AI for TW 培训
面向技术写作团队的两天定制内训：先讲透原理与能力边界，再沿能力阶梯逐级动手，学员带走可直接使用的成果。
适用场景
应用 AI 已是共识。但如果不了解 AI 的基本原理与能力边界，就很容易在应用中产生误判——把不该交给模型的任务交出去，或者用一个过重的方案去解决一个提示词就能搞定的问题。
这门课因此把重心放在建立系统认知：既让文档团队能把 AI 与自己的工作真正结合，也让他们能与公司的 AI 部门顺畅协作，减少因认知差异带来的沟通摩擦。
课程按企业实际情况定制，全部案例与练习取自技术文档工作。
课程结构
共两天、12 学时（每天 09:00–12:00、14:00–17:00）。第一天讲原理，第二天讲应用技术，两天都以动手实操贯穿。
模块一 · 大语言模型基本原理（第 1 天）
-
人工智能基本概念
机器学习、深度学习与生成式 AI 的关系；模型、数据、训练、推理、参数与算力六个核心概念；技术写作中的 AI 任务盘点。
-
机器学习基础
监督、自监督与强化三种学习方式；分类、回归、聚类全部用岗位例子讲；过拟合与泛化能力。
-
大语言模型基本原理
从规则、统计、神经网络到 Transformer 的发展脉络；下一个 Token 预测的本质；Tokenization、注意力机制与上下文窗口。
-
生成式 AI 训练过程
训练三部曲——预训练、指令微调、偏好对齐；推理能力的后训练与多模态原理；现场启动一次从零训练。
-
模型量化与本地部署
当前模型格局与选型判断——没有最好的模型，只有最合适的搭配；量化、蒸馏与私有化部署，并完成本地部署实操。
-
大语言模型评价指标
排行榜怎么读、跑分为什么不等于好用；写作与翻译领域的常见指标；为自己的任务建小评测集与 LLM-as-Judge。
模块二 · 大语言模型应用关键技术（第 2 天）
-
提示词工程
提示词的组成要素与调试方法；提示词注入风险；随堂练习生成技术文本的左右对照修改记录。
-
检索增强生成 RAG
幻觉、知识时效与私有知识三类问题；RAG 实现原理与优化；动手搭建一套基于产品说明书的文档问答系统。
-
工作流编排
确定性的价值——可重复、可审计；工作流与智能体的分界；动手搭建提取术语、翻译、审校三段式翻译工作流。
-
智能体 Agent
Agent 的经典架构与四个组成要素（规划、记忆、工具、反思）；Agent 为什么容易失败；动手搭建一个技术写作 Agent。
-
Agent Skill 编写
Skill 的本质与任务封装五要素——目标、流程、输入输出、边界条件、验收样例；动手编写 DITA 写作 Skill。
-
AI 应用路线讨论
AI 应用路线图与技术选型决策方法；结合团队现状梳理技术写作与 AI 的结合机会点。