實體AI教學課程內容
課程簡介
課程名稱：智譜 Zhipu GLM AI 綜合應用班
課程時數：2 小時（精華版）
授課語言：繁體中文
目標學員：AI 產品經理、開發者、內容創作者、企業培訓師、數位行銷人員、教育工作者
課程定位：協助學員快速掌握智譜 Zhipu GLM 的模型生態、文字生成、視覺理解、智能體與編程應用，建立可直接落地的 AI 工作流。
智譜 (Zhipu) Z.ai 提供完整的模型與 MaaS 生態，包括 GLM-5、GLM-4.6V、AutoGLM、模型微調與企業級代理 API，定位為一套「模型、平台、工具」整合式 AI 解決方案 。而 GLM-5 在編碼與智能體任務上達到開源 SOTA 水準，並支援工具調用、指令遵循與長鏈執行能力 。
這門兩小時精華班會以「能學會、能上手、能應用」為主軸，讓學員理解 Zhipu GLM 系列怎樣用於寫作、翻譯、簡報、知識庫、程式開發與多模態內容生成。課程同時會示範如何把 GLM 套用到真實工作場景，例如內容生產、客服自動化、研究整理與編程協作 。
課程特色
-
一次掌握 GLM 模型家族與應用版圖。
-
聚焦實戰，涵蓋文字、圖像、程式與智能體工作流。
課程大綱
第一部分：GLM 生態總覽與學習定位（20 分鐘）
0–5 分鐘：課程導入
-
課程目標、學習成果與應用方向。
-
了解 GLM 為何不只是單一模型，而是一套完整平台。
-
建立本課程的學習路線圖。
5–15 分鐘：GLM 家族全貌
-
GLM-5：面向代理式編程與長鏈任務。
-
GLM-4.6V：視覺理解與多模態分析。
-
AutoGLM：自主規劃、推理與執行的智能體。
-
MaaS 平台：模型服務、企業代理 API、微調與開發工具 。
15–20 分鐘：應用場景定位
-
內容創作與知識整理。
-
程式開發與除錯。
-
多模態理解、簡報生成與企業工作流。
-
教學設計與內部培訓用途 。
第二部分：文字模型與提示工程（25 分鐘）
20–30 分鐘：GLM 的文字能力
-
文字生成、摘要、改寫、翻譯與風格調整。
-
長文本處理與上下文整理。
-
如何把模型輸出變成可交付內容。
30–40 分鐘：提示工程實務
-
任務描述要具體、結構清晰。
-
用角色、目標、限制、格式四步建立提示。
-
針對商業簡報、行銷文案、教學講義的提示模板。
40–45 分鐘：繁體中文工作流
-
轉換簡體素材為繁體專業文案。
-
保持香港語境與專業語氣。
-
避免直譯腔與過度機械化表達。
GLM 可用於自然語言編程、文檔處理、問題解答與寫作輔助，適合把基礎提示技巧直接連接到實務生產 。
第三部分：視覺理解與多模態應用（20 分鐘）
45–55 分鐘：GLM-4.6V 應用
-
圖像理解與內容辨識。
-
截圖讀取、表格理解、介面分析。
-
圖文結合的工作模式。
55–65 分鐘：多模態教學與辦公場景
-
從圖片生成教學講解。
-
從流程圖整理成 SOP。
-
從設計稿轉化成產品說明。
65–70 分鐘：企業應用例子
-
會議紀錄圖像化整理。
-
行銷素材審核與版本比較。
-
教材、海報與簡報的快速初稿生成。
GLM-4.6V 定位為高精度視覺理解模型，並支援全面的 function call 能力，適合做多模態分析與視覺推理課題 。
第四部分：智能體與程式開發應用（25 分鐘）
70–80 分鐘：GLM-5 與編程能力
-
需求分析。
-
架構設計。
-
程式實作。
-
測試與優化。
80–90 分鐘：Coding Plan 實戰流程
-
選擇支援的編碼工具。
-
配置 API Key 與正確端點。
-
將模型接入 Claude Code 或其他 IDE。
-
讓模型協助完成任務拆解與修復。
90–95 分鐘：智能體任務設計
-
長鏈執行任務。
-
多步驟工作流。
-
讓模型先計劃，再執行，再校正。
Zhipu GLM Coding Plan 需要使用專屬 Coding API 端點，並支援 Claude Code、Cline、Cursor、OpenCode 等工具；同時提供需求分析、架構設計、代碼實現、測試調試、優化部署的標準流程 。 GLM-5 是為 Agentic Engineering 設計的新一代旗艦模型，在編碼與智能體能力上表現突出 。
第五部分：落地實戰與課程總結（10 分鐘）
95–105 分鐘：實戰案例整合
-
內容團隊：一鍵生成文章大綱與 SEO 初稿。
-
企業團隊：知識庫整理與客服問答。
-
教學團隊：教材摘要與課堂活動設計。
-
開發團隊：需求拆解、測試生成與修復建議。
105–115 分鐘：常見問題與使用建議
-
何時選文字模型，何時選視覺模型。
-
何時用普通對話，何時用編程工作流。
-
如何分辨適合 Demo 與適合生產的場景。
115–120 分鐘：課程總結
-
Zhipu GLM 是一套完整 AI 生態，而不是單點模型。
-
最有效的學法，是把模型放進真實工作流程。
-
先掌握文字，再學多模態，最後延伸到智能體與編程。
