课程背景
在以数字中国、新质出产力为引领的新时代来由下，机器智能正以前所未有的深度和广度重塑全球制造业的营运范式和竞争推演。从智能辅助规划、工艺仿真精进到供给链精准决策、个性化营销，AI已不再是互联网业界的专属，而是驱动制造业向高端化、智能化、绿色化迈进的要害基础设施。以大语言模型为核心的生成式AI技艺，达成了从“概率预测”到“推演推理”的范式突破，从实践看，标志着人类首次得以规模化延伸“智力”。对于眉山中车紧固件科技这样的实体制造公司而言，能否把握这一轮AI革命的红利，将直接关系到未来十年在技艺革新、市场响应和组织效能上的核心竞争力。
可是，AI在制造业情境的落地，远比想象中更为复杂曲折。大多数公司正深陷三重现实困境：一是 “想用但用不对”——对AI的认知停留在聊天和文案润色，无法将其嵌入图纸评审、竞品拆解、经营报告等等核心价值流程，抓手和业务“两张皮”；二是 “敢用但不成架构”——缺乏从问题拆解、指令规划到流程固化的完整办法论，面对专精、复杂的工业情境时束手无策，零星尝试难以形成组织合力。三是 “会用但不敢迈”——对核心工艺资料、规划图纸、买方资讯的安全合规隐患心存忌惮，在跨部门推广中顾虑重重，步履维艰。结果导致大量工程师、管人者仍被困于资料整理、报告撰写、资讯检索等等重复性、低附加值劳动中，宝贵的英才创造力被严重束缚。
本课直面上述核心矛盾，实操中，专为眉山中车紧固件科技定制破局之道。让业务专家能亲手炼就懂行的“数字员工”；情境层，锁住技艺研发、市场营销、综合管控三大板块，提供从痛点识别到方案部署的完整作战地图和实战推演。借助本次课程，旨在带出参训者从“抓手采用者”跃迁为“流程重构者”，就一线经验说，最终为组织培育出可落地、可复制、安全可控的AI运用本领，在新质出产力的竞赛中赢得方略主动。
课程收益
掌握一套思路语言：学会用CO-STAR等等轮廓将模糊的业务诉求，转化为清晰、可执行的AI指令，奠定人机协同的基础。
认清一个要害平台：深刻领会“执行型AI”和普通聊天AI的本质区别，以及其作为公司“数字员工”孵化器的核心价值。
收获三张作战地图：获得技艺、营销、管控三大部门专属的AI运用情境清单和施行路径，明晰从何处入手。
构筑一道安全防线：树立在制造业运用AI的资料安全和合规红线意识，确保革新在可控范围内稳健启航。
课程大纲
模块一：认知重构——AI进化：从“聊天伙伴”到“执行同事”
引言：当别人还在问AI“怎么写报告”，往细里说，我们已经命令AI“自动拆解资料、生成图表并写好结论”。这不仅是抓手差异，更是事务范式的代际差距。
一，趋势速览：从“对话”到“执行”的范式跃迁
1. 核心转变：从概率预测到推演推理和差事自主规划
2. 要害载体：智能体（Agent）——让AI从“问答机”变为“执行者”
二、思路破局：两类AI的核心差异和价值定位
1. 通用聊天AI（如DeepSeek）：你的“智库”和“笔杆子”，擅长资讯处理和内容生成
2. 执行型AI平台（如WorkBuddy）：你的“数字员工”，执行层面，能听懂指令、调用抓手、串联流程、自动交付结果
三，我们的新同事：WorkBuddy（龙虾）为何是制造业的优选？
1. 定位诠释：低代码/无代码的AI智能体运用平台——让业务专家自己炼就AI助手
2. 核心价值三角
· 执行而非对话：锁住差事完成度
· 本领扩展：可借助“本领（Skill）”装载专精学识（如国标，工艺库）
· 安全可控：支持本地化部署，保障核心资料（图纸、工艺参数）安全
模块二：思路筑基——和AI协同的“制造业事务语言”：指令工程
引言：无法让AI干活，往往是由于你不会“派活”。和AI协同的最 高素养，是将模糊的业务标的，翻译成它可精确执行的“事务说明书”。
一、提示词规划的底层推演和黄金法则
明晰性、结构化、定位设定
二，调校艺术：从万 能公式到高阶战术的指挥体
1. 揭秘提示词冠 军的万 能公式
• 万 能公式：CO-STAR
2. 进阶招数
• 零样本/少样本研习
• 思路链（CoT）
• 进阶指令
1. 3. 情境化实战
三、AI时代的认知升级
1. 提示规划中乔哈里视窗
2. 四大类问题，提示招数为何？
3．碰头：AI认识升级后的乔哈里视窗会为何形状
模块三：炼就公司大脑——学识库
引言：公司最 大的隐性离职，是员工带着心得离职。学识库不是文档仓库，而是组织记忆的数智化复利引擎——让智慧沉淀为资产，而非离职为成本。
