信度。
- **关键内容：** 标题；报告人姓名与单位；副标题“AI4Science 与 AI4Education 的范式转变与实践探索”。
- **讲述提示：** 不从“AI 有多强”开场，而从青年教师面对的真实问题开场：科研任务多、教学设计和反馈压力大、工具变化快。
- **建议视觉：** 简洁的“科研—课堂—智能体”三点式主视觉；不堆砌人物履历。
- **来源：** 报告人提供信息。

## 第 2 页｜一个问题：它只是 ChatBot，还是任务伙伴？

- **时长：** 2 分钟
- **目的：** 抛出全场核心区分。
- **关键内容：** 左侧“ChatBot：根据上下文生成回答”；右侧“任务伙伴：理解目标、调用资源、执行、观察、验证、交付”。
- **讲述提示：** 让听众先记住一句话：**“会说，不等于会做；会做，也不等于可被信任。”**
- **建议视觉：** 对照式流程图；右侧以“研究问题→检索→计算→证据表”或“课程目标→练习→过程反馈→教师干预”示例。
- **来源：** T06, T07。

## 第 3 页｜今天带走什么：一张能力地图

- **时长：** 2 分钟
- **目的：** 明示培训式报告的学习产出。
- **关键内容：** 三个学习目标：看懂 LLM 的概率生成与幻觉；看懂工具调用如何让 LLM 进入外部世界；能为科研/教学设计一个低风险智能体闭环。
- **讲述提示：** 说明报告不教“某一个软件按钮”，而是提供跨工具可迁移的判断框架。
- **建议视觉：** 从“模型”到“智能体”再分叉到“AI4Science / AI4Education”的路线图。
- **来源：** F01, F02, T06, T07。

## 模块二：大模型基础与概率性幻觉（第 4–10 页，13 分钟）

## 第 4 页｜大语言模型先把语言切成 Token

- **时长：** 1.5 分钟
- **目的：** 降低理解门槛，建立 Token 概念。
- **关键内容：** 文本不是直接被“理解”，而是被编码为 token 序列；中文、英文、符号和代码都可能被切分；模型看到的是上下文 token。
- **讲述提示：** 用一句中文、一个公式和一段代码对照，说明 token 不是自然语言中的“字”或“词”的简单同义词。
- **建议视觉：** 自制“句子→彩色 token 块”图；背景可选 A12/A13，不能把装饰图当模型结构图。
- **来源：** F01。

## 第 5 页｜自回归的核心：预测下一个 Token 的条件概率

- **时长：** 2 分钟
- **目的：** 解释 LLM 的最小工作机理。
- **关键内容：** 展示 `P(x_t | x_1, …, x_(t-1))`；每一步计算候选 token 概率分布，再选择/采样一个 token，循环生成。
- **讲述提示：** 只讲“基于已有上下文预测下一个 token”，不展开矩阵推导。强调输出是一条逐步生成的序列，不是一次性从数据库取出的答案。
- **建议视觉：** 概率条形图 + 箭头 + 新 token 回填上下文。
- **来源：** F01。

## 第 6 页｜Transformer：为什么它能利用长上下文？

- **时长：** 2 分钟
- **目的：** 介绍 Transformer 的直觉，不做数学推导。
- **关键内容：** Self-attention 让每个 token 按任务相关性“看”其他 token；多层表示逐步形成上下文相关表征；训练目标仍可服务于下一个 token 预测。
- **讲述提示：** 把 attention 说成“在当前句子里动态决定谁对谁重要”，不要误说为“模型像人一样注意”。
- **建议视觉：** 8–10 个 token 节点的 attention 热度连线示意。
- **来源：** F01。

## 第 7 页｜从概率分布到一段回答：生成中发生了什么？

- **时长：** 2 分钟
- **目的：** 解释温度、采样和输出不稳定性的直观来源。
- **关键内容：** 同一上下文存在多个可选续写；更保守的选择更稳定但可能单调；更开放的采样更多样但风险更高；上下文改变会改变后续分布。
- **讲述提示：** 不给出绝对化的“温度越高越幻觉”结论；它影响采样多样性，事实正确性还受训练、上下文和验证机制影响。
- **建议视觉：** 同一 prompt 的三条不同生成路径。
- **来源：** F01, F02。

