2026年AI大模型应用开发工程师培训教程 — 初级课程#

课程总览：16课时 | 线上直播培训（提供回放） 培训时间：2026年7月27-28日 核心目标：聚焦生成式AI全场景落地应用、核心工具操作与办公软件场景化应用，帮助学员搭建完整的AIGC基础认知与实操能力体系。

课程大纲总览#

第一章 主流生成式AI工具平台（1课时 · 理论）#

1.1 国外生成式人工智能工具生态#

1.1.1 ChatGPT（OpenAI）#

ChatGPT是目前全球最具影响力的生成式AI工具，基于GPT-4/GPT-4o模型。其核心优势在于：

• 多模态能力：支持文本、图像、语音、视频的统一处理，GPT-4o实现了端到端的多模态推理
• 参数规模：GPT-4约1.8万亿参数，训练数据覆盖全网公开文本、代码和图像
• 插件生态：通过GPT Store提供海量第三方GPTs应用，覆盖写作、编程、分析、教育等场景
• API能力：提供功能完善的API接口，支持函数调用（Function Calling）、助手指卷（Assistant API）、批量推理等高级特性

1.1.2 Claude（Anthropic）#

Anthropic推出的Claude系列（Claude 3.5 Sonnet/Opus）以安全性和长文本处理著称：

• 超长上下文：支持200K token的上下文窗口，适合处理长文档、代码库分析
• 安全对齐：采用Constitutional AI技术，在回答安全性和准确性方面表现突出
• 编程能力：Claude Code作为终端原生AI编程代理，可自主理解代码库、规划任务、跨文件执行修改
• Agent能力：支持Claude Agent SDK，将AI编程能力嵌入自定义程序

1.1.3 Gemini（Google）#

Google的Gemini系列模型（Gemini 1.5 Pro/Ultra）具有以下特点：

• 极致长上下文：支持100万token上下文，可处理整本书的文本
• 多模态原生：从训练阶段就是多模态架构，文本、图像、音频、视频统一处理
• Google生态整合：深度集成Google Workspace、搜索、YouTube等服务

1.1.4 Midjourney 与 Stable Diffusion#

• Midjourney：专注艺术创作的AI图像生成平台，以高质量输出和独特的艺术风格闻名，通过Discord或网页端使用
• Stable Diffusion：开源的图像生成模型，支持本地部署，通过LoRA、ControlNet等扩展实现精细化控制，是技术社区最活跃的AI绘图工具

1.1.5 其他重要工具#

1.2 国内生成式人工智能工具平台#

1.2.1 文心一言/文心大模型（百度）#

• 技术架构：基于ERNIE 4.0框架，采用知识增强型Transformer，参数规模达2600亿
• 核心创新：引入"知识图谱+大模型"双引擎架构，通过实体识别、关系抽取强化语义理解
• 中文优势：在古诗生成、成语接龙等中文任务中准确率达91.2%
• 多模态：支持文本、图像、语音的跨模态生成
• 企业级：提供私有化部署方案，支持GPU集群调度

1.2.2 通义千问（阿里巴巴）#

• 开源生态：唯一覆盖7B至110B全尺寸的开源多模态模型（Qwen2.5系列）
• 多模态处理：支持文本、图像、语音、视频处理，在MMLU等国际评测中超越Llama 3 70B
• 性价比：提供百万免费token，适合开发者低成本试错
• 千问应用：定位为"会聊天能办事的个人AI助手"，瞄准生产力工具赛道

1.2.3 DeepSeek（深度求索）#

• 极致性价比：DeepSeek-V3/R1系列以极低的API价格提供接近GPT-4的性能
• 推理能力：DeepSeek-R1在数学推理、代码生成方面表现优异
• 开源策略：模型权重完全开源，推动国内开源大模型生态发展

1.2.4 豆包（字节跳动）#

• 消费级应用：国内用户量最大的AI对话应用之一
• 多模型支持：集成多款自研模型，覆盖对话、写作、绘图等场景
• 生态联动：与抖音、飞书等字节生态产品深度整合

1.2.5 Kimi（月之暗面）#

• 超长文本：最早支持200万字超长上下文的国产AI工具
• 文档处理：擅长长文档阅读、总结和分析，适合学术和研报场景
• 联网搜索：内置联网搜索能力，回答时效性强

