AI赋能工厂管理人员—— 制造行业

引言：工业革命延伸了体力，资讯革命延伸了资讯处理本领，AI革命正在延伸工业专家的决策力。这不是简单的IT升级，是制造业从“心得驱动”转向“资料+学识驱动”的质变。

导入：AI的颠覆性力量，落地时，引入大模型的潜力

降本增效：让AI接管重复性和流程性差事

一、认知跃迁：从“自动化”到“智能化”

1. 开场震撼Demo

• 从“概率预测”到“推演推理”的突破。

1. 认知升级

• AI的本质：从概率模型到认知突破

• Deepseek为何这么强？

• 超越搜索引擎：生成式AI的范式迁移

1. 多模态：Seedance2.0核心认知和本领突破

2. OpenClaw龙虾为何？

• 定位：低代码/无代码AI智能体开发和运用平台。

• 核心价值：让不懂编程的普通人，也能迅速搭建专属的AI助手，处理特定差事。

二、制造业智能化机遇地图

1. 效率革命：接管生产日报、装置点检记录、质量资料拆解等等重复性劳动，释放人力锁住高价值改进。

2. 决策增强：辅助开展装置故障根因拆解、生产瓶颈识别、供给链隐患预判。

3. 服务重塑：炼就7×24小时在线的装置运维助手、产线数字助理，新员工培训导师。

引言：从“对话”到“执行”的跨越。这只“龙虾”能自己操作软件、调用抓手、发送预警通知，今天我们就领养一只你的数字实习生。

一、为何为这只“龙虾”引爆全球？

1. 它和以往的AI有什么不同？

2. 革命性突破：从“对话”到“执行”的本质跨越

3. 技艺架构革新

• 智能体引擎：自主差事分解和决策本领。

• 抓手调用轮廓：准则化接口连接各类软件和API。

• 记忆系统：短期对话记忆和长期学识库结合。

二、OpenClaw核心优势和适用情境

1. 核心优势

• 执行而非对话：真正完成差事，而不只是回答问题。

• 本地运行拉升安全性：资料可完全留在行内，满足金融监管要求。

• 可接入公司通讯抓手：无缝集成钉钉、公司微信、飞书，达成队伍级协同。

• 本领库生态：借助插件制度持续扩展本领边界。

1. 适用情境矩阵

• 高频重复情境：日报生成、资料报送、资讯同步。

• 跨系统操作情境：多系统资料查询和整合。

• 定时差事情境：定期监管报告、隐患扫描、买方关怀。

• 队伍协同情境：群聊中的智能助手、差事分发和跟踪。

三、迅速部署OpenClaw——领养一只你的OpenClaw龙虾

1. 部署方式

• 云端部署：采用Coze等等平台迅速搭建，适合迅速验证。

• 本地部署：Windows/Mac全平台安装指南，在实际应用里，满足安全合规要求。

1. 迅速平台迅速搭建OpenClaw

• 账号和环境准备

• 迅速平台迅速搭建OpenClaw

1. 差事演示

• 差事1：实地部署一个最简单的自动化差事

每天定时自动收集竞对资讯，生成拆解报表

• 差事2：自动整理发票，落地时，合规验证生成台账报表

当有收到新发票自动整理发票，往细里说，合规验证，往细里说，生成台账

1. 成本结构解读

• 大模型Token

• 云端服务器租赁费用

• 本地运行费用

四、核心配置：打通公司微信/钉钉

1. 为何打通？

让AI将结果直接送到您手机里，运行层面，就像多了个同事。

2. 渠道打通

获取飞书/钉钉/公司微信开发者凭证（App ID & Secret）以及一键放权流程

3. 群聊和私聊模式

怎样在队伍群组中让 AI 辅助办公而不干扰人类对话

五，OpenClaw安全要则和隐患预警

1. OpenClaw隐患全景图

• OpenClaw隐患真实实例

1. OpenClaw安全要则

• 要则1：权限给最小

• 要则2：人工确认不能省

• 要则3：本领来源要可靠

1. 特定隐患预警

• 资料泄露隐患

• 操作越权隐患

• 合规性隐患

引言：工厂最 大的隐性离职，是老师傅带着心得离职。学识库不是文档仓库，而是组织记忆的数智化复利引擎——让个人心得沉淀为组织资产。

一、为何智能体需要学识库？

1. 大模型不懂我们公司的事