## 第 8 页｜幻觉：流畅文本为什么可能不真实？

- **时长：** 2 分钟
- **目的：** 让听众理解幻觉不是偶发的“粗心”。
- **关键内容：** 模型优化的是与上下文一致、语言上合理的续写，不天然保证事实对应外部世界；幻觉可表现为虚构引用、错误关系、过期信息或错误计算。
- **讲述提示：** 用“概率上的顺口”对比“证据上的成立”。避免把所有错误都简单归因为幻觉；输入歧义、资料过期和工具错误也会造成错误结论。
- **建议视觉：** 两列：流畅回答 vs. 可核验来源；加红色“无证据链”。
- **来源：** F02。

## 第 9 页｜把概率输出变成可用结果：四种约束

- **时长：** 2 分钟
- **目的：** 为智能体技术铺路。
- **关键内容：** RAG/课程或科研知识库；工具调用；外部验证器；人在回路与审批。它们不是消灭错误，而是把错误变得可发现、可追溯、可纠正。
- **讲述提示：** 给出“检索到出处不等于出处支持该主张”的提醒；引用仍需核验。
- **建议视觉：** 模型中心，四道护栏围绕：知识、工具、验证、人。
- **来源：** F02, T06, T07, S09。

## 第 10 页｜过渡：More than a ChatBot 的必要条件

- **时长：** 1.5 分钟
- **目的：** 将“生成”过渡到“行动”。
- **关键内容：** 大模型 = 概率性生成/推理核心；智能体 = LLM + 目标 + 记忆/知识 + 工具 + 观察 + 规划 + 约束。
- **讲述提示：** 声明下一个模块要回答的唯一问题：“LLM 怎样真的和外部世界交互？”
- **建议视觉：** 公式式架构图，突出“工具 + Observation”。
- **来源：** T06, T07。

## 模块三：从大模型到智能体——工具让 LLM 进入外部世界（第 11–20 页，14 分钟）

## 第 11 页｜智能体的六个部件

- **时长：** 1 分钟
- **目的：** 给出可复用的系统架构词汇。
- **关键内容：** 目标、模型、记忆/知识、工具、规划、观察/反馈；贯穿所有部件的是权限和日志。
- **讲述提示：** 说明并非每个场景都需要复杂多智能体；先从一个有限工具集的单智能体闭环开始。
- **建议视觉：** 六部件环形图，外圈加“权限、评估、审计”。
- **来源：** T06, T07。

## 第 12 页｜工具调用如何实现：从自然语言到结构化 Action

- **时长：** 1.5 分钟
- **目的：** 回答技术核心问题。
- **关键内容：** 开发者提供工具名、用途、参数 schema、权限；模型选择工具并输出结构化参数；运行时校验参数；执行器调用 API/代码/数据库；结果作为 Observation 回到模型上下文。
- **讲述提示：** 强调模型不直接“摸到数据库或电脑”，它输出一个请求，受控执行层决定是否执行。
- **建议视觉：** `用户目标 → tool schema → JSON/function call → validator/router → tool/API → observation` 流图。
- **来源：** T07, T06。

## 第 13 页｜一个可讲清的例子：查文献并生成证据表

- **时长：** 1.5 分钟
- **目的：** 让工具调用从抽象架构落到任务。
- **关键内容：** 工具 1：检索；工具 2：获取论文元数据/全文；工具 3：表格整理；验证：要求 DOI、引文位置、证据等级；交付：人类可复核的证据表。
- **讲述提示：** “答案”不是最后一段摘要，而是一张可追溯表。若来源打不开或不支持主张，智能体必须报告缺口。
- **建议视觉：** 任务分解卡片；不要展示未经核验的“AI 检索结果截图”。
- **来源：** S09, S11。

## 第 14 页｜代码、浏览器与文件：行动能力也是风险能力

- **时长：** 1.5 分钟
- **目的：** 让听众看到智能体能力与权限的关系。
- **关键内容：** 代码执行可计算/绘图；浏览器可读取网页和填写任务；文件工具可整理资料；每一项都必须定义可读、可写、可发出、可删除的边界。
- **讲述提示：** 教师的低风险起步是“只读知识库 + 沙箱代码 + 人工确认”，不是默认授予全盘文件和外网操作权限。
- **建议视觉：** 权限阶梯：只读 → 沙箱执行 → 受审写入 → 外部发送/设备控制。
- **来源：** T06, T07, E01。

