课程背景BACKGROUND

在全球数字化转型加速的背景下，人工智能已成为企业发展的核心驱动力。现在大部分企业已经将AI纳入战略规划，企业的竞争已经加入了AI的元素。但企业在落地AI时，特别是中小企业碰到较大的困难。

企业缺乏AI专业人才，AI落地周期长，难以快速响应业务变化；员工40%-60%时间消耗在重复性工作，效率低下且易出错；跨部门系统割裂导致协同低效、决策滞后；金融等行业对数据安全和定制化需求迫切。

本课程聚焦企业AI应用痛点，围绕 “理论+实操”，系统讲解AI大模型、智能体、数字员工等核心技术，结合Coze、影刀RPA等平台，通过案例教学和实战演练，帮助学员掌握零/低代码开发能力，实现业务流程自动化诊断、设计与部署，助力企业突破技术壁垒，释放AI降本增效价值。

课程安排ARRANGEMENT

课程时长

2天，6小时/天

适用对象

企业老板、企业管理者、企业AI落地团队

授课方式

理论讲解（20%）+工具使用（50%）+实践操作（30%）

课程收益BENEFITS

1. 建立AI战略认知：理解AI大模型原理及企业应用价值，明确AI在工具提效、流程自动化等价值。

1. 掌握全流程实操技能：熟练使用提示词、智能体开发、数字员工创建，具备完成AI应用落地的能力。

3. 提升业务流程效率：识别重复性业务环节，通过AI自动化流程建设，减少人工干预，提高生产力。

4. 强化技术安全与竞争力：掌握私有化部署技术，满足数据安全需求，通过定制化开发构建专属AI能力，形成差异化竞争优势。

课程大纲OUTLINE

章节目标：客户理解AI大模型的基本概念，AI大模型对企业的价值。
一、什么是AI大模型
1. AI大模型的定义
2. 与传统AI模型的区别
3. 大模型的发展历程与重要里程碑
二、AI大模型的核心原理
1. 核心突破点：Transformer架构
2. 深度学习基础：用神经网络模拟人脑工作
3. 自监督学习：靠海量数据自己学规律
三、AI大模型的主要类型
1. 自然语言处理大模型：GPT、文心一言等
2. 图像生成大模型：Stable Diffusion、Midjourney等
四、企业AI化的必要性
1. 提高业务效率
2. 创新业务模式
3. 提升企业竞争力
案例实践：如何做行业竞调分析
1）用 Deepseek V3竞调输出
2）用 Deepseek R1竞调输出
3）打开联网搜索，再次输出
4）感受模型的差异
成果输出：输出行业竞调分析报告，感受AI的魅力。

章节目标：知道企业AI应用落地的等级，以及对应的能力。
一、工具辅助员工提效
1. AI文案
2. AI扣图
3. 会议助手
二、知识沉淀与复用
1. 知识库归类
2. 知识库标签管理
3. 知识复用效果评估
4. 知识库权限分级
5. 知识库敏感信息脱敏
三、任务流程自动化
1. 识别自动化业务流程
2. 搭建自动化流程方法
3. 评估自动化流程效果
4. 持续迭代自动化流程
四、企业数字员工
1. 财务对账机器人
2. 7*24小时智能客服
3. 重复执行数字人
4. 人机协助
五、AI成为企业技术优势
1. AI私有化部署
2. 企业战略融入AI技术
3. 组织结构匹配AI效能

章节目标：掌握生产力工具核心用法
一、提示词基础
1. 提示词对模型输出的影响
2. 设计有效提示词的方法
1）明确对象
2）明确任务目标
3）输出限定
4）拆解任务
二、常见提示词模板
1. 提问的两种方式
1）指令式提问
2）投喂式提问
2. 提示词万能公式
——角色+任务+要求+细节
三、提示词的高级技巧
1. 动态提示词生成与调整
2. 提示词模板创建与复用
3. 多轮对话中的提示词连贯性维护
四、不同场景下的提示词应用
1. 文本生成场景
案例：文案写作、故事创作等
2. 图像生成场景
案例：设计创意、艺术创作等
3. 数据分析场景
案例：数据洞察、报告生成等
五、提示词工具与资源推荐
1. Promptimize AI等提示词优化工具
2. 在线提示词库与社区：Tipstore等
案例实践：用AI输出一篇会议发言稿
1）需求分析与信息准备
2）AI指令设计与初稿生成
3）人工润色与风格调校
4）输出终稿
成果输出：用AI输出一篇会议发言稿

