在数字化学习浪潮的推动下
AI工具正从“可选辅助”升级为“必备伙伴”
9月29日和10月11日
由南京审计大学国际联合审计学院举办
法国SKEMA商学院中国校区学术校长、
国际联合审计学院法方副院长
窦文宇教授主讲的
“Using AI Tools for Study, Research, and Career-10X Your Productivity”
主题讲座
深度解析了人工智能工具
在学术研究中的应用前景
本次讲座面向国际联合审计学院研究生
聚焦人工智能工具与运用（LLM）的基础概念、实用工具及核心技能——
提示词工程（Prompt Engineering）
旨在帮助同学理解AI发展脉络
掌握与AI高效交互的方法
AI发展脉络：从概念到智能代理的演进
讲座伊始，窦文宇教授以“5分钟读懂AI史”为主线，系统梳理了人工智能的发展历程。
从基于规则和概念的符号主义AI，到聚焦特定领域知识的专家系统，再到让AI从数据中自主学习的机器学习，以及通过神经网络模拟人类认知的深度学习，这一从“符号逻辑”到“智能代理”的进化之路，在2017年迎来重要突破——
Transformer架构的出现实现了数据的并行处理，使AI对上下文的理解能力获得跨越式提升。
窦教授特别指出，2012年ImageNet图像分类大赛和2017年Transformer架构的出现，构成了AI发展的两大“拐点”。
从功能演进维度看，AI工具的角色经历了三个阶段迭代：
▶ 2017-2020年的记录型模型擅长总结与文本起草；
▶ 2021-2024年的多模态生成工具具备指令遵循与多模态交互能力；
▶ 2024-2025年则将进入“代理工作流”时代，能够处理长文本并支持智能体自主执行任务，从而成为学术研究的强大后盾。
提示词工程：人机协作的核心技能
关于AI工具的使用技巧，窦教授提出“AI工具好不好用，很大程度取决于你会不会‘说话’”的观点，并通过厨师做菜进行生动类比。
若将AI比作厨师，提示词（Prompt）便是“任务简报”，需清晰包含目标、上下文、约束条件和输出要求；提示词工程则是“厨师反复调试菜谱”的过程，通过迭代和测试获得可靠结果。
在实践层面，窦教授详细讲解了包含角色、目标、结构的三步提示法，并介绍了few-shot、任务分解、打分修改等高级技巧。
他特别提出了与AI对话的“六步法”，建议研究者从观察现实中的异常现象入手提炼研究问题，再结合AI进行深度探索。
AI研究工具矩阵：构建学术工作流
讲座系统介绍了一系列专业AI研究工具的应用场景。
▶ Perplexity以其引用优先的回答机制，适合快速获取权威信息；
▶ Consensus能聚合同行评审论文中的观点，帮助研究者把握学术共识；
▶ Elicit则通过问题驱动的发现模式，辅助构建研究框架。
窦教授强调，研究者应避免依赖单一模型，而是要建立个性化的AI工具矩阵。
他建议研究者建立个人提示词库，积累常用指令模板，并通过多轮验证机制确保输出结果的可靠性。
实践应用：从学术研究到职业发展
在互动环节，与会研究生通过实操训练，亲身体验了AI工具在学术研究中的强大助力。
从论文开题、文献综述到研究问题发现，AI工具展现出独特优势。
窦教授现场演示了如何利用AI协助修改简历，强调要通过量化表达突出成果，并与岗位需求精准匹配。
此外，讲座还展示了AI在文章润色、PPT生成、编程辅助等多个场景的高效应用。
参与者表示，通过实践操作，对AI工具的理解从理论认知上升到实操层面。
伦理边界与未来展望
在总结环节，窦文宇教授特别强调了AI使用的伦理规范。
他呼吁研究者“合理利用AI辅助而非替代思考”，在技术赋能中保持独立思维，并通过批判性思考与结果核验，确保研究的严谨性。
窦教授鼓励学生将AI视为科研与学习的伙伴，而非依赖的拐杖。
他建议同学们尝试利用AI工具完成3000字开题报告，实现从理论到实践的跨越，最终达成人机“丝滑协作”的理想状态。
此次讲座不仅为研究生
提供了AI工具的使用指南
更描绘了人机协作推动学术创新
助力职业发展的未来图景
随着AI技术的持续演进
智能工具必将成为
同学们日常生活和学习研究中
不可或缺的可靠伙伴
助力同学们在科研和职业道路上
取得更多进展
撰稿丨SKEMA商学院新闻中心
图片版权丨©Lora Barra / SKEMA Business School
转载说明