## 第 15 页｜知识增强、记忆与 RAG：让模型先查再答

- **时长：** 1.5 分钟
- **目的：** 解释知识库为何是教育/科研的基础设施。
- **关键内容：** RAG 的流程：切分资料、检索相关片段、将片段连同问题送入模型、要求引用；记忆记录任务状态/偏好，不等于无限保存个人数据。
- **讲述提示：** “检索到”与“正确理解”是两件事；RAG 降低无依据回答，但仍需要引文核验与版本治理。
- **建议视觉：** 文档库 → 向量/关键词检索 → 上下文包 → 回答附引用。
- **来源：** F02, S09, E01。

## 第 16 页｜规划、反思与协作：为什么不只是一轮工具调用？

- **时长：** 1.5 分钟
- **目的：** 解释 Agent loop 和多智能体的适用范围。
- **关键内容：** 复杂任务需要分解、执行、观察、修正；多智能体可分配检索、分析、审查角色，但会增加协调、成本和错误传播。
- **讲述提示：** 推荐先问“一个工具循环能否解决？”再决定是否多智能体。多智能体不是先进性的自动证明。
- **建议视觉：** Plan–Act–Observe–Reflect 循环；多角色只画为可选层。
- **来源：** T06, S04, S05。

## 第 17 页｜OpenClaw：2026 年个人智能体热潮的一个入口

- **时长：** 1.5 分钟
- **目的：** 用当前热门案例展示“技能/插件/多平台”的 Agent 生态。
- **关键内容：** OpenClaw 官方仓库将其定位为跨操作系统、跨平台的个人 AI 助手；有技能和插件生态；截至本次检索（2026-06-24），仓库公开 star 数约 38 万，数值会继续变化。
- **讲述提示：** 不把热度等同于安全或教学适用性。应追问：它能访问什么数据？能执行哪些操作？执行前是否需要确认？日志在哪里？
- **建议视觉：** A01 OpenClaw 标识 + “skills/plugins → channels/tools”简图。
- **来源：** T01；星标为本次 GitHub API 快照。

## 第 18 页｜中美自动化工具生态：按任务与边界比较，不做“谁最强”排行

- **时长：** 1.5 分钟
- **目的：** 帮教师理解不同工具的定位。
- **关键内容：** 表格比较：Codex（编码任务智能体）；Claude Code（终端/代码工作流）；Trae（AI 开发工具）；WorkBuddy（办公任务伙伴、腾讯办公生态）；OpenClaw（个人智能体/技能插件生态）。比较维度：主要任务、交互入口、外部工具、权限/数据边界、适合课堂/科研的低风险试点。
- **讲述提示：** 对比的是公开定位和工作流，不是能力排行榜。任何产品都需以当期官方文档、学校制度和实际试用核验。
- **建议视觉：** 一张五列表格，底部统一“先看数据、权限、日志、审阅”。
- **来源：** T01, T02, T03, T04, T05。

## 第 19 页｜“自动化”不是“放手”：智能体的安全与评价框架

- **时长：** 1.5 分钟
- **目的：** 为两类应用建立共同治理框架。
- **关键内容：** 安全（权限、外发、设备）；可靠性（来源、验证、复现）；责任（人类审核、可解释交付）；评价（任务正确性、成本、时间、人工修改量）。
- **讲述提示：** 请听众用这四个维度评价任何新工具，避免被界面演示或“全自动”叙事带走。
- **建议视觉：** 四象限检查表。
- **来源：** E01, F02, S09。

## 第 20 页｜给青年教师的起步原则：一个任务、一组工具、一次复盘

- **时长：** 1.5 分钟
- **目的：** 由工具生态过渡到应用实践。
- **关键内容：** 选择低风险、重复性高、可人工验收的任务；限定工具；设计日志/证据；对比人工流程；再扩大范围。
- **讲述提示：** 可以从“课程文献证据表”或“代码作业错误类型汇总”开始，不建议从自动评分、自动对外发布或真实设备控制开始。
- **建议视觉：** 4 步试点卡片：选任务→设边界→留证据→复盘扩展。
- **来源：** E01, S09。