1.2.6 其他国内平台#

1.3 生成式人工智能应用场景分析#

1.3.1 应用场景分类体系#

1.3.2 企业级应用趋势#

截至2026年6月，国家网信办累计有988款生成式AI服务完成备案，598款生成式AI应用完成登记。AI应用正从"百模大战"转向真实场景渗透和产业生态构建，主要方向包括：

• AI+办公：智能文档处理、自动化工作流
• AI+客服：多轮对话、情感分析、工单自动处理
• AI+营销：内容生成、用户画像、精准推荐
• AI+研发：代码生成、自动化测试、DevOps

第二章 OpenClaw安装与基础实践（3课时 · 实践）#

2.1 OpenClaw介绍#

2.1.1 什么是OpenClaw#

OpenClaw（业内昵称"小龙虾AI"）是奥地利开发者Peter Steinberger于2025年11月发布、采用MIT开源协议的本地优先、模型无关的AI智能体执行网关与运行框架。截至2026年3月，已在GitHub收获超28万星标，是GitHub历史上增长最快的开源AI项目之一。

官方核心定位为"the AI that actually does things"（真正能执行任务的AI）。

2.1.2 核心技术特性#

2.1.3 与传统AI对话工具的区别#

2.2 OpenClaw在Windows上的安装#

2.2.1 系统要求#

• 操作系统：Windows 10/11（64位）
• Python：3.10或更高版本
• 内存：建议8GB以上
• 磁盘空间：至少2GB可用空间
• 网络：需要访问AI模型API（需配置代理或使用国内模型）

2.2.2 安装方式一：一键安装包（推荐新手）#

1. 访问OpenClaw官方GitHub Release页面下载Windows一键部署包
2. 解压ZIP文件到目标目录（如 D:\OpenClaw）
3. 运行 start.bat 启动服务
4. 浏览器自动打开 http://localhost:8080 进入管理界面

2.2.3 安装方式二：Python pip安装#

# 安装OpenClaw
pip install openclaw

# 初始化配置
openclaw init

# 启动服务
openclaw start

2.2.4 安装方式三：Docker部署（适合服务器）#

# 拉取镜像
docker pull openclaw/openclaw:latest

# 运行容器
docker run -d --name openclaw \
  -p 8080:8080 \
  -v openclaw_data:/app/data \
  -e OPENAI_API_KEY=your_api_key \
  openclaw/openclaw:latest

2.2.5 常见安装问题与解决方案#

2.3 OpenClaw配置#

2.3.1 模型配置#

OpenClaw支持模型无关架构，可配置多个AI模型：

# config.yaml 示例
models:
  - name: "gpt-4o"
    provider: "openai"
    api_key: "sk-xxxxx"
    base_url: "https://api.openai.com/v1"
  
  - name: "deepseek-chat"
    provider: "deepseek"
    api_key: "sk-xxxxx"
    base_url: "https://api.deepseek.com/v1"
  
  - name: "qwen-max"
    provider: "dashscope"
    api_key: "sk-xxxxx"
    base_url: "https://dashscope.aliyuncs.com/api/v1"

2.3.2 渠道配置#

配置多渠道接入：

2.3.3 Skill配置#

# 技能配置示例
skills:
  - name: "email-assistant"
    description: "邮件处理助手"
    enabled: true
    config:
      smtp_server: "smtp.example.com"
      smtp_port: 465
  
  - name: "file-manager"
    description: "文件管理助手"
    enabled: true
    config:
      allowed_paths: ["D:/Documents", "D:/Downloads"]

2.4 OpenClaw实践#

2.4.1 基础对话实践#

启动OpenClaw后，在Web界面或聊天软件中进行交互：

用户：帮我总结一下D:\Reports目录下所有PDF文件的关键内容
OpenClaw：[自动读取目录文件 → 逐个解析PDF → 生成总结报告]

2.4.2 文件处理实践#

用户：把D:\Downloads里的所有图片按日期分类到不同文件夹
OpenClaw：[扫描图片元数据 → 创建日期文件夹 → 移动文件 → 返回处理结果]

2.4.3 邮件处理实践#

用户：检查我的收件箱，把所有未读邮件按重要性排序并生成摘要
OpenClaw：[连接邮件服务器 → 获取未读邮件 → AI分析重要性 → 生成摘要列表]

