从个人工具到组织生产力 AI智能体+业务工作融合实战训练营

第 一天：认知破局和平台入门（6小时）

一、破冰交流：你在用AI做什么？

1）交流调研

• 实地提问：当下大家用AI最多的三个情境为何？

• 典型答案揭示：做PPT，出报告、查资料……全是“个人效率抓手”

• 追问：这些运用对部门管控效率、业务链路精进产生了多大影响？

2）课程标的共识

• 两天后你能用智能体做什么：不是让AI帮你写一份报告，执行层面，而是让AI替你跑完一个完整的业务链路

• 从“人用抓手”到“人设规则、AI跑流程、人做审核”

二，重新认识AI智能体

1）核心概念辨析

• AI助手（Chatbot）：你问它答，实操中，被动响应

• AI智能体（Agent）：能自主领会标的、拟定规划、调用抓手、执行差事并向管人者反馈结果

• 要害区别：智能体不是“更聪明的聊天机器人”，而是能独立完成事务的“数字员工”

2）从个人AI到组织AI的演进路径

• 第 一阶段：个人辅助（写文章、做PPT）——效率拉升有限，价值上限明显

• 第二阶段：队伍协同（共享学识库，协同编辑）——开始产生组织价值

• 第三阶段：组织智能（智能体嵌入业务链路）——生产力重构

3）公司智能体落地的四道关卡

• 给身份：明晰智能体在组织中的岗位归属和职责范围

• 造基建：学识库、资料源、API接口等等基础设施

• 改流程：围绕智能体重构而非“贴标签”

• 定考核：像考核员工一样考核智能体

三、业界标杆实例深度剖析1：西门子Industrial Copilot——从助手到自主执行

1）实例来由

• 西门子在2025世界机器智能大会上首次在中国展示Industrial Copilot智能架构统

• 该系统标志着AI在工业领域从被动响运用户查询的助手，转变为能主动感知、拆解、决策并执行完整事务流程的智能体

2）技艺架构和落地方式

• 独特架构：用户交互界面和后台执行智能体分离，智能体配备协调器模块，可灵活调用专精化抓手或者协同其他智能体

• 覆盖环节：已整合至规划（NX CAD）、规划（生成式AI拆解）、工程（TIA博途平台生成PLC代码）、运维以及维护等等工业环节

• 典型实例：工程师借助语音指令下达“增加新订单”差事后，系统可自主调度生产线资源，完成从订单输入、诉求预测、装置调控到物流调度的全流程

3）运用成效

• 全球已有超200家公司部署，运用于装置安装、程序调试以及故障排除等等情境

• 预计可拉升生产效率最 高达50%

• 将部分耗时数小时的差事缩短至分钟级

4）心得启示

• 西门子的心得证明：智能体不是“锦上添花”的辅助抓手，而是能够独立完成复杂工业流程的“数字员工”

• 要害在于：给智能体明晰的“岗位职责”和“事务流程”