## 模块四：AI4Science——科研流程被智能体重构（第 21–29 页，15 分钟）

## 第 21 页｜AI4Science：科学工作的瓶颈往往在流程而非单一步骤

- **时长：** 1 分钟
- **目的：** 定义 AI4Science 的任务范围。
- **关键内容：** 问题定义、文献、数据、建模、仿真、实验、分析、写作与复现构成闭环；智能体的价值在编排跨工具步骤。
- **讲述提示：** 把“科研自动化”解释为降低重复认知负担和提高流程可追溯性，不是取消科学判断。
- **建议视觉：** 科研流程泳道图。
- **来源：** S09, S10。

## 第 22 页｜科研智能体的最小闭环：Plan–Tool–Observation–Verify

- **时长：** 1.5 分钟
- **目的：** 将上一模块技术架构迁移到科研。
- **关键内容：** 人定义研究目标与约束；模型分解；工具层连接论文、数据库、代码/仿真和实验；Observation 被验证与写入实验记录；人审核结论。
- **讲述提示：** 明确“模型输出”与“仪器/求解器/文献证据”地位不同。
- **建议视觉：** 使用 `ai4science-deep-research.md` 中的科研闭环图。
- **来源：** T06, T07, S03。

## 第 23 页｜科学发现：AlphaFold 3 如何改变候选空间

- **时长：** 1.5 分钟
- **目的：** 提供国际成熟标杆。
- **关键内容：** AlphaFold 3 面向更广的生物分子相互作用结构预测；其价值是帮助研究者优先排序可检验假设；实验验证仍是结论的一部分。
- **讲述提示：** 避免“AI 破解生命密码”式表述，改为“AI 改变假设生成与筛选的效率”。
- **建议视觉：** S01 论文首页或官方结构图；保留论文出处与图号。
- **来源：** S01。

## 第 24 页｜文献理解：从“问模型”到“让证据可回链”

- **时长：** 1.5 分钟
- **目的：** 展示最适合科研人员入门的低风险智能体任务。
- **关键内容：** 任务分解：检索→筛选→证据摘取→冲突比对→结构化综述；交付物是含 DOI、页码/段落、证据等级的表格。
- **讲述提示：** 让听众把自己的一项研究问题改写成“证据表任务”，而非“请模型帮我写综述”。
- **建议视觉：** 证据表样例（论文、主张、证据位置、局限）。
- **来源：** S09, S11。

## 第 25 页｜仿真与代码：语言模型编排，科学软件给出可检验输出

- **时长：** 1.5 分钟
- **目的：** 解释 LLM 在数值研究中的合理角色。
- **关键内容：** LLM 可生成参数扫描计划、脚本和可视化草案；求解器负责数值计算；验证器检查单位、边界、收敛与独立复算。
- **讲述提示：** 不让 LLM“口算”替代仿真；让它把人的意图转为可复查的计算流程。
- **建议视觉：** “研究问题→脚本→求解器→检查器→图表”的管线图。
- **来源：** S10, F02。

## 第 26 页｜化学与材料：工具调用把语言任务变成领域动作

- **时长：** 2 分钟
- **目的：** 展示 Agent 工具层的丰富性。
- **关键内容：** ChemCrow 的化学工具增强；LLMatDesign 的材料发现流程；HoneyComb 的材料专业 Agent。共同点是领域工具、知识与评估，而不是更长的聊天记录。
- **讲述提示：** 逐项标注证据状态：ChemCrow/LLMatDesign 为开放研究工作，HoneyComb 为会议论文；不做泛化性能承诺。
- **建议视觉：** 三案例横向对比，列“输入—工具—输出—验证”。
- **来源：** S06, S07, S08。

## 第 27 页｜自动化实验室：真正的“行动”发生在受控接口后

- **时长：** 2 分钟
- **目的：** 用实验自动化回答“智能体如何改变真实世界”。
- **关键内容：** A-Lab 连接知识、机器人合成和表征；Coscientist 说明 LLM 可进入化学任务编排；安全、设备状态、失败日志和人工批准不可省略。
- **讲述提示：** 追问“失败时 Observation 包含什么？”：应包括参数、批次、设备状态和原始数据，而非一句“实验失败”。
- **建议视觉：** A05/A06 作为场景照片，叠加“规划—执行—表征—迭代”线；论文图可作为小图并保留出处。
- **来源：** S02, S03。

