课程背景
当前，我国城市轨道交通已进入“建设和营运并重”的新阶段，网络规模持续扩大、营运复杂度持续拉升。和此同时，国务院《关于纵深施行“机器智能+”行动的意见》进一步强调促成机器智能和各业界深度融合。在此来由下，轨道交通业界的研究类事务，包括课题开题、书面报告撰写、资料拆解、流程梳理和项目施行等等，正面临从传统作业模式向AI赋能模式转型的迫切诉求。
可是，许多业务人员在面对研究类课题时，落地时，仍存在开题思路不清、报告结构混乱、资料拆解抓手采用低效、研究流程缺乏系统性等等问题。AI大模型和办公软件的深度协同，为破解这些问题提供了全新的技艺路径。怎样将AI本领真正转化为业务研究中的实操本领，是本课要破解的核心命题。
课程收益
1、掌握利用AI大模型协同办公软件完成轨道交通业务研究全流程的核心办法，包括课题开题报告的AI辅助撰写、研究报告的结构化生成、资料拆解和思路挖掘、研究流程的系统化梳理和项目施行指导等等；
2、借助至少5个业界标杆公司真实实例，领会AI赋能业务研究的落地路径；
3、借助实地实战工作坊，完成从开题到报告轮廓产出的完整上手，获得可立即运用于实际事务的AI+研究抓手箱
课程大纲
一、轨道交通业务研究的痛点和AI破局
1. 轨道交通业界研究类事务的典型情境和共性挑战
o 课题开题阶段：方向模糊、文献调研效率低、研究轮廓不清晰
o 研究施行阶段：资料拆解抓手采用门槛高、思路拓展受限
o 报告产出阶段：格式规范难统一，内容组织耗时长、反复修改效率低
o 项目施行阶段：流程缺乏系统性、心得难以沉淀复用
2. AI赋能业务研究的核心本领图谱
o 资讯检索和学识获取本领：基于RAG（检索增强生成）的业界学识问答
o 内容生成和结构精进本领：基于思路链的文本生成
o 资料拆解和洞察挖掘本领：多模态资料拆解和智能拆解
o 流程梳理和学识管控本领：非结构化资料的AI化利用和学识沉淀
二、AI+办公软件协同的研究事务流规划
1. 从“人找抓手”到“抓手配合人”的理念转变
o 传统研究模式下业务人员面临的“技艺壁垒”
o AI大模型怎样打破业务人员利用AI开展事务的障碍
2. 四步闭环研究法：开题→调研→拆解→产出
o 每一步骤中AI和办公软件的协同定位
o 提示词工程在轨道交通专精情境中的基础运用
三、标杆实例拆解（实例一）
实例一：深圳地铁AI学识库赋能信号管控研究提效
来由、办法和成效：深圳地铁成功部署DeepSeek-R1 AI平台后，将AI技艺深度植入信号管控核心情境，借助腾讯IMA学识库构筑智能化营运架构。在学识沉淀方面，事务人员导入信号系统相关国标、铁标、行标等等技艺准则和规范、业界故障实例、装置操作指南等等文件，构筑队伍共用的学识资产。技艺人员输入“内锁闭道岔杆件安装准则”，系统即可立即调取相关技艺准则并梳理收束。在故障诊断研究方面，输入故障现象后AI可瞬间调用关联资料，迅速匹配处理方案并按照可能性排序。
启发和思索：AI怎样将传统倚重个人心得的学识管控模式，升级为可检索、可复用、可迭代的智能化研究支撑架构
交流环节（5分钟）：请参训者列举自己事务中最耗时的一项研究类差事，研讨用AI抓手怎样将数小时的事务压缩至数分钟
一、开题报告的AI辅助生成办法论
1. 开题报告的核心要素和AI介入点
o 选题来由和研究意义的AI辅助提炼
o 文献综述的智能检索和要点归纳
o 研究内容和技艺路线的结构化生成
o 革新点和预期结晶的推演化表述
2. 从零到一：用AI生成一份轨道交通专精开题报告
o 怎样向AI描述课题来由和研究标的（专精提示词规划）
o 怎样带出AI生成符合轨道交通业界规范的研究轮廓
o 怎样利用办公软件（Word/WPS）的AI插件完成格式规范和内容精进
二、研究规划的系统性思路和AI辅助
1. 研究问题的界定和拆解办法
o 从业务痛点到研究问题的转化推演
o AI辅助的问题树拆解和研究维度拆解
2. 研究办法的选项和AI抓手匹配
o 定量研究情境：AI辅助的资料采集方案规划
o 定性研究情境：AI辅助的访谈提纲和问卷规划