四、智谱大模型和智能体开发生态全景

1）智谱AI技艺架构

• GLM系列大模型：从GLM-4到GLM-5，模型本领持续进化

• All Tools智能体API：为开发者提供强大的抓手集，支持多步骤差事执行

• AutoGLM：全球首个手机智能体，支持一句话达成云端操作和自动执行

2）智谱清言智能体平台

• 清言智能体基于GLM模型搭建的智能体创建平台，无需编程，借助文字即可迅速构筑具备专属本领的智能体

• 当下已推出80万+官方以及用户自创的智能体，覆盖职场提效、AI写作等等多样化情境

• 支持学识库文件上传（最多1000个文件），借助资料投喂让智能体更符合业务实际需要

3）智谱清流-智能体开发平台

• 零代码，开箱即用、多元化集成，极速助力公司智能化转型

• 集成了常用节点和抓手，用户可在画布上拖拽操作，构筑自己的差事流

• 最终可借助页面嵌入、API调用等等形式将智能体融入业务链路

• 适用人群覆盖非技艺类（业务/货品/营运）和技艺类（代码节点，自建插件）

4）平台的三种智能体类型

• 对话型：用于定位担当、智能客服、业务助理等等情境

• 文本型：用于文本写作、资讯抽取、文案生成等等情境

• 学识问答型：用于FAQ自动应答、货品咨询、文档问答等等情境

一、智能体落地“四步法”详解

1）第 一步：选情境

• 要则：从高频、重复、规则清晰的流程入手

• 判断准则：这个流程每天/每周发生多少次？人工处理需要多少时间？规则是否明晰？

• 情境分级：制度查询（入门级）→流程审批（进阶级）→资料决策（挑战级）

2）第二步：定身份

• 核心问题：这个智能体在组织中担当什么定位？

• 办法论：用“岗位说明书”的思路定义智能体——岗位名称，隶属部门、职责范围、权限边界、考核指标

• 实操抓手：《智能体岗位说明书模板》

3）第三步：建学识

• 学识来源：制度文件、流程规范、业务规则、历史资料

• 在智谱平台中，学识库最 大容量为1G，支持多模态检索

• 要害要点：学识质量决定智能体回答质量

4）第四步：编流程

• 在智谱清流平台中，借助拖拽节点的方式构筑事务流

• 事务流适用于：差事较复杂需多次调用模型、差事有固定流程需严格按照步骤执行

• 要害本领：触发条件设置、节点配置、异常处理

二、业界标杆实例深度剖析2：首钢股份——制度管控的智能体实践

1）实例来由

• 首钢股份依托首钢集团AI算力中心，落地时，成功上线第 一批AI大模型智能体运用情境

• 覆盖制度管控、合同审核、安全营运和买方服务等等六大要害环节

2）“制度专家智能体”——让制度检索更高效

• 累计收集公司各类制度办法617项，构筑起覆盖全业务的制度学识库

• 基于学识库完成AI制度专家原型开发和部署，达成制度内容精准智能检索

• 员工可迅速获取所需制度条款，大幅缩短资讯查询时间

3）“合同审核智能体”——让合规审核更可靠

• 以《合同（协议）编写规范》为核心依据，对11项要害条款开展周全核查

• 同步达成法律条款失效性校验、天眼查资讯核对以及隐患拆解

• 借助全流程智能审核，全方位保障合同合规性和隐患可控性

4）“安全法律法规智能体”——筑牢合规防线

• 搭建安全法律法规私有学识库，涵盖法律法规、公司制度、国家准则、业界准则类文件571项

• 搭载首安云平台，实操中，为员工提供安全合规智能问答服务

• 保障资料安全不出厂，同时拉升合规查询效率

5）心得启示

• 制度管控是智能体落地的最 佳切入点——学识边界清晰、诉求高频、见效快

• 首钢的心得验证了“先建学识库、再做智能体”的路径可行性

三、实操环境准备和平台导览

1）智谱清言/智谱清流平台注册和环境熟稔

• 智谱清言平台完成注册

• 核心功能模块：智能体创建、学识库管控、事务流编排

2）实操差事发布

• 每位参训者确认自己将搭建的智能体情境（课前已准备3-5个候选情境）

• 小组内部分享和情境筛选

本模块采用参训者跟练模式，确保每位参训者完成第 一个可运行的智能体

一、带练标的

• 掌握智谱清言平台的基本操作界面

• 完成第 一个可运行的智能体：能基于上传的制度文档回答员工提问

• 领会智能体“学识库+定位设定+提示词”的核心架构

二、带练步骤

第 一步：登录平台和创建智能体

• 演示：登录智谱清言平台（https://chatglm.cn/）

• 点击左侧导航栏的“创建智能体”按照钮，往细里说，进入创建界面

• 弹窗提示“AI自动生成配置”，运行层面，只需用一句话描述诉求即可创建智能体

• 输入描述（“一个能回答公司制度问题的部门制度助手”），运行层面，点击“生成智能体配置”