## 第 28 页｜AI Scientist 与 AI co-scientist：看见未来，也看清原型边界

- **时长：** 2 分钟
- **目的：** 展示发展脉络中的前沿，而不过度承诺。
- **关键内容：** 研究原型尝试覆盖想法、实验、写作、评估等多步流程；仍需用新颖性、可靠性、可复现性和专家判断检验。
- **讲述提示：** 页面上醒目标注“预印本/研究原型”；这不是弱点，而是科学交流应有的证据诚实。
- **建议视觉：** 多智能体角色链 + 红色“需验证”标记。
- **来源：** S04, S05。

## 第 29 页｜可信 AI4Science：四道闸门

- **时长：** 2 分钟
- **目的：** 用一页收束科研部分。
- **关键内容：** 知识闸门（溯源）；计算闸门（可复算）；实验闸门（安全/权限）；结论闸门（统计/同行评审）。
- **讲述提示：** 点明 AI4Science 的成熟度不取决于“会不会说科研术语”，而取决于能否进入这四道闸门。
- **建议视觉：** 四道门/四层防线；背景不使用拟人机器人。
- **来源：** F02, S09。

## 模块五：AI4Education——让教师拥有可控的智能教学伙伴（第 30–38 页，9 分钟）

## 第 30 页｜AI4Education 的北极星：提升学习与教师判断，而非替人答题

- **时长：** 1 分钟
- **目的：** 定义教育部分的价值取向。
- **关键内容：** 学习者发展、教师专业判断、证据与公平优先；工具效率是手段，不是终点。
- **讲述提示：** 以“生成一份教案很快”对比“学生真的学会了吗”的问题。
- **建议视觉：** A07 课堂场景 + “学习证据”关键词。
- **来源：** E01, E02。

## 第 31 页｜教育智能体最小闭环：目标—任务—证据—教师干预

- **时长：** 1 分钟
- **目的：** 把 Agent 框架转写为教育流程。
- **关键内容：** 教师给出课程目标和评价量规；系统连接知识库/工具；学生产生过程证据；教师据此再教学和修改任务。
- **讲述提示：** 没有过程证据和教师干预的“个性化学习”，常常只是个性化内容推送。
- **建议视觉：** 四步闭环图。
- **来源：** E01, E03。

## 第 32 页｜五类应用：预习、辅导、资源、评价、教师增能

- **时长：** 1 分钟
- **目的：** 提供完整应用地图。
- **关键内容：** 每类各列一项低风险任务和一项人工把关要求；尤其强调评价场景的公平、隐私和申诉。
- **讲述提示：** 让听众选择自己最熟悉的一类，而不是同时部署五类。
- **建议视觉：** 五瓣花/流程矩阵；配 A08 或 A09。
- **来源：** E03, E04。

## 第 33 页｜eduJupyter：把“可执行环境”转化为可观察的学习过程

- **时长：** 1 分钟
- **目的：** 介绍报告人团队实践的架构价值。
- **关键内容：** 交互式教学平台可承载任务、代码/计算运行、即时反馈和过程记录；教育价值取决于教师如何用运行轨迹和错误类型进行形成性评价。
- **讲述提示：** 请报告人用 1 张真实课程截图或匿名运行轨迹替换通用示意；只陈述已验证的用户和课程事实。
- **建议视觉：** 报告人提供的 eduJupyter 截图优先；无截图时用“任务—运行—反馈—教师复核”示意图。
- **来源：** 报告人提供材料；教育设计参照 E03。

## 第 34 页｜BlastGPT：把“教育智思体”放进教师协同流程

- **时长：** 1 分钟
- **目的：** 介绍报告人团队实践的任务伙伴定位。
- **关键内容：** 可围绕备课、资源草案、辅导和反馈草案演示；强调知识增强、任务分解和教师审核三件事。
- **讲述提示：** 用一个“教师审核前/后”的案例最有说服力：展示智能体输出如何被事实核验、改写和纳入课程。
- **建议视觉：** 报告人提供的 BlastGPT 截图优先；无截图时用“目标→初稿→教师审核→课堂使用”流程图。
- **来源：** 报告人提供材料；E02。