2.4.4 系统命令执行#

用户：查看当前系统磁盘使用情况
OpenClaw：[执行系统命令 → 格式化输出结果 → 给出优化建议]

第三章 文本生成技术应用实践（2课时 · 理论+实践）#

3.1 提示词工程技术介绍#

3.1.1 什么是提示词工程#

提示词工程（Prompt Engineering）是精心编写指令以引导AI语言模型生成预期结果的过程。它是AI时代的"硬通货"——直接决定AI输出的方向、质量和效率。

关键数据：

• 结构化提示词的一次通过率高达82%，而非结构化仅35%
• 专业设计的提示词能让AI生成代码的正确率从42%提升至89%
• 90%的AI应用效果差异来自提示词质量

3.1.2 提示词工程的核心原则#

3.1.3 提示词工程的技术演进#

1. 零样本提示（Zero-shot）：不给示例，直接下达指令
2. 少样本提示（Few-shot）：提供2-5个示例引导模型
3. 思维链提示（Chain-of-Thought）：引导模型展示推理过程
4. 自一致性（Self-Consistency）：多次采样取最优
5. 思维树（Tree-of-Thought）：多路径探索，择优合并

3.2 提示词设计技巧方法#

3.2.1 CRISPE框架#

示例：

【角色】你是一位资深的电信行业分析师
【背景】我们需要为公司管理层撰写关于5G-A商用的分析报告
【任务】写一份5G-A技术发展趋势分析，包含技术特点、应用场景、市场前景三个部分
【风格】专业严谨，使用数据支撑观点
【格式】Markdown格式，每个部分300-500字，包含小标题
【示例】参考以下结构：
## 一、5G-A技术特点
...（正文内容）

3.2.2 常用提示词技巧#

3.2.3 高级提示词技术#

思维链提示（Chain-of-Thought）：

问题：一个电信基站每天消耗200度电，电费每度0.8元。
如果将该基站升级为AI节能模式，预计可节省30%的电力消耗。
请逐步计算：
1. 升级前每月电费
2. 升级后每月电费
3. 每年节省的电费金额

请展示完整的计算过程。

ReAct模式（推理+行动）：

你是一个数据分析助手。面对用户问题，请按以下格式回答：
Thought: 我需要分析这个问题...
Action: 我需要搜索/计算/查找...
Observation: 我得到的结果是...
Thought: 基于结果，我可以...
Final Answer: 最终回答

3.3 提示词模板应用实践#

3.3.1 通用提示词模板库#

模板1：会议纪要生成

请将以下会议录音转写文本整理为会议纪要：
格式要求：
1. 会议基本信息（时间、参与人、议题）
2. 讨论要点（按议题分类）
3. 决议事项
4. 待办任务（责任人、截止日期）

会议文本：[粘贴转写文本]

模板2：项目方案撰写

作为{角色}，请撰写一份{项目名称}项目方案：
方案需要包含以下部分：
1. 项目背景与目标
2. 需求分析
3. 技术方案
4. 实施计划（甘特图描述）
5. 预算估算
6. 风险评估

要求：{字数}字左右，语言{风格}，面向{读者}。

模板3：代码审查

请审查以下代码，从以下维度给出评估：
1. 代码规范（命名、注释、格式）
2. 性能问题
3. 安全漏洞
4. 可维护性
5. 改进建议

代码：

{代码内容}

请按严重程度排序输出问题列表。

3.3.2 提示词优化流程#

1. 初稿编写：根据任务需求编写初始提示词
2. 测试评估：使用提示词生成输出，评估质量
3. 问题分析：识别输出中的不足（遗漏、错误、格式不符等）
4. 迭代优化：调整提示词，增加约束或示例
5. 固化模板：将优化后的提示词固化为可复用模板

3.4 文本生成应用场景探索分析#

3.4.1 商务写作场景#

3.4.2 技术文档场景#

3.4.3 创意内容场景#

第四章 图像生成技术实践（2课时 · 理论+实践）#

4.1 图像生成工具平台介绍#

4.1.1 主流AI图像生成工具分类#

4.1.2 国内主流图像生成平台#

4.1.3 Stable Diffusion核心概念#

4.2 图像生成提示词设计#

4.2.1 提示词结构化公式#

AI绘图提示词的标准结构：

[主体描述] + [风格关键词] + [画质修饰] + [构图/视角] + [光影/色彩] + [负向提示词]