• 系统自动完成“命名→生成头像→明晰功能→调整→生成”全流程

• 参训者同步完成创建

第二步：配置智能体基础资讯

• 演示：查看AI自动生成的智能体配置——Logo、名称、简介、配置资讯、开场白和预置问题

• 根据实际需要修改和完善个性化配置：名称、配置资讯、对话模式、开场白

• 各配置项的作用和设置招数

• 参训者同步完成基础配置

第三步：上传学识库——投喂制度文档

• 演示：在配置界面找到学识库配置区域

• 上传，选项一份制度文档（以《出差管将控度》为例）

• 平台自动拆解文档内容，构筑学识库

• 学识库支持的文档格式和容量限制（最多1000个文件）

• 参训者同步上传自己带来的制度文件（至少1份）

第四步：编写定位设定和系统提示词

• 演示：在System Prompt区域输入定位设定

“你是一位精通部门管将控度的专家助理。职责是准确回答员工关于部门制度、流程，规范的各类问题。学识范围仅限于已上传的制度文档库。回答时需引用制度原文，换个角度看，并给出可操作的建议。对于学识库中没有的问题，请明晰告知‘该问题暂未收录相关制度，建议咨询部门制度管控部门’。”

• System Prompt的作用：为模型提供差事标的，定义人设、风格、差事说明或者遵循的规则

• 好提示词的三个要素：明晰的定位、清晰的指令、具体的约束

• 参训者同步编写自己智能体的System Prompt

第五步：测试和精进

• 演示：预览智能体界面，实操中，输入3-5个典型问题

• 观察回答质量，演示怎样根据回答成效调整System Prompt或者补充学识库

• 常见问题排查：问答不准确/回答过于笼统/文档未识别

• 参训者测试自己智能体的问答成效，落地时，记录精进点

第六步：发布智能体

• 演示：调试完成后点击“刷新保存”，换个角度看，然后点击“发布”

• 三种发布方式：私密/分享/公开

• 参训者完成发布，获得第 一个可运行的公司智能体

三、带练结晶查验

• 每位参训者完成1个“制度问答智能体”的创建、学识库配置、测试和发布

• 智能体至少能准确回答5个以上制度相关问题

• 查验确认完成情况

本模块在第 一个带练项目基础上进阶，引入“事务流编排”本领，让智能体从“会回答”升级为“会办事”

一、带练标的

• 掌握智谱清流平台的事务流编排功能

• 完成一个包含“触发-判断-执行-反馈”完整链路的流程智能体

• 领会事务流节点（开始节点、判断节点、通知节点、结束节点）的配置办法

二，具体来看，带练步骤

第 一步：创建第二个智能体

• 演示：“创建智能体”，就一线经验说，命名为“XX流程审批指引助手”

• 设定定位描述：“一个能带出员工完成准则审批流程的智能助手”

• AI自动生成配置，迅速完成基础设置

• 参训者同步创建

第二步：进入事务流编辑模式

• 演示：“本领配置”区域“添加事务流”

• “新建事务流”，填写事务流名称、引见等等资讯

• 画布编辑界面

• 事务流的适用情境：差事较复杂需多次调用模型、差事有固定流程需严格按照步骤执行

• 参训者同步创建新事务流

第三步：规划事务流节点——以“出差申请审批指引”为例

• 演示：在画布中添加达成功能所需要的节点

• 开始节点：配置事务流的输入参数（出差事由，实操中，目的地、天数、预算金额）

• 判断节点：根据出差天数判断审批层级（≤3天部门审批，往细里说，>3天需分管领导审批）

• 通知节点：配置审批借助/驳回的通知模板

• 结束节点：输出最终审批结论和下一步操作指引

• 各节点的功能和配置办法

• 参训者同步在画布中拖拽配置节点

第四步：配置触发条件和变量

• 演示：配置事务流的触发条件——当用户提问包含“出差申请”“我要出差”“怎么审批”等等要害词时自动触发

• 配置变量映射：将用户输入的要害资讯（天数、金额等等）映射到事务流参数

• 解说系统变量的采用：{{用户输入}}、{{历史对话}}、{{当前时间}}等等

• 参训者同步配置触发条件和变量

第五步：调试和精进事务流

• 演示：“预览调试”按照钮

• 测试情境一：输入完整资讯——“我要申请出差3天去上海参加项目会议”