认知基建：RAG原理和学识库的方略价值锚点
1. 学识库核心价值
• 拉升效率，降低成本——别让员工重复发明轮子
• 弥补专精领域学识不足——专家走了，心得还在
• 拉升回复准确性——客服/售后不再“凭感觉”
• 破解大模型幻觉问题——给AI一本教材，它就不会瞎编
1. 揭秘学识库原理：公司智慧的底层推演
• 重点：RAG（检索增强生成）——不是让AI背诵，在实际应用里，是让AI带着教材做题
• 招数：拆解RAG架构（检索模块+生成模块）
1. 学识库的优势
• 结构化、可检索、可沉淀、可进化
1. 学识库类型
学识库搭建全流程实战
1. 学识获取和清洗：炼就纯净学识之源
• 重点：从多样渠道（文档/聊天/邮件/系统）高效获取学识
• 招数：元资料提取、学识分类、去重、格式化
• 要害认知：脏学识进，脏学识出——清洗比收集更要害。
1. 学识库构筑
• 重点：怎样规划符合公司诉求的学识库轮廓
• 招数：深度调研业务链路和学识采用情境 → 规划分类架构
• 实战上手：为所在部门规划学识库分类轮廓和内容规划表
1. 精进学识库内容
• 重点：筛选高价值学识开展填充，确保准确性、完整性、时效性
• 招数：构筑学识采集渠道 + 专精审核制度
1. 维护和更新学识库
• 重点：保障学识库内容始终贴合业务变化
• 招数：构筑定期查验制度+更新SOP。
学识库的运用情境和效能拉升
1. 智能问答助手
• 7×24小时回答员工/买方问题，准确率95%+
1. 项目学识沉淀
• 项目结束≠学识消失，落地时，复盘文档自动入库
1. 新人培训加速
• 新员工3天入门，落地时，有问题先问库，别问导师
1. 实战上手：构筑一个部门学识库原型（自带电脑，实地搭建）
学识库业务赋能
1. 借学识库全景掌控业务
• 重点：借助学识库周全把握业务全貌，领会各业务环节关联，拉升方略视野。
• 招数：梳理业务脉络，构筑学识地图，以可视化方式呈现业务链路和要害学识点。
1. 巧用学识库，深耕业务细节
• 重点：领会学识库怎样和业务细节深度融合，借助学识库周全掌握业务链路、要点。
• 招数：构筑实例库，落地时，从实际实例中深挖业务细节。
1. 从模糊记忆到精准匹配
• 重点：将脑海中的模糊记忆转化为精准的学识获取，拉升资讯查找效率。
1. 获取精准业务建议
• 重点：迅速并且准确地获取对业务有实际指导意义的建议，助力业务决策和执行。
模块四：情境融合——三大部门AI落地作战地图（思路+平台实战）
引言：纸上得来终觉浅，具体来看，绝知此事要躬行。此讲将前序的思路和平台本领，注入到贵公司最真实的业务血管中，绘制出可立即着手施行的“施工图”。
一、技艺研发：让革新加速
1. AI生成技艺指引、方案说明书、测试报告，精进专精表述和推演结构
• 痛点：撰写技艺文档耗时费力，语言表述专精性、推演性难以统一将控。
• 思路和学识库结合：将出色的既往技艺文档、公司术语库、准则文档模板构筑成“技艺写作学识库”。
2. AI故障排查
• 痛点： 实地故障资讯繁杂，排查倚重工程师个人心得，响应速度和方案系统性存在瓶颈。
• 思路和学识库结合：将历史《故障实例库》、零部件图谱构筑成“故障诊断学识库”。
3. AI辅助方案规划，合规查验和心得复用
• 痛点： 规划评审倚重人工逐项核对规范，易疏漏；历史相似规划心得难以被有效调用参考。
• 思路和学识库结合： 将《规划规范》、《材料指引》、《国家准则库》、《历史成功/失败实例库》构筑成“规划和评审学识库”。
二、市场营销：让增长精准
1. AI买方画像搭建
• 重点： 利用公司内部资料，自动化构筑多维、动态的买方画像，达成科学分级和资源精准投放。
• 招数：基于历史携手资料、业界属性、交互行为等等，利用AI模型自动聚类拆解，输出买方价值分层、诉求偏好画像以及潜在隐患预警。
• 实战上手：给定一份还原买方清单和基础字段，由AI输出买方分级建议和要害特征标签。
1. 营销海报和社交媒体封面
• 生成“五一促销”，“新品发布”等等活动海报底图
• 叠加文字（用PPT）完成成品
• 实操：为一场线上研讨会生成宣传封面图
1. 买方交流智能辅助：个性化交流和高效触达
• 重点：拉升买方交流的专精性、个性化和一致性，赋能销售队伍。