正向提示词示例：

(masterpiece, best quality:1.2), a beautiful telecommunications engineer, 
professional suit, standing in a modern data center, 
cinematic lighting, shallow depth of field, 
85mm lens, photorealistic, 4K, detailed

负向提示词示例：

(low quality, worst quality:1.4), deformed, bad anatomy, 
bad hands, missing fingers, extra digits, 
blurry, watermark, text, signature, 
poorly drawn face, mutation

4.2.2 提示词权重语法#

4.2.3 中文场景提示词设计要点#

1. 主体明确：先描述核心主体，再添加修饰
2. 风格指定：使用画师名或风格关键词（如"赛博朋克"“吉卜力风格”）
3. 画质堆叠：使用质量关键词提升输出品质
4. 负向排除：明确排除不需要的元素
5. 迭代调试：根据生成结果逐步调整权重和关键词

4.3 图像风格转换技术实践#

4.3.1 图生图（Img2Img）#

图生图是在原图基础上进行风格转换：

1. 输入原图：作为基础参考
2. Denoising Strength：去噪强度（0.1-1.0），值越大变化越大
3. 风格提示词：描述目标风格
4. 参考权重：通过ControlNet控制参考程度

实践步骤：

1. 准备一张照片（如产品照片）
2. 上传到图生图模块
3. 设置目标风格提示词（如"watercolor painting style"）
4. 调整Denoising Strength（建议0.4-0.6）
5. 生成并对比效果

4.3.2 ControlNet结构控制#

4.3.3 风格转换实践案例#

案例：将照片转为动漫风格

原始输入：一张人物照片
ControlNet：OpenPose（保持姿态）+ IP-Adapter（参考动漫风格）
提示词：(anime style:1.3), (studio ghibli:1.2), beautiful detailed eyes,
        colorful, soft lighting, cel shading
Denoising：0.55

4.4 图像生成技巧方法总结#

4.4.1 质量提升清单#

4.4.2 常见问题与解决方案#

第五章 生成式AI行业应用探索（2课时 · 理论+实践）#

5.1 教育领域应用场景分析#

5.1.1 个性化教学#

• 智能学情分析：AI分析学生答题数据，生成个性化学习路径
• 自适应出题：根据学生水平自动生成不同难度的练习题
• 智能答疑：7×24小时AI助教，实时解答学生疑问
• 作文批改：自动评分并提供修改建议

5.1.2 内容生成#

• 教案生成：输入教学目标，自动生成教案大纲和活动设计
• 课件制作：AI生成PPT，配图和动画建议
• 题库建设：自动生成多题型题库，支持知识点标签
• 教学视频：AI生成动画教学视频，支持中英文配音

5.1.3 教育管理#

• 招生咨询：AI客服解答招生政策、专业介绍
• 质量评估：分析教学评价数据，生成改进报告
• 家校沟通：自动生成学生周报、月报

5.2 制造领域应用场景分析#

5.2.1 研发设计#

• CAD辅助设计：自然语言描述生成3D模型草稿
• 材料选择：AI推荐最优材料组合
• 仿真预测：基于历史数据预测产品性能

5.2.2 生产制造#

• 质量检测：计算机视觉+AI实时检测产品缺陷
• 设备维护：AI预测设备故障，提前预警
• 工艺优化：分析生产数据，优化工艺参数

5.2.3 运营管理#

• 供应链优化：AI预测需求，优化库存
• 生产排程：智能排产，减少等待时间
• 能耗管理：AI优化能源使用，降低成本

5.3 编程领域应用场景分析#

5.3.1 代码生成#

5.3.2 开发效率提升#

• 代码生成：自然语言描述需求→生成代码
• Bug修复：粘贴错误信息→AI分析并给出修复方案
• 代码审查：AI审查代码质量、安全漏洞
• 测试生成：自动生成单元测试用例
• 文档生成：根据代码自动生成API文档

5.3.3 编程教育#

• 智能辅导：AI解释代码逻辑，逐步引导学习
• 在线Debug：实时诊断代码问题
• 项目指导：AI辅助完成编程项目

5.4 电信客服行业应用分析#

5.4.1 智能客服#

• 多轮对话：理解用户意图，引导解决问题
• 知识库问答：基于产品文档、FAQ自动回答
• 工单分类：AI自动分类和路由工单
• 情感分析：识别用户情绪，升级处理