o 观察事务流是否自动触发

o 观察判断节点是否正确识别天数

o 观察输出是否正确指引审批路径

• 测试情境二：输入不完整资讯——“我要出差”

o 观察智能体是否主动追问缺失资讯（天数、目的地等等）

• 根据测试结果调整节点配置或者Prompt

• 参训者同步调试自己的事务流

第六步：发布和采用

• 演示：调试借助后点击发布，保存事务流至“我的事务流”列表

• 将事务流添加到智能体中

• 选项发布方式（推荐“分享”模式）

• 参训者完成发布，获得第二个可运行的流程智能体

三、带练结晶查验

• 每位参训者完成1个“流程审批指引智能体”的创建和事务流配置

• 事务流至少包含3个以上节点（开始→判断→通知→结束）

• 智能体能根据用户输入自动触发事务流并输出正确的流程指引

第二天：情境实战和组织推进（6小时）

在完成两个带练项目后，参训者进入独立挑战环节

一、挑战差事发布

• 每位参训者从课前准备的候选情境中，具体来看，换个角度看，选项一个和自身业务最相关的情境

• 独立完成一个智能体的完整搭建（从创建到发布全流程）

• 情境选项建议：

o 制度问答（进阶版，多文档学识库）

o 流程审批（进阶版，多节点事务流）

o 两者结合（学识库+事务流）

二、独立搭建和测试

• 参训者独立操作，从零开始搭建自己的业务智能体

• 可采用智谱平台的事务流模板——平台提供了充实的情境模板，可一键复制到自己的账户内

• 针对共性问题开展集中解说

三、迅速结晶展示

• 每组推荐1个出色作品开展2分钟迅速展示

• 展示内容：智能体名称、破解的业务痛点、核心功能

• 点评

一、从单文档到多文档：学识库规模化

1）多文档学识库的构筑打法

• 文档分类和标签架构

• 版本管控：怎样化解制度更新

• 冲突处理：新旧制度并存时的优先级

2）智谱平台学识库进阶招数

• 学识库最 大容量1G，实操中，合理规划文档结构

• 启用多模态检索，支持文档问答、学识查询等等情境

• 借助retrieval参数指定学识库ID，运行层面，就一线经验说，精准调用

二，业界标杆实例深度剖析（三）：贵州电网“制度智能体”——让制度自己“长腿跑起来”

1）实例来由

• 贵州电网数智中心全网发布“大瓦特DeepSeek-数智中心制度查询智能体”

• 痛点驱动：“一个新制度下来，运行层面，从省公司到基层部门，领会可能出现偏差。员工遇到问题，翻箱倒柜找文件，效率低，并且易出错”

2）解题打法

• 构筑“制度学识图谱”——对每一份制度的效力、关联性、甚至条款背后的业务情境开展精准解读

• 制度梳理队伍像“翻译官”一样事务，将零散文件转化为有机的学识架构

• 最终成效：智能体像一位心得充实的专家，给出步骤清晰、可操作性强答案

3）心得启示

• 制度智能体的核心不是“检索”，运行层面，往细里说，而是“领会”和“推理”——不仅要找到条款，换个角度看，还要告诉员工“怎么做”

