課(ke)程收益(yi)：

1. 建立AI戰略認(ren)知：理解AI大模型(xing)原理及企(qi)業應用(yong)價值，明(ming)確(que)AI在工具提效(xiao)、流(liu)程(cheng)自動化等價值。

1. 掌握全流程實操技(ji)能(neng)：熟練使用提示詞(ci)、智能(neng)體(ti)開發、數(shu)字員工創建，具備完成(cheng)AI應用落地的能(neng)力。

3. 提(ti)升業務流程效率(lv)：識別重復性業務環節，通過(guo)AI自動化流程建設，減少人工干預，提(ti)高生產力。

4. 強化技術(shu)(shu)安(an)全(quan)與競(jing)爭力(li)：掌握私有化部(bu)署(shu)技術(shu)(shu)，滿足(zu)數(shu)據安(an)全(quan)需求，通過定制化開發構建專屬AI能力(li)，形成差異化競(jing)爭優(you)勢(shi)。

課程(cheng)工具：

1. Deepseek、通義千問等國(guo)產大模型

2. Coze智能(neng)體(ti)開(kai)發平臺

3. 飛書協(xie)作工具(ju)

4. 影刀開發(fa)平(ping)臺

學員準備(bei)：

1. 個人電腦和智能手(shou)機

2. 提前注冊(ce)Coze平臺賬號

3. 提前(qian)注冊Deepseek、通義千問等(deng)國產(chan)大(da)模型賬(zhang)號

4. 提前注冊飛書

5. 提前注冊影刀

第(di)一講：AI大模型核(he)心認知——構建(jian)企業(ye)數字化轉型技術底座

章節目標：客戶理解AI大模(mo)型的基本概念，AI大模(mo)型對(dui)企業的價值。

一(yi)、什么是(shi)AI大模型

1. AI大(da)模(mo)型(xing)的定義

2. 與傳統AI模(mo)型的(de)區別

3. 大模(mo)型的發展歷程與重要里程碑

二、AI大(da)模型的核(he)心原理

1. 核心突破點：Transformer架構(gou)

2. 深度(du)學習基礎：用神經網絡模(mo)擬人腦(nao)工作(zuo)

3. 自(zi)監(jian)督學(xue)習：靠(kao)海量(liang)數(shu)據自(zi)己(ji)學(xue)規律

三、AI大(da)模(mo)型(xing)的主要(yao)類型(xing)

1. 自然語言處理(li)大模型：GPT、文心一(yi)言等

2. 圖像生成大模型(xing)：Stable Diffusion、Midjourney等

四、企業(ye)AI化(hua)的必要性

1. 提高業務效率

2. 創新業務模式

3. 提升企業競(jing)爭力

案例實踐：如何做(zuo)行業(ye)競調分析

1）用(yong) Deepseek V3競調輸出

2）用 Deepseek R1競調輸出

3）打開(kai)聯網(wang)搜(sou)索，再次輸出

4）感(gan)受模型(xing)的差異

成果輸出：輸出行業(ye)競調分析報告，感受AI的魅(mei)力。

第(di)二講：企(qi)業AI應(ying)用落地的五個層(ceng)級(ji)——構建從(cong)工具(ju)到戰略的進階路徑(jing)

章(zhang)節目標：知道企業(ye)AI應用(yong)落地的等級，以(yi)及對應的能力。

一、工具輔(fu)助員工提效

1. AI文案

2. AI扣圖

3. 會議助手

二、知識沉淀與復(fu)用

1. 知識庫(ku)歸類

2. 知識庫(ku)標(biao)簽管理

3. 知識復用效果評估(gu)

4. 知(zhi)識庫權限(xian)分級(ji)

5. 知識(shi)庫敏感信息脫(tuo)敏

三、任務流(liu)程自動化

1. 識別自(zi)動(dong)化業務流程

2. 搭建自動(dong)化流程方法

3. 評估自(zi)動化(hua)流程效果

4. 持(chi)續迭代自動化流程

四、企業數字員工

1. 財務對賬機器人

2. 7*24小(xiao)時智能客服

3. 重(zhong)復執(zhi)行數(shu)字人

4. 人機協(xie)助

五(wu)、AI成為(wei)企(qi)業(ye)技(ji)術優勢

1. AI私(si)有(you)化部署

2. 企(qi)業戰(zhan)略(lve)融入(ru)AI技術

3. 組(zu)織結構(gou)匹配AI效能

第三講：AI提示詞工程核心方法——構建(jian)高效模型(xing)交(jiao)互(hu)的底層邏(luo)輯

章(zhang)節(jie)目標：掌握生產力工具核心(xin)用法

一(yi)、提示詞基礎

1. 提示(shi)詞(ci)對模(mo)型輸出的影響

2. 設(she)計有(you)效提示詞的方法

1）明確對象(xiang)