• 招数：利用AI结合买方画像和交流情境（首次拜访，方案跟进、日常维护），就一线经验说，自动生成个性化拜访话术、邮件模板、会议纪要摘要以及提案核心价值点提炼。
• 实战上手：针对一个特定买方类型和情境（如“向某重点买方呈报方案”），由AI生成一份个性化的交流要点提纲或者邮件草稿。
1. 用AI提取买方反馈情感倾向
• 重点：掌握AI开展文本拆解
• 招数：将拆解结果可视化
• 实战上手：词云制作展示高频要害词
三、综合管控：让决策清晰
1. 多门店资料表合并总表
• 重点：破解“收集了一堆表怎么迅速合并整理”的核心痛点，往细里说，将分散在多个Excel/CSV文件中的经营资料自动整合为统一拆解底表。
• 招数：合并事务表，合并资料两种发难
• 结晶：原本需要1小时的Excel手工合并事务，缩短至3分钟内完成
1. 资料总表下发渠道拆分，迅速下发各业务单元
• 重点：破解“一张总表，各渠道怎样迅速提取自己所需资料”的痛点，达成从“总表”到“分表”的自动化拆解，确保资料下发及时、准确、零误差。
• 招数：采用资料透视表拆分
• 实操：总表拆分各区域/渠道线资料
1. 资料迅速解读和异常定位
• 重点：明晰核心资料维度，精准捕捉资料波动差异，区分正常波动和异常异动。
• 招数：筛选核心资料（营收、成本，就一线经验说，利润等等），换个角度看，用表格梳理对比维度，AI辅助标注异常波动阈值。
• 实战上手：给定某公司本月、上月、上年同期核心经营资料，AI迅速识别异动点，可能原因拆解，问题诊断和归因和经营建议
1. 子公司指标异动拆解
• 重点：区分正常波动和异常异动，锁定异动核心影响因素。
• 招数：结合业界基准+母公司要求，用AI迅速比对同期、往期资料，定位异动节点。
• 实战上手：给定集团核心指标资料（含本期、上期、同期），AI筛选子公司异动指标、拆解异动成因，往细里说，执行层面，运行层面，并给出针对性管控建议。
1. 订单量销售预测：明年的订单量会有多少？
• 重点：掌握基础预测思路，领会市场动态、历史资料。
• 招数：以过往成功预测实例为蓝本，落地时，AI辅助构筑简单预测模型
• 实战上手：给定某公司过去5年销量，运行层面，AI输出明年趋势预测+行动建议
1. 财报隐患AI挖掘实战（拆解财报三大报表）
• 重点：自动化产出决策级洞察报告
• 招数： 拆解3大报表
o 资产负债表
o 利润表
o 现金流量表
• 拆解真实实例：A股上市公司财报隐患挖掘实战
1. AI预测明年销量
• 重点：掌握基础预测思路，领会市场动态、历史资料。
• 招数：以过往成功预测实例为蓝本，运行层面，AI辅助构筑简单预测模型
• 实战上手：给定某公司过去5年销量，从实践看，AI输出明年趋势预测+行动建议
模块五：安全启航和行动倡议——划定边界，迈出第 一步
引言：忽略隐患的革新是冒险。在拥抱效率的同时，必须为AI这位新同事划定清晰的“事务权限”和“行为准则”。
一、安全要则
1. 权限最小化要则： 只给必要的权限，保护核心生产资料。
2. 人工确认制度： 要害操作（如下单、发布指令）必须设置人工审核环节。
3. 本领来源管控： 只采用官方或者可信来源的本领插件。
二、大模型技艺盲点和隐患预警
1. 资料安全隐患：
• 实例拆解：某研究所资料泄露经过（借助AI导致规划泄露）
• 敏感资讯识别和防护：买方资料、财务资讯、核心技艺文档
1. 合规和法律隐患：
• 实例拆解：采用Deepseek生成虚假实例
• 学识产权隐患：AI生成内容的版权归属和侵权认定
• 业界合规要求：金融、医疗、政务等等业界的特殊监管政策
1. 模型和输出隐患：
• 幻觉（Hallucination）问题：错误资讯的生成和辨别
• 偏见和歧视：训练资料偏差导致的输出问题
• 提示词注入（Prompt Injection）攻击和防范
三，AI演进和未来
1. AI走出屏幕进入物理世界
• 具身智能：机器人，自动驾驶，从实践看，智能工厂
1. 机器智能+
• 不是“AI替代人”，执行层面，是“AI + 人 = 新物种”
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|雷曼老师
适合谁听
公司相关管人人员。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。