三，实战工作坊（一）：制度问答智能体升级（小组实战）

1）小组差事

• 每个小组选项一个业务领域（如财务管控、项目管控、人力资本管控）

• 收集该领域3-5份核心制度文件

• 在智谱平台上构筑多文档学识库

• 规划智能体的定位定位和问答边界

• 完成搭建和测试

2）结晶要求

• 智能体能回答至少10个该领域的典型制度问题

• 能处理“倘若……那么……”类的条件查询

• 能给出制度原文+解读+操作指引

3）结晶展示和互评

• 每组5分钟演示

• 打分，点评

一、流程智能体的核心本领

1）流程智能体 vs 传统事务流引擎

• 传统事务流：固定的流程、固定的节点、人工触发

• 流程智能体：动态领会差事、智能分派、自动跟进、异常预警

2）流程智能体的四大本领

• 差事识别：自动识别需要处理的差事

• 智能分派：根据规则将差事分派给合适的人或者系统

• 进度追踪：实时监控流程进度，换个角度看，往细里说，自动提醒

• 异常处理：遇到异常自动上报或者转交

二，业界标杆实例深度剖析（四）：美的智能体工厂——多智能体协同的制造业标杆

1）实例来由

• 美的洗衣机荆州工厂获WRCA认证“世界卓越的首个多情境覆盖的智能体工厂”

• 14个智能体覆盖38个核心生业界务情境

2）技艺架构

• “美的工厂大脑”作为神经中枢，往细里说，采用高可用、可扩展分布式多智能体架构

• 借助Agent-to-Agent通信达成智能体自治协同

3）典型情境：质检流程重构

• 传统首检：15分钟人工比对

• AI赋能后：AI眼镜辅助工人开展易错点提醒，具体来看，基于视觉技艺打通研发，品质智能体

• 首检效率由15分钟减少到30秒

4）运用成效

• 智能体以秒级响应完成传统人工小时级差事，平均提效80%以上

• 排产响应速度拉升90%

5）心得启示

• 多智能体协同是复杂业务链路智能化的方向

• 流程重构不是“用AI替代人”，具体来看，而是“用AI重构人机协同的方式”

三，实战工作坊（二）：流程审批智能体搭建

1）情境选项

• 每组选项一个高频审批/流程情境（如：出差申请审批，采购申请审批、合同审批，报销审批）

• 梳理当前流程的痛点：耗时多久？卡在哪个环节？

2）智能体规划

• 在智谱清流平台中规划事务流

• 流程节点规划：触发条件→处理节点→转交规则→反馈制度

• 可参考平台事务流模板迅速起步

3）搭建实操

• 在智谱平台上配置事务流

• 设定各节点的触发条件和处理规则

• 配置通知和提醒制度

• 测试完整流程

4）结晶展示

• 演示智能体自动处理流程的全进程

• 计算预期的效率拉升，评选“最 佳流程智能体”

一、从“查资料”到“用资料决策”

1）资料拆解智能体的三个层次

• 层次一：资料查询——回答“上个月销售额是多少？”

• 层次二：资料拆解——回答“为何上个月销售额下降了？”

• 层次三：决策建议——回答“下个月应该怎么做？”

2）资料拆解智能体的要害本领

• 多资料源整合

• 自然语言查询

• 自动报告生成

• 异常预警

二、业界标杆实例深度剖析（五）：中国一汽OpenMind——从“人找学识”到“学识找人”的公司营运智能体

1）实例来由

• 2025年5月，中国一汽庄重发布汽车业界首个公司级智能体——中国一汽OpenMind

• 借助多模态感知、智能决策和动态执行三大本领重构公司营运推演

2）核心本领和落地方式

• 学识问答全覆盖：OpenMind研习公司全领域学识和流程，实操中，构筑覆盖员工全触点的学识向量库，问答准确率达94.3%，在实际应用里，模型响应时长6.2秒

• 智能决策辅助：可拆解公司全量资料指标资产，达成秒级的“问答即洞察”。在销量波动情境中，可追溯指标血缘，精准识别市场波动根因并推荐打法建议

• 研发流程自动化：可自主拆解规划差事诉求，调取零件参数，换个角度看，成本要素以及准则库，从实践看，自动生成规划差事书轮廓

3）运用成效

• 累计删除冗余审批节点超2000个，从实践看，审批自动化率突破50%，业务响应速度拉升3倍

• 制造成本大幅降低，销售转化率拉升42%

• 发布2名数字员工，执行层面，执行层面，运行层面，完成15个定位、972名员工本领转型

4）心得启示

• 公司营运智能体的核心价值不仅在于“回答问题”，具体来看，更在于“驱动业务”