2）明確(que)任務目標

3）輸出限定

4）拆(chai)解(jie)任(ren)務

二、常見提示詞(ci)模板

1. 提問(wen)的兩種方式(shi)

1）指令(ling)式提問

2）投喂式提(ti)問

2. 提示詞萬能公式

——角(jiao)色+任務+要求(qiu)+細節

三、提示詞的高級(ji)技巧

1. 動態提示(shi)詞生成與調整(zheng)

2. 提(ti)示(shi)詞(ci)模板創建與(yu)復用

3. 多輪(lun)對(dui)話中的提示詞連貫性維護(hu)

四、不同場(chang)景下的提示詞應(ying)用

1. 文本生成場景(jing)

案(an)例：文案寫作(zuo)、故(gu)事創作(zuo)等(deng)

2. 圖像(xiang)生(sheng)成(cheng)場景

案例：設計創(chuang)意、藝術創(chuang)作等

3. 數據分析(xi)場景

案例：數據洞(dong)察、報告生成(cheng)等

五、提示詞工具與資源推薦

1. Promptimize AI等提示詞優化工具

2. 在線提示詞庫與社區：Tipstore等

案例(li)實(shi)踐(jian)：用AI輸出(chu)一篇會議發言稿

1）需求分(fen)析與信(xin)息準(zhun)備

2）AI指(zhi)令設計與(yu)初稿生成

3）人工(gong)潤色與風格調(diao)校(xiao)

4）輸出終稿(gao)

成(cheng)果輸出：用(yong)AI輸出一(yi)篇會議發言稿

第(di)四講：企業AI知識庫構建(jian)(jian)與管理——沉(chen)淀組織智(zhi)慧的數字(zi)化基(ji)建(jian)(jian)

章節目(mu)標：建(jian)立企業知識庫，沉(chen)淀企業資產。

一、知識(shi)庫(ku)建(jian)設基礎

1. 知識庫的(de)分類方法

1）按知識(shi)庫的服務對象分類

2）按(an)知識(shi)庫的構建方式分(fen)類

2. 知識庫(ku)的(de)特(te)點(dian)

1）多維(wei)度與多層次

2）共享性(xing)與協作性(xing)

3）權威性與可(ke)信(xin)度

二、知識庫構建的流程(cheng)

1. 數據收集與整理策略

2. 知(zhi)識表示與編碼(ma)技術

3. 數據清洗(xi)與標(biao)注

4. 選擇(ze)知識庫搭建平臺

5. 知識庫架構(gou)設計

6. 知識庫更(geng)新機制

三、知識庫(ku)與AI模型的(de)交互(hu)機(ji)制

1. 信(xin)息檢(jian)索與融合算法

2. 智(zhi)能問答系統集(ji)成(cheng)

3. 知(zhi)識推薦功(gong)能

4. 上下文感知(zhi)的知(zhi)識調用

5. 企業內部培訓(xun)與(yu)學習

案例實踐：用飛書搭建企業在線共享知識庫(ku)

1）新建知識庫

2）創(chuang)建知識庫目錄

3）設(she)置知識(shi)庫權限(xian)

4）導入企(qi)業(ye)存量知識庫

成果(guo)輸出：用飛(fei)書新搭建一個企業知識庫

第五講：AI智能體(ti)開發全流程(cheng)實踐——搭建業(ye)務(wu)流程(cheng)自(zi)動化(hua)執行引擎

章節目標：了解智(zhi)能體(ti)(ti)并搭建出第一個企業智(zhi)能體(ti)(ti)。

一、AI智能體的(de)組成要素

1. 感知模塊：數(shu)據輸入(ru)與環境感知

2. 決策模塊：模型推理(li)與策略制(zhi)定

3. 執行模塊：任務操作(zuo)與反饋獲取

二、智能(neng)體開(kai)發平臺與工具選(xuan)擇

1. Coze平臺：快速搭建和發布智(zhi)能體，適(shi)合個人

2. 騰(teng)訊(xun)元器：騰(teng)訊(xun)生態系統，適合需要(yao)與社交(jiao)平臺深(shen)度集成

3. GPT Store：面向全球開(kai)發(fa)者，提供強大(da)的模型支持和開(kai)放的社區生態

三、智能體需求確定流(liu)程

1. 需求(qiu)分(fen)析與功能定義(yi)

2. 工作流程確(que)定(ding)

3. 工作任務拆解(jie)

