AI赋能医药行业——AI智能体与数据思维

引言：工业革命延伸体力，资讯革命延伸眼耳，AI革命延伸智力。这不是抓手迭代，是自蒸汽机以来人类第 一次让“智慧”从稀缺品变为普惠品。

导入：AI的颠覆性力量，就一线经验说，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

迅速产出：内容/报告/创意的“时薪”革命——从“熬一夜”到“改10分钟”

智能决策：告别“我以为”，拥抱“资料说”——AI驱动的业务洞察

一、认知跃迁：推演推理的范式颠覆

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

• 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

• Seedance2.0的突破

• Seedance2.0核心本领

二，智能体（Agent）：AI从“聊天框”到“数字同事”的进化

1. 智能体核心定义：大模型 + 标的 + 记忆 + 抓手 = 可执行的数字员工

2. 三类AI形态

• 对话式AI（如ChatGPT）：回答一般性问题

• 生成式AI（如文生图）：创造新内容

• 智能体（Agent）：领会标的、拟定规划、调用抓手、完成差事

1. OpenClaw龙虾：面向执行的智能体轮廓

• OpenClaw定位： 不只是聊天，运行层面，是能真正“干活”的数字员工

• 核心优势拆解：

o 执行导向：专注事务流自动化，完成“资料抓取-拆解-报告-推送”全链条

o 本地化部署：核心资料（实验资料、成本资讯）可完全留在内网，满足GxP等等合规要求

o 深度集成：可调用内部LIMS，ERP系统API，操作本地专精软件

o 公司IM打通：拆解结果直接推送至钉钉/公司微信事务群，形成协同闭环

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。

一、为何智能体需要学识库？

1. 大模型不懂公司的事

2. 学识库 = 给智能体看“内部培训指引”

• 让智能体看了政策再回答问题，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，就一线经验说，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，学识库网页

• 常见问答：自己整理的“高频问题+答案”文档

1. 搭建业务学识库

• 将资料“喂”给学识库

• 让AI“读懂”你的资料

1. 基于学识库提问——让学识“活”起来

2. 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。

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，往细里说，复盘文档自动入库

1. 新人培训加速

• 新员工3天入门，就一线经验说，有问题先问库，别问导师

1. 更多本领

• 生成思路导图：选中文档或者回答，右键“生成思路导图”

• 智能写作：输入“/”唤起AI辅助，基于学识库写通知、写收束

• 共享学识库：将做好的学识库分享给同事，队伍协同

五、学识库业务赋能，弄懂学识库有多强

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，换个角度看，运行层面，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，执行层面，实操中，助力业务决策和执行。

引言：未来的组织形态，具体来看，是人+智能体的混合舰队。这一讲，带你从采用者进阶为指挥官，构筑7×24小时在线的数字员工军团，具体来看，让执行本领指数级扩。

一，智能体核心

1. 大模型协同模式

• 单次对话 vs 多轮协同 vs 自主决策

1. 智能体(Agent）的核心模块

• 感知、规划、记忆、抓手、行动

1. 智能体(Agent）和机器智能的关系

• 智能体 = 大模型 + 标的 + 权限 + 记忆

二，主流智能体开发平台

1. 国外平台：Codex，运行层面，Claude Code

2. 国内平台：扣子(Coze)，智谱清言、秒哒，Qwen Coder

三、智能体基础搭建流程

1. 标的设定和定位定义

2. 抓手调用规划

3. 事务流和打法配置

4. 监控和迭代精进

四、动手搭建智能体

1. 实战1：小试牛刀搭建夸夸智能体

• 诉求拆解：给一段文字/一个情境→生成温暖，真诚的夸奖文案

• 编写提示词，例如夸奖要具体、真诚，防止空洞

• 测试精进：查看生成的文案，不满意能够调整提示词

1. 实战2：搭建“招聘助手”智能体

• 诉求拆解：筛选简历→提取要害资讯→标记符合条件的人选

• 搭建进程：

1) 设定定位：“你是一名资深的招聘助理”

2) 配置学识库：上传岗位JD模板、简历筛选准则

3) 编写提示词：明晰筛选推演和输出格式

4) 测试精进：上传一份简历，具体来看，看结果是否符合预期

1. 实战3：搭建“政策问答助手”智能体

• 诉求拆解：员工问政策→准确回答→引用政策原文

• 搭建进程：

1) 设定定位：“你是公司政策百事通”

2) 配置学识库：上传考勤制度、报销规定，福利政策文档

3) 编写提示词：要求引用原文、给出明晰答案

4) 测试精进：提出几个常见问题，从实践看，执行层面，查验回答准确性

五，无代码（Vibe Coding）开发实战

1. 无代码智能体开发平台：秒哒

• 怎样定义智能体的定位，抓手和事务流程

• 实战：无代码搭建公司内部“差事管控”智能体

1. Qwen Coder：免费的AI Vibe Coding，执行层面，让智能体如虎添翼

• Qwen Coder简介和本领边界：代码生成、解释、调试、转换。

• Qwen Coder怎样辅助智能体开发：

• 迅速创建智能体需要调用的简单网页抓手或者前端界面。

• 实战：用Qwen Coder辅助开发一个专属“网站”

引言： 高质量的资料是智能决策的燃料。本讲不教复杂公式，往细里说，而是教你怎样指挥AI，就一线经验说，将杂乱无章的实验记录、供应商报表，文献PDF变成清晰、可信、可直接拆解的“智慧资产”。

一、医药资料全景和挑战

1. 资料源扫描

• 研发资料：实验原始资料、实验室笔记、专利文档，落地时，临床病例报告表（CRF）

• 供给链资料：库存记录，物流轨迹、供应商资质文件，市场价格波动

1. 典型痛点

• 格式不一、准则缺失、非结构化文本多、人工处理耗时易错

二、资料思路的底层推演

1. 何为资料思路？

• 为何90%的公司有资料却没有洞察？

• 怎样将一个模糊的业务问题（如“怎样拉升销量”）转化为资料问题

1. 核心思路——相关性和因果关系

• 打破误区：相关不等于因果

• 辛普森悖论：怎样不被汇总资料欺骗

• 常见的幸存者偏差、选项性偏差识别

1. 资料驱动决策

• 资料驱动增长的A/B测试实战思路

• 打破部门资料孤岛

三、从资料到洞察：拆解和可视化

1. 揭开资料拆解的神秘面纱

• 重点：资料拆解不是技艺，是提问题、找证据、下结论的本领

• 招数：借助不同业界成功实例解说，凸显资料拆解价值

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，具体来看，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. 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. 人力资料看板的达成

• 重点：破解手动拆解耗时、维度浅、英才潜力和隐患难识别

• 招数：生成动态看板

引言：AI效能显著，往细里说，但暗礁同样致命。资料泄露、版权争议、模型幻觉——此讲不渲染焦虑，在实际应用里，只为你划定安全边界，构筑未来的方略预见力。

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，换个角度看，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、智能工厂

1. 机器智能+

• 不是“AI替代人”，往细里说，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