• 要害在于构筑公司“数字基因库”，达成从“人找学识”到“学识找人”的转变

三、实战工作坊（三）：资料拆解智能体搭建

1）情境选项

• 每组选项一个经营管控资料情境（如：项目进度拆解、经营指标监控）

2）智能体规划

• 确定资料来源和查询方式

• 规划拆解模板：要害指标、对比维度、趋势拆解

• 在智谱平台上完成配置

3）搭建和测试

• 配置智能体的拆解本领

• 测试5个以上典型查询情境

• 生成一份自动拆解报告模板

4）结晶展示

• 演示智能体自动生成经营拆解报告的本领

• 碰头资料智能体在管控决策中的运用情境

一，就一线经验说，执行层面，就一线经验说，智能体的“身份管控”——像管员工一样管智能体

1）智能体的组织定位

• 岗位归属：这个智能体属于哪个部门？

• 职责范围：它负责什么，不负责什么？

• 权限边界：它能访问什么资料、能调用什么系统？

2）智能体的生命周期管控

• 创建→测试→上线→营运→迭代→退役

• 每个阶段的管控要点

二，在实际应用里，运行层面，智能体的“考核架构”

1）为何不能只用Token消耗评价成效

• Token消耗衡量的是“用量”，就一线经验说，不是“价值”

• 需要像考核员工一样考核智能体

2）智能体考核的五个维度

• 准确性：回答/执行的正确率

• 完成率：差事完成的比例

• 效率拉升：相比人工处理的耗时缩短

• 用户满意度：采用者的主观评价

• 业务价值：对业务指标的实际贡献

三、安全和合规

1）资料安全：智谱平台支持学识库私有化部署2）权限将控：借助发布模式（私密/分享/公开）将控访问范围3）运行监控：持续跟踪智能体采用情况

四，从试点到推广——中层领导的推进打法

1）试点选项要则

• 选一个部门：业务边界清晰，领导支持有力

• 选一个流程：高频，痛点明晰，见效快

• 定一个标的：可量化，可验证

2）推广节奏

• 第 一阶段（1-2周）：单情境验证

• 第二阶段（1个月）：部门内扩展

• 第三阶段（3个月）：跨部门复制

3）防止的陷阱

• 不要一开始就追求“大而全”

• 不要用AI替代所有人工环节

一，具体来看，在实际应用里，何为AI原生组织

• 定义：将重复执行交给AI，运行层面，从实践看，具体来看，从实践看，将判断、创造和治理留给人的组织

• 特征：人设规则，AI跑流程，人看例外

• 智谱正在内部率先实验“AI原生公司”治理模式——让Agent像人类同事一样参与到公司的营运和管控中

二、中层领导的新本领模型

• 从“督导执行”到“规则规划”：规划什么样的流程让AI跑？

• 从“进程管控”到“例外管控”：什么情况需要人介入？

• 从“心得决策”到“资料+AI辅助决策”：怎样信任和验证AI的建议？

三，行动规划——每位参训者拟定一份《本部门智能体落地行动规划》

1）规划模板

• 标的情境：选项哪个流程/制度作为切入点？

• 预期成效：预计拉升多少效率？

• 时间节点：什么时候完成搭建？什么时候上线？

• 成功准则：怎样判断成功了？

2）小组分享和互评

• 每位参训者在小组内分享自己的行动规划

• 组员互评和建议

四、课程收束和行动承诺

• 要害学识点回顾

• 参训者代表分享两天研习心得

• 集体行动承诺

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|蔺军老师