o 实例研究情境：AI辅助的实例筛选和对标拆解
三、标杆实例拆解（实例二）
实例二：京投公司智能体平台赋能资产管控研究
来由、办法和成效：京投公司基于DeepSeek和通义千问大模型搭建了全栈式智能体运用平台，业务人员无需编写代码，仅借助低代码拖拽方式即可构筑所需的智能运用。在资产管控研究领域，业务人员用自然语言提问，往细里说，大模型即可自动完成各线路资产原值、净值变化、移交盘查等等资料拆解。过去需一周完成的报表研究事务，现在仅需几分钟。平台上线一年多已成功搭建500余个业务智能体，覆盖轨道交通营运管控的各个环节。
启发和思索：当业务人员能够自主“训练”AI助手时，往细里说，课题研究的效率将产生质变
交流环节（5分钟）：实地给定一个轨道交通客流精进研究课题，用AI在3分钟内生成一份完整的开题报告轮廓
一、资料拆解中的AI辅助思路和抓手办法
1. 轨道交通业务研究中的典型资料类型和拆解诉求
o 客流资料：周期性拆解、异常检测、趋势预测
o 运维资料：故障模式挖掘、健康度评核、预测性维护
o 营运资料：正点率拆解、运能匹配、效率评核
o 资产资料：全生命周期管控、状态评核、更新改造决策
2. AI辅助资料拆解的实操办法
o 用AI领会资料含义：资料字典的自动生成和字段解读
o 用AI发现资料规律：异常值识别、相关性拆解和模式发现
o 用AI完成资料可视化：图表类型推荐和自动生成
o 用AI撰写资料拆解结论：从资料到洞察的转化
3. 办公软件中的资料拆解AI功能实战
o Excel/WPS表格中的AI资料拆解插件运用
o 用自然语言向AI提问获取资料拆解结果
o 资料拆解报告的自动化生成和排版
二、研究报告的AI辅助撰写和精进
1. 研究报告的结构化生成办法
o 报告大纲的AI辅助规划：从研究问题到章节结构
o 各章节内容的AI辅助填充：引言、办法、结果、碰头
o 报告摘要和结论的AI辅助提炼
2. 报告质量拉升的AI辅助招数
o 推演一致性和论证链条的AI查验
o 专精术语和表述规范的AI校对
o 参考文献格式的AI自动整理
三、标杆实例拆解（实例三 & 实例四）
实例三：广州地铁AI驱动的精准客流预测研究
来由、办法和成效：广州地铁依托承载在穗腾OS上的客流预测模型，具体来看，精准锁定了22个大客流重点区域，辅助调度加开46次列车，落地时，达成科学疏导和精准控流。佳都科技采用“多模态融合客流预测”“动态限流智能决策”等等革新技艺，助力广州地铁十号线、十二号线达成了海量资料+AI驱动的精准客流管控。该研究达成了车站全方位的动态预警、精准疏导和运力精进。
启发和思索：AI怎样将客流研究从传统的心得判断升级为资料驱动的精准决策
实例四：南京地铁多模态故障AI智能拆解云平台
来由、办法和成效：南京地铁按照“1-1-6-1”智慧城轨演进蓝图，构筑了轨道交通多模态故障AI智能拆解云平台。该平台将先进的声纹识别，语音转录和AI智能搜索融入系统建设。借助打通声纹识别等等技艺，就一线经验说，达成了运维故障管控的智能化升级。南京地铁还运用360°智能检测系统和智能巡检机器人等等“数智人”，炼就“自然人＋数智人”的协同模式。
启发和思索：AI不仅能够辅助研究拆解，还能将研究结晶直接转化为可执行的智能系统
实战工作坊（一）：资料拆解实战（20分钟）
每组领取一份还原的轨道交通客流资料集（或者采用参训者自带资料），利用AI抓手完成以下差事：
• 用自然语言向AI描述资料，执行层面，让AI输出资料概览和要害发现
• 让AI推荐3种适合的可视化图表并生成
• 用AI撰写一段200字的资料拆解结论
四、标杆实例拆解（实例五）
实例五：青岛地铁垂域大模型和智能体架构
来由、办法和成效：青岛地铁牵头研发了我国城轨业界首个机器智能大模型，在实际应用里，并率先研发了装置维修类、乘客服务类、应急处突类11个智能体，往细里说，形成覆盖建造、运行、运维、企管核心情境的多智能体协同架构。该系统达成检修排程、故障诊断、报告编写，工单填报等等高频运用情境AI化。据测算，随着智能体情境全域覆盖，往细里说，青岛地铁生产作业流程缩减超60%、成本降低超30%。