4. 自動化(hua)節點評估

四(si)、Coze平臺搭建第(di)一個智能體(ti)

1. 創(chuang)建(jian)智能體

2. 配置智能體參數

1）人(ren)設與(yu)回復邏輯(ji)

2）技(ji)能配置

3. 調試(shi)與(yu)測試(shi)

4. 發布(bu)智(zhi)能體(ti)

案例實踐：用(yong)Coze搭建(jian)企業智能(neng)客(ke)服(fu)機器人

1）明確智能客服解決(jue)的需求問(wen)題

2）拆解智能客(ke)服(fu)工作(zuo)流程

3）用Coze平(ping)臺(tai)創建一個智(zhi)能(neng)客服機器人(ren)

4）配置智能客服工作流

5）調試并發布智能體機器人

成(cheng)果輸出：用Coze搭(da)建(jian)出(chu)企業第一個智能客服機(ji)器(qi)人(ren)

第六講：影刀RPA數(shu)字員工開發——打造7×24小時無人(ren)化作業系(xi)統(tong)

章(zhang)節目(mu)標(biao)：用影刀平臺搭建一(yi)(yi)個(ge)數字員工，解決某一(yi)(yi)類日(ri)常重復需求。

一(yi)、數字員工(gong)的價值(zhi)

1. 自動(dong)化業(ye)務流程處理(li)

2. 7×24小時不間(jian)斷工作

3. 減少人為(wei)錯(cuo)誤與(yu)提(ti)高(gao)合(he)規性(xing)

二(er)、影(ying)刀RPA平臺的(de)特點

1. 低代碼(ma)開發環境

2. 豐富的自動化組件庫

3. 任務調度與(yu)管理功能(neng)

三、影刀數字(zi)員工的創建流程

1. 流程錄制與設計

2. 數據(ju)處理(li)與交互

3. 流程異常(chang)分支處理

4. 配置觸發調度任務

四、影刀數字員(yuan)工的管(guan)理(li)與維護

1. 任(ren)務(wu)調度(du)與監控

2. 版本更新與(yu)升級

3. 安(an)全(quan)與(yu)權限管理

案例實戰：搭建一個數據處(chu)理(li)與(yu)報表(biao)生成的數字員工。

1）業務流(liu)程梳(shu)理與(yu)目標確定

2）流程建模與自動(dong)化設計

3）用影刀配置自動化流程

4）用(yong)影刀配置調度機制

5）部署任務

成(cheng)果輸出(chu)：搭建一個數據處理與報表生(sheng)成(cheng)的數字員工(gong)。

第七講：大模型私有化部署實戰(zhan)——構建(jian)數據安全敏感型AI基礎設施

章節(jie)目標：掌握大模型私有化部署，幫助企業(ye)在數據安全的(de)情況下落(luo)地AI。

一(yi)、模型私有化部署的基礎

1. 私(si)有化部署的(de)必要性(xing)與優勢

2. 保護(hu)企業數據(ju)隱私

3. 滿足業務定制化需(xu)求

4. 與公有云部署的對(dui)比

二(er)、模型私有化部署(shu)的關鍵技術

1. 服務器選型與配置(zhi)

2. 網絡架(jia)構搭(da)建(jian)

3. 模型優化與(yu)適配

4. 安(an)全與隱私保護技術

三、模型私有化(hua)部署的實施步驟(zou)

1. 需(xu)求分析與規劃(hua)

2. 部(bu)署與配置過程詳解

3. 模型選擇與下(xia)載

4. 模型測試

5. 系統(tong)上線(xian)

四、模型私有化部署的應用場景

1. 金融行業數據安全需求

2. 網絡不穩(wen)定或數(shu)據傳輸(shu)受限(xian)

3. 有(you)特定業務需(xu)求需(xu)定制化模型

案例實戰(zhan)：個人電(dian)腦私有化部署(shu)DeepSeek-R1大模型

1）環境(jing)準備(bei)

a操作系統(tong)：Windows 10/11（64位(wei)）

b內(nei)存：至少(shao)8GB（推薦16GB以上，運行(xing)7B模型需6GB顯存）

c存儲：預留20GB以上空間存放模型文件

2）下(xia)載工具與模型(xing)

3）部署安裝

4）測試部署模型

5）知(zhi)識庫集成(cheng)

成果(guo)輸出：個人(ren)電腦私有化部署(shu)DeepSeek-R1大(da)模型

課程總結與實戰

1. 復習今日課程內容

2. 探討(tao)AI智能體未(wei)來趨(qu)勢

3. 用AI做AI學習計劃

4. 拍合(he)照

5. 課程反饋(kui)填寫