## 第 35 页｜评价与诚信：从“抓 AI”到“看学习过程”

- **时长：** 1 分钟
- **目的：** 回应青年教师的现实焦虑。
- **关键内容：** 明示哪些 AI 使用被允许；要求提示词、来源、版本与反思；采用口头解释、过程性材料、真实任务和教师复核；检测器不是唯一解。
- **讲述提示：** 把诚信从“技术对抗”改写为“评价设计问题”。
- **建议视觉：** 最终答案 vs. 过程证据堆栈。
- **来源：** E04。

## 第 36 页｜政策窗口：从教育数字化到“人工智能+教育”

- **时长：** 1 分钟
- **目的：** 为课题申报提供正式政策锚点。
- **关键内容：** 2025 年九部门意见强调教育数字化的集成化、智能化、国际化与 AI 助力教育变革；2026 年五部门行动计划强调育人为本、素养为先、应用导向和智能向善。
- **讲述提示：** 政策说明方向与原则，不等于项目会自动获批；申请书仍要回答本校、本课程、本学生的具体问题。
- **建议视觉：** 政策时间线；右下角可放 A14/A15 之一作为国际背景，必须标注“美国数据，非中国推断”。
- **来源：** P05, P06, E06。

## 第 37 页｜把工具试用写成教研问题：四段式问题链

- **时长：** 1 分钟
- **目的：** 让听众获得可执行的课题构思方法。
- **关键内容：** 对象/场景 → 干预机制 → 过程与结果证据 → 数据/伦理边界；例：eduJupyter 的运行轨迹能否改善计算课程形成性反馈？
- **讲述提示：** 反例是“研究 ChatGPT 在教学中的应用”；正例是“在具体课程与量规下检验某种人机协同机制”。
- **建议视觉：** 四格研究设计模板。
- **来源：** P01, P05, P06, E03。

## 第 38 页｜青年教师行动清单：本学期就能做的三件事

- **时长：** 1 分钟
- **目的：** 转化为近期实践。
- **关键内容：** 选一个低风险高重复任务；建立最小知识库和使用规则；采集过程证据并复盘；第五步才考虑扩大工具权限或自动化程度。
- **讲述提示：** 建议建立小型教研共同体，共享量规、案例和失败经验。
- **建议视觉：** 3–5 步行动清单，配 A10/A11。
- **来源：** E01, E02, P06。

## 模块六：收束——在能力、责任与证据之间前进（第 39–40 页，4 分钟）

## 第 39 页｜回到开场：More than a ChatBot，也必须 More than a Demo

- **时长：** 2 分钟
- **目的：** 统一科研和教育两条线。
- **关键内容：** 智能体 = LLM + 外部工具 + Observation + 规划 + 验证 + 人类责任；科研与教育都需要证据链和权限边界。
- **讲述提示：** 演示只能说明“可能”；证据、评价和制度设计才能说明“值得推广”。
- **建议视觉：** 将第 3 页路线图回收，增加“证据/责任”底座。
- **来源：** F02, T06, E01, S09。

## 第 40 页｜结束页：从今天开始的一个问题

- **时长：** 2 分钟
- **目的：** 留下行动导向的结尾。
- **关键内容：** “你最希望智能体替你消除哪一段重复劳动？它需要什么工具、什么证据、什么边界，才值得交给它？”；致谢与联系方式。
- **讲述提示：** 邀请听众会后用一页模板描述任务，形成后续工作坊或教研共同体的起点。
- **建议视觉：** 留白为主；不要以密集二维码/口号结束。
- **来源：** 本报告综合。

## 演讲节奏校验

| 模块 | 页码 | 时长 |
|---|---:|---:|
| 开场：从聊天到任务伙伴 | 1–3 | 5 分钟 |
| 大模型基础与概率性幻觉 | 4–10 | 13 分钟 |
| 从大模型到智能体 | 11–20 | 14 分钟 |
| AI4Science | 21–29 | 15 分钟 |
| AI4Education | 30–38 | 9 分钟 |
| 收束 | 39–40 | 4 分钟 |
| **合计** | **40 页** | **60 分钟** |