5.4.2 网络运维#

• 故障诊断：AI分析告警日志，定位故障根因
• 智能巡检：自动生成巡检报告
• 容量预测：基于流量数据预测网络容量需求
• 配置优化：AI优化网络参数配置

5.4.3 营销服务#

• 用户画像：AI分析用户行为，生成精准画像
• 套餐推荐：根据使用习惯推荐最优套餐
• 流失预警：AI预测用户流失风险，触发挽留策略

5.5 智能会计应用场景分析#

5.5.1 财务自动化#

• 凭证生成：AI识别发票/收据，自动生成会计凭证
• 账务核对：自动比对银行流水与账目
• 报表生成：自动生成资产负债表、利润表等

5.5.2 税务管理#

• 税务计算：AI自动计算各税种应纳税额
• 风险预警：识别税务风险点
• 申报辅助：自动填充税务申报表

5.5.3 财务分析#

• 数据洞察：AI分析财务数据，发现异常和趋势
• 预算预测：基于历史数据预测财务走势
• 审计辅助：AI辅助审计抽样和风险评估

5.6 人力资源行业应用分析#

5.6.1 招聘管理#

• 简历筛选：AI快速筛选匹配岗位的简历
• 面试助手：AI生成面试问题，辅助面试评估
• 人才画像：分析候选人能力模型
• 岗位描述：AI生成标准化岗位描述

5.6.2 员工服务#

• 政策问答：AI解答员工关于福利、制度的问题
• 培训推荐：根据员工发展路径推荐培训课程
• 绩效分析：AI辅助绩效评估和反馈生成

5.6.3 组织管理#

• 组织诊断：AI分析组织结构和效能
• 离职预测：识别高离职风险员工
• 人才盘点：AI辅助人才梯队分析

5.7 电子商务行业应用分析#

5.7.1 商品内容#

• 商品描述：AI自动生成吸引人的商品文案
• 主图生成：AI生成商品展示图和场景图
• 详情页：自动生成结构化商品详情页
• 多语言：一键翻译为多语言版本

5.7.2 营销推广#

• 广告文案：AI生成多版本广告A/B测试文案
• 直播脚本：生成直播带货话术脚本
• 社群运营：AI生成社群互动内容
• SEO优化：AI优化商品标题和描述

5.7.3 数据分析#

• 评论分析：AI分析用户评论，提取优缺点
• 趋势预测：预测热销品类和趋势
• 推荐系统：AI优化商品推荐算法

5.8 市场营销行业应用分析#

5.8.1 内容营销#

• 内容策划：AI生成内容日历和选题方案
• 文案创作：多风格文案（专业/活泼/感性）
• 视觉设计：AI生成营销海报、Banner
• 视频制作：AI生成短视频营销内容

5.8.2 市场分析#

• 竞品分析：AI收集并分析竞争对手信息
• 舆情监测：实时监测品牌舆情，生成报告
• 用户调研：AI生成调研问卷，分析调研结果
• 趋势洞察：AI分析行业趋势，输出洞察报告

5.8.3 营销自动化#

• 邮件营销：AI生成个性化邮件内容
• 社媒管理：AI自动排期和生成帖子
• 线索评分：AI评估营销线索质量
• ROI分析：AI分析营销活动效果和ROI

第六章 Coze平台技术应用实践（2课时 · 理论+实践）#

6.1 Coze平台技术介绍#

6.1.1 什么是Coze（扣子）#

Coze（扣子）是字节跳动旗下的一站式AI智能体（AI Agent）开发与工作流编排平台。通过低代码或零代码的可视化方式，让用户无需深厚编程基础即可快速创建、调试并部署AI聊天机器人（Bot）、智能体及自动化工作流。

6.1.2 核心能力#

6.1.3 核心概念#

6.2 工作流设计原理介绍#

6.2.1 工作流的基本结构#

一个典型的Coze工作流包含以下节点：

[开始节点] → [LLM节点] → [条件分支] → [插件节点] → [输出节点]

6.2.2 工作流节点类型#

6.2.3 工作流设计原则#

1. 单一职责：每个节点只做一件事
2. 清晰流转：节点间数据流向明确
3. 异常处理：考虑分支和错误兜底
4. 可测试性：每个节点可独立测试
5. 性能优化：避免不必要的LLM调用

