2025 年 3 月 8 日，C 哥受邀做客厦门大学数据库实验室主办的“大数据百家讲坛”第 133 期前沿科技直播间，面向专家学者、教师、学生和广大科技爱好者，分享 DeepSeek、提示词设计、幻觉规避、内容渲染以及 Manus 与 AI 智能体等前沿话题。讲座通过多个平台同步直播，把模型原理、使用方法和智能体趋势放在同一条清晰脉络中展开。
这场分享没有停留在“某个工具怎样操作”，而是先回答一个更根本的问题：当推理模型越来越聪明，提示词是否还重要？C 哥给出的判断是，提示词的作用正在发生变化。过去，人们需要用大量步骤让模型勉强听懂；现在，更重要的是把目标、必要背景、材料边界和验收方式组织清楚，为 AI 注入完成任务所缺少的“预先默契”。
推理模型时代，什么该说、什么不必反复说？
课程区分了推理模型与非推理模型。推理模型能够在内部尝试、检查和修正，因此不必总是强行规定详细思维过程；非推理模型则更依赖清楚的过程指令。无论模型是否具备推理能力，任务背景、企业内部知识、数据范围、最终目标和输出要求仍需要由使用者提供。
C 哥还提醒，自动化场景中的提示词必须区分“要执行的指令”和“待处理的材料”。如果两者混在一起，资料中的某句话可能被模型误当成新命令。随着 AI 从一次问答走向无人值守的智能体流程，输入分区、格式约束、失败处理和来源校验的重要性会进一步上升。
从 Markdown 到图表：让 AI 交付可用内容
讲座展示了 Markdown、表格、图表、SVG、Canvas 和网页等多种中间格式。C 哥强调，很多任务不必强求模型一步生成最终文件；先让 AI 输出结构清晰、容易检查和转换的中间表示，再交给渲染工具形成报告、图表或演示内容，通常更稳定。
这种思路也让非技术用户能够指挥 AI 完成复杂表达。论文配图、结构图、动态图示和数据页面，可以先由人明确内容与审美要求，再让 AI 生成代码或结构化文本并反复检查。人的价值并未消失，而是从手工绘制转向目标定义、质量判断和结果验收。
控制幻觉，不能只靠一句“不要编”
针对大模型幻觉，讲座给出了一套组合方法：使用联网检索补充最新信息，要求标注来源，对关键事实进行交叉验证，让模型自我检查，并把过长任务拆成可独立验收的步骤。模型表达得流畅，并不等于事实准确；尤其涉及数字、时间、论文、政策和专业结论时，来源核验仍然不可缺少。
在智能体部分，C 哥以 Manus 为例解释了大模型、工具和智能体之间的区别。大模型提供推理能力，智能体负责理解目标、拆解任务、选择工具并持续执行。真正的价值不只在“会回答”，而在能否查找资料、操作工具、生成交付物，并在遇到问题时调整计划。
此次厦门大学“大数据百家讲坛”分享，集中呈现了 C 哥一贯关注的方向：把 AI 的前沿变化翻译为普通人能够理解、验证和使用的方法。百言科技也将持续围绕提示词、智能体、Skill、Vibe Coding 与企业 AI 落地开展分享和实践。