• 大模型知道“轴承为何”，但不知道“我们产线上这台编号X-23的德国装置，轴承异响一般为何原因”。

• 学识库 = 给智能体看“内部维修指引和老师傅心得”。

1. 揭秘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（装置指引、维修实例）去破解难题”。

1. 学识库类型

二、学识库搭建全流程实战

1. 学识库里能够放什么？

• Word/PDF文档：制度文件、操作指引，培训材料

• Excel表格：价目表，供应商名单、审批流程表

• 网页链接：内部wiki，实操中，学识库网页

• 常见问答：自己整理的“高频问题+答案”文档

1. 搭建“要害装置运维学识库”

• 情境：将某台核心装置的操作指引，过往3年的维修记录，常见故障排除指南“喂”给AI。

• 操作：基于搭建好的学识库开展提问，如“上次电机过热的根本原由于何？当时的处理方案为何？”，让AI迅速给出精准答案。

三、学识库的运用情境和效能拉升

1. 智能问答助手：7×24小时回答产线员工遇到的装置操作问题，准确率大幅拉升。

2. 项目复盘：每一次装置大修，产线改造结束后，复盘文档自动入库，在实际应用里，落地时，成为下次项目的参考。

3. 新人培训加速器：新员工3天入门，遇到问题先问学识库，不再时时打扰老师傅。

引言：管人者不缺资料，缺的是从资料中发现问题的本领。ERP里有资料、MES里有资料、EXCEL里有资料，但谁能帮你24小时盯着这些资料，发现异常、找出根因、预测趋势？AI就是你的“首席资料拆解师”。

一、工厂管人者的资料困局

1. 三大痛点

• 资料太多，洞察太少：每天淹没在报表里，但真正有价值的资讯被埋没

• 反应太慢，决策靠猜：等等发现问题已经过去几天，只能“事后诸葛亮”

• 心得离职，说不清为何：知道“上个月质量有问题”，但说不出“为何、怎么办”

1. AI能做什么？

• 7×24小时盯着资料：永不疲倦的“资料哨兵”

• 从“发生了什么”到“为何发生”：自动关联拆解，具体来看，实操中，具体来看，找出根因

• 从“过去”到“未来”：趋势预测，异常预警

二、用自然语言查资料——让AI成为你的资料接口

1. 核心本领：自然语言转资料查询

• 传统方式：找IT→提诉求→排期→等等报表→拿到已过时

• AI方式：直接问“上周3号线的OEE是多少？和上月比是升是降？”

1. 整理和清洗资料

• 重点：学会处理脏资料，为拆解做准备

• 招数：运用函数、抓手识别并处理重复值、缺失值、错误值

• 实战上手：Excel 清理一组复杂资料

1. Excel复杂公式记不住？——自然语言转函数代码

• 重点：破解复杂函数记忆和运用难题

• 招数：精准定位表格+自然语言转公式错误调试

1. AI预测明年销量

• 重点：掌握基础预测思路，领会市场动态、历史资料对决策的影响。管人者不需要懂算法，但要懂怎样用AI辅助判断。

• 招数：以过往成功预测实例为蓝本，研习怎样向AI提问、怎样解读AI输出的预测结果，并转化为行动建议。

• 实战上手：给定某公司（或者某产线）过去5年的销量/产量资料，实地用AI抓手输出明年趋势预测。

1. 可视化呈现资料

• 重点：将拆解结果以直观易懂的图表展示

• 招数：掌握柱状图、折线图、饼图等等图表适用情境以及制作招数

1. 管人者体验环节x

• 还原的“某工厂3月生产资料.xlsx”

• 实地邀请参训者提问，往细里说，就一线经验说，AI实时回答

• 体验：不用写SQL，不用翻表格，直接得到答案

引言：AI效能显著，换个角度看，但暗礁致命。这一讲划定安全边界，构筑隐患防线，并展望AI走出屏幕后的智造未来。

一、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

二，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，实操中，自动驾驶、智能工厂

1. 机器智能+

• 不是“AI替代人”，具体来看，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