6.3 Coze平台搭建对话系统#

6.3.1 创建智能体步骤#

第一步：创建智能体

1. 访问 coze.cn 注册/登录
2. 点击"创建Bot"
3. 填写Bot名称、描述、图标

第二步：编写提示词

角色：你是江苏电信的智能客服助手
能力：
1. 解答用户关于套餐、宽带、5G等业务问题
2. 处理用户投诉和报障
3. 推荐适合用户的套餐和增值业务
约束：
1. 回答必须准确，基于知识库内容
2. 无法回答时引导用户转人工
3. 保持礼貌、专业的语气

第三步：为智能体添加技能

• 添加插件（如搜索、天气查询）
• 配置知识库（上传产品文档、FAQ）
• 设置工作流（复杂任务自动化）
• 配置记忆（多轮对话上下文）

第四步：调试智能体

• 使用预览功能测试对话
• 调整提示词和配置
• 测试边界情况和异常输入

第五步：发布智能体

• 选择发布渠道（豆包、飞书、微信公众号等）
• 配置发布参数
• 上线并监控运行

6.3.2 对话系统配置要点#

6.4 Coze平台搭建图像风格转换应用#

6.4.1 应用设计#

搭建一个图像风格转换Bot：

1. 输入：用户上传原始图片 + 描述目标风格
2. 处理流程：
   • LLM节点：解析用户风格描述，生成图像生成提示词
   • 插件节点：调用图像生成API（如即梦AI）
   • 输出节点：返回风格转换后的图片

6.4.2 工作流配置#

[用户上传图片+风格描述]
    ↓
[LLM节点：将风格描述转化为标准提示词]
    ↓
[代码节点：组装API请求参数]
    ↓
[插件节点：调用图像生成API]
    ↓
[输出节点：返回处理后的图片]

6.4.3 实践要点#

• 图片预处理：限制输入图片大小和格式
• 风格模板：预设常用风格模板（油画、水彩、动漫等）
• 错误处理：API调用失败时的重试和提示
• 用户体验：提供风格预览和参数调整

第七章 模拟赛题讲解与练习（4课时 · 实践）#

7.1 竞赛概述#

模拟赛题旨在检验学员对生成式AI工具和平台的综合应用能力，涵盖以下技能：

• 提示词设计与优化
• 文本生成与分析
• 图像生成与风格转换
• Coze平台智能体搭建
• 行业场景解决方案设计

7.2 典型赛题类型#

7.2.1 文本生成类赛题#

题型示例：

使用AI工具生成一份关于"5G-A赋能智慧城市"的技术白皮书，要求：

1. 不少于3000字
2. 包含技术架构图描述
3. 至少3个应用场景分析
4. 符合技术白皮书的写作规范

解题要点：

1. 设计结构化提示词（角色+任务+约束+格式）
2. 分段生成，保持逻辑连贯
3. 使用思维链引导深度分析
4. 迭代优化，确保内容质量

7.2.2 图像生成类赛题#

题型示例：

使用AI图像生成工具创建一组电信行业宣传海报：

1. 主视觉：科技感5G基站场景
2. 三个不同风格版本（写实、插画、赛博朋克）
3. 包含品牌文字元素
4. 输出1920×1080分辨率

解题要点：

1. 设计精准的图像生成提示词
2. 使用ControlNet控制构图
3. 使用LoRA保持风格一致性
4. 后期处理添加文字元素

7.2.3 智能体搭建类赛题#

题型示例：

在Coze平台搭建一个"电信业务智能客服"Bot：

1. 能回答套餐、宽带、5G相关常见问题
2. 集成知识库（提供FAQ文档）
3. 设计工作流处理用户报障
4. 具备多轮对话能力

解题要点：

1. 设计完善的Bot人设提示词
2. 合理配置知识库和插件
3. 设计报障处理工作流
4. 测试多种对话场景

7.3 竞赛策略与技巧#

附录#

附录A：推荐学习资源#

附录B：常用提示词速查表#

附录C：OpenClaw常用命令速查#

免责声明：本教程基于2026年AI大模型应用开发工程师初级课程大纲整理，结合互联网公开技术资料编写。AI技术发展迅速，部分工具和平台功能可能已有更新，请以官方最新文档为准。

AI生成