章节目标：建立企业知识库，沉淀企业资产。
一、知识库建设基础
1. 知识库的分类方法
1）按知识库的服务对象分类
2）按知识库的构建方式分类
2. 知识库的特点
1）多维度与多层次
2）共享性与协作性
3）权威性与可信度
二、知识库构建的流程
1. 数据收集与整理策略
2. 知识表示与编码技术
3. 数据清洗与标注
4. 选择知识库搭建平台
5. 知识库架构设计
6. 知识库更新机制
三、知识库与AI模型的交互机制
1. 信息检索与融合算法
2. 智能问答系统集成
3. 知识推荐功能
4. 上下文感知的知识调用
5. 企业内部培训与学习
案例实践：用飞书搭建企业在线共享知识库
1）新建知识库
2）创建知识库目录
3）设置知识库权限
4）导入企业存量知识库
成果输出：用飞书新搭建一个企业知识库

章节目标：了解智能体并搭建出第一个企业智能体。
一、AI智能体的组成要素
1. 感知模块：数据输入与环境感知
2. 决策模块：模型推理与策略制定
3. 执行模块：任务操作与反馈获取
二、智能体开发平台与工具选择
1. Coze平台：快速搭建和发布智能体，适合个人
2. 腾讯元器：腾讯生态系统，适合需要与社交平台深度集成
3. GPT Store：面向全球开发者，提供强大的模型支持和开放的社区生态
三、智能体需求确定流程
1. 需求分析与功能定义
2. 工作流程确定
3. 工作任务拆解
4. 自动化节点评估
四、Coze平台搭建第一个智能体
1. 创建智能体
2. 配置智能体参数
1）人设与回复逻辑
2）技能配置
3. 调试与测试
4. 发布智能体
案例实践：用Coze搭建企业智能客服机器人
1）明确智能客服解决的需求问题
2）拆解智能客服工作流程
3）用Coze平台创建一个智能客服机器人
4）配置智能客服工作流
5）调试并发布智能体机器人
成果输出：用Coze搭建出企业第一个智能客服机器人

章节目标：用影刀平台搭建一个数字员工，解决某一类日常重复需求。
一、数字员工的价值
1. 自动化业务流程处理
2. 7×24小时不间断工作
3. 减少人为错误与提高合规性
二、影刀RPA平台的特点
1. 低代码开发环境
2. 丰富的自动化组件库
3. 任务调度与管理功能
三、影刀数字员工的创建流程
1. 流程录制与设计
2. 数据处理与交互
3. 流程异常分支处理
4. 配置触发调度任务
四、影刀数字员工的管理与维护
1. 任务调度与监控
2. 版本更新与升级
3. 安全与权限管理
案例实战：搭建一个数据处理与报表生成的数字员工。
1）业务流程梳理与目标确定
2）流程建模与自动化设计
3）用影刀配置自动化流程
4）用影刀配置调度机制
5）部署任务
成果输出：搭建一个数据处理与报表生成的数字员工。

章节目标：掌握大模型私有化部署，帮助企业在数据安全的情况下落地AI。
一、模型私有化部署的基础
1. 私有化部署的必要性与优势
2. 保护企业数据隐私
3. 满足业务定制化需求
4. 与公有云部署的对比
二、模型私有化部署的关键技术
1. 服务器选型与配置
2. 网络架构搭建
3. 模型优化与适配
4. 安全与隐私保护技术
三、模型私有化部署的实施步骤
1. 需求分析与规划
2. 部署与配置过程详解
3. 模型选择与下载
4. 模型测试
5. 系统上线
四、模型私有化部署的应用场景
1. 金融行业数据安全需求
2. 网络不稳定或数据传输受限
3. 有特定业务需求需定制化模型
案例实战：个人电脑私有化部署DeepSeek-R1大模型
1）环境准备
a操作系统：Windows 10/11（64位）
b内存：至少8GB（推荐16GB以上，运行7B模型需6GB显存）
c存储：预留20GB以上空间存放模型文件
2）下载工具与模型
3）部署安装
4）测试部署模型
5）知识库集成
成果输出：个人电脑私有化部署DeepSeek-R1大模型
课程总结与实战
1. 复习今日课程内容
2. 探讨AI智能体未来趋势
3. 用AI做AI学习计划
4. 拍合照
5. 课程反馈填写

企业效率革命：从入门到精通的企业AI实战

课程背景BACKGROUND

课程安排ARRANGEMENT

课程收益BENEFITS

课程大纲OUTLINE

预约谢海林老师讲授《企业效率革命：从入门到精通的企业AI实战》

谢海林老师其他主讲课程