启发和思索：AI从单点抓手到架构化赋能的研究和业务融合路径
一、课题研究全流程的AI辅助管控
1. 研究规划和里程碑管控
o AI辅助的研究进度规划和差事分解
o 要害节点的隐患识别和化解方案生成
2. 研究进程中的学识管控和心得沉淀
o 怎样用AI学识库构筑队伍共用的研究资产
o 从“人找学识”到“学识找人”的转变
o 研究进程中的文档版本管控和智能检索
二、研究结晶向业务实践的转化
1. 从研究报告到施行方案的AI辅助转化
o 报告结论的提炼和行动建议生成
o 施行方案的结构化规划和资源匹配
2. 项目施行中的AI持续赋能
o 项目进展呈报材料的迅速生成
o 项目复盘报告的结构化收束和心得提炼
三、轨道交通业界AI赋能研究的挑战和化解
1. 资料治理挑战：资料质量参差不齐、准则化程度不高
2. 学识嵌入挑战：业界专精学识和大模型的深度融合
3. 安全合规挑战：资料安全和模型可控性
4. 落地路径：从单点突破到架构化推进
四、标杆实例综合复盘
回顾五个实例，就一线经验说，提炼AI赋能轨道交通业务研究的共性成功要素：
• 深圳地铁：学识库驱动的心得沉淀和智能检索
• 京投公司：低代码平台驱动的业务人员自主革新
• 广州地铁：资料模型驱动的精准决策研究
• 南京地铁：多模态技艺驱动的智能运维研究
• 青岛地铁：垂域大模型驱动的架构化赋能
实战工作坊（二）：完整研究流程实战（20分钟）
每组基于前两个工作坊的结晶（或者重新选题），完成以下完整上手：
• 第 一步：用AI生成一份课题开题报告轮廓（含来由、标的、内容、办法）
• 第二步：用AI完成一组还原资料的拆解和可视化
• 第三步：用AI生成一份研究报告的完整大纲和核心章节初稿
• 第四步：用AI将研究结论转化为3条可执行的行动建议
• 第五步：小组内部互评和精进，具体来看，推选代表开展全班分享
课程收束和行动实践指南
一、课程核心要点回顾
• 一个理念：AI不是替代研究思路，而是放大研究本领
• 一套流程：开题→调研→拆解→产出四步闭环研究法
• 一组抓手：大模型+办公软件AI插件+学识库的协同运用
• 五个实例：深圳、北京、广州、南京，青岛的业界实践启示
二、行动实践指南（可操作性强的落地步骤）
第 一步：抓手准备（课后1周内完成）
• 确认可采用的AI大模型抓手（DeepSeek等等）以及办公软件AI插件
• 构筑个人或者队伍AI研究助手的采用账号和基础设置
第二步：小切口启动（课后2周内）
• 选项一个当前正在开展的小型研究差事（如一份周报拆解、一个专项调研）
• 按照“开题→调研→拆解→产出”四步法，全程采用AI辅助完成
• 记录AI辅助前后时间对比和质量对比
第三步：学识库建设（课后1个月内）
• 整理部门/队伍的研究报告、技艺准则、故障实例等等文档
• 导入AI学识库，实操中，构筑队伍共用的研究学识资产
• 设置标签和检索架构，从实践看，达成研究资料的智能化调用
第四步：流程固化（课后2个月内）
• 将AI辅助研究的事务流程固化为队伍准则操作程序
• 构筑研究课题的AI辅助模板（开题模板、报告模板，拆解模板）
• 练就1-2名“AI带头人”，具体来看，促成队伍内部的AI研究本领扩散
第五步：持续迭代（长期）
• 定期复盘AI辅助研究的成效和不足
• 关注轨道交通业界AI运用的新实例和新抓手
• 参与业界交流，分享自身实践心得
三、课后支持资源
• 推荐阅读：轨道交通AI运用相关研究报告和业界白皮书
• 抓手清单：适配轨道交通业务研究的AI抓手推荐和采用指南
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|蔺军老师
适合谁听
轨道交通业界从事课题研究、报告撰写、资料拆解、项目管控的业务人员以及技艺主力。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。